人工智能技術(shù)導(dǎo)論 -課后習(xí)題及答案 賴小平

第一章人工智能概述一、選擇題1、圖靈測試是指測試者與被測試者隔開的情況下進(jìn)行提問和回答，如果有超過(D)的測試者認(rèn)為被測試者是人回答則該機(jī)器具有智能。A、100%B、80%C、60%D、30%2、人工智能的簡稱是(C)A、ARB、VRC、AID、IT3、強(qiáng)人工智能是指（B）A、低于人類智力水平的人工智能B、和人類智力水平旗鼓相當(dāng)?shù)娜斯ぶ悄蹸、超出人類智力水平的人工智能D、遠(yuǎn)超人類智力水平的人工智能4、目前我們所說的圖像識別、語音識別、智能搜索等都是(A),屬于“工具”范疇，用于輔助人類的。A、弱人工智能B、強(qiáng)人工智能C、超人工智能D、機(jī)械智能5、人工智能核心體系架構(gòu)不包括以下哪層?（D）A、基礎(chǔ)層B、技術(shù)層C、應(yīng)用層D、網(wǎng)絡(luò)層6、工智能的發(fā)展共經(jīng)歷了3次熱潮,其中第三次熱潮主要得益于(C)算法的突破和發(fā)展，以及計(jì)算能力的極大增強(qiáng)、數(shù)據(jù)量的爆炸式增長等驅(qū)動因素。A、聚類B、貝葉斯分類C、深度學(xué)習(xí)D、決策樹7、下列不屬于人工智能應(yīng)用的是（C）A、自動駕駛B、智能音箱C、非接觸測溫儀D、人臉識別8、下面哪個不是人工智能研究的領(lǐng)域?（A)A、區(qū)塊鏈B、圖像識別C、語音識別D、智能機(jī)器人9、國內(nèi)哪家公司在基礎(chǔ)硬件芯片領(lǐng)域做得很好?（D）A、科大訊飛B、商湯集團(tuán)C、阿里巴巴D、華為二、簡答題什么是人工智能？人工智能（AI，ArtificialIntelligence）是模擬實(shí)現(xiàn)人的抽象思維和智能行為的技術(shù)，即通過利用計(jì)算機(jī)軟件模擬人類特有的大腦抽象思維能力和智能行為，如學(xué)習(xí)、思考、判斷、推理等，以完成原本需要人的智力才可勝任的工作。請描述人工智能的發(fā)展歷程。1956年達(dá)特茅斯會議是人類歷史上第一次人工智能研討，被認(rèn)為是人工智能誕生的標(biāo)志。自誕生以來，人工智能(AI)便在充滿未知的道路探索，曲折起伏，我們可將這段發(fā)展歷程大致劃分為六個階段：（1）第一次繁榮期（1956年-1976年）1956年是人工智能元年，伴隨著“人工智能”這一新興概念的興起，人們對人工智能的未來充滿了想象，人工智能迎來第一次發(fā)展浪潮。這一階段，人工智能主要用于解決代數(shù)、幾何問題，以及學(xué)習(xí)和使用英語程序，研發(fā)主要圍繞機(jī)器的邏輯推理能力展開。其中20世紀(jì)60年代自然語言處理和人機(jī)對話技術(shù)的突破性發(fā)展，大大地提升了人們對人工智能的期望，也將人工智能帶入了第一波高潮。這個階段產(chǎn)生了很多理論基石，這些不僅成為了人工智能的理論基石，還成為了計(jì)算機(jī)領(lǐng)域的基石。（2）第一次低谷期（1976年-1982年）人工智能發(fā)展初期的突破性進(jìn)展大大提升了人們對人工智能的期望，人們開始嘗試更具挑戰(zhàn)性的任務(wù)，但受限于當(dāng)時計(jì)算機(jī)算力不足，同時由于國會壓力下美英政府于1973年停止向沒有明確目標(biāo)的人工智能研究項(xiàng)目撥款，人工智能研發(fā)變現(xiàn)周期拉長、行業(yè)遇冷。（3）第二次繁榮期（1982年-1987年）此時的科學(xué)家們開始從公用的人工智能技術(shù)轉(zhuǎn)變?yōu)榱四軌蚪鉀Q某一領(lǐng)域問題的專家系統(tǒng)，并且實(shí)現(xiàn)了應(yīng)用。（4）第二次低谷期（1987年-1997年）專家系統(tǒng)的實(shí)用性只局限于特定領(lǐng)域，同時升級難度高、維護(hù)成本居高不下，行業(yè)發(fā)展再次遇到瓶頸。1990年人工智能DARPA項(xiàng)目失敗，宣告AI的第二次浪潮步入低谷。（5）復(fù)蘇期（1997年-2010年）由于互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，加速了人工智能的創(chuàng)新研究，促使人工智能技術(shù)進(jìn)一步走向?qū)嵱没?，人工智能相關(guān)的各個領(lǐng)域都取得長足進(jìn)步。在2000年代初，人工智能研究的重心從基于知識系統(tǒng)轉(zhuǎn)向了機(jī)器學(xué)習(xí)方向。（6）增長爆發(fā)期（2010年-至今）隨著大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展，泛在感知數(shù)據(jù)和圖形處理器等計(jì)算平臺推動以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)飛速發(fā)展，大幅跨越了科學(xué)與應(yīng)用之間的技術(shù)鴻溝，諸如圖像分類、語音識別、知識問答、人機(jī)對弈、無人駕駛等人工智能技術(shù)實(shí)現(xiàn)了重大的技術(shù)突破，迎來爆發(fā)式增長的新高潮。第二章機(jī)器學(xué)習(xí)一、選擇題1、在深度學(xué)習(xí)框架設(shè)計(jì)中，可以通過（）的操作，來評估每輪訓(xùn)練模型的效果。DA、模型設(shè)計(jì)B、數(shù)據(jù)準(zhǔn)備C、訓(xùn)練設(shè)置D、模型評估2、機(jī)器學(xué)習(xí)中，對于數(shù)據(jù)的操作不包括以下哪一項(xiàng)？