一、單項選擇題（本大題共 20 小題）

1、關于人工智能定義的根本分歧，主要源于以下哪兩組問題的不同回答？（ ）

① “類人的復刻”與“理性的抽象”；“內部思維過程”與“外部可觀測的行為”

② “符號主義”與“連接主義”；“機器學習”與“深度學習”

③ “強人工智能”與“弱人工智能”；“通用人工智能”與“專用人工智能”

④ “監督學習”與“無監督學習”；“回歸”與“分類”

2、圖靈測試的核心思想是（ ）。

① 通過分析機器的內部思維過程判斷其是否具有智能

② 通過外部可觀察的行為（對話表現）判斷機器是否具有智能

③ 要求機器必須具備自我意識才能通過測試

④ 要求機器在數學推理上完全超越人類

3、認知建模的本質是（ ）。

① 完全復刻人類大腦神經元的物理連接方式

② 對生物大腦進行電子仿真

③ 對人類認知過程進行功能性抽象與算法化表達

④ 放棄對智能的模擬，只關注輸入輸出映射

4、從思維法則看人工智能，其核心路徑是（ ）。

① 通過海量數據訓練神經網絡

② 構建“知識符號 + 推理規則”的雙驅動系統

③ 模擬生物神經元的脈沖傳遞方式

④ 完全依賴統計學習，不采用顯式規則

5、神經網絡研究第一次低潮出現的主要原因是（ ）。

① 專家系統知識獲取困難、維護成本高

② 明斯基與佩珀特指出單層感知器無法解決異或等線性不可分問題，導致神經網絡研究停滯

③ 計算機算力不足以支撐 LISP 機器的運行

④ 英國政府發布報告嚴厲批評 AI 研究進展緩慢

6、第二次人工智能浪潮（20 世紀 80 ~ 90 年代初）的主要成就是（ ）。

① 深度學習的興起

② 專家系統的廣泛應用

③ 圖靈測試的提出

④ 卷積神經網絡的誕生

7、以下哪一項不屬于人工智能的七大基礎學科？（ ）

① 數學與計算機科學

② 神經科學與語言學

③ 哲學與經濟學

④ 化學與生物學

8、在人工智能的數學基礎中，深度學習與高維數據處理的基石是（ ）。

① 微積分與偏微分方程

② 線性代數、矩陣論與張量運算

③ 數論與抽象代數

④ 拓撲學與微分幾何

9、神經科學對人工智能的主要貢獻是（ ）。

① 提供了形式邏輯與符號推理的框架

② 為人工神經網絡的結構設計提供了仿生學啟發

③ 建立了語料庫與統計語言模型

④ 提出了強化學習的獎勵函數

10、人工智能三要素（三大支柱）是（ ）。

① 數據、算法、算力

② 感知、學習、決策

③ 硬件、軟件、網絡

④ 符號主義、連接主義、行為主義

11、在人工智能三要素中，被稱為智能的“燃料”與知識本源的是（ ）。

① 算法 ② 算力

③ 數據 ④ 模型

12、與傳統的顯式編寫規則的程序不同，機器學習算法的核心特點是（ ）。

① 通過數據隱式學習規律

② 完全依賴人工設定所有規則

③ 不需要任何數學基礎

④ 只能處理結構化數據

13、以下哪種技術屬于“讓機器理解并生成人類語言”的領域？（ ）

① 計算機視覺 ② 自然語言處理

③ 機器聽覺 ④ 具身智能

14、在自動駕駛場景中，為道路上的車輛自動繪制邊界框并標注類別，主要依賴的計算機視覺技術是（ ）。

① 圖像分類 ② 目標檢測

③ 語義分割 ④ 圖像生成

15、具身智能的三要素是（ ）。

① 感知、學習、決策

② 本體、智能、環境

③ 傳感器、執行器、控制器

④ 數據、算法、算力

16、多模態學習的核心目標是（ ）。

① 只處理單一模態數據（如圖像）

② 同時處理和融合多種異構數據（如圖像、文本、語音），實現跨模態理解

③ 用文本生成圖像

④ 替代所有單模態模型

17、“AI for Science” 的核心含義是（ ）。

① 用人工智能技術輔助甚至引領基礎科學理論的發現與驗證

② 用人工智能技術取代科學家

③ 將人工智能本身作為科學研究對象

④ 人工智能只能應用于工程領域

18、以下哪項屬于人工智能在工程領域的典型應用？（ ）

① 利用蘇格拉底教學大模型進行啟發式教學

② 通過智能評估系統自動批改作業

③ 在土木建筑工程中實現智能建造與全生命周期管理

④ 使用 AI 學伴輔助個性化學習

19、從算力發展歷程看，推動深度學習突破性進展的關鍵硬件轉變是（ ）。

① 從 CPU 到 GPU 的跨越

② 從磁盤到固態硬盤的升級

③ 從單機到分布式存儲

④ 從有線網絡到無線網絡

20、以下關于強化學習的描述，正確的是（ ）。

① 強化學習需要大量帶標簽的數據進行監督訓練

② 強化學習通過智能體與環境交互、獲得獎勵來學習最優策略

③ 強化學習只能用于游戲領域

④ 強化學習與機器學習沒有任何關系

二、判斷題（本大題共 5 小題）

1、圖靈測試要求機器必須理解對話內容才能通過測試，僅模仿人類對話風格是不夠的。（ ）

2、人工智能第一次寒冬的直接誘因之一是明斯基與佩珀特在《感知機》一書中指出單層感知器無法解決異或問題。（ ）

3、數據、算法和算力三者相互獨立，發展其中任意一項即可推動人工智能進步，無需協同。（ ）

4、具身智能強調智能體需要具有某種本體，并通過與環境交互產生智能行為，而不僅僅是脫離環境的軟件程序。（ ）

5、“AI for Engineering” 側重于利用人工智能技術優化工程設計、提升生產效率、保障系統安全，其主要目標不是基礎科學發現。（ ）

“點贊有美意，贊賞是鼓勵”