第一章 单元测试

1、单选题:
人工智能的目的是让机器能够( ),以实现某些脑力劳动的机械化。
选项:
A:完全代替人的大脑
B:模拟、延伸和扩展人的智能
C:和人一样工作
D:思考和创造
答案: 【模拟、延伸和扩展人的智能

2、单选题:
人工智能中通常把( )作为衡量机器智能的准则。
选项:
A:图灵测试
B:图灵机
C:人类智能
D:中文屋思想实验
答案: 【图灵测试

3、单选题:
在各种人工智能学派中,认为人工智能起源于数理逻辑的是( )。
选项:
A:逻辑主义
B:心理学派
C:计算机学派
D:符号主义
答案: 【符号主义

4、单选题:
关于图灵测试,下列说法错误的是( )。
选项:
A:图灵测试的本体是“机器能否思考?”
B:图灵测试不涉及对人类的行为表现和互动行为研究
C:图灵测试本质上是对人类智能的一种操作性定义
D:图灵测试就是一个简单的模拟游戏
答案: 【图灵测试不涉及对人类的行为表现和互动行为研究

5、单选题:
人工智能概念是在哪次会议上首次提出?( )
选项:
A:1956年朴茨茅斯会议
B:1956年芝加哥会议
C:1956年赫尔辛基会议
D:1956年达特茅斯会议
答案: 【1956年达特茅斯会议

6、多选题:
人工智能研究第一次寒冬的发生主要原因有( )。
选项:
A:AI瓶颈
B:财政问题
C:性能有限
D:缺乏“常识”
答案: 【AI瓶颈;
性能有限;
缺乏“常识”

7、单选题:
以下哪一项不是人工智能发展的必要条件( )
选项:
A:机器学习
B:大数据
C:计算能力
D:算法
答案: 【机器学习

8、单选题:
用计算机进行外文翻译,是人工智能哪个应用领域的体现( )
选项:
A:专家系统
B:计算机视觉
C:语音识别
D:自然语言处理
答案: 【自然语言处理

第二章 单元测试

1、单选题:
智能体与环境之间的关系是:( )
选项:
A:智能体与环境交互
B:环境控制智能体
C:智能体独立于环境
D:智能体控制环境
答案: 【智能体与环境交互

2、判断题:
智能体嵌入于环境当中,能够通过感知器感知环境,并且通过效应器影响环境,自主完成给定的设计目标。( )
选项:
A:对
B:错
答案: 【

3、单选题:
以下哪种智能体基于当前的感知而不基于感知历史? ( )
选项:
A:基于目标的智能体
B:基于效用的智能体
C:简单反射智能体
D:基于模型的智能体
答案: 【简单反射智能体

4、多选题:
以下哪些是基于模型智能体的局限性?( )
选项:
A:模型的获取和维护成本高
B:模型的准确性难以保证
C:容易处理动态和不确定的环境
D:缺乏学习和适应能力
答案: 【模型的获取和维护成本高;
模型的准确性难以保证;
缺乏学习和适应能力

5、多选题:
以下哪些是问题求解智能体和基于知识的智能体的主要区别?( )
选项:
A:问题求解智能体使用状态空间表示问题,基于知识的智能体使用知识表示语言
B:问题求解智能体通常是通用,,基于知识的智能体高度依赖于特定领域的知识
C:问题求解智能体主要使用搜索和规划算法,基于知识的智能体主要使用逻辑推理
D:问题求解智能体通常假设环境是完全可观察的,基于知识的智能体可以处理不完整或不确定的知识
答案: 【问题求解智能体使用状态空间表示问题,基于知识的智能体使用知识表示语言;
问题求解智能体通常是通用,,基于知识的智能体高度依赖于特定领域的知识;
问题求解智能体主要使用搜索和规划算法,基于知识的智能体主要使用逻辑推理;
问题求解智能体通常假设环境是完全可观察的,基于知识的智能体可以处理不完整或不确定的知识

6、多选题:
搜索策略可以分为( )。
选项:
A:模糊搜索
B:盲目搜索
C:精确搜索
D:启发式搜索
答案: 【盲目搜索;
启发式搜索

7、单选题:
从已知事实出发,通过规则库求得结论的产生式系统的推理方式是( )。
选项:
A:演绎推理
B:正向推理
C:反向推理
D:双向推理
答案: 【正向推理

8、单选题:
专家系统是以( )为基础,以推理为核心的系统。
选项:
A:知识
B:计算
C:概率
D:符号
答案: 【知识

9、多选题:
关于搜索的论述正确的有( )。
选项:
A:在启发式搜索中,通常用启发函数表示启发性信息。
B:在搜索过程中引入启发信息,减少搜索范围,以便尽快地找到解,此类搜索策略称为启发式搜索。
C:启发式搜索包括广度优先搜索。
D:盲目搜索算法搜索范围比较大,效率比较低。
答案: 【在启发式搜索中,通常用启发函数表示启发性信息。;
在搜索过程中引入启发信息,减少搜索范围,以便尽快地找到解,此类搜索策略称为启发式搜索。;
盲目搜索算法搜索范围比较大,效率比较低。

10、多选题:
知识图谱的生命周期主要包括( )。
选项:
A:知识获取
B:知识赋能
C:知识建模
D:知识管理
答案: 【知识获取;
知识赋能;
知识建模;
知识管理