初识人工智能智慧树知到课后章节答案2023年下海南软件职业技术学院

初识人工智能智慧树知到课后章节答案2023年下海南软件职业技术学院海南软件职业技术学院

第一章测试

人类一直在利用计算工具帮助自己思考。最原始的计算工具可以追溯到（）。

A:计算机

B:计算器

C:算盘

D:小鹅卵石

答案:小鹅卵石

一般认为，地处因格兰威尔特郡索尔兹伯里平原上的史前时代文化神庙遗址——巨石阵是古人用于的设施（）。

A:军事防御

B:科学计算

C:预测天文事件

D:装饰大自然

答案:预测天文事件

1900年，人们在希腊安提基特拉岛附近的罗马船只残骸上找到的机械残片被认为是（）。

A:海洋生物的化石

B:帆船的零部件

C:外星人留下的物件

D:天体观测仪的残片

答案:天体观测仪的残片

据说在13世纪左右，想学加法和减法上德国的学校就足够了，但如果还想学乘法和除法，就必须去意大利才行。这是因为当时（）。

A:意大利人更聪明

B:德国没有大学

C:所有的数字都是用罗马数字写成的，使计算变得很复杂

D:意大利文化水平比德国高

答案:所有的数字都是用罗马数字写成的，使计算变得很复杂

1821年，英国数学家兼发明家查尔斯•巴贝奇开始了第数学机器的研究，他研制的第一台数学机器叫（）。

A:分析机

B:差分机

C:计算机

D:计算器

答案:差分机

1842年，巴贝奇请求艾达帮他将一篇与机器相关的法文文章翻译成英文。艾达在翻译注释中阐述了关于一套机器编程系统的构想。由此，艾达被后人誉为第一位（）。

A:计算机程序员

B:数据科学家

C:法文翻译家

D:机械工程师

答案:计算机程序员

用来表示机器的robot一词源于（）。

A:1946年图灵的一篇论文

B:1968年冯•诺依曼的移步手稿

C:1934年卡斯特罗的一次演讲

D:1920年卡雷尔•恰佩克的一出舞台剧

答案:1920年卡雷尔•恰佩克的一出舞台剧

最初，computer一词指的是（）。

A:进行计算的人

B:计算的机器

C:计算桌

D:计算机

答案:进行计算的人

世界上第一台通用电子数字计算机是（）。

A:Colossus

B:ENIAC

C:SSEM

D:Ada

答案:ENIAC

计算机科学家常常会谈及建立某个过程或物体的模型，“模型”指的是（）。

A:拿卡纸和软木制作的复制品

B:能够表达事件运作的方式或规律的方程式

C:类似航模的手工艺品

D:机械制造业中的模具

答案:能够表达事件运作的方式或规律的方程式

第二章测试

作为计算机科学分支的人工智能的英文缩写是（）。

A:CPU

B:DI

C:AI

D:BI

答案:AI

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉学科，它涉及（）。

A:自然科学、社会科学和技术科学

B:自然科学

C:技术科学

D:社会科学

答案:自然科学、社会科学和技术科学

人工智能定义中的“智能”涉及诸如等问题（）。

A:意识

B:意识、自我和思维

C:思维

D:自我

答案:意识

下列关于人工智能的说法不正确的是（）。

A:自1046年以来，人工智能学科经过多年的发展，已经趋于成熟，得到充分应用

B:人工智能不是人的智能，但能像人那样思考，甚至可能超过人的智能

C:人工智能研究如何使计算机去做过去只有人才能做的智能工作

D:人工智能是关于知识的科学——怎样表示只是以及怎样获得知识并用指示的学科

答案:自1046年以来，人工智能学科经过多年的发展，已经趋于成熟，得到充分应用

下列说法中错误的是（）。

A:世界三大尖端技术包括空间技术、能源技术、人工智能

B:世界三大尖端技术包括管理技术、工程技术、人工智能

C:世界三大尖端技术包括基因工程、纳米科学、人工智能

D:强人工智能已经成为一个独立的学科分支，在理论和实践上都已自成系统

答案:世界三大尖端技术包括空间技术、能源技术、人工智能

强人工智能强调人工智能的完整性。不属于强人工智能（）。

A:智能机器看起来像是智能的，其实并不真正拥有智能，也不会有自主意识

B:有可能制造出真正能推理和解决问题的智能机器

C:（非类人）机器产生了和人完全不一样的知觉和意识

D:（类人）机器的思考和推理就像人的思维一样

答案:智能机器看起来像是智能的，其实并不真正拥有智能，也不会有自主意识

被誉为“人工智能之父”的科学大师是（）。

A:冯•诺依曼

B:图灵

C:钱学森

D:爱因斯坦

答案:图灵

电子计算机的出现使信息存储和处理的各个方面都发生了革命。下列说法中不正确的是（）。

A:计算机在可改变的程序的控制下运行

B:计算机是用于操纵信息的设备

C:计算机这个用电子方式处理数据的发明，为实现人工智能提供了一种媒介

D:人工智能技术是后计算机时代的先进工具

答案:人工智能技术是后计算机时代的先进工具

维纳从理论上指出，所有的智能活动都是机制的结果，而这一机制是有可能用机器模拟的。这项发现对早期人工智能的发展影响很大（）。

A:综合

B:反馈

C:分解

D:抽象

答案:反馈

年夏季，一批有远见卓识的年轻科学家在达特茅斯会议上研究和探讨了用机器模拟智能的一系列有关问题，收悉提出了ArtificialIntelligence这一术语，它标志着人工智能这门新兴学科的正式诞生（）。

A:1956

B:1946

C:1976

D:1986

答案:1956

第三章测试

最初尝试创建人工智能的研究人员曾经认为，建立专家系统所需要的不过是而已（）。

A:模糊的算法

B:足够的规则

C:少量规则

D:精确的算法

答案:足够的规则

计算机在编程后能够运行的第一批游戏都是具备制胜策略的。例如，“21点”游戏的制胜策略就是确保自己成为说出的玩家（）。

A:18

B:19

C:20

D:21

答案:20

如果不存在制胜策略，计算机就会寻找能够实现的最优方案。所谓极大极小化策略，就是在我们的回合争取获得利益，在对手回合考虑（）利益（）。

A:最大化、最大化

B:最大化、最小化

C:最下化、最大化

D:最小化、最小化

答案:最大化、最小化

人们设想，在利用规则推导建立的医学诊断专家系统中，在用户输入一系列数据后，能够通过数据推导出病因的诊断。但这类系统的前期尝试均以失败告终，原因归根结底还是因为缺乏（）。

