【系统架构设计师-案例题（5）】人工智能 · 参考答案与解析（按分类）

文章目录目录一、机器学习基本概念单选 · 迁移学习单选 · 强化学习的核心特点二、人工智能分类弱人工智能与强人工智能单选 · 主要区别三、人工智能关键技术单选 · 说法错误项选非单选 · 哪项不是人工智能关键技术选非【扩展】人工智能关键技术速览备考表四、监督学习、半监督学习与自监督学习【考生回忆版】单选 · 正确说法【扩展】学习范式要点备考五、AI 芯片单选 · 三种技术架构单选 · AI 芯片的四种关键特征单选 ·「技术架构」一词下单选 ASIC六、行业应用与 RAG单选 · 医疗行业 · 计算机视觉「不包括」选非【扩展】关键技术 × 医疗行业应用备考表单选 · 电商平台 · 知识图谱主要应用【扩展】关键技术 × 电商行业应用备考表单选 · RAG 的主要作用答案速查表目录一、机器学习基本概念迁移学习强化学习与深度学习、演化学习等辨析二、人工智能分类弱人工智能与强人工智能三、人工智能关键技术概念辨析 · 选非哪项不是关键技术 · 选非四、监督学习、半监督学习与自监督学习考生回忆版五、AI 芯片三种技术架构 GPU/FPGA/ASIC四种关键特征ASIC 场景题六、行业应用与 RAG医疗/电商场景表计算机视觉 · 选非知识图谱RAG一、机器学习基本概念单选 · 迁移学习题干机器学习Machine Learning, ML是人工智能的核心研究领域之一。 是指当在某些领域无法取得足够多的数据进行模型训练时利用另一领域数据获得的关系进行学习。选项A. 强化学习B. 深度学习C. 迁移学习D. 演化学习知识点人工智能答案C迁移学习解析本题考查人工智能机器学习技术相关概念。A 强化学习学习从环境状态到行为的映射使智能体所选动作能获得环境最大奖励目标是优化环境对学习系统的评价。B 深度学习以多层神经网络为基础、海量数据为输入规则的一类自学习方法依赖大量实际行为数据训练集调整参数与规则。C 迁移学习在某领域难以取得足够训练数据时利用另一领域数据得到的关联进行学习。题干描述即此。D 演化学习基于演化算法提供的优化工具设计机器学习算法用于分类、聚类、规则发现、特征选择等复杂优化通常维护解集、用启发式算子由旧解生成新解并迭代择优如粒子群、多目标演化算法等。本题描述的是迁移学习选C。单选 · 强化学习的核心特点题干强化学习的核心特点是 。选项A. 依赖标注数据集进行训练B. 通过试错机制优化行为策略C. 不需要提供标注的样本集D. 适用于无监督模式识别任务知识点人工智能答案B解析强化学习的核心特点是通过试错机制优化行为策略。智能体在与环境交互中依据当前状态采取行动环境给予奖励或惩罚目标是通过不断试错学到最优策略使长期累积奖励最大。A 偏监督学习C、D 不准确概括强化学习核心。二、人工智能分类弱人工智能与强人工智能单选 · 主要区别题干在人工智能的分类中弱人工智能和强人工智能的主要区别是 。选项A. 弱人工智能仅能处理图像识别强人工智能能进行情感交互B. 弱人工智能依赖GPU加速强人工智能使用类脑芯片C. 弱人工智能无法实现推理而强人工智能能真正解决问题D. 弱人工智能仅适用于医疗领域强人工智能用于军事知识点人工智能答案C解析人工智能按能否真正完成推理、思维与问题求解等可分为弱人工智能与强人工智能。弱人工智能不能真正达成推理与问题求解虽在专项任务上表现「聪明」但无真正自主意识当前系统多为面向具体任务的「专用智能」不同于人类可适应复杂新环境的通用智能主流研究集中在弱人工智能在语音、图像、机器翻译等方向进展显著。强人工智能能真正思考被认为具有知觉与自我意识可分为类人推理与非类人推理等亦称通用人工智能AGI等实现难度极大业界普遍认为短期内难以突破。题干「无法实现推理 vs 能真正解决问题」与上述区分一致选C。三、人工智能关键技术单选 · 说法错误项选非题干随着新技术新业态的不断涌现人工智能凝聚全球智慧、助力全球经济复苏的力量更加凸显人工智能在我们的生活中无处不在。以下关于人工智能关键技术说法错误的是 。选项A. 自然语言处理涉及的领域主要包括机器翻译利用计算机实现从一种自然语言到另外一种自然语言的翻译、语义理解利用计算机理解文本篇章内容并回答相关问题和问答系统让计算机像人类一样用自然语言与人交流等。B. 计算机视觉是使用计算机模仿人类视觉系统的科学让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力将图像分析任务分解为便于管理的小块任务。C. 知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络提供了从「关系」的角度去分析问题的能力。D. 