作業題庫與參考答案 PAGE21PAGE20 職教本科《人工智能通識》（微課版）人工智能通識人工智能通識作業題庫與參考答案作業題庫與參考答案項目1掌握人工智能基礎概念1.人工智能是計算機科學的一個重要的分支，這個領域涉及理解，也涉及構建（），這些機器需要在各種各樣新奇的情況下，計算如何有效和安全地行動。A.綜合部件 B.實體算法 C.智慧軟體 D.智能實體2.幾個世紀以來，人類一直在利用工具幫助其思考，計算的最原始工具之一甚至可以追溯到（）。A.算盤 B.小鵝卵石 C.電腦 D.計算器3.一般認為，地處英格蘭威爾特郡索爾茲伯里平原上的史前時代文化神廟遺址巨石陣，是古人用來（）的。A.預測天文事件 B.進行科學計算C.裝飾大自然 D.構筑軍事工事4.1900年人們在希臘安提基特拉島附近的羅馬船只殘骸上找到的機械殘片，被認為是（）。A.帆船的零部件 B.外星人留下的物件C.天體觀測儀的殘片 D.海洋生物的化石5.傳說在13世紀左右，想學加法和減法上德國的學校就足夠了，但如果還想要學乘法和除法，那就必須去意大利才行，這是因為當時（）。A.德國沒有大學 B.意大利人更聰明C.意大利文化比德意志文化更高明D.所有的數字都是用羅馬數字寫成的，使計算變得很復雜6.1821年，英國數學家兼發明家查爾斯·巴貝奇開始了對數學機器的研究，他研制的第一臺數學機器叫（）。A.計算機 B.計算器 C.差分機 D.分析機7.1842年，巴貝奇請求埃達幫他將一篇與機器相關的法文文章翻譯成英文。埃達在翻譯注解中包含了一套機器編程系統，埃達也被后人譽為第一位（）。A.計算機程序員 B.法文翻譯家C.機械工程師 D.數據科學家8.“機器人（Robot）”的稱呼最初源于（）。A.1946年圖靈的一篇論文 B.1920年卡雷爾·恰佩克的一部舞臺劇C.1968年諾依曼的一部手稿 D.1934年卡斯特羅的一次演講9.最初，“計算機（Computer）”這個詞指的是（）。A.計算的機器 B.做計算的人 C.電腦 D.計算桌10.被譽為世界上第一臺通用電子數字計算機的是（）。A.ENIAC B.Colossus C.Ada D.SSEM11.今天，計算機幾乎存在于所有電子設備之中，只是因為它比其他選項都要（），這類計算機通常被稱為嵌入式計算機。A.易用 B.穩定 C.快速 D.便宜12.現代計算機可以被定義為“在可改變的程序的控制下，存儲和操縱信息的機器”。該定義有（）兩個關鍵要素。=1\*GB3①計算機是用于操縱信息的設備=2\*GB3②計算機復雜，難懂，難以被仿制=3\*GB3③計算機是唯一能操縱信息的機器=4\*GB3④計算機在可改變的程序的控制下運行A.=2\*GB3②=3\*GB3③ B.=1\*GB3①=4\*GB3④ C.=1\*GB3①=2\*GB3② D.=3\*GB3③=4\*GB3④13.就像詞匯構成語言一樣，計算機理解的（）構成了計算機語言，也就是機器代碼，這是一種用數值表示的復雜語言。A.指令 B.編號 C.符號 D.函數14.計算機科學家常常會談及建立某個過程或物體的模型，這個“模型”指的是（）。A.類似航模這樣的手工藝品 B.機械制造業中的模具C.寫出事件運作的所有方程式并進行計算D.拿卡紙和軟木制作的一個復制品15.人工智能最根本也最宏偉的目標之一就是建立（）的計算機模型。完美模型固然最好，但精確性稍遜的模型也同樣十分有效。A.模擬自然 B.復雜機器 C.動物智慧 D.人腦那樣16.歷史上，研究人員研究過幾種不同版本的人工智能。追求（）必須在某種程度上是與心理學相關的經驗科學，包括對真實人類行為和思維過程的觀察和假設；A.動物智慧 B.理性主義 C.類人智能 D.靈活浪漫17.研究人員曾經研究過幾種不同版本的人工智能。追求（）涉及數學和工程的結合，并與統計學、控制理論和經濟學相聯系。A.動物智慧 B.理性主義 C.類人智能 D.靈活浪漫18.目前，為計算機編程使其能夠通過嚴格的圖靈測試尚有大量工作要做。除了自然語言處理之外，計算機還需要具備（）能力。=1\*GB3①知識表示 =2\*GB3②節約成本 =3\*GB3③自動推理 =4\*GB3④機器學習A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=1\*GB3①=3\*GB3③=4\*GB3④19.其他研究者提出的完全圖靈測試需要與真實世界中的對象進行交互。為了通過完全圖靈測試，除了達到圖靈測試的要求之外，“對象”還需要具備（）能力。=1\*GB3①計算機視覺和語音識別功能，以感知世界=2\*GB3②機器人學，以操縱對象并行動=3\*GB3③簡化運算，以減少運行成本 =4\*GB3④自動編程，提高運籌與數據分析水平A.=1\*GB3①=2\*GB3② B.=3\*GB3③=4\*GB3④ C.=1\*GB3①=3\*GB3③ D.=2\*GB3②=4\*GB3④20.我們必須知道人類是如何思考的，才能評價程序是否像人類一樣思考。可以通過（）3種方式來了解人類的思維。=1\*GB3①外延 =2\*GB3②內省 =3\*GB3③心理實驗 =4\*GB3④大腦成像A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③項目2培養數學素養與計算思維1.