()BA、數(shù)據(jù)分析B、數(shù)據(jù)合并C、數(shù)據(jù)分割D、數(shù)據(jù)預(yù)處理3、梯度為()的點(diǎn)，就是損失函數(shù)的最小值點(diǎn)，一般認(rèn)為此時模型達(dá)到了收斂。BA、1B、0C、-1D、無窮大4、在深度學(xué)習(xí)中，優(yōu)化器的作用是（）。BA、評估模型的優(yōu)劣B、求解模型損失梯度和更新模型的權(quán)重C、評估模型預(yù)測值和真實(shí)值的差異D、預(yù)測模型效果5、下面不屬于人工神經(jīng)網(wǎng)絡(luò)的是（）CA、卷積神經(jīng)網(wǎng)絡(luò)B、循環(huán)神經(jīng)網(wǎng)絡(luò)C、網(wǎng)絡(luò)森林D、深度信念網(wǎng)絡(luò)6、機(jī)器學(xué)習(xí)的流程包括分析案例、數(shù)據(jù)獲取與處理、()和模型驗(yàn)證這4個過程。BA、數(shù)據(jù)清洗B、模型訓(xùn)練C、模型搭建D、數(shù)據(jù)分析7、在深度學(xué)習(xí)領(lǐng)域中，通常使用（）來評估模型的優(yōu)劣，即評估模型預(yù)測值和真實(shí)值的差異。CA、優(yōu)化函數(shù)B、激活函數(shù)C、損失函數(shù)D、正則方法8、使用下面哪個函數(shù)可以將線性回歸線轉(zhuǎn)為邏輯回歸線?()AA、SigmoidB、高斯核函數(shù)C、P(A)D、H(X)9、sklearn庫中，通過LinearRegression()可以調(diào)用以下哪一模型?（）AA、線性回歸模型B、邏輯回歸模型C、決策樹模型D、隨機(jī)森林模型10、支持向量機(jī)的簡稱是()DA、AIB、MLC、ANND、SVM二、簡答題1、什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)就是一種通過計(jì)算機(jī)系統(tǒng)利用數(shù)據(jù)進(jìn)行自動學(xué)習(xí)的方法。目標(biāo)就是要讓計(jì)算機(jī)系統(tǒng)通過不斷學(xué)習(xí)和優(yōu)化，從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、提取特征，并能夠在未來的數(shù)據(jù)中做出智能決策。2、請描述人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者之間的關(guān)系。機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一種方法，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子集.可以理解為“人工智能是目標(biāo)，機(jī)器學(xué)習(xí)是手段，深度學(xué)習(xí)是方法”。3、機(jī)器學(xué)習(xí)常用的算法有哪些？機(jī)器學(xué)習(xí)常用的算法有K近鄰、線性回歸、邏輯回歸、樸素貝葉斯、決策樹、支持向量機(jī)、K均值聚類等。4、機(jī)器學(xué)習(xí)的分類有哪些？機(jī)器學(xué)習(xí)的主要分類有兩種：基于學(xué)習(xí)方式的分類和基于學(xué)習(xí)任務(wù)的分類。機(jī)器學(xué)習(xí)根據(jù)學(xué)習(xí)方式的不同可分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。根據(jù)學(xué)習(xí)任務(wù)的不同可分為分類、回歸、聚類和降維。5、請描述機(jī)器學(xué)習(xí)的流程。完整的機(jī)器學(xué)習(xí)流程包括問題定義、數(shù)據(jù)準(zhǔn)備、模型選擇與開發(fā)、模型訓(xùn)練和調(diào)優(yōu)、模型評估測試等5個步驟，第三章計(jì)算機(jī)視覺及應(yīng)用一、選擇題1、計(jì)算機(jī)視覺的基本任務(wù)不包括以下哪項(xiàng)？（B）A、圖像分類B、圖形增強(qiáng)C、目標(biāo)檢測D、語義分割2、特征工程不包括以下哪一步驟？(A)A、數(shù)據(jù)采集B、數(shù)據(jù)預(yù)處理C、數(shù)據(jù)特征可視化D、數(shù)據(jù)特征挖掘3、深度神經(jīng)網(wǎng)絡(luò)中，（B）可以降低圖片特征圖的分辨率？A、卷積層B、池化層C、全連接層D、非線性激活層二、簡答題請你描述一下計(jì)算機(jī)視覺的基本概念和典型的計(jì)算機(jī)視覺應(yīng)用案例。答案示例：計(jì)算機(jī)視覺是一門研究如何使計(jì)算機(jī)系統(tǒng)具備視覺感知能力的學(xué)科。通過模仿人類視覺系統(tǒng)的工作方式，計(jì)算機(jī)視覺技術(shù)旨在使計(jì)算機(jī)能夠理解、解釋和處理圖像或視頻數(shù)據(jù)。典型的計(jì)算機(jī)視覺應(yīng)用案例包括人臉識別、自動駕駛、醫(yī)學(xué)影像分析、工業(yè)質(zhì)檢等。請介紹幾個計(jì)算機(jī)視覺項(xiàng)目常用的深度學(xué)習(xí)網(wǎng)絡(luò)。答案示例：圖像分類：LeNet-5、AlexNet、VGGNet、GoogLeNet、ResNet、MobileNet、EfficientNet等。目標(biāo)檢測：FasterR-CNN、YOLO系列、SSD、MaskR-CNN、RetinaNet、EfficientDet等。圖像分割：U-Net、SegNet、DeepLab系列、MaskR-CNN、FCN、PSPNet等。軌跡跟蹤：RNN、LSTM等。請嘗試使用OpenCV框架給攝像頭中檢測到的人臉加一個特效。答案示例：importcv2

