資源簡介

5.2 人工智能的應用
一、選擇題
1．粗糙集理論相對于其他不精確推理方法的獨特之處在于什么？（ ）
A．處理不完整信息的能力 B．處理模糊信息的能力
C．處理隨機信息的能力 D．處理矛盾信息的能力
2．反向推理與演繹推理的區(qū)別是（ ）
A．前者從目標出發(fā)，后者從一般原則出發(fā)
B．前者側(cè)重于推導結(jié)論，后者側(cè)重于證明結(jié)論
C．前者適用于非結(jié)構化問題，后者適用于結(jié)構化問題
D．所有選項
3．反向推理的缺點是（ ）
A．容易陷入局部最優(yōu)解 B．難以處理不確定性問題
C．需要大量的已知事實和規(guī)則 D．所有選項
4．深度優(yōu)先搜索算法是否總是能找到問題的最優(yōu)解（ ）
A．是，對于所有問題 B．不一定，取決于問題的性質(zhì)
C．否，對于某些問題 D．無法確定
5．深度優(yōu)先搜索算法在解決迷宮問題時有什么優(yōu)勢（ ）
A．可以找到最短路徑 B．可以找到所有解
C．可以找到最優(yōu)解 D．可以找到次優(yōu)解
6．在α-β剪枝算法中，α值表示什么？（ ）
A．當前節(jié)點的最小可能得分 B．當前節(jié)點的最大可能得分
C．當前節(jié)點的父節(jié)點的最小可能得分 D．當前節(jié)點的父節(jié)點的最大可能得分
7．在專家系統(tǒng)中，符號運算主要用于實現(xiàn)哪項功能（ ）
A．知識獲取 B．知識表示 C．知識推理 D．知識管理
8．在人工智能中，符號運算通常用于解決哪一類問題（ ）
A．模糊邏輯問題 B．不確定性問題 C．確定性問題 D．非結(jié)構化問題
9．在機器學習中，梯度下降是一種常用的優(yōu)化算法。下列哪項不屬于梯度下降的主要特點（ ）
A．迭代更新 B．基于梯度方向
C．需要計算所有樣本的梯度 D．適用于大規(guī)模數(shù)據(jù)集
10．寬度優(yōu)先搜索算法在處理大規(guī)模圖時可能會遇到什么問題？（ ）
A．內(nèi)存不足 B．計算速度慢 C．無法找到最短路徑 D．容易陷入死循環(huán)
11．下面關于寬度優(yōu)先搜索的說法，哪個是正確的？（ ）
A．它總是能找到問題的最短解 B．它適用于所有類型的問題
C．它使用遞歸來實現(xiàn) D．它從圖的任意節(jié)點開始搜索
12．寬度優(yōu)先搜索（BFS）是一種用于遍歷或搜索樹或圖的算法。這個算法會盡可能深地搜索樹的分支。當節(jié)點v的所在邊都已被探尋過，搜索將回溯到發(fā)現(xiàn)節(jié)點v的那條邊的起始節(jié)點。這一過程一直進行到已發(fā)現(xiàn)從源節(jié)點可達的所有節(jié)點為止。如果還存在未被發(fā)現(xiàn)的節(jié)點，則選擇其中一個作為源節(jié)點并重復以上過程，整個進程反復進行直到所有節(jié)點都被訪問為止。請問，寬度優(yōu)先搜索使用什么數(shù)據(jù)結(jié)構來存儲待訪問的節(jié)點？（ ）
A．棧 B．隊列 C．數(shù)組 D．鏈表
13．在自然語言處理中，問答系統(tǒng)是指能夠回答用戶提出的問題的智能系統(tǒng)。下列哪項不屬于問答系統(tǒng)的主要組成部分（ ）
A．問題理解 B．信息檢索 C．答案生成
D．用戶界面 E．數(shù)據(jù)預處理
14．在模式識別中，特征提取是一個重要步驟，其目的是從原始數(shù)據(jù)中提取出有助于分類或識別的特征。下列哪項不屬于常用的特征提取方法（ ）
A．主成分分析（PCA） B．線性判別分析（LDA）
C．支持向量機（SVM） D．小波變換
15．小張使用某國產(chǎn)人工智能軟件輔助學習編程。該軟件通過學習海量的開源代碼、編程教程等數(shù)據(jù)，具備了代碼生成能力。小張可將問題以文字、語音、圖像等形式進行提交，該軟件會生成求解問題的程序代碼，并可通過人機對話進一步完善代碼。根據(jù)閱讀材料，下列關于人工智能的說法，正確的是（ ）