作為一個跨學科的領域，為人工智能提供思想、觀點和技術的，主要涉及（）、經濟學、神經科學、心理學、控制論以及語言學等多個學科的基礎理論和技術。=1\*GB3①哲學 =2\*GB3②數學 =3\*GB3③化學 =4\*GB3④計算機工程A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=2\*GB3②=3\*GB3③=4\*GB3④2.編寫高效的算法和程序是實現人工智能功能的基礎。掌握至少一種編程語言，如（），并了解軟件開發的基本原則，對于從事人工智能開發工作至關重要。=1\*GB3①Ada =2\*GB3②Python =3\*GB3③Java =4\*GB3④C++A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=1\*GB3①=3\*GB3③=4\*GB3④3.（）是人工智能系統性能優化的關鍵，需要理解如何高效地存儲和處理數據，以及設計解決特定問題的算法。A.概率論與統計學 B.經濟學與管理學C.邏輯與認知科學 D.數據結構與算法4.（）用于數據分析、模式識別和預測建模。貝葉斯定理、隨機變量、分布函數等都是理解和構建人工智能模型的重要工具。A.概率論與統計學 B.經濟學與管理學C.邏輯與認知科學 D.數據結構與算法5.（）包括形式邏輯和認知心理學等，它們為知識表示和推理提供框架，幫助人工智能系統進行決策制定和問題解決，以及研究人類思維過程如何影響信息處理方式。A.概率論與統計學 B.經濟學與管理學C.邏輯與認知科學 D.數據結構與算法6.（）包括決策與項目管理理論，通過數據分析做出最優選擇，以及有效組織和管理人工智能項目的生命周期，確保按時交付高質量成果。A.概率論與統計學 B.經濟學與管理學C.邏輯與認知科學 D.數據結構與算法7.數學之美體現在其（）的形式中，通過優雅的公式和深刻的定理揭示了自然界的內在規律與結構。它不僅有著嚴格的邏輯框架，還蘊含著令人驚嘆的創造力和普遍性。=1\*GB3①深邃 =2\*GB3②簡潔 =3\*GB3③對稱 =4\*GB3④和諧A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.數學素養是指個體理解和運用數學概念的能力，包括（）等技能，是培養批判性思維和創新能力的基礎。=1\*GB3①邏輯推理 =2\*GB3②素材堆砌 =3\*GB3③問題解決 =4\*GB3④數據分析A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④9.（）在于它能夠以最純粹的形式表達復雜的思想，揭示世界的本質規律。它既有嚴謹的邏輯框架，又不失為一門充滿想象力和創造力的藝術。A.數據充盈 B.語言豐富 C.數學的美 D.信息繁復10.數學素養的重要性在于它不僅幫助我們理解和解決實際問題，還培養了（），這些都是在快速變化的世界中取得成功的關鍵。=1\*GB3①邏輯思維 =2\*GB3②分析能力 =3\*GB3③腦力訓練 =4\*GB3④創新精神A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④11.培養和發展數學素養需要通過（）以及鍛煉邏輯思維和抽象能力來實現。可以有效地提升個人的數學素養，有助于學術成就和個人成長。=1\*GB3①持續學習基礎數學知識 =2\*GB3②積極參與實踐應用=3\*GB3③不斷解決實際問題 =4\*GB3④豐富個人形象思維能力A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④12.數學素養對人工智能的意義，在于它提供了（）所需的理論基礎和邏輯思維能力，是推動人工智能技術發展的核心要素。=1\*GB3①美化運算環境 =2\*GB3②理解算法原理 =3\*GB3③優化模型性能 =4\*GB3④解決復雜問題A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④13.模糊邏輯模仿人腦的不確定性概念判斷、推理思維方式，實行模糊綜合判斷，推理解決常規方法難于對付的（）型模糊信息問題。A.隨機 B.規則 C.條理 D.邏輯14.計算機的二進制邏輯通常只有兩種狀態：要么是真要么是假，現實生活中（）這么一刀切的情況。A.很少有 B.常見 C.基本都是 D.完全都是15.所謂模糊邏輯，是建立在（）邏輯基礎上，運用模糊集合的方法來研究模糊性思維、語言形式及其規律的科學。A.單值 B.多值 C.形式 D.數理16.模糊邏輯善于表達界限不清晰的定性知識與經驗，它區分模糊集合，處理模糊關系，模擬人腦實施規則型推理，解決種種（）問題。A.不確定 B.確定 C.精確 D.重要17.計算思維是一種解決問題的思維方式，它能夠幫助人們有效地（）。這種思維方式廣泛應用于信息技術、日常生活、科學研究、工程學等多個領域。=1\*GB3①分析問題 =2\*GB3②設計方案 =3\*GB3③實現自動化 =4\*GB3④豐富內涵A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③18.