2026年专业技术人员继续教育公需科目人工智能及应用试题及答案

2026年专业技术人员继续教育公需科目人工智能及应用试题及答案一、单项选择题（本大题共40小题，每小题1分，共40分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内。）1.在人工智能的发展历程中，1950年提出的用于判断机器是否具有智能的测试方法是（）。A.图灵测试B.哲学僵尸测试C.中文房间实验D.盲点测试2.2026年人工智能技术演进中，被视为下一代AI核心特征，强调模型能够像人一样处理多模态信息并具备长期记忆的能力被称为（）。A.弱人工智能B.通用人工智能（AGI）C.生成式AID.专家系统3.在机器学习算法中，主要用于寻找数据点之间相似性并进行分组，且不需要预先标记标签的算法是（）。A.线性回归B.支持向量机C.K-均值聚类D.逻辑回归4.深度学习模型中，专门用于处理图像数据，通过卷积核提取特征的网络结构是（）。A.卷积神经网络（CNN）B.循环神经网络（RNN）C.长短期记忆网络（LSTM）D.生成对抗网络（GAN）5.在自然语言处理（NLP）领域，Transformer架构的核心创新机制是（）。A.卷积运算B.注意力机制C.池化层D.梯度下降6.关于大语言模型（LLM）中的“涌现”现象，下列描述正确的是（）。A.模型参数量增加时，性能线性提升B.模型参数量达到一定规模后，突然具备训练时未明确设计的能力C.模型在训练初期就具备所有能力D.模型涌现是指模型产生自我意识7.在监督学习中，用于衡量模型预测值与真实值之间差异的常用损失函数，对于分类问题常使用（）。A.均方误差（MSE）B.交叉熵损失C.Huber损失D.绝对值误差8.人工智能在医疗领域的应用中，利用AI技术辅助医生通过影像分析判断病灶的技术属于（）。A.药物研发B.医学影像诊断C.健康管理D.虚拟护士助手9.在自动驾驶技术的感知层，用于实时探测车辆周围物体距离的传感器主要包括（）。A.激光雷达和毫米波雷达B.GPS导航C.胎压传感器D.速度传感器10.数据是AI发展的基石，关于“数据清洗”的作用，下列说法错误的是（）。A.去除数据中的噪声和异常值B.处理缺失值C.提高数据质量，从而提升模型性能D.增加数据总量以防止过拟合11.强化学习中，智能体通过与环境交互，最大化累积奖励的策略学习过程，其核心要素不包括（）。A.状态B.动作C.奖励D.标签12.在生成式AI（AIGC）创作过程中，用户通过输入文字描述来引导模型生成图像的技术术语是（）。A.模型微调B.提示词工程C.知识蒸馏D.迁移学习13.人工智能伦理中，由于训练数据存在偏见导致模型对特定群体产生歧视的现象，被称为（）。A.算法黑箱B.算法偏见C.隐私泄露D.责任归属14.为保护用户隐私，在AI模型训练中采用一种技术，使得模型无法记忆单个具体数据样本，该技术是（）。A.联邦学习B.差分隐私C.同态加密D.多方安全计算15.在智能金融风控中，利用AI分析用户的历史交易行为、社交网络等非结构化数据来评估信用风险，这主要体现了AI的（）。A.知识推理能力B.数据挖掘与模式识别能力C.机械执行能力D.创造性思维能力16.下列关于知识图谱的描述，不正确的是（）。A.是一种结构化的语义知识库B.由节点（实体）和边（关系）组成C.只能用于搜索引擎优化D.能够描述实体之间复杂的语义关系17.在神经网络训练中，防止模型在训练集上表现很好但在测试集上表现较差的现象称为（）。A.欠拟合B.过拟合C.梯度消失D.梯度爆炸18.智能制造中，利用AI技术对设备运行数据进行实时监控并预测故障发生的时机，这属于（）。A.预测性维护B.质量检测C.排程优化D.数字孪生19.大语言模型在推理过程中，为了控制生成文本的随机性和创造性，通常会调整一个参数，该参数是（）。A.