A:物资资源

B:金钱

C:知识

D:人手

答案:知识

总体来说，专家系统因其在计算机科学和现实世界中的贡献而被视为人工智能中最成功、最知名和最受欢迎的领域（）。

A:最专一

B:最古老

C:最年轻

D:最简单

答案:最古老

专家系统出现在20世纪70年代，当时整个人工智能领域正处在发展的（）。

A:低谷

B:爆发时期

C:第三阶段

D:高潮

答案:低谷

事实上，大多数人专家，这与早期的人类观点相反（）。

A:可以在各个领域成为

B:无师自通地成为

C:只在自己的专业领域才是

D:都可以成为

答案:只在自己的专业领域才是

国际象棋大师（）创建生活中其他事务规则、方法的大师，对于数学博士、医生或律师来说也是如此。

A:通常都是

B:基本不是

C:大部分都是

D:没有可能成为

答案:基本不是

我们知道的是，人们在掌握任何特定领域知识之前，（）。

A:需要进行学习

B:通常都是天才

C:只要生活幸福就行

D:只要勤奋工作就行

答案:需要进行学习

德雷福斯兄弟认为，专有技术基于以下前提：从新手到专家的过程中有5个技能获取阶段，即新生、熟手、精通者、专家（）。

A:行家

B:高人

C:能手

D:胜任者

答案:胜任者

第四章测试

计算机的二进制逻辑通常只有两种状态：要么真，要么假，现实生活中这样非此即彼的情况（）。

A:完全不是

B:常见

C:很少有

D:基本都是

答案:很少有

常规逻辑的规则情况只有两种，即不是1就是0，而在模糊逻辑中，每一个情况的真值可以是0和1之间的值（）。

A:某个

B:某一组

C:任何

D:特定

答案:任何

专家系统是利用人类专长建立的，可以提供程序使用的明确规则。而利用模糊逻辑，可以制定与专家所言规则（）。

A:相反的

B:不同的

C:更多的

D:一致的

答案:一致的

所谓模糊逻辑，是建立在逻辑基础上，运用模糊集合的方法来研究模糊性思维、语言形式及其规律的科学（）。

A:多值

B:单值

C:数理

D:形式

答案:多值

模糊逻辑区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决各种问题（）。

A:不确定

B:重要

C:确定

D:精确

答案:不确定

（）的引入，可将人的判断、思维过程用比较简单的数学形式直接表达出来，从而使对复杂系统进行合乎实际的、符合人类思维方式的处理成为可能，为经典模糊控制器的形成奠定了基础。

