人工智能与信息社会考试重点解析

"人工智能与信息社会考试答案.pdf"是一份关于人工智能与信息社会课程的考试答案，涵盖了多项选择题，涉及人工智能领域的多个知识点，包括个人语音助手、围棋比赛中的AI胜利、强化学习概念、搜索算法的剪枝技术、数据集的使用、决策树的理解、图像识别数据集的规模、人机交互方式、强化学习策略以及回报值的特性等。 1. Cortana是由微软公司推出的个人语音助手，与苹果的Siri、亚马逊的Alexa和阿里巴巴的天猫精灵等竞争。 2. 2016年3月，谷歌DeepMind公司的AlphaGo在韩国首尔击败了人类围棋冠军李世石，这是人工智能在棋类游戏中的重大突破。 3. 强化学习中，探索（Exploration）是为了发现未知的动作可能带来的效果，以便更新Q值并优化策略。 4. 图中的剪枝过程被称作Alpha剪枝，这是在搜索算法中减少计算量的一种方法。 5. MNIST数据集是手写数字识别的经典数据集，包含训练集和测试集，通常用于机器学习和深度学习的初步实验，测试集包含约10000个样本和标签。 6. 在minimax算法决策树中，估值为7的结点被称为MAX结点，因为它代表了最大可能的期望结果。 7. ImageNet数据集是一个大型图像识别数据集，包含超过1400万张图片，广泛用于深度学习模型的训练和验证。 8. AI时代的主流人机交互方式是语音结合视觉，例如智能助手和智能家居设备。 9. ε-greedy策略中，ε的值越大，采取随机动作的概率越大，而采取Q函数值最大动作的概率越小。 10. 强化学习的回报值具有滞后性，即它是在动作执行后的一段时间内才能得到的反馈，这与监督学习中的即时反馈不同。 11. 相较于其他早期的面部识别技术，深度学习在人脸识别上有着显著的提升，利用神经网络可以学习更复杂的特征，提高识别的准确性和鲁棒性。 这些题目和答案展示了人工智能领域的一些基础概念和技术，包括自然语言处理、机器学习、强化学习、图像识别以及人机交互等方面的知识。