人工智能例题大纲及人工智能伦理学慕课题库

1.用谓词逻辑知识表示方法表示如下知识：(1)有人喜欢梅花，有人喜欢菊花，有人既喜欢梅花又喜欢菊花。(2)不是每个计算机系的学生都喜欢在计算机上编程序。解：(1)定义谓词P(x)：x是人L(x,y)：x喜欢y其中，y的个体域是{梅花，菊花}。将知识用谓词表示为：(∃x)(P(x)→L(x,梅花)∨L(x,菊花)∨L(x,梅花)∧L(x,菊花))解：(2)定义谓词S(x)：x是计算机系学生L(x,pragramming)：x喜欢编程序U(x,computer)：x使用计算机将知识用谓词表示为：¬(∀x)(S(x)→L(x,pragramming)∧U(x,computer))2.请用语义网络表示如下知识：高老师从3月到7月给计算机系的学生讲“计算机网络”课。解：3.判断以下子句集是否为不可满足{P(x)∨Q(x)∨R(x),﹁P(y)∨R(y),﹁Q(a),﹁R(b)}解：采用归结反演，存在如下归结树，故该子句集为不可满足。4、证明G是F的逻辑结论F:(∃x)(∃y)(P(f(x))∧(Q(f(y)))G:P(f(a))∧P(y)∧Q(y)证：先转化成子句集对F，进行存在固化，有P(f(v))∧(Q(f(w)))得以下两个子句P(f(v))，Q(f(w))对﹁G，有﹁P(f(a))∨﹁P(y)∨﹁Q(y)先进行内部合一，设合一{f(a)/y}，则有因子﹁P(f(a))∨﹁Q(f(a))再对上述子句集进行归结演绎推理。其归结树如下图所示，即存在一个到空子句的归结过程。因此G为真。5设有如下结构的移动将牌游戏：其中，B表示黑色将牌，W表是白色将牌，E表示空格。游戏的规定走法是：(1)任意一个将牌可移入相邻的空格，规定其代价为1；(2)任何一个将牌可相隔1个其它的将牌跳入空格，其代价为跳过将牌的数目加1。游戏要达到的目标什是把所有W都移到B的左边。对这个问题，请定义一个启发函数h(n)，并给出用这个启发函数产生的搜索树。你能否判别这个启发函数是否满足下界要求？在求出的搜索树中，对所有节点是否满足单调限制？解：设h(x)=每个W左边的B的个数，f(x)=d(x)+3*h(x)，其搜索树如下：6设有如下一组推理规则:r1:IFE1THENE2(0.6)r2:IFE2ANDE3THENE4(0.7)r3:IFE4THENH(0.8)r4:IFE5THENH(0.9)且已知CF(E1)=0.5,CF(E3)=0.6,CF(E5)=0.7。求CF(H)=?解：(1)先由r1求CF(E2)CF(E2)=0.6×max{0,CF(E1)}=0.6×max{0,0.5}=0.3(2)再由r2求CF(E4)CF(E4)=0.7×max{0,min{CF(E2),CF(E3)}}=0.7×max{0,min{0.3,0.6}}=0.21(3)再由r3求CF1(H)CF1(H)=0.8×max{0,CF(E4)}=0.8×max{0,0.21)}=0.168(4)再由r4求CF2(H)CF2(H)=0.9×max{0,CF(E5)}=0.9×max{0,0.7)}=0.63(5)最后对CF1(H)和CF2(H)进行合成，求出CF(H)CF(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)=0.6927设训练例子集如下表所示：请用ID3算法完成其学习过程。解：设根节点为S，尽管它包含了所有的训练例子，但却没有包含任何分类信息，因此具有最大的信息熵。即：H(S)=-(P(+)log2P(+)-P(-)log2P(-))式中P(+)=3/6，P(-)=3/6即有H(S)=-((3/6)*log(3/6)-(3/6)*log(3/6))=-0.5*(-1)-0.5*(-1)=1按照ID3算法，需要选择一个能使S的期望熵为最小的一个属性对根节点进行扩展，因此我们需要先计算S关于每个属性的条件熵：H(S|xi)=(|ST|/|S|)*H(ST)+(|SF|/|S|)*H(SF)其中，T和F为属性xi的属性值，ST和SF分别为xi=T或xi=F时的例子集，|S|、|ST|和|SF|分别为例子集S、ST和SF的大小。下面先计算S关于属性x1的条件熵：在本题中，当x1=T时，有：ST={1，2，3}当x1=F时，有：SF={4，5，6}其中，ST和SF中的数字均为例子集S中例子的序号，且有|S|=6，|ST|=|SF|=3。由ST可知：P(+)=2/3，P(-)=1/3则有：H(ST)=-(P(+)log2P(+)-P(-)log2P(-))=-((2/3)log2(2/3)-(1/3)log2(1/3))==0.9183再由SF可知：PSF(+)=1/3，PSF(-)=2/3则有：H(SF)=-(PSF(+)log2PST(+)-PSF(-)log2PSF(-))=-((2/3)log2(2/3)-(1/3)log2(1/3))=0.9183将H(ST)和H(SF)代入条件熵公式，有：H(S|x1)=(|ST|/|S|)H(ST)+(|SF|/|S|)H(SF)=(3/6)﹡0.9183+(3/6)﹡0.9183=0.9183下面再计算S关于属性x2的条件熵：在本题中，当x2=T时，有：ST={1，2，5，6}当x2=F时，有：SF={3，4}其中，ST和SF中的数字均为例子集S中的各个例子的序号，且有|S|=6，|ST|=4，|SF|=2。由ST可知：PST(+)=2/4PST(-)=2/4则有：H(ST)=-(PST(+)log2PST(+)-PST(-)log2PST(-))=-((2/4)log2(2/4)-(2/4)log2(2/4))=1再由SF可知：PSF(+)=1/2PSF(-)=1/2则有：H(SF)=-(P(+)log2P(+)-P(-)log2P(-))=-((1/2)log2(1/2)-(1/2)log2(1/2))=1将H(ST)和H(SF)代入条件熵公式，有：H(S|x2)=(|ST|/|S|)H(ST)+(|SF|/|S|)H(SF)=(4/6)﹡1+(2/6)﹡1=1可见，应该选择属性x1对根节点进行扩展。用x1对S扩展后所得到的部分决策树如下图所示。8八数码难题f(n)=d(n)+P(n)d(n)深度P(n)与目标距离显然满足P(n)≤h*(n)即f*=g*+h*9修道士和野人问题解：用m表示左岸的修道士人数，c表示左岸的野人数，b表示左岸的船数，用三元组(m,c,b)表示问题的状态。对A*算法，首先需要确定估价函数。设g(n)=d(n)，h(n)=m+c-2b，则有f(n)=g(n)+h(n)=d(n)+m+c-2b其中，d(n)为节点的深度。通过分析可知h(n)≤h*(n)，满足A*算法的限制条件。M-C问题的搜索过程如下图所示。10设有如下一组知识：r1：IFE1THENH(0.9)r2：IFE2THENH(0.6)r3：IFE3THENH(-0.5)r4：IFE4AND(E5ORE6)THENE1(0.8)已知：CF(E2)=0.8，CF(E3)=0.6，CF(E4)=0.5，CF(E5)=0.6,CF(E6)=0.8求：CF(H)=?解：由r4得到：CF(E1)=0.8×max{0,CF(E4AND(E5ORE6))}=0.8×max{0,min{CF(E4),CF(E5ORE6)}}=0.8×max{0,min{CF(E4),max{CF(E5),CF(E6)}}}=0.8×max{0,min{CF(E4),max{0.6,0.8}}}=0.8×max{0,min{0.5,0.8}}=0.8×max{0,0.5}=0.4由r1得到：CF1(H)=CF(H,E1)×max{0,CF(E1)}=0.9×max{0,0.4}=0.36由r2得到：CF2(H)=CF(H,E2)×max{0,CF(E2)}=0.6×max{0,0.8}=0.48由r3得到：CF3(H)=CF(H,E3)×max{0,CF(E3)}=-0.5×max{0,0.6}=-0.3根据结论不精确性的合成算法，CF1(H)和CF2(H)同号，有：CF12(H)和CF3(H)异号，有：即综合可信度为CF(H)=0.5311设有如下知识：

