國(guó)家開(kāi)放大學(xué)《人工智能專題》形考專題測(cè)驗(yàn)1-2及答案

國(guó)家開(kāi)放大學(xué)《人工智能專題》形考專題測(cè)驗(yàn)及答案專題一一、判斷題1．強(qiáng)人工智能被認(rèn)為是有自我意識(shí)的。對(duì)錯(cuò)答案：對(duì)2．1965年，美國(guó)MIT人工智能實(shí)驗(yàn)室的Roberts編制了多面體識(shí)別程序，開(kāi)創(chuàng)了計(jì)算機(jī)視覺(jué)的新領(lǐng)域。對(duì)錯(cuò)答案：對(duì)3．認(rèn)知模擬是指使用心理學(xué)實(shí)驗(yàn)的結(jié)果開(kāi)發(fā)模擬人類解決問(wèn)題方法的程序。對(duì)錯(cuò)答案：對(duì)4．機(jī)器智能是人腦的延伸。對(duì)錯(cuò)5．圖靈測(cè)試的價(jià)值不在于討論人類智能與人工智能的性質(zhì)差異，而在于判別機(jī)器是否已經(jīng)具有智能。對(duì)錯(cuò)6．世界上第一臺(tái)通用計(jì)算機(jī)”ENIAC”于1956年在美國(guó)賓夕法尼亞大學(xué)誕生。對(duì)錯(cuò)7．戰(zhàn)勝李世石的谷歌AlphaGo，是弱人工智能的典型代表。對(duì)錯(cuò)8．谷歌為AlphaGo設(shè)計(jì)了兩個(gè)關(guān)鍵的神經(jīng)網(wǎng)絡(luò)，其中策略網(wǎng)絡(luò)選擇下棋步法，價(jià)值網(wǎng)絡(luò)評(píng)估棋盤(pán)位置。對(duì)錯(cuò)9．機(jī)器學(xué)習(xí)的目的是通過(guò)數(shù)據(jù)掌握事物的規(guī)律性。對(duì)錯(cuò)10．弱人工智能具備自我思考、自我推理和解決問(wèn)題的能力。對(duì)錯(cuò)11．計(jì)算機(jī)的基本結(jié)構(gòu)以真值函數(shù)理論為模型。對(duì)錯(cuò)12．計(jì)算機(jī)不具有理性和邏輯思維。對(duì)錯(cuò)13．超級(jí)智能時(shí)代是機(jī)器智能與移動(dòng)互聯(lián)網(wǎng)的深度結(jié)合。對(duì)錯(cuò)14．強(qiáng)人工智能無(wú)法根據(jù)具體環(huán)境需求決定怎么做和做什么。對(duì)錯(cuò)15．圖靈測(cè)試一詞來(lái)源于艾倫·圖靈發(fā)表于1956年的一篇論文《計(jì)算機(jī)器與智能》。對(duì)錯(cuò)16．首次通過(guò)圖靈測(cè)試的人工智能軟件是聊天程序尤金·古斯特曼”(EugeneGoostman)。對(duì)錯(cuò)17．第一臺(tái)電子計(jì)算機(jī)的設(shè)計(jì)目的是：在二戰(zhàn)中計(jì)算長(zhǎng)程火炮的彈道軌跡。對(duì)錯(cuò)18．1997年，象棋電腦“深藍(lán)”戰(zhàn)勝了卡斯帕羅夫，宣告人工智能研究領(lǐng)域的里程碑式進(jìn)展。對(duì)錯(cuò)19．強(qiáng)人工智能觀點(diǎn)認(rèn)為有可能制造出真正推理和解決問(wèn)題的智能機(jī)器。對(duì)錯(cuò)20．智能agent是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)到目標(biāo)的系統(tǒng)。對(duì)錯(cuò)21．人工智能雖然對(duì)經(jīng)濟(jì)社會(huì)發(fā)展有巨大促進(jìn)作用，但同時(shí)也帶來(lái)了就業(yè)替代的隱憂。對(duì)錯(cuò)22．在超級(jí)智能時(shí)代，人類需要學(xué)會(huì)適應(yīng)機(jī)器。對(duì)錯(cuò)二、選擇題23．“他既可能成為人類迄今發(fā)生過(guò)的最好的事，也可能成為最糟糕的事。”是（）對(duì)人工智能的評(píng)價(jià)？霍金費(fèi)根鮑姆赫伯特·西蒙喬布斯24．1954年，（）公司在701機(jī)上做了俄英翻譯的公開(kāi)表演。IBMGoogle微軟英特爾25．（）是指機(jī)器智能和物聯(lián)網(wǎng)（IOT）的深度結(jié)合。