（）是運用計算機科學的基礎概念進行問題求解、系統設計、以及人類行為理解等涵蓋計算機科學之廣度的一系列思維活動。A.邏輯思維 B.模糊思維 C.計算思維 D.形象思維19.計算思維建立在計算過程的能力和限制之上。它強調（）、算法設計和自動化思維等核心要素。=1\*GB3①枚舉條件 =2\*GB3②分解問題 =3\*GB3③模式識別 =4\*GB3④抽象化A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④20.培養計算思維需要通過（）、識別模式并進行抽象化，以及不斷反思和優化解決方案來實現。=1\*GB3①學習編程基礎 =2\*GB3②實踐算法設計 =3\*GB3③培養形象思維 =4\*GB3④分解復雜問題A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④項目3熟悉數據科學與大數據技術1.所謂數據素養，是指具備數據意識和數據敏感性，能夠有效且恰當地獲取、分析、處理、利用和展現數據，它是對（）的一種延伸和擴展。=1\*GB3①統計素養 =2\*GB3②媒介素養 =3\*GB3③文明素養 =4\*GB3④信息素養A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④2.可以從五個方面的維度來思考數據素養，即（）以及數據的分析和處理能力、對數據的批判性思維等。=1\*GB3①對數據的敏感性 =2\*GB3②對數據的欣賞能力=3\*GB3③數據的收集能力 =4\*GB3④利用數據進行決策的能力A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=2\*GB3②=3\*GB3③=4\*GB3④3.大數據是人工智能的基礎。大數據時代，人們對待數據的思維方式會發生（）等三個變化。=1\*GB3①人們更加重視數據的精確性，重視個別關鍵數據=2\*GB3②人們處理的數據從樣本數據變成全部數據=3\*GB3③由于是全樣本數據，人們不得不接受數據的混雜性，而放棄對精確性的追求=4\*GB3④人類通過對大數據的處理，放棄對因果關系的渴求，轉而關注相關關系A. =2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③4.對于社會來說，大數據與人工智能所代表的不僅僅是一種技術革命，更是由技術引發的思維革命。在對人類認識世界的方法上，只有引發工業革命的（）能夠與之相匹配。A. 邏輯思維 B.簡單思維 C.形象思維 D.機械思維5.對機械思維作出最大貢獻的是科學家（），他用幾個簡單而優美的公式破解了自然之謎。機械思維觀點認為，世界確定無疑，就像一個精密的鐘表。A.蔡倫 B.牛頓 C.貝多芬 D.法拉第6.機械思維是歐洲之所以能夠在科學上領先于世界的重要原因，其核心方法論是笛卡兒建立的“（）”的科研方法，概括地說，就是“大膽假設，小心求證”。=1\*GB3①正確的證據 =2\*GB3②正確的精神 =3\*GB3③正確的推理 =4\*GB3④正確的結論A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③7.概括來說，機械思維就是確定性（可預測性）和因果關系。機械思維的核心思想是（）。=1\*GB3①世界變化的規律是確定的 =2\*GB3②規律可以被認知=3\*GB3③預測活動導致不確定性存在 =4\*GB3④這些規律應該是放之四海皆準A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.大數據思維和機械思維并非對立，它更多的是后者的（）。對于確定性和因果關系的事物，機械思維依然是最好的方法。但對不確定的世界，大數據思維為我們提供了新的方法。A.裁剪 B.補充 C.提高 D.反向9.數據科學結合了（）等多個領域的知識和技術，旨在從大量數據中提取有價值的信息，并將其轉化為可操作的知識或決策支持。=1\*GB3①經濟學 =2\*GB3②統計學 =3\*GB3③信息科學 =4\*GB3④計算機科學A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④10.數據科學的核心要素包括（）、數據可視化以及模型評估與優化，旨在從數據中提取有價值的信息并轉化為可操作的知識。=1\*GB3①數據收集與管理 =2\*GB3②數據清洗與預處理=3\*GB3③數據分析與建模 =4\*GB3④數據分類與聚合A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④11.數據科學家是具備（）的專家，他們運用數據分析、機器學習等技術從大量數據中提取有價值的信息，以支持決策制定和創新解決方案。=1\*GB3①語言學 =2\*GB3②統計學 =3\*GB3③計算機科學 =4\*GB3④領域知識A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③12.生產資料是人類文明的核心。農業時代生產資料是土地，工業時代生產資料是機器，數字時代生產資料是（）。A.能源 B.數據 C.信息 D.物資13.