#讀取特效圖片

img=cv2.imread(r"復(fù)制你的windows文件夾路徑到這里\texiao.jpg")

#打開攝像頭

cap=cv2.VideoCapture(0)

#初始化人臉識別分類器

face_cascade=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')

whileTrue:

ret,frame=cap.read()

#將圖像轉(zhuǎn)為灰度

gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)

#檢測人臉

faces=face_cascade.detectMultiScale(gray,scaleFactor=1.3,minNeighbors=5)

for(x,y,w,h)infaces:

#調(diào)整特效圖片尺寸

img_resize=cv2.resize(img,(w,h),interpolation=cv2.INTER_AREA)

#將特效圖片疊加到人臉區(qū)域

frame[y:y+h,x:x+w]=img_resize

#顯示采集過程

cv2.imshow('Face',frame)

ifcv2.waitKey(25)&0xFF==ord('q'):

break

#釋放資源

cap.release()

cv2.destroyAllWindows()在3.4.2節(jié)中，我們提供了調(diào)用百度EasyDL車牌識別接口的示例代碼，該代碼可以識別一張圖片中的車牌。請你運(yùn)用OpenCV視頻處理的技術(shù)，對代碼進(jìn)行適當(dāng)修改，使其可以實(shí)時檢測并識別攝像頭中出現(xiàn)的車牌。答案示例：#encoding:utf-8

importrequests

importbase64

importmatplotlib.pyplotasplt#plt用于顯示圖片

importmatplotlib.imageasmpimg

importcv2

plt.rcParams['font.sans-serif']=['SimHei']