r1：IFE1（0.6）ANDE2（0.4）THENE5（0.8）r2：IFE3（0.5）ANDE4（0.3）ANDE5（0.2）THENH（0.9）

已知：CF（E1）=0.9，CF（E2）=0.8，CF（E3）=0.7，CF（E4）=0.6

求：CF（H）=?解：CF(E1ANDE2)=0.9*0.6+0.8*0.4=0.86CF(E5)=0.86*0.8=0.69CF(E3ANDE4ANDE5)=0.7*0.5+0.6*0.3+0.69*0.2=0.67CF(H)=0.67*0.9=0.6012设有如下规则：r1:IFE1ANDE2THENA={a1,a2}CF={0.3,0.5}r2:IFE3THENH={h1,h2}CF={0.4,0.2}r3:IFATHENH={h1,h2}CF={0.1,0.5}已知用户对初始证据给出的确定性为：CER(E1)=0.8CER(E2)=0.6CER(E3)=0.9并假Ω定中的元素个数∣Ω∣=10求：CER(H)=?解：由给定知识形成的推理网络如下图所示：(1)求CER(A)由r1:CER(E1ANDE2)=min{CER(E1),CER(E2)}=min{0.8,0.6}=0.6m({a1},{a2})={0.6×0.3,0.6×0.5}={0.18,0.3}Bel(A)=m({a1})+m({a2})=0.18+0.3=0.48