勞動方式是人類文明的重要表征。智能時代基于數字勞動而不斷推動和豐富著“（）”。A.信息文明 B.機器文明 C.數字文明 D.手工文明14.當面臨大量數據時，社會都依賴于采樣分析。但是采樣分析是（）時代的產物。A.電腦 B.青銅器 C.模擬數據 D.云15.因為大數據是建立在（），所以我們就可以正確地考察細節并進行新的分析。A.掌握所有數據，至少是盡可能多的數據的基礎上的B.在掌握少量精確數據的基礎上，盡可能多地收集其他數據C.掌握少量數據，至少是盡可能精確的數據的基礎上的D.盡可能掌握精確數據的基礎上16.直到今天，數字技術依然建立在精準的基礎上，這種思維方式適用于掌握（）的情況。A.小數據量 B.大數據量 C.無數據 D.多數據17.尋找（）是人類長久以來的習慣，即使確定這樣的關系很困難而且用途不大，人類還是習慣性地尋找緣由。A.相關關系 B.因果關系 C.信息關系 D.組織關系18.在大數據時代，我們無須再緊盯事物之間的（），而應該尋找事物之間的（），這會給我們提供非常新穎且有價值的觀點。A.因果關系，相關關系 B.相關關系，因果關系C.復雜關系，簡單關系 D.簡單關系，復雜關系19.人工智能技術同時發展出多層神經網絡，從而可以進行（），決定了它更為靈活、且可以根據不同的訓練數據而擁有自優化的能力。推動人工智能的進步。=1\*GB3①深度學習 =2\*GB3②逆向學習 =3\*GB3③強化學習 =4\*GB3④機器學習A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④20.雖然有很大區別，但人工智能和大數據仍然能夠很好地協同工作。人工智能特別是機器學習，需要（）來建立其智能，甚至可以說，沒有它就沒有人工智能。A.網絡 B.算法 C.數據 D.專家項目4理解智能體與智能體AI1.智能體是人工智能領域中一個很重要的概念，它是指能（）的軟件或者硬件實體，任何獨立的能夠思考并可以同環境交互的實體都可以抽象為智能體。A.獨立計算 B.關聯處理 C.自主活動 D.受控移動2.任何通過（）感知環境并通過（）作用于該環境的事物都可以被視為智能體。A.執行器，傳感器 B.傳感器，執行器C.分析器，控制器 D.控制器，分析器3.使用術語（）來表示智能體的傳感器知覺的內容。一般而言，一個智能體在任何給定時刻的動作選擇，可能取決于其內置知識和迄今為止觀察到的整個信息序列。A.感知 B.視線 C.關聯 D.體驗4.在內部，人工智能體的（）將由（）實現，區別這兩種觀點很重要，前者是一種抽象的數學描述，而后者是一個具體的實現，可以在某些物理系統中運行。A.執行器，服務器 B.服務器，執行器C.智能體程序，智能體函數 D.智能體函數，智能體程序5.事實上，機器沒有自己的欲望和偏好，至少在最初，（）是在機器設計者的頭腦中或者是在機器受眾的頭腦中。A.感知條件 B.視覺效果 C.性能度量 D.體驗感受6.對智能體來說，任何時候，理性取決于對智能體定義成功標準的性能度量以及（）等4個方面。=1\*GB3①在物質方面的積累 =2\*GB3②對環境的先驗知識=3\*GB3③可以執行的動作 =4\*GB3④到目前為止的感知序列。A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④7.在設計智能體時，第一步始終是盡可能完整地指定任務環境，它（PEAS）包括傳感器以及（）。=1\*GB3①性能 =2\*GB3②環境 =3\*GB3③函數 =4\*GB3④執行器A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.如果智能體傳感器在每個時間點都能訪問環境的完整狀態，就說任務環境是（）的。A.有限可觀測 B.非可觀測 C.有效可觀測 D.完全可觀測9.如果環境的下一個狀態完全由當前狀態和智能體執行的動作決定，那么就說環境是（）。A.靜態的 B.動態的 C.確定性的 D.非確定性的10.通常，大部分人工智能應用都是一個（）的程序系統，在前期實驗性操作成功的基礎上，無法按比例放大至可用規模。A.獨立和細小 B.關聯和具體 C.關聯和龐大 D.獨立和龐大11.有4種基本的智能體程序，它們體現了幾乎所有智能系統的基本原理，每種智能體程序以特定的方式組合特定的組件來產生動作。其中，簡單反射型是最簡單的智能體，其他基本形式還有（）。=1\*GB3①基于動態理論型 =2\*GB3②基于目標型=3\*GB3③基于模型反射型 =4\*GB3④基于效用型A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④12.在社會科學中，智能代理是一個（）的人或其他系統，它根據感知世界得到的信息做出舉動來影響這個世界。A.理性且自主 B.感性且自主 C.理性且集中 D.感性且集中13.斯坦福大學的海耶斯·羅斯認為：智能代理持續地執行（）3項功能。=1\*GB3①感知環境中的動態條件=2\*GB3②執行動作影響環境=3\*GB3③進行推理以解釋感知信息，求解問題，產生推理和決定動作=4\*GB3④感知環境中的靜態參數A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③14.