人机交互主要研究人和计算机之间的信息交换结合相关科学技术在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境。知识点人工智能答案D解析A、B、C 表述均符合常见教材口径。D 错误「结合相关科学技术在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境」描述的是虚拟现实VR或增强现实AR等而人机交互HCI关注的是人与计算机之间的信息交换含人到机、机到人并非等同于构造沉浸式仿真环境。故本题选D。单选 · 哪项不是人工智能关键技术选非题干人工智能的目标是了解智能的实质并生产出一种新的能以人类智能相似的方式做出反应的智能机器。下面不是人工智能关键技术的是 。选项A. 机器学习B. 计算机视觉C. 区块链技术D. 自然语言处理知识点人工智能答案C区块链技术解析人工智能关键技术通常包括自然语言处理NLP、计算机视觉、知识图谱、人机交互HCI、虚拟现实/增强现实VR/AR、机器学习等。区块链属于分布式账本与信任机制等另一技术体系不是题干语境下的「人工智能关键技术」。故选C。【扩展】人工智能关键技术速览备考表人工智能关键技术自然语言处理、计算机视觉、知识图谱、人机交互、虚拟现实/增强现实、机器学习。关键技术描述要点自然语言处理 NLP人与计算机之间用自然语言有效通信的理论和方法如机器翻译、语义理解、问答系统。计算机视觉模仿人类视觉系统对图像/图像序列提取、处理、理解、分析任务可分解为子任务应用于自动驾驶、机器人、智能医疗等深度学习趋势下预处理、特征与算法趋于端到端。知识图谱结构化语义知识库节点与边的图结构符号化描述概念及关系多源信息连成关系网络从「关系」角度分析问题用于反欺诈、搜索、可视化、营销等。人机交互 HCI研究人与计算机的信息交换人到机、机到人与认知心理、人机工程、多媒体、虚拟现实等交叉含键盘鼠标等传统设备及语音、情感、体感、脑机等交互。虚拟现实/增强现实 VR/AR以计算机为核心的新型视听技术在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境用户与环境中对象交互获得近似真实体验显示、跟踪、触力觉、专用芯片等。机器学习 ML涉及统计、神经网络、优化、计算机科学、脑科学等的交叉学科以数据为基础、从样本寻规律并对未来数据预测用于数据挖掘、计算机视觉、自然语言处理、生物特征识别等。四、监督学习、半监督学习与自监督学习【考生回忆版】单选 · 正确说法题干【考生回忆版】人工智能大模型通常需要在大量数据上进行训练以下关于监督学习、半监督学习和自监督学习说法正确的是 。选项A. 半监督学习结合少量标注数据和大量未标注数据B. 监督学习对于未知类别的数据可以进行有效预测C. 监督学习不依赖任何标签值通过对数据内在特征的挖掘找到样本间的关系D. 自监督学习完全依赖于已标注数据知识点人工智能答案A解析A 正确半监督学习介于监督与无监督之间利用少量标注样本与大量未标注样本训练以降低标注成本并提升学习能力。B 错误监督学习依赖已知类别标签对未知类别的泛化需额外假设或开放集等设定不能笼统说「对未知类别可有效预测」。C 错误「不依赖标签、挖掘内在结构」更接近无监督/自监督的表述不是监督学习的定义。D 错误自监督学习通常从数据本身构造辅助任务/伪标签并非「完全依赖人工已标注数据」。易错项C把无监督特点套到监督学习上。【扩展】学习范式要点备考按常见划分机器学习可涉及监督学习需要标注、无监督学习无标注、发掘结构讨论中常与自监督并列或归入广义无监督脉络、半监督学习少量标注大量无标注、强化学习环境反馈与奖励等。监督学习用有限标注训练集、通过策略建立模型对新样本做分类或回归标注质量与代表性影响模型效果常用于 NLP、检索、分类等。无监督学习无标注条件下刻画数据内隐结构与模式常用于聚类、降维、异常检测等。半监督学习降低标注成本算法常先利用无标注数据建模再辅助有标注预测如图推断、拉普拉斯 SVM 等思路。具体算法名以官方教材为准与题库解析对齐即可。五、AI 芯片单选 · 三种技术架构题干AI芯片是当前人工智能技术发展的核心技术其能力要支持训练和推理通常AI芯片的技术架构包括 等三种。选项A. GPU、FPGA、ASICB. CPU、FPGA、DSPC. GPU、CPU、ASICD. GPU、FPGA、SOC知识点人工智能答案A解析与下题「三类路线」叙述一致GPU通用、高效支撑 AI 应用相对 FPGA/ASIC价耗偏高、FPGA硬件层可编程半定制相对 GPU功耗更低、ASIC专用集成、面向特定 AI 加速能效比高为当前常见形态之一。易错项DSOC 非本题标准「三种」组合。单选 · AI 芯片的四种关键特征题干人工智能技术已成为当前国际科技竞争的核心技术之一AI芯片是占据人工智能市场的法宝。AI 芯片有别于通常处理器芯片它应具备四种关键特征。 