Pl(A)=1-Bel(﹁A)=1-0=1f(A)=Bel(A)+|A|/|Ω|•[Pl(A)-Bel(A)]=0.48+2/10*[1-0.48]=0.584故CER(A)=MD(A/E')×f(A)=0.584(2)求CER(H)由r2得m1({h1},{h2})={CER(E3)×0.4,CER(E3)×0.2}={0.9×0.4,0.9×0.2}={0.36,0.18}m1(Ω)=1-[m1({h1})+m1({h2})]=1-[0.36+0.18]=0.46由r3得m2({h1},{h2})={CER(A)×0.1,CER(A)×0.5}={0.58×0.1,0.58×0.5}={0.06,0.29}m2(Ω)=1-[m2({h1})+m2({h2})]=1-[0.06+0.29]=0.65求正交和m=m1⊕m2K=m1(Ω)×m2(Ω)+m1({h1})×m2({h1})+m1({h1})×m2(Ω)+m1(Ω)×m2({h1})+m1({h2})×m2({h2})+m1({h2})×m2(Ω)+m1(Ω)×m2({h2})=0.46×0.65+0.36×0.06+0.36×0.65+0.46×0.06+0.18×0.29+0.18×0.65+0.46×0.29=0.30+(0.02+0.23+0.03)+(0.05+0.12+0.13)=0.88同理可得：故有：m(Ω)=1-[m({h1})+m({h2})]=1-[0.32+0.34]=0.34再根据m可得Bel(H)=m({h1})+m({h2})=0.32+0.34=0.66Pl(H)=m(Ω)+Bel(H)=0.34+0.66=1CER(H)=MD(H/E')×f(H)=0.7313用ID3算法完成下述学生选课的例子假设将决策y分为以下3类：y1：必修AIy2：选修AIy3：不修AI做出这些决策的依据有以下3个属性：x1：学历层次x1=1研究生，x1=2本科x2：专业类别x2=1电信类，x2=2机电类x3：学习基础x3=1修过AI，x3=2未修AI表6.1给出了一个关于选课决策的训练例子集S。该训练例子集S的大小为8。ID3算法就是依据这些训练例子，以S为根节点，按照信息熵下降最大的原则来构造决策树的。解：首先对根节点，其信息熵为：其中，３为可选的决策方案数，且有P(y1)=1/8，P(y2)=2/8，P(y3)=5/8即有：H(S)=-(1/8)log2(1/8)-(2/8)log2(2/8)-(5/8)log2(5/8)=1.2988按照ID3算法，需要选择一个能使S的期望熵为最小的一个属性对根节点进行扩展，因此我们需要先计算S关于每个属性的条件熵：其中，t为属性xi的属性值，St为xi=t时的例子集，|S|和|St|分别是例子集S和St的大小。下面先计算S关于属性x1的条件熵：在表6-1中，x1的属性值可以为1或2。当x1=1时，t=1时，有：S1={1，2，3，4}当x1=2时，t=2时，有：S2={5，6，7，8}其中，S1和S2中的数字均为例子集S中的各个例子的序号，且有|S|=8，|S1|=|S2|=4。由S1可知：Ps1(y1)=1/4,Ps1(y2)=1/4,Ps1(y3)=2/4则有：H(S1)=-Ps1(y1)log2Ps1(y1)-Ps1(y2)log2Ps1(y2)-Ps1(y3)log2Ps1(y3)=-(1/4)log2(1/4)-(1/4)log2(1/4)-(2/4)log2(2/4)=1.5再由S2可知：Ps2(y1)=0/4,Ps2(y2)=1/4,Ps2(y3)=3/4则有：H(S2)=–Ps2(y2)log2Ps2(y2)-Ps2(y3)log2Ps2(y3)=-(1/4)log2(1/4)-(3/4)log2(3/4)=0.8113将H(S1)和H(S2)代入条件熵公式，有：H(S/x1)=(|S1|/|S|)H(S1)+(|S2|/|S|)H(S2)=(4/8)﹡1.5+(4/8)﹡0.8113=1.1557同样道理，可以求得：H(S/x2)=1.1557H(S/x3)=0.75可见，应该选择属性x3对根节点进行扩展。用x3对S扩展后所得到的得到部分决策树如图6.5所示。SSx3=1,y3x3=2,x1,x2图6.5部分决策树x3=1x3=2在该树中，节点“x3=1,y3”为决策方案y3。由于y3已是具体的决策方案，故该节点的信息熵为0，已经为叶节点。节点“x3=2,x1,x2？”的含义是需要进一步考虑学历和专业这两个属性，它是一个中间节点，还需要继续扩展。至于其扩展方法与上面的过程类似。通过计算可知，该节点对属性x1和x2，其条件熵均为1。由于它对属性x1和x2的条件熵相同，因此可以先选择x1，也可以先选择x2。依此进行下去，若先选择x1可得到如图6.6所示的最终的决策树；若先选择x2可得到如图7.7所示的最终的决策树。14（归结反演）已知：“张和李是同班同学，如果x和y是同班同学，则x的教室也是y的教室，现在张在302教室上课。”问：“现在李在哪个教室上课？”解：首先定义谓词：C(x,y)x和y是同班同学；At(x,u)x在u教室上课。把已知前提用谓词公式表示如下：C(zhang,li)(∀x)(∀y)(∀u)(C(x,y)∧At(x,u)→At(y,u))At(zhang,302)把目标的否定用谓词公式表示如下：﹁(∃v)At(li,v)把上述公式化为子句集：C(zhang,li)﹁C(x,y)∨﹁At(x,u)∨At(y,u)At(zhang,302)把目标的否定化成子句式，并用重言式﹁At(li,v)∨At(li,v)代替之。把此重言式加入前提子句集中，得到一个新的子句集，对这个新的子句集，应用归结原理求出其证明树。其求解过程如下图所示。该证明树的根子句就是所求的答案，即“李明在302教室”。公式：A估价函数用来估计节点重要性，定义为从初始节点S0出发，约束经过节点n到达目标节点Sg的所有路径中最小路径代价的估计值。一般形式：f(n)=g(n)+h(n)其中，g(n)是从初始节点S0到节点n的实际代价；h(n)是从节点n到目标节点Sg的最优路径的估计代价。BA*算法是对A算法的估价函数f(n)=g(n)+h(n)加上某些限制后得到的一种启发式搜索算法假设f*(n)是从初始节点S0出发，约束经过节点n到达目标节点Sg的最小代价，估价函数f(n)是对f*(n)的估计值。记f*(n)=g*(n)+h*(n)其中，g*(n)是从S0出发到达n的最小代价,h*(n)是n到Sg的最小代价如果对A算法（全局择优）中的g(n)和h(n)分别提出如下限制：第一，g(n)是对最小代价g*(n)的估计，且g(n)>0；第二，h(n)是最小代价h*(n)的下界，即对任意节点n均有h(n)≤h*(n)。则称满足上述两条限制的A算法为A*算法。C不确定性知识的表示形式：在C-F模型中，知识是用产生式规则表示的，其一般形式为：IFETHENH(CF(H,E))其中，E是知识的前提条件；H是知识的结论；CF(H,E)是知识的可信度。D组合证据合取：E=E1ANDE2AND…En时，若已知CF(E1)，CF(E2)，…，则CF(E)=min{CF(E1),CF(E2),…,CF(En)}析取：E=E1ORE2OR…En时，若已知CF(E1)，CF(E2)，…，则CF(E)=max{CF(E1),CF(E2),…,CF(En)}E不确定性的更新公式CF(H)=CF(H,E)×max{0,CF(E)}若CF(E)<0，则CF(H)=0即该模型没考虑E为假对H的影响。若CF(E)=1，则CF(H)=CF(H,E)F设有知识：IFE1THENH(CF(H,E1))IFE2THENH(CF(H,E2))则结论H的综合可信度可分以下两步计算：(1)分别对每条知识求出其CF(H)。即CF1(H)=CF(H,E1)×max{0,CF(E1)}CF2(H)=CF(H,E2)×max{0,CF(E2)}(2)用如下公式求E1与E2对H的综合可信度G带加权因子的可信度推理在这种不确定性推理中，证据的不确定性仍然用可信度因子表示，组合证据的可信度可通过计算得到。对于前提条件