学习率B.BatchSizeC.Temperature（温度）D.Dropout率20.2026年专业技术人员继续教育中强调的“人机协同”理念，核心在于（）。A.完全替代人类工作B.人类监督机器决策C.人类与AI优势互补，共同完成任务D.机器独立决策21.计算机视觉中，将图像分割成若干个具有相似属性（如颜色、纹理）的区域的过程称为（）。A.目标检测B.图像分割C.图像分类D.图像增强22.在语音识别系统中，将声音信号转换为文本后，进一步理解文本意图和槽位信息的技术称为（）。A.声学模型B.语言模型C.自然语言理解（NLU）D.语音合成（TTS）23.下列哪项技术不属于AI模型的轻量化部署方法？（）A.剪枝B.量化C.知识蒸馏D.数据增强24.智慧城市建设中，通过AI分析交通流量数据并动态调整红绿灯时长的系统是（）。A.智能交通控制系统B.智能安防系统C.智能能源管理系统D.智慧政务系统25.在推荐系统中，常用的“协同过滤”算法的基本原理是（）。A.分析物品的内容特征进行推荐B.利用用户之间的相似性或物品之间的相似性进行推荐C.基于知识图谱推理推荐D.随机推荐热门物品26.针对AI生成内容的版权问题，目前的国际主流观点倾向于（）。A.完全属于AI模型开发者B.完全属于使用者C.AI生成内容不受版权保护D.只有包含人类独创性智力投入的部分才受保护27.在神经网络优化算法中，Adam算法结合了动量法和RMSProp的优点，其主要特点是（）。A.计算速度最慢B.占用内存最小C.自适应学习率，收敛速度快D.只能处理凸优化问题28.情感分析是NLP的重要应用，它可以被细分为（）。A.文本分类和命名实体识别B.文本倾向性分析（正面/负面）和情绪识别（喜怒哀乐）C.机器翻译和文本摘要D.问答系统和对话生成29.AI在农业领域的应用中，利用无人机搭载多光谱相机结合AI算法分析作物生长情况的技术是（）。A.精准农业B.智慧畜牧C.农产品溯源D.农机自动驾驶30.在对抗样本攻击中，攻击者在输入数据中添加人类难以察觉的微小扰动，导致模型做出错误分类，这反映了AI模型的（）。A.鲁棒性不足B.泛化能力强C.计算效率高D.解释性强31.逻辑回归虽然名字带有“回归”，但实际上它是一种经典的（）。A.回归算法B.分类算法C.聚类算法D.降维算法32.在AI辅助教育中，能够根据学生的学习进度和能力水平，动态推送个性化学习内容的系统是（）。A.智能导学系统B.在线考试系统C.数字资源库D.校园管理系统33.关于“算力、算法、数据”三要素的关系，下列比喻最贴切的是（）。A.算力是引擎，算法是方向盘，数据是燃料B.算力是燃料，算法是引擎，数据是方向盘C.算力是方向盘，算法是燃料，数据是引擎D.三者相互独立，无关联34.生成对抗网络（GAN）由两部分组成，它们相互博弈，这两部分是（）。A.生成器和判别器B.编码器和解码器C.姿态网络和渲染网络D.教师网络和学生网络35.在处理时间序列数据（如股票价格、天气变化）时，目前主流的深度学习架构是（）。A.CNNB.Transformer及其变体（如Informer）C.KNND.NaiveBayes36.AI伦理中的“可解释AI”（XAI）主要解决的问题是（）。A.提高模型的运行速度B.降低模型的训练成本C.让人类理解模型做出决策的逻辑和依据D.增加模型的准确率37.在供应链管理中，AI技术主要用于（）。A.仅用于仓库盘点B.需求预测、库存优化和物流路径规划C.仅用于产品包装D.仅用于客户服务38.现代AI芯片（如GPU、TPU、NPU）相比传统CPU，其优势在于（）。A.擅长处理复杂的逻辑控制B.拥有众多的核心，适合大规模并行计算C.主频更高D.缓存更大39.下列关于“PromptEngineering（提示词工程）”的技巧，错误的是（）。A.提供清晰的背景信息B.赋予模型特定的角色C.使用模糊、多义的语言以测试模型理解力D.