A．該人工智能的能力和表現(xiàn)完全依賴于其使用者的技能和知識
B．該人工智能軟件生成和完善代碼都是通過符號主義人工智能實現(xiàn)的
C．在生成求解問題的程序代碼的過程中應用了人工智能
D．該人工智能已經(jīng)可以代替人類完成所有的工作
二、填空題
16．模糊邏輯是一種處理 問題的數(shù)學工具。
17．專家系統(tǒng)的特點之一是能夠模擬人類專家的思維過程，解決 問題。
18．狀態(tài)空間中的節(jié)點代表問題的 ，邊代表狀態(tài)之間的轉(zhuǎn)換。
19．符號運算在人工智能中主要用于 、 和 等領域。
20．在圖像識別中，模板匹配是一種簡單的圖像匹配方法。模板匹配的基本步驟包括 ， ， 。
21．模式識別是人工智能的一個重要分支，主要研究如何讓計算機能夠識別和處理輸入數(shù)據(jù)中的模式。模式識別的主要應用領域包括 ， ， 。
22．函數(shù)式編程語言在人工智能領域的應用包括 和 等。
三、判斷題
23．掃地機器人屬于智能機器人。( )
24．AlphaGo戰(zhàn)勝了世界圍棋冠軍，主要是采用了人工智能中的深度學習技術。( )
25．用機器人、網(wǎng)絡和物結(jié)合成的更加復雜的智能系統(tǒng)是當今人工智能發(fā)展方向之一。( )
26．某單位對員工考勤使用人臉識別，工作原理是提取人臉圖像的特征進行身份識別，其工作流程是：①采集人臉圖像；②預處理人臉圖像；③提取人臉圖像特征；④匹配人臉圖像特征值；⑤員工簽到成功。( )
27．智能手機上利用指紋識別來鑒定人的身份從而解鎖手機，這屬于人工智能的一個應用。( )
四、操作題
28．近期chatgpt火爆，引發(fā)了小申對人工智能的濃厚學習興趣。圍繞人工智能的學習，請完成以下各題。
（1）以下應用了人工智能技術的場景是( )
A．使用誘導屏幕顯示空余車位的數(shù)量 B．駕駛員通過指紋識別完成停車費用的支付
C．使用地磁傳感器感知車位上車輛的存在 D．車輛入場時通過拍照識別車牌號碼采集車牌信息
（2）對于計算機而言，無論字符、圖像還是視頻都是一串由'0'和'1'構成的序列。這是因為在計算機內(nèi)部采用的是( )
A．二進制編碼 B．十進制編碼 C．十六進制編碼 D．ASCII碼
（3）如圖所示，小申用第三方平臺進行人臉標記的實驗。“人臉標記.bmp”文件的大小是( )B。
A．351×245/8 B．351×245 C．351×245×24/8 D．351×245×24
（4）根據(jù)第三方平臺返回的人臉定位信息畫一個矩形框的代碼如下所示：
draw.rectangle((left,top,left+width,top+height),outline=(255,127,63))
其中outline=(255,127,63)括號中的3個十制數(shù)依次對應三原色（Red，Green，Blue），用于指定邊框線顏色。這3個十進制數(shù)用十六進制表示依次為：FF7F 。
（5）小申把“人臉標記.bmp”另存為jpeg格式，發(fā)現(xiàn)圖像文件小了很多且質(zhì)量有所損耗，但看起來圖像沒有很明顯的變化。這是對圖像進行了 【選填：無損壓縮/有損壓縮】；接著把“人臉標記.jpeg”又另存為bmp格式，圖像質(zhì)量 【選填：可以恢復/無法復原】
（6）目前的技術不僅讓計算機具備有“視覺”，還有“聽覺”。如圖所示，這段音頻時間是256秒，保存為WAV波形文件格式，那么這段聲音文件的大小是( )KB。
A．44.1*1000*16*256/8/1024 B．44.1*1024*16*256/8/1024 C．44.1*1000*16*2*256/8/1024 D．44.1*1024*16*2*256/8/1024
（7）小申學習識別鳶尾花的人工智能算法時，利用150條帶標記的數(shù)據(jù)拆分成訓練集和測試集。這種數(shù)據(jù)帶標記的機器學習是( )
