2026年人工智能导论试题及答案

2026年人工智能导论试题及答案一、单项选择题（每题2分，共20分）1.最早提出"图灵测试"的科学家是（）。A.艾伦·图灵B.约翰·麦卡锡C.马文·明斯基D.赫伯特·西蒙答案：A2.在状态空间搜索中，A*算法属于（）。A.盲目搜索B.启发式搜索C.对抗搜索D.随机搜索答案：B3.下列知识表示方法中，最适合表示"IF-THEN"类型领域知识的是（）。A.谓词逻辑B.语义网络C.框架表示D.产生式规则答案：D4.下列指标中，通常用于评价回归模型而非分类模型的是（）。A.准确率B.召回率C.均方误差D.F1值答案：C解析：均方误差（MSE）度量预测值与真实值之差的平方平均，是回归问题常用的评价指标；准确率、召回率、F1值均用于分类任务的效果评估。5.感知机（Perceptron）是下列哪类神经网络的雏形（）。A.前馈神经网络B.循环神经网络C.卷积神经网络D.生成对抗网络答案：A解析：感知机由Rosenblatt于1958年提出，本质上是单层前馈网络，只能处理线性可分问题。6.深度学习中，反向传播（Backpropagation）算法主要用于（）。A.特征提取B.数据增强C.模型压缩D.计算损失函数对各参数的梯度答案：D7.下列任务中，属于自然语言处理核心研究内容的是（）。A.目标检测B.机器翻译C.图像分割D.语音识别答案：B8.专家系统的两个核心部件是（）。A.数据库与算法库B.语料库与搜索引擎C.知识库与推理机D.模型库与解释器答案：C9.强化学习中的智能体主要通过下列哪类信号来改进自己的策略（）。A.人工规则B.标注标签C.先验概率D.即时奖励答案：D解析：强化学习通过"试错"与环境交互，依据奖励（回报）信号最大化长期累积收益，而不是依靠人工标注数据。10.下列问题中，属于人工智能伦理重点关注范畴的是（）。A.算力能耗B.算法偏见C.存储扩容D.界面美观答案：B二、填空题（每空1分，共10分）1.人工智能的英文缩写是________。答案：AI2.1956年，麦卡锡等人在________会议上正式提出"人工智能"这一术语。答案：达特茅斯3.状态空间搜索中，评价函数f(n)答案：启发式（启发）4.机器学习按学习方式可分为监督学习、无监督学习和________。答案：强化学习5.卷积神经网络中，用于对特征图进行下采样的层称为________。答案：池化层（下采样层）6.A*算法中，当启发式函数h(答案：最优7.谓词逻辑中，表示"存在"的量词符号是________。答案：∃8.在马尔可夫决策过程四元组(S,A答案：奖励函数9.反向传播算法的核心是依据________法则，从输出层向输入层逐层计算梯度。答案：链式求导（链式法则）10.词嵌入（WordEmbedding）将单词表示成低维________向量，有效缓解了one-hot编码的维数灾难问题。答案：稠密（分布式）三、判断题（每题1分，共10分）1.强人工智能（AGI）指能够像人类一样理解、学习并在任意领域完成智力任务的智能系统。答案：正确2.宽度优先搜索总能找到代价最小的解。答案：错误解析：宽度优先搜索只保证找到层数最少（步数最少）的解；当各边代价不相等时，它不一定能得到总代价最小的解。3.产生式系统的推理方式包括正向推理和反向推理。答案：正确4.决策树学习中，属性划分的信息增益越大，说明该属性对分类的贡献越弱。答案：错误解析：信息增益越大，表示用该属性划分后数据集纯度的提升越多，该属性对分类的贡献越大。5.过拟合是指模型在训练集上表现优异而在未见过的测试数据上泛化能力较差的现象。答案：正确6.K近邻（KNN）算法是一种典型的无监督学习方法。答案：错误解析：K近邻在分类时需要用到带类别标记的训练样本，属于监督学习。7.卷积神经网络通过局部连接和权值共享来减少参数数量。答案：正确8.反向传播算法只能用于深层神经网络。答案：错误解析：反向传播适用于任何可微的多层前馈网络（包括浅层网络），并非只能用于深层网络。9.专家系统无法向用户解释其推理过程和结论依据。答案：错误解析：具备解释能力是专家系统区别于普通应用程序的重要特征之一。10.人工智能伦理问题只涉及隐私保护，不涉及算法公平性。答案：错误解析：算法公平（偏见治理）、可解释性、责任归属、安全可控等都属于人工智能伦理的重要范畴。四、简答题（每题6分，共30分）1.简述图灵测试的基本思想、意义与局限性。答案：图灵测试由图灵于1950年在论文《计算机器与智能》中提出。测试时，测试者通过文字终端分别与人和机器进行对话，若测试者无法辨别对方是人还是机器，则认为该机器通过了图灵测试，具有智能。