E=E1(ω1)ANDE2(ω2)AND……ANDEn(ωn)所对应的组合证据，其可信度由下式计算：

CF(E)=CF(E1)*ω1+CF(E2)*ω2+……+CF(En)*ωn如果不满足归一条件，则可信度由下式计算：CF(E)=(CF(E1)*ω1+CF(E2)*ω2+……+CF(En)*ωn)/(ω1+ω2+…ωn)H证据理论设函数m：2Ω→[0，1]，且满足则称m是2Ω上的概率分配函数，m(A)称为A的基本概率数。I概率分配函数的合成设m1和m2是2Ω上的基本概率分配函数，它们的正交和定义为其中J信任函数（下限函数）对任何命题AΩ,其信任函数为K似然函数（上限函数）对任何命题AΩ,其似然函数为似然函数也称为上限函数，表示对A的非假信任度。可以看出，对任何命题AΩ、AΩ都有Pl(A)-Bel(A)=Pl(B)-Bel(B)=m(Ω)L类概率函数设Ω为有限域，对任何命题AΩ，命题A的类概率函数为M证据的匹配度表示设A是规则条件部分的命题，E'是外部输入的证据和已证实的命题，在证据E'的条件下，命题A与证据E'的匹配程度为N证据的确定性表示条件部分命题A的确定性为CER(A)=MD(A/E')×f(A)其中f(A)为类概率函数。由于f(A)∈[0,1]，因此CER(A)∈[0,1]O组合证据的不确定性表示当组合证据是多个证据的合取时E=E1ANDE2AND…ANDEn则CER(E)=min{CER(E1),CER(E2),…,CER(En)}当组合证据是多个证据的析取时E=E1ORE2OR…OREn则CER(E)=max{CER(E1),CER(E2),….CER(En)P结论的确定性设有知识IFETHENH={h1,h2,…,hn}CF={c1,c2,…,cn}则求结论H的确定性CER(H)的方法如下：如果有两条或多条知识支持同一结论H，例：IFE1THENH={h1,h2,…,hn}CF={c11,c12,…,c1n}IFE2THENH={h1,h2,…,hn}CF={c21,c22,…,c2n}则按正交和求CER(H)，即先求出：m1=m1({h1},{h2},…,{hn})m2=m2({h1},{h2},…,{hn})然后再用公式求m1和m2的正交和，最后求得H的m。按公式CER(H)=MD(H/E')×f(H)计算结论H确定性。Q信息熵信息熵是对信息源整体不确定性的度量。假设X为信源，xi为X所发出的单个信息，P(xi)为X发出xi的概率，则信息熵可定义为：R条件熵条件熵是收信者在收到信息后对信息源不确定性的度量。若假设信源为X，收信者收到的信息为Y，P(xi/yj)为当Y为yj时X为xi的条件概率，则条件熵可定义为：人工智能伦理学慕课题库1.1人工智能的历史1.

[多选题]

对人工智能常见的误解有哪些?(

)

A.人工智能就是机器学习

B.机器学习只是人工智能中的一个方向

C.人工智能最近十年受到深度学习的驱动较多

D.人工智能就是深度学习

我的答案：AD

2.

[判断题]

哲学思维对于人工智能的重要性表现在,哲学所强调的批判性思维有助于认清人工智能发展中的问题。(

)

我的答案

：对

3.

[判断题]

深度学习在人工智能领域的表现并不突出。(

)

我的答案

：错1.2符号人工智能1.

[单选题]

人工智能作为一门学科的建立时间是(

)。

A.1956年

B.1930年

C.1960年

D.1952年

我的答案：A

2.