是AI芯片的关键特点。选项A. 新型的计算范式、信号处理能力、低精度设计、专用开发工具B. 新型的计算范式、训练和推断、大数据处理能力、可重构的能力C. 训练和推断、大数据处理能力、可定制性、专用开发工具D. 训练和推断、低精度设计、新型的计算范式、图像处理能力知识点人工智能答案B解析题库归纳的 AI 芯片特征新计算范式下包括但不限于新型的计算范式仍以传统计算为基础但有新特点常处理非结构化数据视频、图像等大量计算以线性代数为主、控制流相对简单、参数量大。训练和推断训练从数据学习能力推断将能力用于新数据完成分类、识别等。大数据处理能力AI 发展依赖海量数据满足高性能机器学习数据需求是芯片设计重点。数据精度低精度设计趋势尤其推断侧有利于加速并与类脑计算等契合与「四类关键特征」并列为扩展知识点。可重构的能力面向领域而非单一应用设计可通过重构适配新算法、结构与任务。开发工具类似 CPU 需编译器AI 芯片需工具链将机器学习任务与网络映射为硬件可高效执行的指令。题干要求四项且与选项完全对应时仅B四项均为标准表述组合。干扰项名词非本题正确组合信号处理能力——将信号变换为便于分析的形式可定制性——按用户需求设计制造图像处理能力——用计算机分析图像得到期望结果。单选 ·「技术架构」一词下单选 ASIC题干AI芯片是当前人工智能技术发展的核心技术其能力要支持训练和推理下面属于AI芯片的技术架构的是 。选项A. CPU B. MPU C. ASIC D. DSP知识点人工智能答案CASIC解析本题空格考查「三类中的哪一种属于AI 芯片典型技术架构」——与GPU、FPGA并列的第三类即ASIC专用集成电路。CPU、MPU、DSP 为通用/信号处理等语境下的处理器非该题所指「AI 芯片三大架构」答案。可与上一题A 选项GPU、FPGA、ASIC对照记忆。六、行业应用与 RAG单选 · 医疗行业 · 计算机视觉「不包括」选非题干在医疗行业中计算机视觉技术的主要应用场景不包括 。选项A. MRI分析B. 手术辅助C. 疾病-药物关系网络构建D. 患者监控知识点人工智能答案C解析计算机视觉在医疗中常用于CT/MRI 等影像分析、手术辅助、患者监控等。疾病–药物–基因关系网络属于知识图谱等结构化语义与关系推理范畴不是计算机视觉的主要应用。易错项D。【扩展】关键技术 × 医疗行业应用备考表关键技术应用场景自然语言处理 NLP医疗问答、智能导诊、病历分析计算机视觉CT/MRI 影像分析、手术辅助、患者监控知识图谱疾病–基因–药物关系网络构建人机交互 HCI智能诊断界面、患者自助系统虚拟现实/增强现实 VR/AR手术模拟、康复训练机器学习 ML慢性病风险预测、药物分子筛选单选 · 电商平台 · 知识图谱主要应用题干在电商平台开发中知识图谱的主要应用场景是 。选项A. 商品图像识别B. 商品属性关系推理C. 智能搜索界面D. 动态定价策略知识点人工智能答案B解析电商场景下知识图谱常用于商品属性关系推理如搭配推荐、属性关联。商品图像识别属计算机视觉智能搜索界面多属HCI动态定价常属机器学习。易错项C。【扩展】关键技术 × 电商行业应用备考表关键技术应用场景自然语言处理 NLP智能客服、评论情感分析计算机视觉商品图像识别、物流监控知识图谱商品属性关系推理如搭配推荐人机交互 HCI智能搜索界面、语音购物助手虚拟现实/增强现实 VR/AR虚拟商店、AR 商品展示、虚拟试穿机器学习 ML销量预测、动态定价单选 · RAG 的主要作用题干在人工智能应用领域RAG的主要作用是 。选项A. 通过多模态处理解决跨场景推理问题B. 结合检索与生成以解决知识更新和领域特定问答C. 使用预训练模型进行二次训练以适应新场景D. 通过人机交互实现自动化任务决策知识点人工智能答案B解析RAGRetrieval-Augmented Generation检索增强生成结合检索与生成用于知识更新、领域特定问答如 RAGFlow 等实践。常见用途构建本地知识库优先依据检索到的知识再生成回答减轻幻觉、提高事实性。易错项A。答案速查表题目简述答案跨领域数据关系学习数据不足时C 迁移学习强化学习核心特点B 试错优化行为策略弱人工智能与强人工智能主要区别C 能否真正推理/解决问题人工智能关键技术 · 错误说法D 人机交互项混淆 VR/AR哪项不是人工智能关键技术C 区块链技术【回忆】半监督/监督/自监督 · 正确项A 半监督少量标注 大量未标注AI 芯片三种技术架构A GPU、FPGA、ASICAI 芯片四种关键特征选项组合B 新范式训练推断大数据可重构属于 AI 芯片技术架构ASIC 单选C ASIC医疗 · 计算机视觉应用「不包括」C 疾病-药物关系网络电商 · 知识图谱主要应用B 商品属性关系推理RAG 主要作用B 检索生成知识更新与领域问答