要求模型逐步思考（ChainofThought）40.随着AI技术的发展，新型人机交互方式逐渐取代传统键盘鼠标，目前最具前景的是（）。A.命令行交互B.多模态自然交互（语音、手势、眼神）C.纯触屏交互D.纯表单填写交互二、多项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在括号内。多选、少选、错选均不得分。）1.人工智能的主要分支包括（）。A.机器学习B.深度学习C.自然语言处理D.计算机视觉E.专家系统2.机器学习根据学习方式可以分为（）。A.监督学习B.无监督学习C.半监督学习D.强化学习E.迁移学习3.下列属于深度学习激活函数的有（）。A.SigmoidB.TanhC.ReLUD.SoftmaxE.Linear4.卷积神经网络（CNN）在图像处理中的优势包括（）。A.局部感知能力B.参数共享机制C.平移不变性D.能够自动提取特征E.必须依赖手工提取特征5.大语言模型（LLM）在应用中面临的主要挑战包括（）。A.“幻觉”问题（生成虚假信息）B.推理成本高昂C.数据隐私安全风险D.上下文长度限制E.模型训练速度过快导致无法控制6.下列属于自然语言处理（NLP）常见任务的有（）。A.机器翻译B.命名实体识别C.情感分析D.文本摘要E.语音识别（通常被视为独立领域，但常与NLP结合，此处选最核心的NLP任务）7.强化学习在现实世界中的应用场景有（）。A.游戏AI（如AlphaGo）B.机器人控制C.无人机飞行D.推荐系统优化E.图像分类8.关于人工智能伦理与安全，需要关注的原则包括（）。A.公平性B.透明性C.隐私保护D.可靠性与安全性E.问责制9.在数据预处理阶段，常用的技术手段有（）。A.归一化B.标准化C.独热编码D.缺失值填充E.特征选择10.智能网联汽车涉及的关键AI技术包括（）。A.环境感知B.路径规划C.决策控制D.V2X通信E.发动机物理燃烧控制11.生成式AI（AIGC）可以生成的内容形式包括（）。A.文本B.图像C.音频D.视频E.3D模型12.下列属于模型评估指标的有（）。A.准确率B.精确率C.召回率D.F1分数E.AUC值13.导致人工智能模型产生“偏见”的可能原因有（）。A.训练数据本身存在历史偏见B.特征选择不当C.算法设计中的权重设置偏差D.模型容量过大E.数据标注人员的主观偏见14.知识图谱在智能问答系统中的作用是（）。A.提供实体链接B.进行关系推理C.消除歧义D.生成复杂的自然语言答案E.仅作为简单的关键词匹配数据库15.在医疗AI领域，辅助诊断系统通常需要结合（）。A.医学影像分析B.电子病历（EMR）文本挖掘C.医学知识图谱D.基因测序数据分析E.医生的临床经验判断16.下列关于“联邦学习”的描述，正确的有（）。A.数据保留在本地，不传输原始数据B.仅传输模型参数或梯度C.能够解决数据孤岛问题D.绝对安全，没有任何隐私泄露风险E.通信开销通常比集中式训练大17.AI在金融风控制中的应用，主要利用的数据特征包括（）。A.用户的还款历史B.用户的消费行为模式C.用户的社交网络稳定性D.用户的设备指纹信息E.用户的身高体重信息（通常无关）18.智慧农业中，AI技术可以帮助实现（）。A.病虫害自动识别B.精准施肥与灌溉C.产量预测D.农机自动驾驶作业E.农产品自动收割（机械自动化为主，AI负责视觉引导）19.提升大模型推理效率的技术手段包括（）。A.模型量化B.模型剪枝C.FlashAttentionD.SpeculativeDecoding（推测解码）E.增加模型参数量20.专业技术人员在应用AI工具时，应具备的素养包括（）。A.理解AI的基本原理和局限性B.具备良好的提示词设计能力C.能够评估AI输出的准确性和可靠性D.遵守数据安全与伦理规范E.完全依赖AI决策，不做人工复核三、判断题（本大题共20小题，每小题1分，共20分。