2025-2026学年全国青少年人工智能创新大赛真题

2025-2026学年全国青少年人工智能创新大赛真题一、单项选择题（共20题，每题2分，总计40分。每题只有1个正确答案，多选、错选、不选均不得分）1.下列关于人工智能核心概念的描述，正确的是（）A.人工智能是指由人工制造的、能够模拟人类智能的系统所具备的能力B.图灵测试的判定标准是机器能否完全替代人类完成所有工作C.弱人工智能是指具备自我意识、能够独立思考的人工智能系统D.人工智能的发展完全依赖于硬件性能的提升，与算法无关2.人工智能作为一门独立学科诞生的标志是1956年的（），本次会议首次提出“人工智能”这一术语。A.图灵研讨会B.达特茅斯会议C.国际人工智能联合会议D.神经信息处理系统大会3.艾伦·图灵在1950年提出的图灵测试中，判定机器通过测试的标准是：在5分钟的随机提问后，有超过（）的测试者无法区分对话对象是人类还是机器。A.10%B.20%C.30%D.50%4.下列关于强人工智能与弱人工智能的说法，正确的是（）A.当前主流的AI应用（如人脸识别、智能客服）都属于强人工智能B.弱人工智能不具备自我意识，只能完成特定领域的单一任务C.强人工智能已经实现了通用智能，能够胜任所有人类的脑力劳动D.弱人工智能的运算速度远低于强人工智能5.下列属于监督学习核心特征的是（）A.训练数据不需要标注，模型自动发现数据的隐藏结构B.智能体通过与环境交互获得的奖励反馈优化策略C.训练数据带有明确的标签，模型学习输入到输出的映射关系D.仅需少量数据即可完成模型训练，泛化能力极强6.下列算法中属于无监督学习范畴的是（）A.决策树分类B.K均值聚类C.支持向量机D.线性回归7.强化学习的核心目标是（）A.对未知数据进行分类预测B.发现数据中的关联规则C.智能体通过与环境交互最大化长期累积奖励D.降低数据的维度，保留核心特征8.下列应用场景中，不属于计算机视觉技术范畴的是（）A.自动驾驶汽车的道路环境感知B.医学影像中肿瘤病灶的自动识别C.视频监控中的异常行为检测D.智能音箱的语音指令响应9.下列属于自然语言处理典型应用的是（）A.指纹解锁B.机器翻译C.图像风格迁移D.人脸支付10.语音识别技术的核心功能是（）A.将文本内容转换为自然语音输出B.将人类语音转换为可读的文本内容C.识别说话人的身份信息D.自动生成符合语境的对话内容11.下列不属于生成式人工智能应用的是（）A.文生图工具MidjourneyB.大语言模型ChatGPTC.人脸识别门禁系统D.AI作曲工具Suno12.深度学习中“深度”的核心含义是（）A.训练使用的数据量极大B.神经网络的隐藏层数量较多C.模型的应用领域非常广泛D.模型的训练时间很长13.Python语言中，专门用于高性能数值计算与数组运算的第三方库是（）A.NumPyB.RequestsC.FlaskD.Pandas14.下列Python库中，属于经典机器学习工具库的是（）A.OpenCVB.scikit-learnC.MatplotlibD.BeautifulSoup15.人工智能领域的“算法偏见”主要是指（）A.算法的运算速度不稳定，存在偏差B.算法在设计或训练过程中因数据、逻辑缺陷导致对特定群体的不公平结果C.算法无法处理超出训练数据范围的输入D.算法的准确率达不到预期要求16.下列行为中，不利于保护个人生物特征隐私的是（）A.不随意向陌生机构提供人脸、指纹等生物信息B.在社交平台公开自己的高清正脸照片和身份证信息C.定期更新智能设备的生物识别密码D.不点击陌生链接下载来源不明的APP17.当前主流大语言模型的核心基础架构是（）A.卷积神经网络B.循环神经网络C.TransformerD.生成对抗网络18.下列不属于人工智能在教育领域应用的是（）A.智能批改学生的作业与试卷B.根据学生的学习情况推送个性化习题C.自动生成课程教学方案D.通过校园一卡通统计学生的消费明细19.自动驾驶汽车的感知层核心技术不包括（）A.计算机视觉B.激光雷达点云处理C.路径规划D.毫米波雷达信号处理20.人工智能的“可解释性”主要是指（）A.模型的参数量越大，可解释性越强B.人类能够理解人工智能系统做出决策的原因与逻辑C.人工智能系统能够解释所有自然科学现象D.模型的运行速度越快，可解释性越强二、多项选择题（共10题，每题3分，总计30分。