《人工智能导论》-教材配套期末试卷（A卷）（附参考答案）

《人工智能导论》教材配套期末试卷（A卷）总分：100分考试时间：90分钟适用对象：人工智能通识课选课学生题号： 一 二 三 四 五 总分得分： _____ _____ _____ _____ __________ 院系：______________姓名：______________学号：______________一、单选题（每题2分，共10题，20分）1.人工智能发展史上，目前我们正处于以下哪个阶段？A.早期推理与符号主义阶段B.以深度学习为主流技术的阶段C.大模型兴起阶段D.通用人工智能成熟阶段2.下列哪一项不属于机器学习的主要分类？A.监督学习B.无监督学习C.强化学习D.死记硬背学习3.在神经网络结构中，负责接收外部数据并进行特征提取的层级是？A.输入层B.隐藏层C.输出层D.数据层4.大语言模型能够理解和生成人类语言，其核心训练逻辑主要基于：A.大量的符号逻辑规则B.海量文本数据的自监督学习C.手动编写的语法词典D.预设的固定问答模板5.下列关于“图灵测试”的描述，正确的是：A.测试计算机的运算速度B.测试计算机是否具有人类的智能（在对话中能否让人类误以为其为人类）C.测试计算机的存储容量D.测试计算机的图像识别能力6.智能投顾、高频量化交易和智能风控主要属于哪个领域的AI应用？A.人工智能+工业B.人工智能+经济金融C.人工智能+医疗D.人工智能+交通7.为了保护用户隐私且解决数据孤岛问题，允许在本地数据不离开设备的情况下协同训练模型的技術是：A.数据加密B.对抗样本防御C.联邦学习D.数据水印8.下列选项中，属于人工智能伦理数据安全挑战的是：A.算法偏见导致的不公平决策B.CPU运算速度下降C.硬盘存储空间不足D.显示器分辨率过低9.“具身智能”强调智能体需要具备：A.强大的云端算力B.物理实体并与环境进行交互C.完全虚拟化的代码D.纯文本的逻辑推理能力10.为了应对AI生成虚假信息（如换脸视频）的风险，常用的技术手段是：A.增加数据集容量B.虚假信息检测技术C.提高显卡频率D.延长模型训练时间二、多选题（每题3分，共5题，15分）1.下列关于人工智能的说法，正确的有：A.人工智能是计算机科学的一个分支，旨在模拟和延伸人的智能B.数据、算法、算力是人工智能发展的三要素C.人工智能只能处理结构化数据，无法理解图像和语音D.刷脸支付和自动驾驶都属于人工智能的应用2.深度神经网络的优化学习中，常见的挑战包括：A.梯度消失或梯度爆炸B.过拟合C.计算资源消耗大D.神经元数量必须为奇数3.根据教材内容，目前人工智能在医疗健康领域的典型应用包括：A.医学影像智能判读B.冠脉造影图像分析C.辅助新药研发D.完全替代医生进行手术操作4.为了保障人工智能数据安全，可采取的增强技术包括：A.数据脱敏与加密B.联邦学习C.数据公平性评估与去偏D.随意公开所有训练数据以供监督5.根据教材，人工智能素养的评估框架通常包含哪些维度？A.意识与理解AIB.应用与分析AIC.评估与创造AID.完全依赖AI进行决策三、名词解释题（每题5分，共3题，15分）1.人工智能（AI）2.机器学习3.大模型四、简答题（每题10分，共2题，20分）1.简述人工智能发展史上的“三起两落”，并说明当前阶段（大模型阶段）的主要特征。2.简述监督学习、无监督学习和强化学习三者的核心区别，并各举一个生活中的应用实例。五、应用/思辨题（共1题，30分）材料分析：近年来，生成式AI（如ChatGPT、Sora等）迅速崛起。一方面，它们极大地提高了内容创作效率，在教育、新闻写作、影视制作等领域展现出巨大潜力；另一方面，也引发了关于学术诚信、数据安全、深度伪造以及“思维惰性”的担忧。请结合教材中关于“人工智能素养”（第6章）和“人工智能数据安全”（第7章）的相关理论和知识内容，回答以下问题：理论分析（10分）：作为大学生，你认为“人工智能素养”应包含哪些核心能力？为什么在AI时代，培养“评估和创造AI”的能力比单纯“应用和分析AI”更为关键？辩证论述（10分）：请分别从“机遇”和“挑战”两个角度，论述AIGC（AI生成内容）技术对教育领域的冲击。对策建议（10分）：针对AI数据安全中的“隐私泄露”和“算法偏见”问题，请结合教材中提到的保障策略或增强技术，提出至少三条具体的防范措施。【参考答案及评分标准】一、单选题C（大模型兴起阶段）DAB（基于海量数据的大模型预训练）BB（人工智能+经济金融）C（联邦学习）A（伦理挑战）B（具身智能定义）B二、多选题ABD（C选项错误，AI可处理多模态非结构化数据）ABCABC（D过于绝对，属于辅助而非完全替代）ABCABC三、名词解释题人工智能（AI）：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能完成的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。机器学习是人工智能的一个分支，其核心思想是构建能够从数据中学习并做出预测或决策的算法。大模型：大模型通常指拥有大量参数和复杂结构的深度学习模型，通常拥有数十亿到数百亿甚至更多的参数。四、简答题1.要点：第一次兴起与寒冬：符号主义逻辑推理->无法解决复杂现实问题。第二次兴起与寒冬：专家系统->维护成本高且无法泛化。第三次崛起：深度学习（大数据+GPU算力）。当前阶段特征：大模型兴起（如ChatGPT），生成式AI主导，多模态融合，具备强大的泛化能力和涌现能力。2.要点：监督学习：使用有标签数据训练（如：垃圾邮件分类，手写数字识别）。无监督学习：使用无标签数据，发现数据内在结构（如：客户分群，降维可视化）。强化学习：通过与环境交互，依据奖励反馈学习最优策略（如：AlphaGo下棋，自动驾驶控制决策）。五、应用/思辨题（参考思路）核心能力：包括意识与理解、应用与分析、评估与创造。为何评估与创造更关键：在AI生成内容泛滥且质量参差不齐的背景下，只有具备高水平的评估能力（批判性思维）才能辨别真伪、规避偏见；只有具备创造能力才能驾驭AI工具做出创新成果，而非被工具替代。机遇：个性化教学、智能助教、辅助科研写作、丰富教学资源等。挑战：学