A:模糊集合

B:统计科学

C:精确计算

D:随机抽样

答案:模糊集合

当面临大量数据时，以往长期依赖于采样分析，但是采样分析是时代的产物（）。

A:计算机

B:云

C:模拟数据

D:青铜器

答案:模拟数据

因为大数据是建立在，所以人们就可以正确地考察细节并进行新的分析（）。

A:尽可能掌握精确数据的基础上

B:掌握少量数据，至少是尽可能精确的数据的基础上的

C:掌握所有数据，至少是尽可能多的数据的基础上的

D:在掌握少量精确数据的基础上，尽可能多地收集其他数据

答案:掌握所有数据，至少是尽可能多的数据的基础上的

直到今天，数字技术依然建立在精准的基础上，这种思维方式适用于掌握的情况（）。

A:大数据量

B:多数据

C:无数据

D:小数据量

答案:小数据量

寻找是人类长久以来的习惯，即使确定这样的关系很困难而且用途不大。人类还是习惯性地寻找原因（）。

A:组织关系

B:信息关系

C:相关关系

D:因果关系

答案:因果关系

第五章测试

在传统的计算机编程中，程序员必须（）。

A:重点考虑关键步骤并设计精良的算法

B:尽力考虑所有可能遇到的情况并一一规定应对策略

C:有良好的的独立工作能力，独自完成从需求分析到程序行为的所有步骤

D:全部工作就在于编程，需要编写出庞大的程序代码集

答案:尽力考虑所有可能遇到的情况并一一规定应对策略

几十年来，人们发明了许多工具来使编程更加有效，降低错误发生的概率。人们发现，倘若利用逻辑、规则和框架编写通用的人工智能程序，那么程序必定（）。

A:十分庞大且漏洞百出

B:短小精悍且可靠性强

C:庞大复杂，但可靠性强

D:短小精悍，但缺陷很多

答案:十分庞大且漏洞百出

“中文房间”思维实验验证的假设是：看起来完全智能的计算机程序（）。

A:确实能在各方面发挥其强大的功能

B:其实更本不理解自身处理的各种信息

C:基本上能理解和处理各种信息

D:完全能理解自身处理的各种信息

答案:其实更本不理解自身处理的各种信息

包容体系结构的特点是（），它是不是用庞大的框架数据库来模拟世界，而是关注直接感受世界。

A:完全避免符号的使用

B:强化抽象符号的使用

C:重视用符号代替具体数字

D:客服具体数字的困扰

答案:完全避免符号的使用

包容体系结构是（），利用不同传感器来感知世界，并通过其他设备（传动器）来操控行为。

A:用于包装作业的一组传统设备

B:实实在在的物理机器人

C:通用计算机的一组工能

D:一段表达计算机逻辑的程序

答案:实实在在的物理机器人

包容体系结构建立在多层独立行为模块的基础上。每个行为模块都是（），从传感器接受信息，再将指令传递给传动器。

A:重要而复杂的函数

B:重要而庞大的系统

C:一个简单程序

D:一个复杂程序

答案:一个简单程序

RoboCup机器人世界杯赛提出的最终目标是（）。

A:一支非人形机器人足球队与人类足球队按正式规则比赛

B:RoboCup机器人世界杯赛与国际足联比赛合并

C:一支完全自治的人形机器人足球队参加国际足联的正式比赛

D:一支完全自治的人形机器人足球队在正是比赛中战胜人类足球世界杯冠军队

答案:一支完全自治的人形机器人足球队在正是比赛中战胜人类足球世界杯冠军队

实现RoboCup机器人世界杯赛提出的最终目标的规划时间是年（）。

A:100

B:20

C:50

D:30

答案:50

机器感知是指能够利用（）输入的资料推断世界的状态。

A:机器人

B:键盘

C:传感器

D:鼠标器

答案:传感器

机器感知研究如何用机器或计算机模拟、延伸和扩展（）的感知或认知能力。

A:机器

B:机器人

C:人

D:计算机

答案:人

第六章测试

机器学习最早的发展可以追溯到（）。

A:1952年亚瑟•塞繆尔创建的一个简单的下棋游戏程序

B:1950年计算机科学家图灵涉及的图灵测试

C:英国数学家贝叶斯在1763年提出的贝叶斯定理

D:1963年唐纳德•米奇推出的强化学习的tic-tac-toe(井字棋)程序

答案:英国数学家贝叶斯在1763年提出的贝叶斯定理

学习是人类的一种重要智能行为，社会学家、逻辑学家和心理学家对学习各有其不同的定义。关于机器学习，合适的定义是（）。

A:兰利的定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”

B:汤姆•米切尔的定义：“机器学习是对能通过经验自动改进的计算机计算法的研究”

C:其余选项全对

D:Alpaydin的定义：“机器学习是利用数据或以往的经验优化计算机程序的性能标准”

