人工智能通识基础教程 习题及答案 第1-6章

习题1

1.什么是人工智能？

答：人工智能（AI）是一门研究如何使计算机具备类似于人类智能

的学科，包括模拟人类认知、学习、推理、问题解决等方面的技术

与方法。

2.简述人工智能的主要研究内容。

答：从模拟人类智能的角度看，人工智能一般包含如下基本研究内

容：机器感知、机器思维、知识表示、机器学习、机器行为。

3.人工智能的发展经历了哪几个阶段？

答：人工智能的发展道路曲折而充满未知，其演进过程总体上可划

分为孕育期、形成期与发展期三大阶段。

4.简述人工智能的主流学派。

答：人工智能的主流学派有：符号主义、联结主义和行为主义。

5.简述人工智能的未来发展趋势。

答：人工智能的未来发展主要有以下几个方向：多模态生成式人工

智能、量子人工智能、边缘计算与物联网等。

答案（第四章）

1.简述机器学习的定义及其与传统编程的区别。

机器学习是人工智能的重要分支，其核心目标是让计算机系统能够从数据中自动学

习规律，并利用这些规律志行预测或决策，而无需显式编程。传统编程是输入规则与数据、

输出结果，即由程序员事先写好明确的逻辑指令；而机器学习则是输入数据与结果，由算法

自动学习出模型（规则）。正如教材中所说，如果说传统编程是教会计算机执行既定规则，那

么机器学习就是教会计算机从数据中自己发现规则。

2.解释监督学习、无监督学习和强化学习的核心区别，并各举一个典型应用场景。

监督学习使用带标签的数据训练模型，学习输入到输出的映射，典型应用如垃圾邮件

分类；无监督学习处理无标签数据，旨在发现数据内在结构，典型应用如客户分群；强化学

习则是智能体通过与环境交互、试错学习最优策略，以最大化累枳奖励，典型应用如AlphaGo

下棋或自动驾驶决策。三者分别对应“有答案的学习”“自己找结构的学习''和"在交互中学会决

1

策”的不同范式。

3.描述机器学习项目中数据预处理的主要步骤及其目的。

数据预处理主要包括数据清洗（处理缺失值、异常值、重复值，保证数据质量）、数

据集成（合并多源数据）、数据变换（如标准化、归一化，消除量纲差异）、数据降维［避免

维度灾难）以及数据集划分（分为训练集、验证集、测试集，用于模型训练与评估）。其根本

目的是为模型提供干净、规整、可计算的输入，从而提升学习的有效性与稳定性。

4.什么是特征工程？为什么它在机器学习中非常重要？请列举两种特征转换的方法。

特征工程是将原始数据转换为更能代表问题本质的特征的过程，其质量往往直接决

定模型的上限。在机器学习中，好的特征能显著降低模型复杂度、提高准确率。常见的特征

转换方法包括：（1）独热编码，将分类变量扩展为多个二进制特征，避免错误的大小J顺序假

设；（2）分桶（离散化），将连续值划分为区间，如将年龄分为“青年、中年、老年”，帮助模

型捕捉非线性关系。

5.简述过拟合现象及其常见解决方法。

过拟合是指模型在训练集上表现极好，但在新数据上泛化能力差，即“记住”了训练数

据中的噪声而非学到一般规律。常见解决方法包括：增加训练数据最、降低模型生杂度、使

用正则化（如LI、L2）、早停法、以及采用集成学习或Dropout等。教材中强调，正贝］化通

过施加约束引导模型学习更本质的规律，是防止过拟合的关键手段。

6.解释卷积神经网络（CNN）中卷积层和池化层的作用。

卷积层通过卷积核提取局部特征（如边缘、纹理），并利用权重共享大幅减少参数数

量，同时保留空间结构；池化层则通过下采样（如最大池化）降低特征图尺寸，减少计算量，

增强平移不变性，并有助于防止过拟合.两者共同构成CNN提取图像特征的核心机制。

7.Transformer模型相比RNN有哪些优势？其核心机制是什么？