每题有2-4个正确答案，多选、少选、错选均不得分）1.下列属于人工智能核心技术方向的有（）A.机器学习B.区块链C.计算机视觉D.自然语言处理2.机器学习的三大核心要素包括（）A.数据B.算法C.算力D.网络带宽3.下列属于生成式人工智能典型应用的有（）A.AI文生视频工具SoraB.智能语音助手C.AI代码生成工具CopilotD.智能人像修复4.人工智能伦理的基本原则包括（）A.公平公正B.透明可解释C.隐私保护D.效率优先5.下列属于计算机视觉应用场景的有（）A.工厂流水线的产品缺陷检测B.银行的人脸识别开户C.文本情感分析D.农业病虫害识别6.下列属于主流深度学习框架的有（）A.TensorFlowB.PyTorchC.DjangoD.Keras7.下列属于监督学习常用分类算法的有（）A.决策树B.K近邻C.支持向量机D.主成分分析8.下列关于大语言模型的描述，正确的有（）A.通常基于Transformer架构构建B.训练需要海量的文本数据与强大的算力支撑C.可以完成文本生成、翻译、摘要、问答等多种任务D.参数量越大，模型的综合能力一定越强9.人工智能在医疗健康领域的应用包括（）A.医学影像辅助筛查B.新药研发C.手术机器人D.虚拟健康助理10.下列属于青少年使用人工智能工具的正确行为规范的有（）A.利用AI工具辅助学习，而不是直接抄袭答案B.不使用AI工具生成、传播虚假信息C.随意使用他人的肖像训练AI模型D.了解AI的局限性，不盲目迷信AI的输出结果三、实践操作题（共1题，总计50分。答题环境：Windows11及以上操作系统，预装Python3.10、OpenCV4.8、scikit-learn1.3、NumPy1.26、joblib1.3，提供标注完成的数据集文件夹）题目背景：为助力“无烟校园”建设，组委会提供一组校园公共区域监控截图数据集，包含吸烟场景与非吸烟场景两类图像。请参赛者利用给定工具库，构建一个吸烟行为识别的机器学习模型，完成数据处理、模型训练与效果评估全流程。数据集说明：数据集存放在“smoke_dataset”文件夹中，包含2个子文件夹：①“smoke”：共1200张吸烟场景图像，均为.jpg格式，分辨率不一；②“non_smoke”：共1200张非吸烟场景图像，均为.jpg格式，分辨率不一。答题要求：1.数据预处理（15分）（1）批量读取两个类别文件夹中的所有图像，完成样本与标签的一一对应；（2）将所有图像统一缩放为224×224像素，转换为灰度图后进行像素值归一化（区间[0,1]）；（3）按8:2的比例随机划分为训练集与测试集，打乱样本顺序避免数据倾斜。2.模型训练（20分）（1）使用scikit-learn库中的支持向量机（SVM）算法构建分类模型；（2）使用训练集数据完成模型拟合，训练过程无报错；（3）至少调整1个模型参数（如惩罚系数C、核函数类型），对比参数调整前后的训练集准确率，保留对比结果。3.模型评估与保存（15分）（1）在测试集上完成预测，输出预测结果；（2）分别计算模型的准确率（accuracy）、精确率（precision）、召回率（recall）三项核心指标，保留4位小数；（3）将训练完成的最优模型保存为“smoke_recognition_model.pkl”文件。额外加分规则：若模型在测试集上的准确率超过85%，额外加5分（总分不超过50分）。四、创新设计题（共1题，总计80分。要求提交设计方案文档，字数不少于800字，需包含需求分析、方案设计、可行性分析、创新价值四个核心模块）题目背景：第七次全国人口普查数据显示，我国60岁及以上人口占总人口的18.70%，其中65岁及以上人口占13.50%，已进入深度老龄化社会。社区作为老年群体日常生活的核心场景，普遍存在数字服务适配性不足、养老服务供给缺口大等问题。请结合人工智能技术，设计一款面向社区60-80岁老年群体的辅助产品或服务系统，解决至少1类核心痛点。评分细则：1.需求分析（20分）（1）目标用户画像清晰（包含年龄分层、身体状况、数字素养、生活习惯等维度），得5分；画像模糊、泛泛而谈得1-2分；（2）提炼至少3个真实核心痛点，每个痛点有公开统计数据或合理调研逻辑支撑，得12分；仅罗列痛点无数据支撑每个得1分；（3）明确需求优先级，说明核心需求的筛选逻辑，得3分；无优先级说明不得分。