答案:其余选项全对

机器学习的核心是：使用（）解释数据，从中学习，然后对世界上的某件事情做出决定或预测。

A:模块

B:算法

C:函数

D:程序

答案:算法

有3种主要类型的机器学习：监督学习、无监督学习和（）学习。

A:优化

B:强化

C:自主

D:重复

答案:强化

监督学习的主要类型是（）。

A:分类和降维

B:聚类和降维

C:分类和回归

D:聚类和回归

答案:分类和回归

无监督学习又称归纳性学习，分为（）。

A:聚类和回归

B:分类和降维

C:分类和回归

D:聚类和降维

答案:聚类和降维

强化学习使用机器的个人历史和经验来做出决定，其经典应用是（）。

A:数据挖掘

B:文字处理

C:游戏娱乐

D:自动控制

答案:游戏娱乐

要完全理解大多数机器学习算法，需要对一些关键的数学概念有基本的理解。机器学习使用的数学知识主要包括（）。

A:线性代数

B:微积分

C:概率和统计

D:其余选项全对

答案:其余选项全对

机器学习的各种算法都是基于（）理论的。

A:回归

B:聚类

C:贝叶斯

D:决策树

答案:贝叶斯

在机器学习的具体应用中，（）决定了机器学习系统基本结构的工作内容，确定了学习部分需要解决的问题。

A:知识库

B:环境

C:执行部分

D:其余选项都对

答案:其余选项都对

第七章测试

如果想设计人工智能系统，就要学习并分析地球上最自然的智能系统之一，即（）。

A:人脑和五官系统

B:肌肉和血管系统

C:人脑和神经系统

D:思维和学习系统

答案:人脑和神经系统

所谓人工神经网络，是指以人脑和神经系统为模型的（）算法。

A:机器学习

B:深度优先

C:倒挡追溯

D:直接搜索

答案:机器学习

如今，人工神经网络从股票市场预测到（）等许多应用领域都有突出的表现。

A:其余选项都对

B:经济预测

C:汽车自主控制

D:模式识别

答案:其余选项都对

人脑是一种适应性系统，必须对变幻莫测的事物作出反应，而学习是通过修改神经元之间连接的（）来进行的。

A:平滑度

B:速度

C:顺序

D:强度

答案:强度

人类神经元之间的轴突-树突接触被称为神经元的（）。

A:轴突

B:髓鞘

C:突触

D:树突

答案:突触

人脑由（）个神经元组成，这些神经元彼此之间复杂互连。

A:500亿

B:1000亿

C:500万

D:1000万

答案:1000亿

人工神经网络模仿生物神经网络，其中的（）扮演了生物神经模型中突触的角色，用于调节一个神经元对另一个神经元的影响程度。

A:输入通道

B:细胞体

C:输出通道

D:权重

答案:权重

现代人工神经网络是一种非线性统计性数据建模工具。典型的人工神经网络有3个部分，其中包括（）。

A:激励函数

B:学习规则

C:尺寸

D:结构

答案:尺寸

人工智能在图像识别方面已经超越了人类，支持图像识别技术的通常是（）。

A:深度人工神经网络

B:因特网

C:云计算

D:神经计算

答案:深度人工神经网络

将人工神经网络与模糊逻辑结合起来生成（）网络，它既有人工神经网络的学习能力，同时也具有模糊逻辑的解释能力。

A:模式识别

B:神经模糊

C:自动计算

D:人工智能

答案:神经模糊

第八章测试