A．專家系統(tǒng) B．監(jiān)督學習 C．非監(jiān)督學習 D．半監(jiān)督學習
（8）整理預測鳶尾花算法的步驟
①將最小值對應的鳶尾花類別判定為測試數(shù)據(jù)的分類
②將機器判定的分類與測試集中的標記分類進行對比，計算正確率
③計算每種鳶尾花的屬性平均值
④計算測試數(shù)據(jù)與每種鳶尾花屬性平均值之間的歐式距離的平方值，找到其中的最小值。
請將正確的流程步驟填寫完整： → → →
參考答案：
1．A
【詳解】本題考查不精確推理。粗糙集理論相對于其他不精確推理方法的獨特之處在于其處理不完整信息的能力，它通過對集合的近似描述來處理不確定性的知識。故選A。
2．A
【詳解】本題考查反向推理。反向推理是從目標或假設出發(fā)，尋找支持證據(jù)；而演繹推理是從一般原則或前提出發(fā)，推導出具體的結(jié)論。故答案為：A。
3．A
【詳解】本題考查反向推理。反向推理存在容易陷入局部最優(yōu)解的缺點，即可能只找到滿足部分條件的解而無法找到全局最優(yōu)解。故答案為：A。
4．B
【詳解】本題考查深度優(yōu)先搜索算法。深度優(yōu)先搜索算法并不總是能找到問題的最優(yōu)解。它主要用于解決需要深入探索分支的問題，如迷宮問題等。對于某些特定類型的問題，如尋找最短路徑問題，深度優(yōu)先搜索可能無法找到最優(yōu)解。故答案為：B。
5．B
【詳解】本題考查深度優(yōu)先搜索。深度優(yōu)先搜索算法在解決迷宮問題時可以找到所有可能的解。由于它會深入探索任何一個分支，因此可以遍歷整個迷宮并找到所有從起點到終點的路徑。故答案為：B。
6．C
【詳解】本題考查剪枝算法。在α-β剪枝算法中，α值表示當前節(jié)點的父節(jié)點的最小可能得分。這個值用于判斷是否需要繼續(xù)搜索當前節(jié)點的子節(jié)點。故答案為：C。
7．C
【詳解】本題考查專家系統(tǒng)。在專家系統(tǒng)中，符號運算主要用于知識推理。知識推理是通過對符號進行操作和計算，來模擬專家的思維過程，從而得出結(jié)論或解決問題。知識獲取、知識表示和知識管理雖然也涉及符號，但符號運算的核心應用在于推理過程。故選C。
8．C
【詳解】本題考查符號運算。符號運算主要適用于確定性問題，通過明確的邏輯規(guī)則和事實進行推理和決策。故選C。
9．D
【詳解】本題考查機器學習。梯度下降的主要特點包括迭代更新、基于梯度方向和需要計算所有樣本的梯度等。但它不一定適用于大規(guī)模數(shù)據(jù)集，特別是當數(shù)據(jù)集非常大時，隨機梯度下降（SGD）或其變種可能更為常用。故答案為：D。
10．A
【詳解】本題考查寬度優(yōu)先搜索。寬度優(yōu)先搜索算法在處理大規(guī)模圖時可能會遇到內(nèi)存不足的問題。由于寬度優(yōu)先搜索需要存儲待訪問的節(jié)點以及已訪問的節(jié)點信息，當圖的規(guī)模非常大時，所需的存儲空間也會相應增加。如果內(nèi)存不足以支持搜索過程，則可能導致程序崩潰或無法得到正確的結(jié)果。因此，在處理大規(guī)模圖時，需要考慮優(yōu)化搜索算法或使用其他更適合的搜索策略。故答案為：A。
11．A
【詳解】本題考查寬度優(yōu)先搜索。在寬度優(yōu)先搜索中，由于是按照層次順序進行遍歷，因此它總是能找到從起始節(jié)點到目標節(jié)點的最短路徑（步數(shù)最少）。但是，它并不適用于所有類型的問題，有些問題更適合使用深度優(yōu)先搜索。寬度優(yōu)先搜索通常不使用遞歸實現(xiàn)，而是使用隊列這種數(shù)據(jù)結(jié)構。此外，寬度優(yōu)先搜索通常從指定的起始節(jié)點開始搜索，而不是從任意節(jié)點。故答案為：A。
12．B
【詳解】本題考查寬度優(yōu)先搜索。在寬度優(yōu)先搜索中，其核心思想是逐層地遍歷樹或圖。為了實現(xiàn)這種逐層遍歷，需要按照先訪問的節(jié)點先處理的順序，而隊列這種數(shù)據(jù)結(jié)構正好滿足先入先出的特性。故答案為：B。