智能代理是一套輔助人和充當他們代表的軟件，一般具有（）等多個特點。=1\*GB3①代理性 =2\*GB3②臨時性 =3\*GB3③智能性 =4\*GB3④移動性A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④15.人們在智能代理程序中設置的一些（）甚至可以在不同計算機上運行，但依然遵循所設計的層次協同合作原理。A.串聯信號 B.關聯數據 C.獨立模塊 D.隨機函數16.通過離散各個部分，智能代理的（）大大降低，使程序編寫和維護更加簡單。通過系統內的協同合作，完全可以修改某些模塊而不影響任何其他模塊。A.復雜度 B.關聯度 C.獨立性 D.隨機性17.在人工智能領域中，多個（）在一個系統中協同作業，各自負責自己最擅長的工作。為了執行任務，它們需要與其他做不同工作的個體溝通。各自都對環境進行感知，其環境由任務所決定。A.復雜組件 B.關聯程序 C.機器人組 D.智能代理18.所有相關的智能代理獨立程序彼此間需要交流，這通常是通過（）來完成的。A.隨機組合 B.傳遞信息 C.直接控制 D.系統中斷19.智能代理系統的適用場景有很多，例如包括（）。=1\*GB3①有限元計算 =2\*GB3②實體機器人 =3\*GB3③電腦游戲 =4\*GB3④股票、期貨交易A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④20.在股票市場，代理被用于（）。某些獨立代理還會監控股票市場并生成統計數據，監測異常價格變動，找尋合適的股票，管理用戶投資組合所代表的整體風險并與用戶互動。=1\*GB3①分析市場行情 =2\*GB3②影響或操縱股市行情的波動=3\*GB3③生成買賣指令建議 =4\*GB3④直接買入和賣出股票A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④項目5熟悉機器學習1.機器學習是使計算機具有智能的（），是涉及到概率論、統計學、逼近論、凸分析、算法復雜度理論等多領域知識，專門研究計算機怎樣模擬或實現人類的學習行為。A.重復機會 B.根本途徑 C.有用途徑 D.唯一條件2.機器學習最早的發展可以追溯到（）。A.英國數學家貝葉斯在1763年發表的貝葉斯定理B.1950年計算機科學家圖靈發明的圖靈測試C.1952年亞瑟·塞繆爾創建的一個簡單的下棋游戲程序D.唐納德·米奇在1963年推出的強化學習的tic-tac-toe（井字棋）程序3.20世紀50年代中葉到60年代中葉，屬于機器學習的（）時期。這個時期通過對機器的環境及其相應性能參數的改變來檢測系統所反饋的數據，最后選擇一個最優的環境生存。A.衰退 B.復興 C.冷靜 D.熱烈4.從20世紀60年代中葉到70年代中葉，被稱為機器學習的（）時期。主要研究將領域知識植入系統，通過機器模擬人類學習，采用圖結構及邏輯結構方面的知識進行系統描述。A.衰退 B.復興 C.冷靜 D.熱烈5.從20世紀70年代中葉到80年代中葉，被稱為機器學習的（）時期。人們從學習單個概念擴展到學習多個概念，探索不同的學習策略和方法，把學習系統與各種應用結合起來。A.衰退 B.復興 C.冷靜 D.熱烈6.20世紀80年代中葉，機器學習進入新階段，其主要特點包括（）。=1\*GB3①機器學習成為新的邊緣學科，融合各種學習方法=2\*GB3②機器學習與人工智能各種基礎問題的統一性觀點正在形成=3\*GB3③與機器學習有關的商業活動和市場銷售空前活躍=4\*GB3④各種學習方法的應用范圍不斷擴大，一部分已形成商品A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③7.學習是人類具有的一種重要的智能行為，社會學家、邏輯學家和心理學家都各有其不同的看法。關于機器學習，合適的定義是（）。=1\*GB3①蘭利的定義：“機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，特別是如何在經驗學習中改善具體算法的性能”=2\*GB3②湯姆的定義：“機器學習是對能通過經驗自動改進的計算機算法的研究”=3\*GB3③阿爾帕丁的定義：“機器學習是用數據或以往的經驗，以優化計算機程序的性能標準”=4\*GB3④馬丁的定義：“機器學習是一門研究算法獲取新知識和新技能，并識別現有知識的學問”A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.機器學習的核心是“使用（）解析數據，從中學習，然后對世界上的某件事情做出決定或預測”。這意味著，與其顯式地編寫程序，不如教計算機學會開發算法來完成任務。A.代碼 B.公式 C.邏輯 D.算法9.（）學習是指輸入數據中有導師信號，以概率函數、代數函數或人工神經網絡為基函數模型，采用迭代計算方法，學習結果為函數。A.監督 B.強化 C.自主 D.無監督10.監督學習的主要類型是（）。A.聚類和回歸 B.分類和回歸 C.分類和降維 D.聚類和降維11.無監督學習又稱歸納性學習，分為（）。A.分類和回歸 B.聚類和回歸 C.分類和降維 D.聚類和降維12.要完全理解大多數機器學習算法，需要對一些關鍵的數學概念有一個基本的理解。