蜜蜂是自然界中被人类研究得最久的群体智能动物。在进化过程中，蜜蜂形成了大脑以处理信息，蜜蜂的大脑大约有（）个神经元。

A:1000万

B:850万

C:850亿

D:100万

答案:100万

一只蜜蜂是一个非常简单的生物，但是它们有非常困难的问题需要解决，于是，蜜蜂形成了（）。

A:计算思维

B:群体思维

C:英雄思维

D:创新思维

答案:群体思维

蜜蜂寻找可以筑巢的潜在地点，会排除数百只侦查蜜蜂到外面约78公里范围的地方进行搜索。对蜜蜂来说，这个筑巢行为是一个（）问题。

A:复杂多变量

B:简单单变量

C:困难单变量

D:简单多变量

答案:复杂多变量

生物学家的研究表明，蜜蜂常常能够从所有可用的选项中选出最优或者次优的解决方案，人类（）这一点。

A:更容易做到

B:也能做到

C:做不到

D:很难做到

答案:很难做到

蜜蜂处理数据的方式被生物学家叫做“摇摆舞”，即通过（）来达成一致认识。

A:发出嗡嗡声

B:振动身体

C:摇摆触角

D:沉默安静

答案:振动身体

蜜蜂所表现出的大于个体智能的群体智能能力在许多动物身上也存在，但不包括（）。

A:蚂蚁

B:狮子

C:驯鹿

D:鱼群

答案:狮子

所谓集群机器人或者人工蜂群智能就是让许多（）的机器人协作。

A:强大

B:复杂

C:个性

D:简单

答案:简单

在某群体中，存在众多低智能个体，它们通过相互之间的简单合作所表现出来的群居性生物的智能行为是（）控制的。

A:中心

B:集中

C:分布式

D:独立

答案:分布式

人类并没有进化出群集的能力，因为人类缺少同类用于建立实时反馈循环的敏锐连接。研究和实践都表明，人类（）群集能力。

A:不确定是否有

B:不可能有

C:可以有

D:很难有

答案:可以有

蚁群优化和粒子群优化是两种最广为人知的群体智能算法，它们都是用了（）。

A:多智能体

B:无智能体

C:复杂体

D:单智能体

答案:多智能体

第九章测试

现实社会有大量的数据唾手可得，其中的大部分数据都十分有用，但前提是人们有能力从中提取出（）的内容。

A:连接

B:精确

C:感兴趣

D:离散

答案:感兴趣

数据不等于信息，而信息也不等于知识。了解数据（将其转化为信息）并利用数据（再转化为知识）是一项（）的工程。

A:简单

B:巨大

C:直接

D:直观

答案:巨大

数据存储在称为（）的计算机系统中，它具有内置功能，可以分析数据，并按用户要求呈现出不同形式。

A:文档

B:电子表

C:数据库

D:堆栈

答案:数据库

所有人工智能方法都可以用于数据挖掘，特别是其中的（）。

A:智能代理与自动规划

B:机器人技术

C:神经网络及模糊逻辑

D:模式识别与图像处理

答案:神经网络及模糊逻辑

数据挖掘的分析技术之一是（），用来确定能最好地预测成果的单个数据

A:决策树

B:分析表

C:链表

D:堆栈

答案:决策树

（）是数据挖掘中十分流行的策略，它可以帮助我们找到顾客经常一起购买的商品。

A:购物车分析

B:垂直预测

C:离散分析

D:网络冲浪

答案:购物车分析

在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型和（）模型，它发源于古典数学理论，有着坚实的数学基础以及稳定的分类效率。