2.方案设计（30分）（1）核心功能模块不少于3个，每个模块的作用、使用场景描述清晰，得10分；功能不明确、逻辑混乱得1-3分；（2）至少应用2项人工智能核心技术（如计算机视觉、自然语言处理、语音识别、知识图谱、机器学习等），明确技术的应用场景与实现逻辑，技术选型合理、路径可行得18分；仅罗列技术名称无应用说明每项得1分；（3）交互设计符合老年群体使用习惯（如字体、操作步骤、反馈机制等），得2分；未考虑老年群体适配性不得分。3.可行性分析（20分）（1）成本估算合理，包含硬件成本（若有）、软件开发成本、年度运营维护成本，有具体数值区间得8分；仅定性描述成本高低得1-2分；（2）社区场景下的推广路径清晰，包含试点、优化、全覆盖的节奏规划，得6分；推广路径不可行得1-2分；（3）至少识别2类潜在风险（如隐私风险、技术误用风险、操作门槛风险等）并提出对应解决方案，风险识别准确、方案可行得6分；仅罗列风险无解决方案得1-2分。4.创新性与社会价值（10分）（1）方案具备差异化创新点，未照搬现有成熟产品，得5分；无明显创新点得1-2分；（2）社会价值可衡量（如降低养老服务成本、提升老年群体生活质量、减少安全事故发生率等），得5分；价值描述空泛得1-2分。五、参考答案及评分标准1.单项选择题答案1.A2.B3.C4.B5.C6.B7.C8.D9.B10.B11.C12.B13.A14.B15.B16.B17.C18.D19.C20.B2.多项选择题答案1.ACD2.ABC3.AC4.ABC5.ABD6.ABD7.ABC8.ABC9.ABCD10.ABD3.实践操作题评分标准（1）数据预处理（15分）：正确读取所有样本并匹配标签得3分；图像缩放、灰度转换、归一化每完成一项得4分，共12分（错一项扣4分）；数据集划分比例正确、打乱顺序得0分。（2）模型训练（20分）：正确导入scikit-learn库并初始化SVM模型得5分；模型拟合无报错、输出训练准确率得8分；完成至少1个参数调整并对比训练准确率得7分（仅调整参数无对比得3分）。（3）模型评估与保存（15分）：完成测试集预测得3分；准确率、精确率、召回率每计算正确一项得4分，共12分（错一项扣4分）；模型文件成功保存得0分。（4）额外加分：测试集准确率≥85%加5分，总分不超过50分。参考核心代码框架如下，代码风格不做强制要求，实现对应功能即可得分：importosimportcv2importnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.svmimportSVCfromsklearn.metricsimportaccuracy_score,precision_score,recall_scoreimportjoblibdata_path="smoke_dataset"categories=["smoke","non_smoke"]data=[]labels=[]forlabel,categoryinenumerate(categories):folder=os.path.join(data_path,category)forimg_nameinos.listdir(folder):img_path=os.path.join(folder,img_name)img=cv2.imread(img_path,cv2.IMREAD_GRAYSCALE)img=cv2.resize(img,(224,224))img=img.astype(np.float32)/255.0data.append(img.flatten())labels.append(label)X_train,X_test,y_train,y_test=train_test_split(data,labels,test_size=0.2,random_state=42,shuffle=True)model=SVC(C=1.0,kernel="rbf")model.fit(X_train,y_train)train_acc=model.score(X_train,y_train)print(f"初始参数训练准确率：{train_acc:.4f}")model_optim