機器學習使用的數學知識主要包括（）。=1\*GB3①線性代數 =2\*GB3②微積分 =3\*GB3③概率統計 =4\*GB3④微分方程A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=1\*GB3①=2\*GB3②=4\*GB3④13.機器學習的各種算法都是基于（）理論的。A.貝葉斯 B.回歸 C.決策樹 D.聚類14.在機器學習的具體應用中，（）決定了學習系統基本結構的工作內容，確定了學習部分所需要解決的問題。=1\*GB3①環境 =2\*GB3②知識庫 =3\*GB3③執行部分 =4\*GB3④控制器A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③15.要理解大多數機器學習算法，需要對一些關鍵的數學概念有一個基本的理解，這些概念主要包括（）知識。=1\*GB3①線性代數 =2\*GB3②模糊邏輯 =3\*GB3③微積分 =4\*GB3④概率和統計A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③16.（）是一種建模和分析數據的預測性建模技重要工具術，它研究的是因變量（目標）和自變量（預測器）之間的關系，通常用于預測分析以及發現變量之間的因果關系。A.K-近鄰算法 B.聚類算法 C.回歸分析 D.決策樹算法17.（）是機器學習中最著名的基于實例的基礎和簡單算法之一，它既能用于分類，也能用于回歸，例如比較數據點的距離，并將每個點分配給它最接近的組。A.K-近鄰算法 B.聚類算法 C.回歸分析 D.決策樹算法18.（）將一組“弱”學習器集合在一起形成強算法，它充分利用樹形模型，根節點到一個葉子節點是一條分類的路徑規則，每個葉子節點象征一個判斷類別。A.K-近鄰算法 B.聚類算法 C.回歸分析 D.決策樹算法19.（）的重點是發現元素之間的共性并對它們進行相應的分組，常用的聚類算法是k均值聚類算法，其中，分析人員根據物理距離將元素分組為適當的聚類。A.K-近鄰算法 B.聚類算法 C.回歸分析 D.決策樹算法20.（）算法與神經元組成的異常復雜的網絡大體相似，是個體單元互相連接而成。此方法有很強的泛化能力和非線性映射能力，可以對信息量少的系統進行模型處理。A.關聯規則 B.梯度增強 C.人工神經網絡 D.支持向量機項目6理解神經網絡與深度學習1.如果設計人工智能系統，那就要學習并分析這個星球上最自然的智能系統之一，即（）。A.人腦和神經系統 B.人腦和五官系統C.肌肉和血管系統 D.思維和學習系統2.所謂神經網絡，是指以人腦和神經系統為模型的（）算法。A.倒檔追溯 B.直接搜索 C.機器學習 D.深度優先3.如今，ANN從股票市場預測到（）和許多其他應用領域都有突出的應用表現。=1\*GB3①汽車自主控制 =2\*GB3②模式識別 =3\*GB3③經濟預測 =4\*GB3④數據分析A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③4.人腦是一種適應性系統，必須對變幻莫測的事物做出反應，而學習是通過修改神經元之間連接的（）來進行的。A.順序 B.平滑度 C.速度 D.強度5.人腦細胞之間的軸突-樹突（軸突-神經元胞體或軸突-軸突）接觸稱為神經元的（）。A.突觸 B.軸突 C.樹突 D.髓鞘6.人腦由（）個神經元組成，這些神經元彼此高度相連。A.100~1000萬 B.100~1000億 C.50~500萬 D.50~500億7.ANN是一種模仿生物神經網絡，其中的（）扮演了生物神經模型中突觸的角色，用于調節一個神經元對另一個神經元的影響程度。A.細胞體 B.權重 C.輸入通道 D.輸出通道8.現代神經網絡是一種非線性統計性數據建模工具。典型的神經網絡具有（）3個部分。=1\*GB3①結構 =2\*GB3②尺寸 =3\*GB3③激勵函數 =4\*GB3④學習規則A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④9.機器學習和深度學習都是推動AI發展的關鍵技術，它們（）。深度學習本質上是機器學習的一部分，但它采用了更復雜的模型和算法，在處理非結構化數據方面成就顯著。=1\*GB3①各自有獨特的特性 =2\*GB3②各自有自己的應用場景=3\*GB3③相互牽連，互相負面糾纏 =4\*GB3④很多情況下可以相輔相成A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=2\*GB3②=3\*GB3③=4\*GB3④10.已經有多種深度學習框架，如深度神經網絡和（），被應用在計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域并獲取了極好的效果。=1\*GB3①卷積神經網絡 =2\*GB3②高信價比 =3\*GB3③深度置信網絡 =4\*GB3④遞歸神經網絡A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④11.（）網絡是一種用來分析視覺圖像的強大的深度學習模型，它是一種前饋神經網絡，類似于人工神經網絡的多層感知器，也是深度學習的代表算法之一。