A:关联

B:遗传

C:模糊

D:朴素贝叶斯分类

答案:朴素贝叶斯分类

数据挖掘是指从大量的数据中通过（）搜索隐藏与其中信息的过程。

A:程序

B:数据

C:结构

D:算法

答案:算法

数据挖掘过程一般由3个阶段组成，其中不包括（）。

A:结果表达

B:规律寻找

C:数据准备

D:知识培养

答案:知识培养

数据的类型可以是（），数据挖掘的对象可以是任何类型的数据源。

A:机构化的

B:异构的

C:半结构化的

D:其余选项都对

答案:其余选项都对

第十章测试

模式识别原本是（）的一项基本职能。

A:计算机

B:动物

C:人类

D:人工智能

答案:人类

人工智能领域通常所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器获得的数据等对象的具体模式进行（）。

A:存储和利用

B:分类和计算

C:清洗和处理

D:辨识和分类

答案:辨识和分类

要实现计算机视觉，必须有图像处理的帮助，而图像处理依赖于（）的有效运用。

A:专家系统

B:输入和输出

C:智能规划

D:模式识别

答案:智能规划

图像识别是指利用（）对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。

A:计算机

B:放大镜

C:专家

D:工程师

答案:计算机

图形刺激作用于人的感官器官，是使人辨认出它是以前见过的某一图形的过程称为（）。

A:图像识别

B:图像再认

C:图像保存

D:图像处理

答案:图像再认

图像识别是以图像的主要（）为基础的。

A:特征

B:部件

C:元素

D:像素

答案:特征

基于计算机视觉的图像检索可以分为类似文本搜索引擎的3个步骤，其中不包括（）。

A:提取特征

B:查询

C:建立索引

D:清洗

答案:清洗

图像识别的发展经历了3个阶段，其中不包括（）。

A:像素识别

B:物体识别

C:文字识别

D:数字图像处理与识别

答案:像素识别

现代图像识别技术的一个不足是（）。

A:识别结果不稳定

B:识别速度慢

C:图像像素不足

D:自适应性差

答案:自适应性差

模式识别是一门与概率论、统计学紧密结合的科学，主要方法有3种，其中不包括（）。

A:模糊模式

B:像素模式

C:统计模式

D:结构模式

答案:像素模式

第十一章测试

自然语言处理是人工智能研究中（）的领域之一。

A:研究历史最长、研究最多但要求不高

B:研究历史最长、研究最多、要求最高

C:研究历史最短、研究较少、要求不高

D:研究历史最短但研究最多、要求最高

答案:研究历史最长、研究最多、要求最高

使用（）与计算机进行通信是人们长期依赖所最求的目标。

A:自然语言

B:程序语言

C:机器语言

D:数学语言

答案:自然语言

实现人机间自然语言通信，意味着要使计算机既能理解自然语言的意义，也能以自然语言来表达给定的意图、思想等。前者称为（），后者称为（）。因此，自然语言处理大体包括了这两份部分。