API_KEY="將你的APIKey復(fù)制到這里"

SECRET_KEY="將你的SecrectKey復(fù)制到這里"

model_id="將你的模型ID復(fù)制到這里"

image_path=r"復(fù)制你的windows文件夾路徑到這里\frame.jpg"

defget_access_token():

"""

使用AK，SK生成鑒權(quán)簽名（AccessToken）

:return:access_token，或是None(如果錯誤)

"""

url="/oauth/2.0/token"

params={"grant_type":"client_credentials","client_id":API_KEY,"client_secret":SECRET_KEY}

returnstr(requests.post(url,params=params).json().get("access_token"))

request_url="/rest/2.0/ai_custom/v1/ocr"

#打開攝像頭

cap=cv2.VideoCapture(0)

whileTrue:

#讀取圖片幀

ret,frame=cap.read()

#保存圖片

cv2.imwrite(image_path,frame)

f=open(image_path,'rb')#用二進(jìn)制方式打開圖片文件

img=base64.b64encode(f.read())

params={"image":img,"modelId":model_id}

request_url=request_url+"?access_token="+get_access_token()

headers={'content-type':'application/x-www-form-urlencoded'}

response=requests.post(request_url,data=params,headers=headers)

plate_num=""

ifresponse:

print(response.json())

try:

plate_num=response.json()["result"]["車牌"][0]["word"]

except:

print("noplate")

image=mpimg.imread(image_path)

plt.imshow(image)#顯示圖片

plt.text(0,0,plate_num,fontsize=20,color='green')