[单选题]

人工智能与计算机学科的关系是(

)。

A.计算机学科的主要驱动力是人工智能研究

B.计算机是人工智能研究的一个领域

C.人工智能是计算机学科的一个分支

D.人工智能与计算机学科没有联系

我的答案：C

3.

[单选题]

计算机之父是(

)。

A.约翰·麦卡锡

B.艾伦·图灵

C.赫尔伯·西蒙

D.马文·明斯基

我的答案：B

4.

[判断题]

符号AI是将人的思维通过逻辑语言制成流形图让计算机去执行。(

)

我的答案

：对

5.

[判断题]

通用问题求解器需要寻找全局最优解。(

)

我的答案

：错1.3人工神经网络1.

[单选题]

(

)是现在新出现的人工智能的研究方向。

A.深度学习

B.人工神经元网络

C.贝叶斯网络

D.类脑人工智能

我的答案：D

2.

[单选题]

深度学习中的“深度”是指(

)。

A.计算机理解的深度

B.中间神经元网络的层次很多

C.计算机的求解更加精准

D.计算机对问题的处理更加灵活

我的答案：B

3.

[多选题]

人工神经元网络与深度学习的关系是(

)。

A.人工神经元网络是深度学习的前身

B.深度学习是人工神经元网络的一个分支

C.深度学习是人工神经元网络的一个发展

D.深度学习与人工神经元网络无关

我的答案：AC

4.

[判断题]

符号AI不是人工智能的正统。(

)

我的答案

：错

5.

[判断题]

相比于人工神经元网络和深度学习,类脑人工智能对人类大脑的神经回路具有更深入的了解。(

)

我的答案

：对1.4框架问题1.

[单选题]

深度学习的实质是(

)。

A.推理机制

B.映射机制

C.识别机制

D.模拟机制

我的答案：B

2.

[判断题]

计算机具有触类旁通的能力,可以根据具体语境对事件进行分类。(

)

我的答案

：错

3.

[判断题]

人工神经元网络会遭遇“框架问题”。(

)

我的答案

：错

4.

[判断题]

推理的本质是在信息不足的情况下能够最大程度的得到最靠谱的结论。(

)

我的答案

：对1.

[单选题]

深度学习的实质是(

)。

A.推理机制

B.映射机制

C.识别机制

D.模拟机制

我的答案：B

2.

[判断题]

计算机具有触类旁通的能力,可以根据具体语境对事件进行分类。(

)

我的答案

：错

3.

[判断题]

人工神经元网络会遭遇“框架问题”。(

)

我的答案

：错

4.

[判断题]

推理的本质是在信息不足的情况下能够最大程度的得到最靠谱的结论。(

)

我的答案

：对1.5顺便聊聊五代计算机泡沫1.

[单选题]

日本五代计算机泡沫关注的核心问题是(

)。

A.人工神经元网络

B.符号AI

C.贝叶斯网络

D.自然语言处理

我的答案：D

2.

[判断题]

制造人工智能的规划、计划和方案本身应该能根据情况的变化进行自我调整。(

)

我的答案

：对2.1专用人工智能与通用人工智能1.

[多选题]

目前对人工智能的发展所持有的观点有(

)。

A.乌托邦论

B.模块论

C.末世论

D.泡沫论

我的答案：ACD

2.

[判断题]

现在的人工智能系统都是专用人工智能而非通用人工智能。(

)

我的答案

：对2.2深度学习能够升级为通用人工智能系统吗？1.

[单选题]

一个真正的通用人工智能系统应具备处理(

)问题的能力。

A.全局性

B.局部性

C.专业性

D.统一性

我的答案：A

2.

[单选题]

目前的人工智能研发的动力主要来源于(

)。

A.科学

B.商业

C.学术

D.军事

我的答案：B

3.

[判断题]

现有的人工神经元网络或深度学习无法处理全局性问题。(

)

我的答案

：对

4.

[判断题]

人工神经元网络只需要很少的数据便可掌握处理特定问题的能力。(

)

我的答案

：错2.3向自然智能学习（上）1.

[单选题]

能够推进人工智能智能的研究最好方法是(

)。

A.继续完善深度学习

B.提升计算机处理数据的能力

C.研究人类自己的智能

D.研发通用人工智能

我的答案：C

2.

[多选题]

下列哪些选项属于通用智力因素?(

)

A.短期记忆

B.流体智力

C.晶体智力

D.反应速度

我的答案：ABCD

3.

[判断题]

类脑人工智能是指模拟人类大脑的人工智能。(

)

我的答案

：错

4.

[判断题]

人类自己的智能体现了通用性。(

)

我的答案

：对2.4向自然智能学习（下）1.

[多选题]

以下哪些选项属于自然智能?(

)

A.植物

B.动物

C.细菌

D.机器

我的答案：ABC

2.

[多选题]

智能的特点是(

)。

A.能对环境进行灵活的应对

B.能够不断创新

C.具有十分牢固的记忆力

D.经济高效

我的答案：AC

3.

[判断题]

智能与神经元网络的存在具有必然关系。(

)

我的答案

：错

4.

[判断题]

类脑人工智能及人工神经元网络只是智能展现的一种形式。(

)

我的答案

：对2.5再论“强人工智能”与“超级人工智能”1.

[单选题]

提出强人工智能与弱人工智能的人是(

)。

A.约翰·塞尔

B.彼得卡鲁瑟斯

C.杰瑞·佛多

D.埃隆·马斯克

我的答案：A

2.

