思考與練習（大學計算機基礎系列：人工智能導論）

一、單項選擇題（本大題共 15 小題）

1、人工智能（AI）這一術語最早由誰在 1956 年的達特茅斯會議上正式提出，標志著人工智能學科的誕生？

① 阿蘭·圖靈

② 約翰·麥卡錫

③ 馬文·明斯基

④ 赫伯特·西蒙

2、以下哪項不屬于人工智能發展的三大核心要素（通常被稱為“三駕馬車”或“鐵三角”）？

① 數據

② 算法

③ 算力

④ 人工

3、1950 年，哪位科學家在其著名的論文《計算機器與智能》中，首次提出了“圖靈測試”作為判斷機器是否具備智能的標準？

① 約翰·馮·諾依曼

② 阿蘭·圖靈

③ 克勞德·香農

④ 沃倫·麥卡洛克

4、在人工智能的發展歷程中，1973 年發表的“萊特希爾報告”對當時的人工智能研究提出了批評，直接導致了什么后果？

① 人工智能研究的第一次高潮

② 政府資金的大幅削減，人工智能進入第一次“寒冬”

③ 深度學習技術的重大突破

④ 專家系統在商業領域的成功推廣

5、根據人工智能的發展層級劃分，以下哪種描述最符合“弱人工智能”（也稱“狹義人工智能”）的定義？

① 具備跨領域自主學習與推理能力，能夠像人類一樣解決廣泛問題的智能系統

② 在智力上全面超越人類，可能具備自我意識與創造力的超級智能

③ 專注于特定領域任務，在該領域可能超越人類，但無法將此能力遷移到其他領域的智能系統

④ 通過與環境的交互逐步演化出智能行為的系統

6、2012 年，哪個深度卷積神經網絡模型在 ImageNet 大規模視覺識別挑戰賽（ILSVRC）中取得了革命性突破，其成功被認為是深度學習浪潮開啟的標志性事件？

① LeNet-5

② AlexNet

③ ResNet

④ VGGNet

7、在人工智能研究的早期，形成了三個主要的思想流派或“三種主義”。其中，哪一個流派的核心思想是“智能來源于對符號的操作與邏輯推理”？

① 連接主義

② 行為主義

③ 符號主義

④ 進化主義

8、以下哪個是“強化學習”這一人工智能分支的典型應用案例？該案例通過自我對弈和與環境的交互來學習最優策略。

① 對電子郵件進行垃圾郵件分類

② 將一種語言的文本自動翻譯成另一種語言

③ AlphaGo 程序，它成功擊敗了人類圍棋世界冠軍

④ 識別圖片中的貓和狗

9、隨著人工智能的廣泛應用，其引發的倫理問題日益受到關注。其中，“算法偏見”（Algorithmic Bias）問題主要指什么？

① 算法的計算效率低下，運行速度過慢

② 由于訓練數據本身存在社會、性別或種族等方面的偏差，導致模型在學習后也產生并放大了歧視性結果

③ 算法的內部決策過程過于復雜，像一個“黑箱”，人類無法理解其做出判斷的依據

④ 訓練和運行大型人工智能模型需要消耗巨大的電能，帶來環境問題

10、2009 年，由斯坦福大學李飛飛教授團隊創建并公開發布了哪個大規模標注圖像數據集？該數據集極大地推動了深度學習在計算機視覺領域的研究和應用。

① MNIST 手寫數字數據集

② CIFAR-10 數據集

③ ImageNet 數據集

④ COCO（Common Objects in Context）數據集

11、2020 年代以來，人工智能模型的發展呈現出“多模態”的趨勢。以下哪個是典型的能夠同時理解和生成圖像與文本的多模態人工智能模型？

① GPT-3（一個純文本生成模型）

② BERT（一個基于 Transformer 的文本表示模型）

③ DALL·E（能夠根據文本描述生成對應圖像）

④ Transformer（一種神經網絡架構）

12、人工智能系統的安全性面臨諸多挑戰，“對抗樣本”（Adversarial Examples）是其中一種。它主要描述了一種什么現象？

① 人工智能系統在處理數據時可能泄露用戶的個人隱私信息

② 人工智能模型，尤其是深度神經網絡，在訓練和推理時需要消耗大量的計算資源和電力

③ 攻擊者通過精心構造的、對人類來說難以察覺的微小擾動輸入，能夠成功欺騙模型，使其產生嚴重的誤判

④ 用于訓練模型的數據規模不夠大，導致模型的泛化能力不足

13、計算機視覺（Computer Vision）是人工智能的一個重要分支。以下哪個應用場景不屬于計算機視覺的主要研究范疇？

① 讓汽車“看見”道路和障礙物，實現自動駕駛

② 分析醫學影像（如 X 光片、CT 掃描）以輔助疾病診斷

③ 將英文新聞稿自動翻譯成中文

④ 在視頻監控系統中進行人臉識別和行為分析

14、進入 2020 年代，人工智能技術的發展呈現出一些顯著的新趨勢。以下哪一項最能概括當前發展的核心方向之一？

① 學術界和工業界全面放棄深度學習，回歸到早期的符號主義方法

② 以“大語言模型”（如 GPT 系列）為代表的生成式 AI 和多模態智能的迅猛發展

③ 人工智能研究開始減少對大規模數據的依賴，轉向純粹的理論推演

④ 所有人工智能系統都必須具備完全的自我意識和情感

15、為了應對“黑箱”模型帶來的信任危機，研究者提出了“可解釋人工智能”（XAI, Explainable AI）的概念。XAI 的主要目標和核心價值是什么？

① 不惜一切代價，最大限度地提高人工智能模型的預測準確率和運行速度

② 通過技術優化，顯著降低訓練和部署人工智能模型所需的能源消耗

③ 開發一系列方法和技術，使人工智能系統的決策過程、邏輯和依據對人類而言是透明、可理解和可追溯的

④ 縮短從模型設計到實際應用部署的整個開發周期

二、填空題（本大題共 5 小題）

1、人工智能按其所追求的目標和能力范圍，通常被劃分為三個遞進的層級：專注于特定任務的弱人工智能（ANI）、具備跨領域通用能力的（ ），以及理論上在所有領域都超越人類智慧的（ ）。

2、在訓練多層人工神經網絡時，一種名為（ ）的關鍵算法被廣泛使用，它通過將輸出層的誤差反向傳播到網絡的每一層，從而指導網絡權重的調整。

3、根據學習過程中是否提供明確的標簽指導，機器學習可以大致分為幾種主要范式，其中除了監督學習和無監督學習之外，還有一種智能體通過與環境交互、根據獲得的獎勵或懲罰來學習最優行為策略的范式，被稱為（ ）。

4、2016 年，由 DeepMind 公司研發的（ ）人工智能程序，以 4:1 的比分戰勝了世界圍棋冠軍李世石，成為人工智能發展史上的一個里程碑事件。

5、人工智能技術在創造巨大價值的同時也帶來了新的安全風險，“深度偽造”（Deepfake）特指利用（ ）技術生成高度逼真但完全虛構的（ ）內容，可能被用于傳播虛假信息和實施詐騙。

“點贊有美意，贊賞是鼓勵”