请判断下列说法的正误，正确的打“√”，错误的打“×”。）1.人工智能是一门研究如何使机器模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。（）2.弱人工智能（WeakAI）是指真正具备自我意识、能够像人类一样进行思考和推理的智能。（）3.监督学习需要使用带有标签的数据进行训练。（）4.深度学习是机器学习的一个子集，而机器学习是人工智能的一个子集。（）5.神经网络的层数越深，模型的性能一定越好。（）6.过拟合可以通过增加训练数据量、使用正则化方法或Dropout技术来缓解。（）7.梯度下降算法的目标是最小化损失函数。（）8.在自然语言处理中，Word2Vec和GloVe都是将单词转换为高维向量表示的方法，能够捕捉词语之间的语义关系。（）9.生成式对抗网络（GAN）中的生成器旨在尽可能准确地识别真实数据。（）10.AlphaGoZero在没有使用任何人类对棋数据的情况下，通过自我对弈达到了超越人类的水平。（）11.所有的AI算法都是可解释的，即人类完全清楚其内部决策逻辑。（）12.人工智能的发展不会对就业市场产生任何负面影响，只会创造新岗位。（）13.大语言模型生成的所有内容都是真实可信的，不会包含错误信息。（）14.计算机视觉中的“目标检测”任务不仅要识别出图像中的物体类别，还要标出物体的位置（边界框）。（）15.迁移学习是指将一个领域训练好的模型应用到另一个相关领域，通常可以减少目标领域所需的训练数据。（）16.伦理规范在AI发展中是次要的，技术进步应放在首位。（）17.增强现实（AR）和虚拟现实（VR）技术的结合与AI无关，纯粹是图形学技术。（）18.在推荐系统中，冷启动问题是指新用户或新物品由于缺乏历史数据而难以被准确推荐。（）19.神经网络中的反向传播算法主要用于计算梯度，更新网络权重。（）20.随着算力的提升，算法的优化变得不再重要。（）四、简答题（本大题共4小题，每小题5分，共20分。）1.简述监督学习、无监督学习和强化学习的主要区别。2.什么是大语言模型的“幻觉”现象？在实际应用中可以采取哪些措施来降低其风险？3.简述卷积神经网络（CNN）中卷积层、池化层和全连接层的主要作用。4.列举人工智能在专业技术人员工作中可能带来的至少三个伦理风险，并提出相应的应对策略。五、计算与分析题（本大题共2小题，每小题10分，共20分。）1.假设我们有一个简单的二分类问题，使用逻辑回归模型。给定一个样本的特征向量x，模型预测其为正类的概率公式为：P其中权重w=2，偏置b=(1)请计算该样本被预测为正类的概率P((2)如果设定的分类阈值是0.5，该样本会被预测为哪一类？2.在衡量模型性能时，混淆矩阵是一个重要工具。假设在一个包含100个样本的测试集中，真实情况为：正类50个，负类50个。模型预测结果为：真正例（TP）：被正确预测为正类的数量为35个。假正例（FP）：被错误预测为正类的负类数量为10个。请根据上述信息计算：(1)准确率(2)精确率(3)召回率六、案例分析题（本大题共1小题，共20分。）案例背景：某市医院计划引入一套AI辅助诊断系统，用于辅助放射科医生分析肺部CT影像，以早期筛查肺癌。该系统基于深度学习技术，在数百万张标注过的肺部CT影像上进行了训练，声称在特定数据集上的敏感度（召回率）达到95%以上。医院在引入前进行了评估，发现该系统在年轻患者群体中的表现略逊于老年群体，且偶尔会将某些特殊的钙化点误判为肿瘤。同时，医生们担心如果完全依赖系统，可能会导致自身阅片能力退化，且对于系统给出的错误诊断，法律责任尚不明确。问题：1.结合案例，分析该AI辅助诊断系统在技术层面可能存在的问题。（6分）2.从“人机协同”的角度，为该医院设计一套合理的AI应用流程，以最大化利用AI优势并降低风险。（8分）3.