[判断题]

通用人工智能就是强人工智能。(

)

我的答案

：错3.1大数据的优点1.

[单选题]

深度学习的数据材料来源于(

)。

A.人工搜集

B.已有数据库

C.抽样调查

D.互联网

我的答案：D

2.

[判断题]

统计学研究首先要确立样本空间,进行合理抽样,然后估测出相关的情况。(

)

我的答案

：对

3.

[判断题]

当前的主流人工智能是通向真正的通用人工智能的康庄大道。(

)

我的答案

：错3.2大数据的缺点1.

[单选题]

大数据所搜集到的用户群体都是(

)。

A.具有线上行为的用户

B.具有线下行为的用户

C.参与调研的用户

D.不参与调研的用户

我的答案：A

2.

[单选题]

人类心智比较容易适应(

)环境。

A.大数据

B.小数据

C.多数据

D.单一数据

我的答案：B

3.

[多选题]

技术问题背后还有着(

)问题

A.如何取样

B.社会的公平正义

C.社会的价值导向

D.健康的网上习惯

我的答案：BC

4.

[判断题]

由于大数据只能体现出数量而不能进行质量上的判断,所以在采样并不完整的情况下给出的结论未必准确。(

)

我的答案

：对3.3节俭性理性1.

[单选题]

“节俭性理性”是(

)提出的。

A.赫伯特·西蒙

B.吉仁泽

C.司马贺

D.拉普拉斯

我的答案：B

2.

[单选题]

利用自己的认知本能来进行判断的思维算法是（

）。

A.科学法

B.逻辑法

C.捷思法

D.大数据

我的答案：C

3.

[判断题]

面临信息过载的情况,最好的判断方法是通过本能运用原始算法。(

)

我的答案

：对

4.

[判断题]

赫伯特·西蒙提出了有限理性理论。(

)

我的答案

：对

5.

[判断题]

大量信息的提供,尤其是彼此矛盾的信息的提供并不会导致我们的思维过载。(

)

我的答案

：错3.4对绿色人工智能的展望单选题]

过度开采社会人文资源,是指在大数据的环境下对(

)的侵犯。

A.个人隐私

B.大众心理

C.个人的行为规范

D.大众消费习惯

我的答案：A

2.

[判断题]

大数据无法维持人类社会的隐私和公开之间的张力平衡。(

)

我的答案

：对

3.

[判断题]

深度学习就是一种绿色人工智能。(

)

我的答案

：错4.1自然语言处理理论概论1.

[单选题]

在人工智能的所有子课题中,所牵涉范围最广的是(

)

A.机器视觉

B.非确定条件下的推理

C.机器听觉

D.自然语言处理

我的答案：D

2.

[多选题]

真正的通用人工智能系统具有把握(

)的能力。

A.专业性

B.跨领域

C.局部性

D.全局性

我的答案：BD

3.

[判断题]

语言是检测人工智能是否真正厉害的试金石。(

)

我的答案

：对

4.

[判断题]

机器语言的特点是有丰富的修辞手段。(

)

我的答案

：错4.2行为主义的自然语言处理路径1.

[单选题]

聊天机器人ELIZA的运作,很大程度上采用了将计就计的策略,它本身并没有一个完整的(

)。

A.神经元

B.符号建模

C.语义建模

D.数据库

我的答案：C

2.

[多选题]

下列属于行为主义心理学家的是(

)。

A.约翰·华生

B.博尔赫斯·斯金纳

C.巴普洛夫

D.冯特

我的答案：AB

3.

[判断题]

图灵测验本身具有浓重的行为主义色彩。(

)

我的答案

：对

4.

[判断题]

聊天机器人某种程度上具备人类的心智。(

)

我的答案

：错4.3外在主义的语意建模1.

[单选题]

SHRDLU系统实际上是一个(

)。

A.积木系统

B.语义模型

C.人工装置

D.人工神经元网络

我的答案：A

2.

[单选题]

SHRDLU系统是由(

)发明的。

A.杰瑞·佛多

B.约翰·塞尔

C.赫伯特·西蒙

D.特里·威诺格拉格

我的答案：D

3.

[判断题]

SHRDLU系统预设了在哲学上语词和外部对象具有对应关系。(

)

我的答案

：对

4.

[判断题]

外在主义的语义模型在哲学上的意思是每个语词的真正含义都要通过与其对应的外在对象来加以编码。(

)

我的答案

：对4.4基于理想语设想的语意建模1.

[单选题]

语言不仅仅是句法问题,更是(

)。

A.语义

B.结构

C.音韵

D.逻辑

我的答案：

2.

[单选题]

实际的翻译中有时要破坏句子原有的句法结构,根据(

)重新组织句子。

A.音韵

B.意义

C.逻辑

D.效果

我的答案：B

3.

[多选题]

乔姆斯基认为人类的语法都有哪两个层面?(

)

A.语义层面

B.深层语法

C.句法层面

D.浅层语法

我的答案：BD

4.

[判断题]

0-3岁的小孩通过贫乏的语言样本就能够进行有效的语言学习,说明了基于大数据的心智模型是有问题的。(

)

我的答案

：对4.5统计学进路的语意处理方式1.

[单选题]

可以用来界定因果关系的是(

)。

A.贝叶斯公式

B.先验概率

C.后验概率

D.归纳逻辑

我的答案：C

2.