A.深度神經 B.深度置信 C.卷積神經 D.遞歸神經12.與常規神經網絡不同，卷積神經網絡各層中的神經元是3維排列的：（）。在其結構的最后部分將會把全尺寸的圖像壓縮為包含分類評分的一個深度方向排列的向量。=1\*GB3①寬度 =2\*GB3②高度 =3\*GB3③精度 =4\*GB3④深度A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④13.卷積神經網絡中池化層的核心目標之一是提供空間方差，即使它的外觀以某種方式發生改變，機器也能夠將對象識別出來。池化層通常由一個簡單的操作完成，比如（）。=1\*GB3①max =2\*GB3②min =3\*GB3③average =4\*GB3④totalA.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④14.如何充分利用之前標注好的數據（廢物利用），同時又保證在新的任務上的模型精度——基于這樣的需求，就有了對（）的研究。A.自由學習 B.遷移學習 C.加強學習 D.概率學習15.從相關領域中遷移標注數據或者知識結構、完成或改進目標領域或任務的學習效果，遷移學習的關鍵點是（）。=1\*GB3①遷去何處 =2\*GB3②遷移什么 =3\*GB3③如何遷移 =4\*GB3④何時遷移A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④16.遷移學習需要研究如何利用正遷移，避免負遷移。它的主要遷移方式有（）。=1\*GB3①基于實例的遷移 =2\*GB3②基于特征的遷移=3\*GB3③基于算法的遷移 =4\*GB3④基于共享參數的遷移A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④17.強化學習是機器學習中一種廣泛應用于創建（）的模式，其主要問題是：一個智能體如何在環境未知，只提供對環境的感知和偶爾的獎勵情況下，對某項任務變得精通。A.數據環境 B.搜索引擎 C.智能系統 D.事務系統18.強化學習側重在線學習并試圖在探索—利用間保持平衡，用于描述和解決智能體在與環境的交互過程中，以“（）”的方式，通過學習策略達成回報最大化或實現特定目標的問題。A.試錯 B.分析 C.搜索 D.獎勵19.在強化學習中，（）選擇一個動作用于環境，環境接受該動作后狀態發生變化，同時產生一個強化信號（獎或懲）反饋給智能體。A.專家 B.學習者 C.智能體 D.復合體20.強化學習主要由智能體和環境組成，兩者間通過（）3個信號進行交互。=1\*GB3①獎勵 =2\*GB3②狀態 =3\*GB3③反饋 =4\*GB3④動作A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④項目7熟悉圖像識別與計算機視覺1.圖形刺激作用于感覺器官，人們辨認出它是經歷過的某一圖形的過程，稱為（）。A.圖像再認 B.圖像識別 C.圖像處理 D.圖像保存2.模式識別是（）的一項基本智能。A.人類 B.動物 C.計算機 D.人工智能3.人工智能領域通常所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器等對象的具體模式進行（）。A.分類和計算 B.清洗和處理 C.辨識和分類 D.存儲與利用4.要實現計算機視覺必須有圖像處理的幫助，而圖像處理依賴于（）的有效運用。A.輸入和輸出 B.模式識別 C.專家系統 D.智能規劃5.圖像識別是指利用（）對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術。A.專家 B.計算機 C.放大鏡 D.工程師6.圖像識別是深度學習算法的一種應用實踐，其識別方法主要有（）三種。=1\*GB3①統計模式 =2\*GB3②結構模式 =3\*GB3③像素模式 =4\*GB3④模糊模式A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④7.圖像識別是以圖像的主要（）為基礎的。A.元素 B.像素 C.特征 D.部件8.基于計算機視覺的圖像檢索可以分為類似文本搜索引擎的（）三個步驟。=1\*GB3①提取特征 =2\*GB3②建立索引 =3\*GB3③查詢 =4\*GB3④清洗A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③9.（）是圖像處理中的一項關鍵技術，一直都受到人們的高度重視。A.數據離散 B.圖像分割 C.圖像解析 D.圖像聚合10.計算機視覺要達到的基本目的是根據一幅或多幅二維投影圖像計算出（），以及根據多幅二維投影圖像恢復出更大空間區域的投影圖像。=1\*GB3①觀察點到目標物體的距離 =2\*GB3②目標物體的運動參數=3\*GB3③目標物體的表面物理特性 =4\*GB3④模擬圖像合成大圖A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④11.具有智能圖像處理功能的（），相當于在賦予機器智能的同時為機器按上了眼睛。A.機器視覺 B.圖像識別 C.