其意义在于首次为"机器能否思考"提供了可操作的判定标准，将哲学思辨转化为行为实验，推动了人工智能学科的建立，并启发了自然语言处理与对话系统的研究。其局限性在于只检验外部行为，无法考察机器是否真正理解语义或具有意识，且存在机器通过策略性"伪装"骗过测试的可能。2.简述产生式系统的组成及推理方式。答案：产生式系统由三部分组成：(1)规则库，存放形如"IF条件THEN结论或动作"的产生式规则；(2)综合数据库，存放问题的初始事实、中间结果与最终结论；(3)推理机（控制器），负责规则的匹配、冲突消解与推理调度。推理方式包括正向推理（从已知事实出发，逐步匹配规则推导出新结论，又称数据驱动推理）、反向推理（从目标出发，寻找能推出该目标的规则并逐步回溯验证条件，又称目标驱动推理）以及双向推理。3.什么是过拟合？列举至少两种缓解过拟合的常用方法。答案：过拟合是指模型在训练集上把噪声数据和个别样本的偶然特征也学习进来，导致训练误差很小，但在新数据上误差很大、泛化能力差的现象。常用的缓解方法包括：(1)增加训练样本数量；(2)使用正则化（L1、L2正则）约束模型复杂度；(3)采用交叉验证选择合适模型；(4)神经网络的Dropout与早停（EarlyStopping）；(5)决策树剪枝；(6)数据增强。4.简述专家系统的基本组成及各部分的主要作用。答案：专家系统是模拟人类领域专家求解特定领域问题的智能程序，主要由六部分组成：知识库，存放领域的事实与规则，是系统的知识来源；推理机，依据知识库中的知识进行推理求解，是系统的核心部件；综合数据库，保存求解过程中的初始事实与中间结果；解释模块，向用户说明推理路径与结论依据；知识获取模块，支持知识库的扩充与更新；人机接口，实现用户与系统之间的交互。其中知识库与推理机是最核心的两个部件。5.简述人工智能、机器学习与深度学习三者的关系。答案：人工智能是研究如何让机器具备感知、推理、学习、决策等智能行为的学科，是范围最广的概念；机器学习是人工智能的一个重要分支，强调通过数据驱动的方式让计算机自动改进性能；深度学习是机器学习的一个子领域，基于多层神经网络，能够自动从原始数据中学习多层次的特征表示。三者是包含关系：人工智能⊃机器学习⊃深度学习。深度学习的快速发展极大地推动了人工智能在感知与认知任务上的进步。五、综合应用题（每题15分，共30分）1.设某状态空间图包含节点S,A,B,C,D,E,G，其中S为初始节点，G为目标节点。各边的方向与代价为：S→A（代价1）、S→B（代价4）、A→C（代价2）、A→D（代价5）、B→D（代价2）、B→(1)（5分）验证该启发式函数是否满足可采纳性条件；(2)（10分）用A*算法求S到G的最优路径，写出每步扩展的节点及OPEN表、CLOSED表的变化，并给出最优路径与总代价。答案：(1)可采纳性要求对任意节点n有0≤h(n)≤h*(n)，其中h*(n)为n到G的真实最小代价。各节点的真实最小代价为：h*(A)=6（A→C→G），h*(B)(2)A*搜索过程如下表所示（OPEN表中括号内为该节点的f值，按f值升序排列）：步骤扩展节点OPEN表CLOSED表1SA(5),B(7)S2AC(5),B(7),D(7)S,A3CB(7),D(7),G(7)S,A,C4BD(7),G(7),E(9)S,A,C,B5DG(7),E(9)S,A,C,B,D6GE(9)S,A,C,B,D,G第4步扩展B时，由其生成的D的g值为4+2=6，与OPEN表中已有D的g值相同，故不更新；第5步扩展D时，经D到G的代价为6+2=8，大于OPEN表中已有的解析：A*每次用评价函数f(n)=g2.某体育俱乐部根据天气、湿度、风力三个属性决定是否组织户外运动，收集到8条历史记录如下表：编号天气湿度风力是否运动1晴高弱否2晴高强否3阴高弱是4雨正常弱是5雨正常强否6阴正常强是7晴正常弱是8雨高弱否(1)（5分）计算样本集合的经验熵H((2)（10分）分别计算"天气""湿度""风力"三个属性的信息增益，并依据信息增益确定决策树根节点的划分属性。答案：(1)样本总数为8，其中类别为"是"的有4个（编号3、4、6、7），类别为"否"的有4个。经验熵为：H(2)属性"天气"的信息增益：-晴：样本{1,2,7}，"是"1个、"否"2个，H(-阴：样本{3,6}，全部为"是"，H-雨：样本{4,5,8}，"是"1个、"否"2个，H(G属性"湿度"的信息增益：-高：样本{1,2,3,8}，"是"1个、"否"3个，H(-正常：样本{4,5,6,7}，"是"3个、"否"1个，H(G属性