Transformer相比RNN的优势在于：能够并行处理序列，训练效率更高；能更好地捕

捉长距离依赖关系，不受序列长度限制；避免了RNN中的梯度消失与爆炸问题。其核心机

制是自注意力机制，通过计算序列中每个元素与其他所有元素的关联权重，动态建模全局依

赖，从而实现对上下文信息的高效利用。

8.什么是迁移学习？为什么它在实际应用中非常有效？

迁移学习是指将在一个任务（源领域）上预训练的模型，迁移到另一个相关任务（目

标领域）上，通过微调等方式进行适配。它在实际应用中非常高效，主要因为：可以减少对

大规模标注数据的依赖；利用预训练模型已学到的通用特征（如图像的边缘、纹理）加速收

敛：在数据稀缺场景下显著提升模型性能，是解决小样太问题的有效策略。

9.简述梯度下降算法的工作原理，并说明随机梯度下降（SGD）与批量梯度下降的区别。

梯度下降通过计算损失函数对参数的梯度，沿梯度下降方向迭代更新参数，使损失最

2

小化。批量梯度下降每次迭代使用全部训练数据计算梯度，稳定但计算开销大：随机梯度下

降每次只使用一个随机样本计算梯度，更新速度快、波动大，有助于跳出局部最优，但训练

过程更不稳定。两者都是优化模型参数的基础方法。

10.在模型评估中，精确率（Precision）和召回率（Recall）分别衡量什么？为什么在医疗诊

断场景中召回率往往更重要？

精确率衡量模型预测为正类的样本中实际为正类的比例，反映”预测的准确性”；召

回率衡量实际为正类的样本中被正确预测的比例，反映“查全率在医疗诊断中，召回率往

往更重要，因为漏诊（假阴性）可能延误治疗、危及生命，而误诊（假阳性）通常可通过后

续检查排除。因此优先确保不漏掉真正的患者，体现了医疗场景下对“宁可多查、不可漏查”

的原则。

1.计算机视觉核心定义及与人类视觉的本质区别

1）计算机视觉定义：计算机视觉是一门利用摄像机、计算机与算法，模拟

人类视觉感知功能，对图像/视频进行获取、处理、分析、理解并做出决策的技

术学科，目标是让机器“看懂”视觉信息。

2）与人类视觉本质区别：

（1）人类视觉：生物神经系统驱动，具备意识、经验、语义理解、高度抽

象、强泛化、强容错能力，无需大量样本即可认知世界。

（2）计算机视觉：数学运算与数据驱动，基于像素数值计算，无主观意识，

依赖数据集与模型，泛化能力有限，对光照、噪声、角度变化敏感。

2.计算机视觉三阶段核心技术特征与代表技术

1）传统图像处理阶段特征：人工设计规则、基于像素与滤波、无机器学

习、浅层处理。代表技术：Canny边缘检测。

2）统计学习阶段特征：人工提取特征+浅层分类器训练、特征工程依赖度

高。代表技术：HOG+SVMo

3）深度学习驱动阶段特征：端到端学习、自动提取深层特征、大数据驱

动、深层神经网络。代表技术：CNN、YOLO目标检测。

3.OpcnCV核心功能及项目作用

1）图像读写与格式转换：imread、imwrite、cvtColor（BGR—灰度

一HSV）。作用：统一图像输入格式，是所有视觉任务基础。

3

2）图像滤波与去噪：高斯滤波、中值滤波、双边滤波。作用：降低噪声，

提升后续检测、分割、识别稳定性。

3）边缘/轮廓/特征检测：Canny>轮廓查找、角点检测。作用：目标定位、

尺寸测量、目标分割。

4）视频处理与目标跟踪：背景差分、光流、目标跟踪器。作用：视频监

控、运动目标分析。

4.开发环境与数据集的相互支撑关系

1）开发环境与数据集相互支撑

（1）开发环境（Python、OpenCV>PyTorch等）提供数据加载、预处理、训

练、推理、评估工具链。

（2）数据集提供学习样本与评价标准，决定模型上限。

2）缺失影响:

（1）缺少工具库：无法读取图像、数据增强、模型训练，任务无法开展。

（2）数据集质量差（模糊、错标、漏标、类别不均）：模型不收敛、过拟合、

泛化差、准确率虚高、实际失效。

5.训练集、验证集、测试集作用及不可混用原因

1）训练集：用于更新模型权重，学习特征。

2）验证集：用于调参、选择最优模型、早停，不参与参数更新。

3）测试集：无偏评估模型最终泛化能力，模拟真实未知数据。

4）不可混用原因：混用会造成数据泄露，评估结果虚高，无法反映真实性

能。

5）7:2:1划分依据•：俣证训练数据充足（学习充分）；验证集足够调整超参；测

试集具备统计代表性。

6.类别不平衡及校园安防解决方案

1）类别不平衡定义：数据集中不同类别样本数量差异极大，模型倾向预测多

数类，少数类召回率极低。

4

2）校园安防示例：行人极多，异常物品极少。解决方法：

（1）少数类过采样：对异常物品图像复制或数据增强，增加样本数量。

（2）类别权重平衡：损失函数中提高少数类权重，降低误分类代价。

（3）多数类欠采样：适度减少行人样本数量，平衡比例。（任选2种即可）。

8.目标检测标注信息及缺失width/height影响

1）标注关键内容：目标类别、边界框坐标（xl,yl,x2,y2或x,y,w,h）、置信度、

分割掩码（如需要）。

2）缺失widlh/height影响：无法确定目标尺度与位置范围，模型无法学习目标

大小，完全无法收敛，检测完全失效。

9.校园安防数据集要求及模糊图像处理

1）数据集要求：

（1）数据规模：足够覆盖各类目标（人、车、异物、包裹等）。

（2）场景覆盖：白天/夜晚、晴天/雨天、远近视角、楼道/操场/大门。

（3）标注精度：边界框精准、不漏标、不错标、不重复标注。

（4）类别划分：清晰互斥，粒度合理。

2）模糊图像处理：

（1）严重模糊直接剔除；

（2）轻微模糊使用锐化、高斯锐化、超分辨率重建优化；

（3）保留少量模糊样本增强鲁棒性。

11.图像分类与图像分割核心区别

1）图像分类：对整张图像输出一个类别标签，关注“图是什么”。应用：水果分

类、猫狗识别。

2）图像分割：对每个像素分配类别，关注“每个像素属于什么目标/区域应

用：医学影像分割、自动驾驶语义分割。

14.视频目标跟踪与检测关系

1）依赖关系：目标检测提供初始目标位置，跟踪在连续帧中维护目标ID与运

动轨迹。

2）不能仅用逐帧检测原因：

（1）检测速度慢，无法实时；

（2）无帧间目标ID关联，易出现ID切换；

（3）遮挡时检测失效，跟踪可通过轨迹预测维持目标。

15.卷积层参数量计算

公式（无偏置）：参数量二输入通道x卷积核尺寸x输出通道

（1）第一层：3x3x3x16=432

（2）第二层：16x3x3x32=4608

（3）总参数量=432+4608=5040

16.高空抛物监测系统方案

1）核心目标：实时检测高空坠落物体，自动报警、记录、存证。

2）开发环境：Python+OpenCV+PyTorch+YOLO>

3）数据集：高空抛物图像/视频，标注坠落目标，

4）核心视觉任务：目标检测、视频跟踪、轨迹分析。

5）关犍步骤：视频采集一图像去抖/去噪—背景建模—异常运动目标检测t目

标跟踪一抛物行为判断一报警与存储。

17.人脸识别门禁特殊场景数据集

1）必须覆盖场景：强光、逆光、弱光、戴口罩、戴眼镜、帽子、侧脸、局部

遮挡、模糊、不同表情。

2）影响：缺少这些场景一模型泛化能力极差，真实环境识别率大幅下降，出

现大量误识/拒识。

18.控制图像分辨率、光照、角度的必要性

1）分辨率、光照、角度属于干扰变量。若不统一：

2）光照变化一像素值剧烈变化一特征不稳定；

6

3）分辨率不同一目标尺度混乱-检测/测量误差大；

4）角度变化一目标形变一实验不可复现。

5）结论：只有控制变量，实验结果才可比、可信、可复现。

19.工业缺陷：深度学习准确率高、传统速度快如何选择

1）追求高精度、复杂缺陷、安全关键场景：选深度学习。漏检代价远高于速

度成本。