13．E
【詳解】本題考查自然語言處理。問答系統(tǒng)的主要組成部分包括問題理解、信息檢索、答案生成和用戶界面等，而數(shù)據(jù)預處理雖然對系統(tǒng)的性能有一定影響，但不屬于其主要組成部分。故答案為：E。
14．C
【詳解】本題考查模式識別。支持向量機（SVM）是一種分類器，而不是特征提取方法。常用的特征提取方法包括主成分分析（PCA）、線性判別分析（LDA）和小波變換等。故答案為：C。
15．C
【詳解】本題考查人工智能相關內(nèi)容。A選項，該人工智能的能力和表現(xiàn)不完全依賴于其使用者的技能和知識，選項說法錯誤。B選項，該人工智能軟件生成和完善代碼都是通過聯(lián)結(jié)主義人工智能實現(xiàn)的，選項說法錯誤。C選項，在生成求解問題的程序代碼的過程中應用了人工智能，選項說法正確。D選項，人工智能并不能代替人類完成所有的工作，選項說法錯誤。故本題答案是C選項。
16．模糊性
【詳解】本題考查模糊邏輯的描述。模糊邏輯是一種數(shù)學工具，用于處理模糊性問題。它通過引入模糊集合和模糊規(guī)則，能夠處理傳統(tǒng)二值邏輯無法處理的不確定性和模糊性問題。模糊邏輯在許多領域，如控制系統(tǒng)、人工智能和決策支持系統(tǒng)中有廣泛應用。
17．復雜
【詳解】本題考查專家系統(tǒng)。專家系統(tǒng)具有模擬人類專家思維的能力，能夠解決那些需要高度專業(yè)化和知識密集型的復雜問題。故答案為：復雜。
18．狀態(tài)
【詳解】本題考查智能搜索算法。在狀態(tài)空間中，節(jié)點代表問題的狀態(tài)，邊代表狀態(tài)之間的轉(zhuǎn)換。狀態(tài)空間是一種用于描述問題求解過程的圖結(jié)構，其中每個節(jié)點表示問題的一個可能狀態(tài)，而邊則表示從一個狀態(tài)轉(zhuǎn)換到另一個狀態(tài)的操作或步驟。
19． 邏輯推理 知識表示 自然語言處理
【詳解】本題考查符號運算。符號運算在人工智能中主要用于邏輯推理、知識表示和自然語言處理等領域。這些領域依賴于符號表示和操作來處理復雜的信息和推理任務。
20． 準備模板 計算相似度 選擇最佳匹配
【詳解】本題考查圖像識別。模板匹配是一種簡單的圖像匹配方法，通過在圖像中尋找與預先定義的模板最為相似的區(qū)域來實現(xiàn)識別。模板匹配的基本步驟包括準備模板、計算相似度和選擇最佳匹配。準備模板是指從先驗知識或樣本數(shù)據(jù)中定義一個標準模板，用于與目標圖像進行比較。計算相似度是通過某種度量標準（如相關性或均方誤差）來衡量模板與圖像各區(qū)域的相似性。選擇最佳匹配則是在計算相似度后，找到相似度最高的區(qū)域作為最終匹配結(jié)果。這些步驟構成了模板匹配的核心流程。故答案為：準備模板、計算相似度、選擇最佳匹配。
21． 圖像識別 語音識別 文本分類
【詳解】本題考查模式識別。模式識別是人工智能的一個重要分支，旨在研究如何讓計算機識別和處理輸入數(shù)據(jù)中的模式，并將其應用于實際問題中。模式識別的主要應用領域包括圖像識別、語音識別和文本分類。圖像識別涉及從圖像中識別和分類對象，語音識別用于將語音信號轉(zhuǎn)換為文本，文本分類則用于對文本進行自動分類和組織。這些領域的成功應用顯示了模式識別在處理復雜數(shù)據(jù)方面的強大能力。故答案為：圖像識別、語音識別、文本分類。
22． 模式識別 數(shù)據(jù)挖掘
【詳解】本題考查人工智能。函數(shù)式編程語言（如Haskell）在人工智能領域的應用包括模式識別和數(shù)據(jù)挖掘等，它們可以方便地處理復雜的數(shù)據(jù)結(jié)構和算法。故答案為：模式識別、數(shù)據(jù)挖掘。
23．正確
【詳解】本題考查人工智能應用。掃地機器人是一種能夠自主清掃地面的智能設備，通常具備避障、路徑規(guī)劃等智能功能，屬于智能機器人的范疇。智能機器人指能夠通過感知、學習和決策等能力來執(zhí)行任務或解決問題的機器人，而掃地機器人具備這些能力，因此屬于智能機器人的一種。故說法正確。