[单选题]

把归纳逻辑抬到比较高的位置的哲学家是(

)。

A.海德格尔

B.大卫·休谟

C.康德

D.莱布尼茨

我的答案：B

3.

[判断题]

贝叶斯公式适合于人工智能的自然语言处理。(

)

我的答案

：错

4.

[判断题]

先验概率是指根据以往经验和分析得到的概率。(

)

我的答案

：对

5.

[判断题]

休谟认为在因果推理中只有或然性。(

)

我的答案

：对4.6混合式进路1.

[单选题]

下列属于基于统计的自然语言处理进路的是(

)。

A.基于中间语的翻译

B.基于浅层语法的翻译

C.基于贝叶斯公式

D.基于深层语法的翻译

我的答案：C

2.

[单选题]

基于规则与统计的混合进路的日然语言处理进路背后的哲学根据是(

)的哲学。

A.莱布尼茨

B.海德格尔

C.大卫·休谟

D.康德

我的答案：D

3.

[多选题]

康德认为知识的来源有哪两部分?(

)

A.心之自发性

B.先天范畴

C.感官的杂多性

D.感性材料

我的答案：AC

4.

[判断题]

混合式自然语言处理进路的问题在于如何将基于规则的自然语言处理与基于规则的语言处理很好地融合在一起。(

)

我的答案

：对4.7基于实际语例的进路1.

[单选题]

影响基于中间语的机器翻译思路的哲学家是(

)。

A.康德

B.大卫·休谟

C.长尾真

D.莱布尼茨

我的答案：D

2.

[单选题]

影响基于统计学自然语言处理的哲学家是(

)。

A.康德

B.大卫·休谟

C.长尾真

D.莱布尼茨

我的答案：B

3.

[判断题]

基于实例的自然语言处理在语言翻译上具有灵活性。(

)

我的答案

：错

4.

[判断题]

基于实例的自然语言处理需要事先对语用材料的规则性有所把握。(

)

我的答案

：对

5.

[判断题]

基于实例的自然语言处理的问题是它会由两种语言之间的对应关系所决定,而有时两种语言之间的对应关系比较难以把捉。(

)

我的答案

：对5.1再谈强人工智能与弱人工智能1.

[单选题]

专用与通用人工智能讨论的是智能的(

)问题。

A.分层

B.深度

C.宽窄

D.语言处理

我的答案：C

2.

[单选题]

弱人工智能是指仅仅模拟人类大脑的(

);强人工智能是指其本身就是一个(

)。

A.心智;智能

B.运作;大脑

C.智能;程序

D.智能;心智

我的答案：D

3.

[判断题]

强人工智能与弱人工智能就等于专业人工智能与通用人工智能。(

)

我的答案

：错

4.

[判断题]

现有的深度学习进路的人工智能并不能达到通用人工智能。(

)

我的答案

：对5.2塞尔论证的前身1.

[单选题]

(

)的思想激发了基于中间语的机器翻译思路。

A.笛卡尔

B.塞尔

C.莱布尼茨

D.康德

我的答案：C

2.

[单选题]

磨坊论证出自(

)。

A.《纯粹理性批判》

B.《单子论》

C.《人类理智新论》

D.《神正论》

我的答案：B

3.

[判断题]

灵活理解语句的能力是人类智能的标准。(

)

我的答案

：对

4.

[判断题]

多重可实现主义是指用什么东西来执行计算机的抽象程序来说是不重要的,可以通过很多途径来执行计算机程序。(

)

我的答案

：对5.3塞尔的反证法1.

[单选题]

汉字屋论证是(

)提出的。

A.埃隆·马斯克

B.杰瑞·福多

C.约翰·塞尔

D.彼得卡鲁瑟斯

我的答案：C

2.

[多选题]

塞尔区分了(

)和(

)。

A.强人工智能

B.弱人工智能

C.专用人工智能

D.通用人工智能

我的答案：AB

3.

[判断题]

任何一个精心编程的计算机,它本身的句法操作不足以支持起语义理解。(

)

我的答案

：对5.4重要的反驳1.

[单选题]

丹尼尔·丹尼特对塞尔“中文屋论证”的批评是(

)。

A.过于依赖感官

B.过于依赖知觉

C.过于依赖概念

D.过于依赖直觉

我的答案：D

2.

[单选题]

(

)无法得知,因为他人的行为和表现有伪装性。

A.“他心”

B.“他感”

C.“灵感”

D.“灵性”

我的答案：A

3.

[判断题]

塞尔认为一个人具有一门语言表达的外部行为就代表其真正懂得这门语言。(

)

我的答案

：错

4.

[判断题]

人类的感官处理也具有机械性。(

)

我的答案

：对6.1机器翻译进路产生的问题（上）1.

[多选题]

机器翻译的局限性在于(

)。

A.训练样本单一

B.只能处理简单句

C.基于已有的既成案例

D.错误较多

我的答案：BC

2.

[判断题]

人类译员一定会被机器所取代。(

)

我的答案

：错6.2机器翻译进路产生的问题（下）

我的1.

[判断题]

现有的机器翻译无法对人类语用环境的丰富性进行处理。(

)

我的答案

：对

2.

[判断题]

文化差异不一定会影响翻译结果。(

)

我的答案

：对答案

：对6.3认知语言学关于翻译的洞见1.

[单选题]

认知语言学关心的是我们在使用某个概念时,心中浮现出的(

)。

A.句法规则

B.字典上的定义

C.认知图式

D.具体语境

我的答案：C

2.