弱智能時(shí)代高智能時(shí)代強(qiáng)智能時(shí)代超級(jí)智能時(shí)代26．在最初的圖靈測(cè)試中，如果有超過(guò)（）的測(cè)試者不能確定被測(cè)試者是人還是機(jī)器，則這臺(tái)機(jī)器就通過(guò)了測(cè)試，并認(rèn)為具有人類智能。20%30%40%50%27．機(jī)器智能的標(biāo)準(zhǔn)于（）年提出。1950年1956年1970年2000年28．第二代移動(dòng)互聯(lián)網(wǎng)的操作系統(tǒng)是（）？InterX86ARMWindowsAndroid29．“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！笔牵ǎ┑挠^點(diǎn)。美國(guó)麻省理工學(xué)院的溫斯頓教授美國(guó)計(jì)算機(jī)協(xié)會(huì)組織的達(dá)特莫斯專家系統(tǒng)的創(chuàng)始人愛(ài)德華·費(fèi)根鮑姆人工智能之父艾倫·圖靈30．（）年在美國(guó)Dartmouth大學(xué)召開(kāi)的第一次人工智能研討會(huì)被認(rèn)為是人工智能科學(xué)正式誕生的標(biāo)志。195019551956196531．被稱為“計(jì)算機(jī)科學(xué)之父”的是（）。馮·諾依曼艾倫·圖靈約翰·霍蘭德路易斯·蒙巴頓32．機(jī)器智能的核心技術(shù)主要包括（）。①數(shù)據(jù)搜集②數(shù)據(jù)存儲(chǔ)③數(shù)據(jù)表示④數(shù)據(jù)挖掘和使用①②③①②④②③④①②③④33．“電腦”一詞是（）發(fā)明的？馮·諾依曼路易斯·蒙巴頓艾倫·圖靈莫奇利和?？铺?4．Google之所以購(gòu)買(mǎi)Nest公司是為了（）？數(shù)據(jù)搜集數(shù)據(jù)存儲(chǔ)數(shù)據(jù)隨機(jī)訪問(wèn)數(shù)據(jù)表示35．深度學(xué)習(xí)是一種（）的方法。數(shù)據(jù)檢索數(shù)據(jù)存儲(chǔ)數(shù)據(jù)挖掘和使用數(shù)據(jù)隨機(jī)訪問(wèn)

專題二一、判斷題1．語(yǔ)義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無(wú)法表示一系列動(dòng)作、一個(gè)事件等的知識(shí)。對(duì)錯(cuò)2．分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。對(duì)錯(cuò)3．P（A∣B）代表事件A發(fā)生的條件下事件B發(fā)生的概率。對(duì)錯(cuò)4．人工智能利用遺傳算法在求解優(yōu)化問(wèn)題時(shí)，會(huì)把問(wèn)題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱為一個(gè)染色體或個(gè)體。對(duì)錯(cuò)5．啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。對(duì)錯(cuò)6．狀態(tài)空間圖是對(duì)一個(gè)問(wèn)題的表示，通過(guò)問(wèn)題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問(wèn)題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。對(duì)錯(cuò)7．下圖表示的是前向狀態(tài)空間搜索。對(duì)錯(cuò)8．貝葉斯定理是為了解決頻率概率問(wèn)題提出來(lái)的。對(duì)錯(cuò)9．現(xiàn)實(shí)世界中的規(guī)劃問(wèn)題需要先調(diào)度，后規(guī)劃。對(duì)錯(cuò)10．人們需要把分類器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長(zhǎng)度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類器進(jìn)行訓(xùn)練。