针对医生担心的“法律责任”和“能力退化”问题，提出你的建议。（6分）答案与解析一、单项选择题1.A解析：图灵测试由艾伦·图灵于1950年提出，是测试机器是否具有人类智能的标准方法。2.B解析：通用人工智能（AGI）指具备像人类一样处理多种任务、具备通用认知能力的AI，是2026年及未来发展的核心目标。3.C解析：K-均值聚类是一种典型的无监督学习算法，用于将数据分为K个簇。4.A解析：CNN（卷积神经网络）是处理图像数据的利器，通过卷积操作提取局部特征。5.B解析：注意力机制是Transformer架构的核心，允许模型关注输入序列中的不同部分。6.B解析：涌现现象是指当模型规模达到一定程度时，突然出现训练目标中未明确设计的新能力。7.B解析：交叉熵损失常用于分类问题，衡量预测概率分布与真实分布之间的差异。8.B解析：医学影像诊断利用计算机视觉技术分析X光、CT、MRI等图像。9.A解析：激光雷达和毫米波雷达是自动驾驶中用于测距和感知环境的关键传感器。10.D解析：数据清洗旨在提高质量，而非单纯增加数量；增加数据量是数据增强或采集的任务。11.D解析：强化学习包含状态、动作、奖励和策略，不依赖预先标注的标签。12.B解析：提示词工程是指设计和优化输入给模型的文本提示，以引导生成高质量内容。13.B解析：算法偏见指模型输出存在系统性的偏差，通常源于数据偏见。14.B解析：差分隐私通过在数据或查询中添加噪声，保护个体隐私不被泄露。15.B解析：利用非结构化数据进行模式识别是AI在风控中的核心能力。16.C解析：知识图谱应用广泛，包括问答、推荐等，不仅限于搜索引擎。17.B解析：过拟合指模型在训练集表现好但测试集差，泛化能力低。18.A解析：预测性维护利用数据预测设备故障，是智能制造的重要应用。19.C解析：Temperature参数控制生成文本的随机性，值越高越随机/创造性。20.C解析：人机协同强调人类与AI互补，而非替代。21.B解析：图像分割是将图像划分为多个有意义的区域。22.C解析：NLU（自然语言理解）负责解析文本的意图和槽位。23.D解析：数据增强用于扩充数据集，剪枝、量化、蒸馏用于模型轻量化。24.A解析：智能交通控制通过AI优化信号灯，缓解拥堵。25.B解析：协同过滤基于用户或物品的相似性进行推荐。26.D解析：目前主流观点认为，只有包含人类独创性智力投入的内容才受版权保护，纯AI生成内容版权存疑。27.C解析：Adam算法自适应调整学习率，收敛快且效果好。28.B解析：情感分析包括倾向性分析（正负向）和情绪识别（喜怒哀乐）。29.A解析：精准农业利用AI分析作物生长，优化田间管理。30.A解析：对抗样本攻击暴露了模型鲁棒性差的问题。31.B解析：逻辑回归虽然叫回归，但主要用于二分类问题。32.A解析：智能导学系统根据学生情况提供个性化学习路径。33.A解析：算力是动力基础，算法是方法指导，数据是资源燃料。34.A解析：GAN由生成器（造假）和判别器（打假）组成。35.B解析：Transformer及其变体（如Informer,TimesNet）目前在时间序列预测中表现优异。36.C解析：可解释AI旨在打开“黑盒”，解释模型决策逻辑。37.B解析：AI在供应链中主要用于需求预测、库存和物流优化。38.B解析：AI芯片拥有海量核心，适合矩阵运算等并行计算任务。39.C解析：提示词应清晰明确，避免模糊多义。40.B解析：多模态自然交互（语音、手势等）是未来趋势。二、多项选择题1.ABCDE解析：这些都是AI的重要分支。2.ABCD解析：机器学习主要分为监督、无监督、半监督和强化学习。3.ABCDE解析：这些都是常用的激活函数。4.ABCD解析：CNN具有局部感知、参数共享、平移不变性，能自动提取特征，不需要手工特征。5.ABCD解析：幻觉、成本、隐私、上下文限制都是主要挑战，训练速度慢是挑战而非问题。