人工智能与信息社会考试答案.pdf

【人工智能与信息社会考试知识点】 1. Cortana是由微软公司推出的个人语音助手，它整合于Windows操作系统和Microsoft Office等产品中，提供语音控制的个性化服务。 2. 2016年3月，人工智能程序AlphaGo在韩国首尔与世界围棋冠军李世石对战，以4:1的成绩获胜，这一事件标志着人工智能在复杂策略游戏中取得重大突破。 3. 强化学习的核心是探索与开发，其中探索是指尝试未知的动作以了解其可能的效果，从而更新Q值并优化策略。 4. 图中的剪枝过程被称为Alpha剪枝，这是在Minimax算法中用来降低搜索空间的一种策略，通过预先判断某些子树无法导致最优解而进行剪枝。 5. MNIST是一个手写数字识别的数据集，包括训练集和测试集，常用于评估机器学习模型的性能。训练集不包含类似考试试卷的结构，而是手写数字的图像。 6. 在Minimax算法决策树中，估值为7的节点被称为MAX节点，因为它代表了最大化期望结果的决策点。 7. ImageNet是一个大规模的图像识别数据集，包含超过1400万张图片，用于训练和测试深度学习模型。 8. 人工智能时代，人机交互方式逐渐从传统的鼠标、键盘、触屏转向语音和视觉的结合，如语音助手和人脸识别技术。 9. ε-greedy策略中，ε的值越大，随机选择动作的概率越高，遵循当前最佳Q函数值的动作概率越低。 10. 强化学习的回报值具有滞后性，即奖励或惩罚往往在动作执行后一段时间才会出现。 11. iPhone X的原深感摄像头通过三维识别解决了平面照片解锁的问题，提高了面部解锁的安全性。 12. 色彩的三原色模型是红、绿、蓝，这三种颜色可以混合出大部分可见光谱的颜色。 13. 第一个专家系统在化学领域发挥作用，用于模拟人类专家的决策过程。 14. 自动驾驶中，AI通过强化学习不断调整策略，根据路面信息做出驾驶决策。 15. 学习率α在强化学习中决定了新尝试结果的权重，α越大，新尝试的影响越大，旧结果的权重越小。 16. 图灵被誉为计算机科学与人工智能之父，他对计算理论和人工智能的发展做出了开创性贡献。 17. 在Minimax算法决策树中，根节点的估值是19，表示在当前状态下最优的期望结果。 18. 二分查找是一种高效的搜索算法，每次比较都能将搜索范围减半。 19. 图像融合是指将高空间分辨率和高光谱分辨率的图像结合，形成更高分辨率的图像。 20. 前馈型神经网络各层间无环，信息单向传递；反馈型神经网络各层间有环，允许信息循环流动。 21. Alpha剪枝是Minimax算法中用于减少搜索空间的一种方法。 22. 谷歌翻译在新闻报道的翻译质量和准确率上达到人工翻译水平，展示了自然语言处理的进步。 23. Mo Go是第一个使用蒙特卡洛树搜索的围棋程序，能在9x9棋盘上战胜职业选手。 24. 人工智能一词由约翰·麦卡锡首次提出，他也是Lisp编程语言的创造者。 25. 强化学习涉及与环境交互并通过反馈进行学习，常见于机器人控制和游戏策略等领域。 26. 围棋AI如GNU Go和DeepZen Go是基于Minimax算法的，但AlphaGo则使用了更先进的AlphaBeta剪枝和深度学习技术。 27. Dendral是第一个成功的专家系统，应用于化学领域。 28. 在人工智能中，图像、语音和手势识别属于感知智能层次，而问题求解、创作、推理预测属于认知智能层次。