對(duì)錯(cuò)11．謂詞邏輯是應(yīng)用于計(jì)算機(jī)的邏輯形式，其邏輯規(guī)則、符號(hào)系統(tǒng)與命題邏輯是一樣的。對(duì)錯(cuò)12．深度學(xué)習(xí)是計(jì)算機(jī)利用其計(jì)算能力處理大量數(shù)據(jù)，獲得看似人類同等智能的工具。對(duì)錯(cuò)二、選擇題13．貝葉斯網(wǎng)絡(luò)是一個(gè)（）。有向環(huán)形圖無(wú)向環(huán)形圖有向無(wú)環(huán)圖無(wú)向無(wú)環(huán)圖14．下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。路徑1路徑215．當(dāng)我們?cè)谖锲贩N類很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來(lái)解決，這些方法中的一種被稱為“遺傳算法”，它是通過(guò)模擬達(dá)爾文的進(jìn)化論來(lái)解決問(wèn)題的，因此也被歸類為“進(jìn)化算法”。（）教授首先提出“遺傳算法”。約翰?霍蘭德亞瑟·塞繆爾馮·諾依曼艾倫·麥席森·圖靈16．貝葉斯網(wǎng)絡(luò)是（）首先提出來(lái)的。貝葉斯朱迪亞·珀?duì)柛咚箍低袪?7．當(dāng)神經(jīng)網(wǎng)絡(luò)接收到工作任務(wù)時(shí)，就是用（）來(lái)接收這些任務(wù)所對(duì)應(yīng)的數(shù)據(jù)集，如圖像每個(gè)像素點(diǎn)的特征數(shù)值——色彩、亮度等。（）的每個(gè)神經(jīng)元都是任務(wù)的特征，即特征數(shù)值。輸入層輸出層隱含層應(yīng)用層18．以下哪種知識(shí)表示的方法適宜描述特定場(chǎng)景中固定不變的事件序列（）。謂詞邏輯表示法腳本表示法啟發(fā)式搜索產(chǎn)生式系統(tǒng)19．人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（）。標(biāo)簽特征值數(shù)據(jù)結(jié)構(gòu)擬合標(biāo)簽20．下面的動(dòng)物識(shí)別系統(tǒng)中，我們可以在方框中點(diǎn)擊所知?jiǎng)游锏哪承┨卣?，?jì)算機(jī)可以據(jù)此來(lái)識(shí)別該動(dòng)物。這一系統(tǒng)所使用的知識(shí)表示方法是（）圖搜索表示法腳本表示法產(chǎn)生式系統(tǒng)問(wèn)題歸約法21．深度學(xué)習(xí)模型區(qū)別于早期的人工神經(jīng)網(wǎng)絡(luò)的是（

）增加數(shù)據(jù)量改變算法增加模型訓(xùn)練的層次增加標(biāo)簽量22．機(jī)器學(xué)習(xí)過(guò)程中，近似于人類的歸納推理式學(xué)習(xí)方式，被譽(yù)為“人工智能最有價(jià)值的地方”的學(xué)習(xí)方式是（）。監(jiān)督學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)機(jī)器學(xué)習(xí)深度學(xué)習(xí)23．（）設(shè)計(jì)出了一個(gè)會(huì)自主學(xué)習(xí)的跳棋程序，駁倒了“機(jī)器無(wú)法超越人類，像人類一樣寫(xiě)代碼和學(xué)習(xí)”的理論，創(chuàng)造出了“機(jī)器學(xué)習(xí)”這一術(shù)語(yǔ)。亞瑟·塞繆爾馮·諾依曼托馬斯·貝葉斯艾倫·麥席森·圖靈24．（）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過(guò)一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無(wú)用或效率較低的節(jié)點(diǎn)，從而快速找到問(wèn)題的解。KNN決策樹(shù)遺傳算法A*算法25．遺傳算法具有（）的迭代過(guò)程的搜索算法。也就是說(shuō)，通過(guò)群體的一代代的不斷進(jìn)化，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體，從而求得