A:自然语言理解，自然语言生成

B:自然语言处理，自然语言加工

C:自然语言输出，自然语言识别

D:自然语言生成，自然语言理解

答案:自然语言理解，自然语言生成

造成自然语言处理困难的根本原因是自然语言文本和对话的各个层次上广泛存在各种各样的（）。

A:歧义性或多义性

B:一致性或多义性

C:一致性或统一性

D:复杂性或重复性

答案:歧义性或多义性

自然语言的形式（字符串）与其意义之间是多对多的关系，其实这也正是自然语言的（）所在。

A:矛盾

B:魅力

C:困难

D:缺点

答案:魅力

最早的自然语言理解方面的研究工作是（）。

A:语言分析

B:语音合成

C:机器翻译

D:语音识别

答案:机器翻译

在自然语言处理中，可以在一些不同（）上对语言进行分析。

A:结构层次

B:语言种类

C:语气语调

D:规模大小

答案:结构层次

早些时候，通过非统计学方法进行的机器翻译主要有3种方法，其中不包括（）。

A:直接翻译

B:中间语言法

C:转换法

D:自动翻译

答案:自动翻译

与通常涉及大量规则编码的早期语言处理方法不同，现代自然语言处理算法基于（）。

A:图像像素不足

B:识别结果不稳定

C:自适应性差

D:识别速度慢

答案:图像像素不足

语音处理是研究语音产生过程、语音信号的统计特性、（）、机器合成以及语音感知等各种处理技术的总称。

A:语音的自动识别

B:语音的自动降噪

C:语音的自动模拟

D:语音的自动检测

答案:语音的自动识别

第十二章测试

（）属于高级的求解系统与技术。

A:图像处理与语音识别

B:自动规划与专家系统

C:机器人与专家系统

D:图像处理与机器人

答案:自动规划与专家系统

通常认为规划是一种（）的活动。

A:与人类不太有关

B:人类偶尔为之

C:与人类密切相关

D:人类将要开展

答案:与人类密切相关

下面关于规划的说法中，不正确或者不合适的是（）。

A:在日常生活中，规划意味着在行动之前决定其进程

B:规划代表了一种非常特殊的智力指标，即为了实现目标而对活动进行调整的能力

C:规划指的是在执行一个问题求解程序中任何一步之前计算该程序后面几步的过程

D:规划是一项随机的活动

答案:规划是一项随机的活动

大多数规划都具有（）结构。

A:子规划

B:简单

C:复杂

D:单一

答案:子规划

规划有几个突出的特点，但下面（）不属于这几个特点之一。

A:构成规划的步骤可能会根据条件进行修改

B:为了完成任务，可能需要完成一系列确定的步骤

C:需要加强团队互动建设

D:定义问题解决方案的步骤顺序可能是有条件的

答案:需要加强团队互动建设

自动规划是一种重要的技术。与一般问题求解相比，自动规划更注重问题的（）。

A:分析过程

B:求解结果

C:分析结果

D:求解过程

答案:求解过程

自动规划要解决的问题往往是（）问题。

A:抽象世界

B:理论

C:数学模型

D:真实世界

答案:真实世界

在研究自动规划时，往往以（）与问题求解作为典型例子加以讨论，这是因为它们能够得到形象的和直觉的检验。

A:语音识别

B:机器人规划

C:数学模型

D:图像识别

答案:机器人规划

在魔方拼图和15拼图的示例中，可以找到人们很熟悉的规划应用，其中包括（）问题。

A:桥牌

B:调度

C:其他选项都对

D:国际象棋

答案:其他选项都对

“小明上班”示例规划中，小明离开家去工作的过程说明了（）之间的区别。

A:算法和程序

B:对象和类

C:其他选项都对

D:制定规划和执行规划过程

答案:制定规划和执行规划过程

第十三章测试

大部分人工智能系统是（）的程序，在前期实验性操作成功的基础上，无法按比例放大至可用规模。

A:独立和庞大

B:独立和细小

C:关联和具体

D:关联和庞大

答案:独立和庞大

在社会科学中，智能代理是一个（）的人或其他系统，根据感知世界得到的信息做出反应来影响这个世界。

A:感性且集中

B:立行且集中

C:理性且自主

D:感性且自主

答案:理性且自主

在社会科学中，智能代理有一个最典型的特征，即它们是社会（）的模型。

A:协同合作

B:集中控制

C:超链接

D:独立控制

答案:协同合作

在人工智能领域中，与包容体系结构类似，智能代理系统由（）的模块构成。

A:多个独立

B:单一复杂

C:单个独立

D:多个耦合

答案:多个独立

智能代理可以根据操作方式进行分类，其中不包括（）。

A:理论代理

B:反射代理

C:基于实用的代理

D:基于模型的反射代理

答案:理论代理

美国斯坦福大学的海耶斯•罗斯认为“智能代理持续地执行3项功能”，其中不包括（）。

A:进行推理以解释感知信息、求解问题、产生推理和决定动作

B:感知环境中的静态参数

C:感知环境中的动