2）简单缺陷、高速产线、低端硬件、实时性要求极高：选传统算法。速度

快、资源占用低、稳定。

3）最优方案：传统算法快速粗检+深度学习精检复核。

22.遮挡、光照突变跟踪失效优化方案

1）卡尔曼滤波预测：遮挡期间通过运动模型预测目标位置，保持跟踪。

2）深度特征关联（如DeepSORT）：利用外观特征稳定ID,减少遮挡漂移。

3）自适应光照补偿：直方图均衡化、自适应阈值，降低光照突变影响。

4）重检测机制：目标丢失后自动局部重检测，快速找回。

24.计算机视觉理论一智慧社区项目落地链路

1）理论层面

（1）数字图像基础：像素、灰度、色彩空间、滤波、边缘、形态学。

（2）机器学习基础：数据集划分、损失函数、优化器、过拟合。

（3）深度学习基础：CNN、卷积、池化、全连接。

（4）核心任务：分类、检测、分割、跟踪、loUmAP/准确率评价。

2）技术层面

（1）环境搭建、数据采集与标注、数据增强。

（2）模型选择、训练、调参、评估。

（3）模型压缩、推理优化、实际部署。

3）实践层面：实验室vs真实场景

（1）差异：实验室：图像清晰、光照均匀、无遮挡、目标完整。

7

（2）真实场景：光照复杂、遮挡、运动模糊、低画质、复杂背景、目标多

变。

（3）优化思路示例：以高空抛物为例：增加夜间、雨天、逆光数据；使用数

据增强模拟噪声、模糊、遮挡；采用“背景建模+检测+跟踪''融合策略，提升鲁

棒性；加入阈值过滤与轨迹判断，降低误报。

第6章习题及参考答案

一、简答题

1.简述自然语言处理的发展历程。

参考解答；

自然语言处理的发展历程可以分为以下几个阶段：旦期基于规则的方法，通过人工编写

语法规则和词典来处理自然语言，但这种方法具有局限性，难以处理复杂的语言现象和大规

模的文本数据；随着统计方法的兴起，利用大量的语料库进行统计分析，如隐马尔可夫模型、

条件随机场等在词性标注、命名实体识别等任务中取得7较好的效果；深度学习时代，神经

网络技术被广泛应用于自然语言处理，如循环神经网络及其变种LSTM、GRU,以及

Transformer架构等，推动了自然语言处理在机器翻译、文本生成、问答系统等多个领域取得

突破性进展，尤其是基于Transformer的BERT、GPT等模型进一步提升了自然语言处理的

性能和效果。

2.对比循环神经网络及其变种LSTM和GRU在姓埋自然语言任务时的优势与不足。

参考解答：

循环神经网络（RNN）能够处理序列数据，但存在梯度消失和爆炸问题，导致难以处理

长序列中的长期依赖关系c长短期记忆网络（LSTM）通过引入记忆单元和门控机制，能够有

效地控制信息的流动，更好地捕捉长序列中的长期依赖关系，在处理复杂的语言任务如机器

翻译、语音识别等方面表现出色，但模型结构相对复杂，计算成本较高。门控循环单元（GRU）

也具有门控机制，在一定程度上解决了长期依赖问题，其结构比LSTM简单，计算效率更

高，但在处理某些复杂任务时可能不如LSTM表现得好。

3.列举自然语言处理在实际生活中的三个应用场景，并阐述其具体作用。

参考解答：

（1）智能客服：能够快速理解用户的问题，并给出准确的回答，提高客户服务的效率和

质量，减轻人工客服的负担。（2）机器翻译：都助人们打破语言障碍，实现不同语言之间的

快速准确翻译，促进国际交流、商务合作和文化传播等。（3）信息检索与推荐：根据用户的

查询和兴趣，从海量的文本信息中精准地检索出相关的内容，并进行个性化推荐，提高信息

获取的效率，满足用户的信息需求。

8

4.简述自然语言处理在不同发展阶段的主要特点和弋表技术。

参考解答：

早期阶段（20世纪50-60年代）：主要特点是基于规则，通过人工编写语法和语义规

则让计算机处理语言，代表技术有句法分析。该方法精度高但通用性和可扩展性差，难以处

理大规模文本和复杂语义C

统计方法流行阶段（80年代）：基于统计的方法兴起，利用大量语料库进行统计分析，

代表技术有统计机器翻译、隐马尔可夫模型等.在机器翻译和问答系统等领域发展,提高了

处理大规模文本的能力，但对语义理解仍较浅。