圖像處理 D.信息視頻12.計算機視覺是人工智能的一個重要分支，其目標是讓計算機具備類似人類的視覺能力，能夠識別（），甚至理解圖像中的語義信息。=1\*GB3①物體 =2\*GB3②場景 =3\*GB3③內涵 =4\*GB3④行為A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④13.機器視覺主要用于工業自動化和質量檢測。它通過攝像頭、傳感器等設備獲取圖像數據，并利用圖像處理和分析算法來完成特定的任務，如（）等。=1\*GB3①像素提升 =2\*GB3②缺陷檢測 =3\*GB3③尺寸測量 =4\*GB3④物體定位A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④14.計算機視覺的應用范圍非常廣泛，它通常處理的任務也較為復雜，如（）、目標檢測與識別等，需要較高的智能水平和對語義信息的理解。=1\*GB3①場景理解 =2\*GB3②色彩調配 =3\*GB3③行為分析 =4\*GB3④語義分割A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=2\*GB3②=3\*GB3③=4\*GB3④15.圖像處理技術的主要內容包括（）3個部分。=1\*GB3①圖像壓縮 =2\*GB3②數據排序 =3\*GB3③增強和復原 =4\*GB3④匹配、描述和識別A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④16.數字圖像處理的過程一般包括圖像數字化、圖像編碼、圖像增強、（）等。=1\*GB3①圖像復原 =2\*GB3②圖像分割 =3\*GB3③圖像分析 =4\*GB3④圖像合成A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③17.機器視覺需要（），以及物體建模。一個有能力的視覺系統應該把所有這些處理都緊密地集成在一起。=1\*GB3①模擬元素 =2\*GB3②圖像信號 =3\*GB3③紋理和顏色建模 =4\*GB3④幾何處理和推理A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④18.神經網絡圖像識別技術是在（）圖像識別方法和基礎上融合神經網絡算法的一種圖像識別方法。A.現代 B.傳統 C.智能 D.先進19.圖像采集就是從（）獲取場景圖像的過程，是機器視覺的第一步。A.終端設備 B.數據存儲 C.工作現場 D.離線終端20.圖像分割就是按照應用要求，把圖像分成不同（）的區域，從中提取出感興趣目標。A.特征 B.大小 C.色彩 D.像素項目8熟悉自然語言處理與大語言模型1.（）研究實現人與計算機之間用自然語言進行有效通信的各種理論和方法，是一門融語言學、計算機科學、數學于一體的科學，探索有效實現自然語言通信的計算機系統。A.深度學習模型 B.自然語言處理 C.基礎語言模型 D.大語言模型2.（）是一種基于深度學習的人工智能系統，它通過在大量文本數據上進行訓練，能夠理解和生成自然語言。這些模型擁有數億至數千億個參數，使其具備強大的語言處理能力。A.深度學習模型 B.自然語言處理 C.基礎語言模型 D.大語言模型3.基于深度學習技術，特別是（）網絡架構的廣泛應用，大語言模型通過學習海量文本數據，模仿人類語言的復雜性，極大提升了AI技術的能力。A.Transformer B.AlexNet C.VGGNet D.GoogleNet4.大語言模型使得機器能夠更準確地（）自然語言，其工作原理涉及復雜的數學模型、優化算法以及對倫理和社會影響的深刻考量。=1\*GB3①理解 =2\*GB3②生成 =3\*GB3③交互 =4\*GB3④迭代A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④5.成立于（）年的DeepSeek是一家創新型科技公司，由知名私募巨頭幻方量化孕育而生。2025年1月27日，DeepSeek應用登頂蘋果美國地區應用商店免費APP下載排行榜。A.2024 B.2023 C.2000 D.20126.所謂（）技術是一種在機器學習/深度學習領域中用于減少數據集大小同時保留關鍵信息的技術。其目的是通過生成更小但信息量豐富的數據集來加速訓練過程，降低計算成本。A.功能裁剪 B.函數變換 C.參數降維 D.數據蒸餾7.數據蒸餾的核心思想是通過對原始數據集進行某種形式的壓縮或提煉，創建一個“精煉”的數據子集。其中的主要方法包括（）以及主動學習、元學習等。=1\*GB3①基于模型的方法 =2\*GB3②提高算力的方法=3\*GB3③合成數據生成 =4\*GB3④數據增強與混合A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.盡管當前人工智能實現了技術進步、成本降低，但仍然需要持續投入人工智能基礎設施，以確保處于技術創新的最前沿。這其中，DeepSeek展現的最大特點是（）。=1\*GB3①高性能 =2\*GB3②小規模 =3\*GB3③低算力成本 =4\*GB3④降低精度A.=1\*GB3①=2\*GB3② B.=3\