6.ABCD解析：这些都是核心NLP任务。7.ABCD解析：强化学习广泛应用于游戏、机器人、推荐等，图像分类通常用监督学习。8.ABCDE解析：AI伦理涵盖公平、透明、隐私、安全、问责等多方面。9.ABCDE解析：这些都是常见的数据预处理技术。10.ABCD解析：环境感知、规划、决策、通信是智能网联汽车的关键，发动机燃烧属于物理机械范畴。11.ABCDE解析：AIGC涵盖文本、图像、音频、视频、3D等多种模态。12.ABCDE解析：这些都是分类和回归问题的常用评估指标。13.ABCE解析：数据、特征、算法、标注都可能导致偏见。14.ABC解析：知识图谱提供实体链接、关系推理和消歧，辅助生成答案但不直接生成复杂语言。15.ABCDE解析：AI诊断需结合影像、病历、知识图谱、基因及医生经验。16.ABCE解析：联邦学习数据不出本地，传参数，解决孤岛，但有通信开销，并非绝对安全（仍有推断攻击风险）。17.ABCD解析：金融风控关注历史、行为、社交、设备等，身高体重通常无关。18.ABCDE解析：AI助力农业病虫害识别、精准灌溉、产量预测、农机自动驾驶及引导收割。19.ABCD解析：量化、剪枝、FlashAttention、推测解码都能提升推理效率，增加参数会降低效率。20.ABCD解析：专业人员应懂原理、会提问、能评估、守规范，不能完全依赖。三、判断题1.√解析：这是AI的标准定义。2.×解析：这是强人工智能的定义，弱人工智能是专门解决特定问题的AI。3.√解析：监督学习的核心是使用有标签数据。4.√解析：AI>ML>DL的包含关系。5.×解析：层数过深可能导致梯度消失或过拟合，且增加计算成本，不一定性能越好。6.√解析：这些都是缓解过拟合的有效手段。7.√解析：梯度下降旨在通过迭代更新参数找到损失函数的最小值。8.√解析：Word2Vec和GloVe都是词向量表示方法。9.×解析：生成器旨在生成逼真的假数据，判别器才是识别真伪。10.√解析：AlphaGoZero通过强化学习自我对弈，无需人类数据。11.×解析：深度学习模型常被称为“黑盒”，具有不可解释性。12.×解析：AI会对就业结构产生重大影响，既有替代也有创造，存在挑战。13.×解析：大模型存在“幻觉”问题，会生成看似合理但虚假的信息。14.√解析：目标检测包含分类和定位两个任务。15.√解析：迁移学习利用源域知识帮助目标域学习，减少数据需求。16.×解析：伦理规范至关重要，应与技术发展并重。17.×解析：AR/VR与AI结合紧密，例如SLAM、手势识别、场景理解等都依赖AI。18.√解析：冷启动是推荐系统面临的经典难题。19.√解析：反向传播是神经网络训练中计算梯度的核心算法。20.×解析：算力提升的同时，算法优化依然重要，能大幅提升效率和效果。四、简答题1.答：监督学习：使用有标签的数据进行训练，模型学习输入与输出之间的映射关系，目标是预测新数据的输出。（如分类、回归）无监督学习：使用无标签的数据，模型自行发现数据内部的结构或模式。（如聚类、降维）强化学习：智能体通过与环境交互（试错），根据奖励或惩罚机制来调整策略，以最大化长期累积奖励。（如游戏AI、机器人控制）2.答：定义：“幻觉”是指大语言模型生成了看似流畅、合理但实际上与事实不符或完全虚构的内容。降低风险措施：(1)提示词优化：在提示词中明确要求模型基于已知信息回答，或设置“不知道时请回答不知道”。(2)检索增强生成（RAG）：将外部知识库与模型结合，让模型基于检索到的可靠事实生成答案。(3)事实核查：在关键应用场景下，引入后处理模块或人工对模型输出进行事实核查。(4)参数调整：降低Temperature参数，减少生成的随机性。3.答：卷积层：通过卷积核在输入上滑动进行卷积运算，提取局部特征（如边缘、纹理），是特征提取的核心。池化层：对特征图进行下采样（如最大池化、平均池化），