2025年人工智能基础知识考试复习题(附答案).docxVIP

2025年人工智能基础知识考试复习题(附答案)

一、单项选择题（每题2分，共20分）

1.以下哪项是图灵测试的核心目的？

A.评估机器的计算速度

B.判断机器是否具备人类智能

C.测试机器的图像识别能力

D.验证机器学习模型的泛化性

答案：B

2.人工智能三要素（数据、算法、算力）中，“算法”的核心作用是？

A.提供训练的原材料

B.定义模型的学习规则与优化目标

C.保障计算资源的高效分配

D.存储和管理中间结果

答案：B

3.以下属于无监督学习的典型任务是？

A.图像分类（给定标签）

B.客户分群（无标签）

C.房价预测（连续值输出）

D.垃圾邮件识别（二分类）

答案：B

4.卷积神经网络（CNN）中，“池化层”的主要功能是？

A.增加模型参数数量

B.提取局部特征的空间不变性

C.防止过拟合

D.增强模型的非线性表达能力

答案：B

5.在自然语言处理（NLP）中，“词嵌入（WordEmbedding）”的主要作用是？

A.将文本转换为固定长度的向量

B.统计词语的出现频率

C.识别句子的语法结构

D.生成符合语法的新句子

答案：A

6.强化学习（RL）中，“奖励函数”的核心作用是？

A.定义智能体的状态空间

B.指导智能体学习最优策略

C.限制智能体的动作空间

D.存储历史经验数据

答案：B

7.以下哪项属于生成式AI的典型应用？

A.图像分类（ResNet）

B.机器翻译（Transformer）

C.文本生成（GPT系列）

D.情感分析（BERT）

答案：C

8.决策树算法中，“信息增益”的计算基于以下哪个指标？

A.基尼系数（GiniIndex）

B.熵（Entropy）

C.均方误差（MSE）

D.交叉熵损失（CrossEntropyLoss）

答案：B

9.支持向量机（SVM）的“最大间隔”目标是为了？

A.最小化训练误差

B.最大化模型的泛化能力

C.减少计算复杂度

D.增强模型的可解释性

答案：B

10.以下关于大语言模型（LLM）的描述，错误的是？

A.参数量通常超过十亿级别

B.依赖海量多源数据训练

C.仅支持文本模态输入

D.可通过微调适配特定任务

答案：C

二、填空题（每空1分，共15分）

1.人工智能的英文缩写是______（AI）。

2.机器学习的核心任务是从______（数据）中学习规律，以完成预测或决策。

3.神经网络中常用的激活函数包括Sigmoid、Tanh和______（ReLU/修正线性单元）。

4.自然语言处理中的“分词”任务是将连续文本切分为有意义的______（词语/词元）。

5.计算机视觉中，“目标检测”的输出通常包括目标的______（位置/边界框）和类别。

6.强化学习的三要素是智能体（Agent）、环境（Environment）和______（奖励函数）。

7.生成对抗网络（GAN）由______（生成器）和判别器两部分组成。

8.迁移学习的核心思想是将______（源领域）的知识迁移到______（目标领域）。

9.决策树的剪枝操作分为预剪枝和______（后剪枝）。

10.大模型训练中，“参数高效微调（PEFT）”的典型方法包括______（LoRA/低秩适配）和Prompttuning。

11.AI伦理的核心问题包括隐私保护、______（算法偏见/歧视）、责任归属和就业影响。

三、简答题（每题6分，共30分）

1.简述监督学习与无监督学习的区别，并各举一例。

答案：监督学习需要带标签的训练数据（如输入图像和对应的类别标签），目标是学习输入到输出的映射（例如图像分类）；无监督学习使用无标签数据，目标是发现数据的内在结构（例如客户分群，通过消费数据自动划分群体）。

2.解释卷积神经网络（CNN）的“局部感受野”和“权值共享”特性及其优势。

答案：局部感受野指每个卷积核仅与输入特征图的局部区域相乘，捕捉局部空间特征（如图像中的边缘、纹理）；权值共享指同一卷积核在输入的不同位置重复使用，减少参数数量，同时使模型具备平移不变性。两者共同降低了模型复杂度，提升了对图像等空间数据的特征提取效率。

3.什么是过拟合？列举三种常见的缓解方法。

答案：过拟合指模型在训练数据上表现很好，但在未见过的测试数据上泛化能力差的现象。缓解方法包