[多选题]

认知语言学更多地是考虑(

)。

A.句法

B.音韵

C.语义

D.语用

我的答案：CD

3.

[判断题]

翻译不一定发生在不同语言的人之间。(

)

我的答案

：对

4.

[判断题]

翻译机器在进行翻译时会考虑到用户的文化背景。(

)

我的答案

：错6.4认知语言学技术刻画的“不可计算性”1.

[单选题]

框架与框架之间的粘接剂叫做(

)。

A.框间网络

B.框架结构

C.框架链接

D.框间关系

我的答案：D

2.

[判断题]

框架之间的相互关系构成了人类语言的基本推理系统。(

)

我的答案

：对

3.

[判断题]

框架需要使用整个框架网络,但有时也可单独使用。(

)

我的答案

：错7.1隐藏在计算机工业中的“中立”面相之后的英语霸权1.

[单选题]

计算机的编程语言是以(

)语为模仿对象的。

A.西

B.法

C.日

D.英

我的答案：D

2.

[多选题]

人工智能主要依赖的学科有(

)。

A.逻辑学

B.数学

C.统计学

D.信息与计算科学

我的答案：AC

3.

[判断题]

计算机自身的编程母语是多语种的。(

)

我的答案

：错

4.

[判断题]

人工智能不会受到“母语意识”的影响。(

)

我的答案

：错7.2被西语思维扭曲的汉语量词现象1.

[单选题]

第一个注意到东方语言中量词问题的语言哲学家是(

)。

A.图灵

B.麦克德莫特

C.蒯因

D.罗素

我的答案：C

2.

[多选题]

英语重视哪两个问题的区分?(

)

A.谓语与非谓语

B.可数名词与不可数名词

C.冠词与数词

D.单复数

我的答案：BD

3.

[判断题]

通过海量的数据输入及学习人工智能在量词的指派方面会达到相对准确的程度。(

)

我的答案

：错

4.

[判断题]

基于统计学的和数据训练的人工智能系统是无法对语词背后的含义进行深入的理解的。(

)

我的答案

：对7.3一种基于汉语演化史与认知语言学的复合式解释1.

[单选题]

量词在汉语中的演化史,以(

)时代作为一个重要的转折点。

A.西周

B.先秦

C.两汉

D.宋代

我的答案：C

2.

[多选题]

汉语的演化史表明,量词的真实功用可能与(

)没有任何关系。

A.隐喻机制

B.个体化机制

C.单复数区分

D.补足音素

我的答案：BC

3.

[判断题]

通用量词的出现提升了古汉语的韵律上的齐一性。(

)

我的答案

：对

4.

[判断题]

按照认知语言学的看法,我们对整个世界当中的事物的描述都是一种隐喻投射机制。(

)

我的答案

：对7.4以人工智能为武器来反抗地球的扁平化1.

[判断题]

站在整个全球人类语言演化的大方向上来看,量词现象是具有地方性的。(

)

我的答案

：错8.1从“中文屋”到“日语屋”1.

[单选题]

“中文屋”是(

)提出的思想实验。

A.艾伦·图灵

B.马文·明斯基

C.乔姆斯基

D.约翰·塞尔

我的答案：D

2.

[判断题]

汉语在塞尔的论证中所扮演的角色是非常“功能性”的,即塞尔只是借用“汉语”指涉任何他不懂的语言。(

)

我的答案

：对8.2日语言说者对于具身性的敏感1.

[单选题]

金谷武洋认为日本人是(

)看待世界的。

A.上帝的视角

B.他者的视角

C.虫子的视角

D.对象的视角

我的答案：C

2.

[多选题]

日语是(

)的混合体。

A.平假名

B.汉字

C.片假名

D.假名

我的答案：BC

3.

[判断题]

塞尔的规则书很大程度上是指语言符号的输入和语言符号的输出之间的关系。(

)

我的答案

：对

4.

[判断题]

对语言的把握和体会很大程度上是一个语言符号的问题,并不依赖于对语境的观察。(

)

我的答案

：错8.3“日语屋”给塞尔造成的麻烦1.

[单选题]

提出“包容构架”理论的是(

)。

A.罗德尼·布鲁克斯

B.约翰·塞尔

C.马文·明斯基

D.艾伦·图灵

我的答案：A

2.

[单选题]

日语具有强烈的(

)。

A.第三人称性

B.第二人称性

C.客体性

D.第一人称性

我的答案：D

3.

[判断题]

深度学习能够很好地处理语境性的信息。(

)

我的答案

：错

4.

[判断题]

深度学习无法从客观数据达到主观体验。(

)

我的答案

：对8.4主流人工智能的自然语言处理技术为何处理不了具身性？1.

[单选题]

现有的主流人工智能对自然语言的处理是基于(

)视角的。

A.第二人称

B.第三人称

C.第一人称

D.对象

我的答案：B

2.

[多选题]

下列哪些哲学家是从人类真实接受到的现象学体验出发来理解人类生活的方方面面?(

)

A.胡塞尔

B.萨特

C.海德格尔

D.梅洛·庞蒂

我的答案：ACD

3.

[判断题]

计算机永远无法处理日语所具有的暧昧性。(

)

我的答案

：错

4.

[判断题]

认知语言学是对我们进行语言处理的认知图式进行精确的把握。(

)

我的答案

：对9.1机器人伦理学概述1.

[单选题]

阿西