机器学习引入阶段（90年代）：机器学习被引入，支持向量机、神经网络等技术逐渐成

熟，能自动学习特征，提高了自然语言处理任务的性能，但模型复杂度增加，训练数据要求

高。

深度学习阶段（21世纪至今）：深度学习技术广泛应用，如循环神经网络（RNN）及其

变种LSTM、GRU,还有Transformer架构等，在文本分类、机器翻译、情感分析等方面取

得突破性进展，能自动学习到更盲级的特征表示，但模型解释性和计算资源需求等问题有待

解决。

5.简述利用隐马尔科大模型HMM如何实现中文分司？

参考解答：

利用隐马尔可夫模型（HMM）实现中文分词，核心是将分词问题转化为字符序列标注问

题，具体步骤如下：

（1）定义状态与观测

隐藏状态为字符在词中的位置:B（词首）、M（词中）、E（词尾）、S（单字成词）;观测

序列为待分词的中文字符串。

（2）训练模型参数

利用已分词语料，统计得到初始概率、状态转移概运、发射概率。

（3）维特比算法解码

输入观测字符序列，求解概率最大的隐藏状态序列。

（4）输出分词结果

根据标注结果，在E、S位置后切分文本，完成分词。

6.简述词向量技术在自然语言处理中的作用和常见的词向量模型（如Word2Vec）的工

作原理。

参考解答：

词向量技术的作用：将单词映射到低维向量空间，捕捉单词的语义和句法信息，可用于

词义消歧、词性标注、情感分析、命名实体识别等任务，为自然语言处理模型提供更好的输

入表示，提高模型性能。

Word2Vec原理：包括CBOW和Skip-gram模型。CBOW通过上下文预测中心词，

Skip-gram则相反，利用神经网络学习词向量，使具有相似上下文的词在向量空间中距离相

近。

7.简述BERT和GPT模型在自然语言处理中的应用场景。

参考解答：

9

BERT应用场景：广泛用于各种自然语言处理任务，如文本分类、命名实体识别、问答

系统等。它通过双向编码器结构，能同时考虑上下文信息，对文本的语义理解能力强。GPT

应用场景：主要用于文本生成任务，如对话生成、文章写作等。

8.简述语音识别系统的基本工作流程。

参考解答：

语音识别系统通常包括以下流程：（1）语音信号采集；（2）预处理（去噪、分帧等）；

C）特征提取（加MFCC）：（4）声学模型匹配：（5）语言模型处理：（6）解码输出文本

结果。

二、论述题

1.结合具体示例谈谈机器翻译的实现方法。

参考解答：

机器翻译的实现方法历经基于规则、统计机器翻译、深度学习、Transformer大模型四个

阶段，各阶段方法依托不同技术核心，翻译效果逐步提升，具体结合示例说明如下：

基于规则的机器翻译：由人工制定源语言与目标语言的语法规则、词汇对应表实现翻译。

例如翻译英语“Nicetomeetyou”，人工设定“Nice”对应“高兴”、"tomeetyou”对应"见到

你”，按中文语法拼接为“很高兴见到你”。该方法仅适用丁简单句式，面对复杂语法（如英

语定语从句、中文多义字）时，规则覆盖不足，翻译准确率极低。

统计机器翻译：将翻译转化为概率模型，通过学习大量平行语料，统计词汇、短语的对

应概率，选择概率最高的翻译结果。例如对“Thedogrunsfast”,模型从英-汉平行语料中

统计出“dog”对应“狗”、“runs”对应“跑”、“鱼st”对应“快”的概率最高,最终生成“狗

跑得快该方法提升了常规句式翻译效果，但对长难句的语法逻辑处理不足，易出现语义不

连贯。

深度学习Seq-to-Seq模型：由编码器（Encoder）和解码器（Decoder）组成，编码器将

源语言编码为向量，解码器将向量解码为目标语言。例如翻译英文“apple”，将“apple”的词

嵌入输入LSTM编码器，得到语义向量后传入LSTM解码器，解码器输出对应中文“苹果”。

该方法能捕捉简单的上下文语义，适用于基础词汇和短句翻译。

基于Transformer架构的大模型：以自注意力机制为核心，能捕捉源语言句子中长距离

的依赖关系,翻译更准确流畅。例如翻译长句"Artificialintelligenc