plt.axis('off')#不顯示坐標(biāo)軸

plt.show()請你使用OCR技術(shù)，完成一個快遞單關(guān)鍵信息自動識別的項(xiàng)目。答案示例：因?yàn)榭爝f單的形式多種多樣，為減小題目難度，學(xué)生可以選擇某一種快遞單格式進(jìn)行識別。比如，識別順豐快遞的快遞單?？爝f單的關(guān)鍵信息主要是收件人信息和寄件人信息，因此，在百度OCR平臺進(jìn)行圖像標(biāo)注時，需要將“收件人”和“寄件人”作為字段key，姓名、電話號碼、地址作為value。快遞單OCR項(xiàng)目的其他步驟與車牌識別類似。第四章智能語音技術(shù)及應(yīng)用一、選擇題1、下面關(guān)于語音識別說法正確的是（）CA、語音識別漢語時只需要考慮拼音的發(fā)音即可B、聲音的特征提取和圖像的特征提取一樣，直接提取即可C、隱馬爾可夫模型是用來建立聲學(xué)模型的一種技術(shù)D、以上說法都是錯誤的2、下面活動中應(yīng)用了智能語音技術(shù)的是（）。CA、當(dāng)天黑了家里窗簾自動拉合B、下雨天窗戶自動關(guān)閉C、夜間起床說聲“開燈”，夜燈就亮了D、當(dāng)寶寶大聲哭泣，智能床鈴就開始播放音樂3、以下哪個不是語音識別技術(shù)的應(yīng)用場景（）AA、入侵檢測B、語音合成C、語音翻譯D、智能客服4、世界上第一個能識別10個英文數(shù)字發(fā)音的識別實(shí)驗(yàn)系統(tǒng)是哪個機(jī)構(gòu)研制的（）CA、IBMB、微軟C、美國電報電話公司貝爾實(shí)驗(yàn)室D、英特爾5、每個人的聲音都不一樣，是以下哪種因素決定了這一點(diǎn)（）DA、顱骨的形狀B、身體的密度C、體內(nèi)的電解質(zhì)D、聲道的形狀6、以下哪個是對聲波進(jìn)行特征提取后的輸出（）DA、整形值B、小數(shù)值C、對數(shù)D、多維向量7、語音處理中模式識別的目的是（）BA、濾掉背景噪音B、識別發(fā)音對應(yīng)的單字、單詞或句子C、確定功率譜中的包絡(luò)D、提取聲學(xué)特征8、以下哪個操作是語音處理中預(yù)處理階段的任務(wù)()DA、特征提取B、模式匹配C、語言處理D、語音分幢二、簡答題1、請舉出生活中常用的語音識別和語音合成的例子。答：語音識別，智能導(dǎo)航“聽懂”駕駛員的問題，規(guī)劃路徑。語音合成，播報的內(nèi)容可切換不同風(fēng)格的聲音。2、語音識別的預(yù)處理中，常用的窗函數(shù)有哪些？答：漢明窗、漢寧窗等。3、基于神經(jīng)網(wǎng)絡(luò)的語音識別算法有哪些？答：BP、BRNN、BLSTM等4、語音合成的典型方法有哪些？答：波形拼接法，統(tǒng)計(jì)參數(shù)語音合成法，深度學(xué)習(xí)。5、什么是語音轉(zhuǎn)換，請舉出相關(guān)例子。答：語音轉(zhuǎn)換是將語音中話者語音特點(diǎn)進(jìn)行變換的技術(shù)，用于生成具有特定人物語音特征的聲音。比如網(wǎng)絡(luò)虛擬歌星。第五章自然語言處理與AIGC一、選擇題1、AIGC代表什么？（）AA.人工智能生成內(nèi)容B.人工智能創(chuàng)造內(nèi)容C.人工智能生產(chǎn)內(nèi)容D.人工智能控制內(nèi)容2、以下哪項(xiàng)不是AIGC的優(yōu)點(diǎn)？（）DA.提高內(nèi)容創(chuàng)作的效率B.提高人類的創(chuàng)造力C.取代人類進(jìn)行內(nèi)容創(chuàng)作D.豐富內(nèi)容創(chuàng)作的多樣性3、AIGC的主要應(yīng)用領(lǐng)域有哪些？（）DA.新聞報道B.藝術(shù)設(shè)計(jì)C.音樂創(chuàng)作D.以上都是4、AIGC主要利用什么技術(shù)來生成內(nèi)容？（）DA.機(jī)器學(xué)習(xí)B.自然語言處理C.計(jì)算機(jī)視覺D.所有以上5、LLM的核心思想是通過大規(guī)模的（）訓(xùn)練來學(xué)習(xí)自然語言的模式和語言結(jié)構(gòu)。CA.有監(jiān)督B.半監(jiān)督C.無監(jiān)督D.強(qiáng)化6、自然語言處理的英文縮寫是（C）A.NLGB.NLUC.NLPD.ML7、文本預(yù)處理中，“去停用詞”操作的目的是（A）。A.去掉對于分類任務(wù)沒有效果的詞B.將文本分成單個的詞語C.將某一類數(shù)據(jù)歸一化為某一標(biāo)簽D.將文本中的詞匯按詞性進(jìn)行分類并標(biāo)注8、文心大模型的核心特色（B）A.參數(shù)量大B。知識增強(qiáng)C。訓(xùn)練復(fù)雜D。泛化能力強(qiáng)9、自然語言理解是所有支持計(jì)算機(jī)理解文本內(nèi)容的方法的總稱，以下哪項(xiàng)不是自然語言理解主要任務(wù)？（C）A.文本分類B.詞法分析C.實(shí)體分割D.語義分析10、自然語言處理中CNN的作用是(C)A.用于處理時間序列，可以對一個不定長的句子進(jìn)行編碼.描述句子的信息B.用于計(jì)算隱層的狀態(tài)C.用于特征提取,通常將詞向量拼接后使用CNN，在關(guān)系提取中有很多應(yīng)用D.用于預(yù)測下一個詞或下一個句子的出現(xiàn)概率二、簡答題1、簡述AIGC的基本工作原理。AIGC的基本工作原理是通過機(jī)器學(xué)習(xí)算法訓(xùn)練模型，使其能夠理解和生成類似人類創(chuàng)作的內(nèi)容。這通常涉及大量數(shù)據(jù)的輸入和處理，以及自然語言處理技術(shù)的使用，以理解和生成語言結(jié)構(gòu)。2、分析AIGC對內(nèi)容創(chuàng)作行業(yè)可能產(chǎn)生的正面和負(fù)面影響。正面影響：AIGC可以顯著提高內(nèi)容生產(chǎn)效率，降低成本，增加多樣性，使創(chuàng)作者能夠更快速地產(chǎn)生和測試新想法。負(fù)面影響：可能導(dǎo)致某些創(chuàng)意工作的自動化，從而減少對人類創(chuàng)作者的需求，同時引發(fā)版權(quán)和倫理問題。3、討論