24．正確
【詳解】本題主要考查人工智能技術。人工智能是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術及應用系統(tǒng)的一門新技術科學。AlphaGo戰(zhàn)勝世界圍棋冠軍，主要是采用了人工智能中的深度學習技術。說法正確。
25．正確
【詳解】本題考查的是人工智能的發(fā)展方向。用機器人、網(wǎng)絡和物結(jié)合成的更加復雜的智能系統(tǒng)是當今人工智能發(fā)展方向之一。題干描述正確。
26．正確
【詳解】本題考查的是人臉識別。人臉識別工作原理是提取人臉圖像的特征進行身份識別，其工作流程是：①采集人臉圖像；②預處理人臉圖像；③提取人臉圖像特征；④匹配人臉圖像特征值；⑤員工簽到成功。題干中的說法正確。
27．正確
【詳解】本題考查人工智能相關知識。人工智能是研究、開發(fā)用于模擬，延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。該領域的研究包括機器人，語言識別，圖像識別，自然語言處理和專家系統(tǒng)等。智能手機上利用指紋識別來鑒定人的身份從而解鎖手機，這屬于人工智能的指紋識別，題干說法正確。
28． D A C 3F 有損壓縮 無法復原 C B ③ ① ④ ②
【詳解】本題考查人工智能技術、編碼、圖像與音頻數(shù)字化。
（1）這個場景利用了圖像識別技術，通過拍照識別車牌號碼來自動采集車輛信息，屬于人工智能在圖像識別領域的應用。故答案為：D。
（2）計算機內(nèi)部使用二進制編碼，即由0和1組成的序列來表示數(shù)據(jù)和指令。故答案為：A。
（3）BMP圖像文件大小的計算公式為圖像寬度×圖像高度×每像素的位數(shù)/8。對于本題中的24位色深（每像素RGB各8位），計算結(jié)果為351×245×24/8。故答案為：C。
（4）將每個十進制數(shù)轉(zhuǎn)換為十六進制時，255對應FF，127對應7F，63對應3F。因此，完整的十六進制表示為FF7F3F。故答案為：3F。
（5）JPEG格式是有損壓縮，它通過去除圖像中的細節(jié)和冗余信息來減小文件大小，因此會導致圖像質(zhì)量的損失。當將JPEG圖像再轉(zhuǎn)為BMP格式時，由于損失的信息無法恢復，所以圖像質(zhì)量無法完全復原。故答案為：有損壓縮、無法復原。
（6）WAV格式中音頻文件大小的計算公式為：音頻采樣率×量化位數(shù)×聲道數(shù)×時間長度/8/1024。根據(jù)題目給出的條件，采樣率為44.1kHz，量化位數(shù)為16位，聲道數(shù)為2（立體聲），時間長度為256秒，代入計算得出文件大小為44.1*1000*16*2*256/8/1024KB。故答案為：C。
（7）監(jiān)督學習是利用帶有標記（標簽）的數(shù)據(jù)作為訓練樣本，通過訓練模型學習數(shù)據(jù)的規(guī)律，然后對未知數(shù)據(jù)進行預測和分類的機器學習方法。在這個情景下，使用帶標記數(shù)據(jù)集進行訓練集和測試集的拆分，屬于監(jiān)督學習的范疇。故答案為：B。
（8）③計算每種鳶尾花的屬性平均值：首先計算每種鳶尾花的屬性平均值作為分類依據(jù)。①將最小值對應的鳶尾花類別判定為測試數(shù)據(jù)的分類：根據(jù)距離最小的屬性平均值確定測試數(shù)據(jù)的分類。④計算測試數(shù)據(jù)與每種鳶尾花屬性平均值之間的歐式距離的平方值：用于衡量測試數(shù)據(jù)與各類別的相似度。②將機器判定的分類與測試集中的標記分類進行對比，計算正確率：最后驗證機器學習模型的準確性。這些步驟組成了一個典型的監(jiān)督學習算法的預測流程，用于識別和分類鳶尾花。故答案為：③①④②。

展開更多......

收起↑