资源简介

第八单元 “人工智能中的算法”
一、选择题（每题3分，共30分）
1. 决策树算法的核心功能是（ ）
A. 图像识别 B. 分类与决策 C. 语音转换 D. 数据压缩
2. 下列属于生成式人工智能的是（ ）
A. 人脸识别系统 B. 自动翻译软件
C. AI绘画工具 D. 体温监测仪
3.决策树算法在人工智能应用中，主要用于（ ）。
A. 图像识别
B. 分类和预测
C. 语音合成
D. 数据加密
4.以下关于生成式人工智能的说法，错误的是（ ）。
A. 可以根据输入的文本生成新的文本内容
B. 只能生成图像，不能生成音频
C. 能够在艺术创作领域发挥作用，如绘画、音乐创作
D. 背后依靠复杂的算法和大量数据训练
5. 下列不属于AI算法应用场景的是（ ）
A. 自动驾驶的路径规划 B. 手机输入法联想词推荐
C. 计算器的加减运算 D. 电商平台的商品推荐
6. 生成式AI的主要特点是（ ）
A. 只能复制已有内容 B. 基于规则生成结果
C. 创造全新内容 D. 输出结果固定唯一
7. 决策树的基本结构不包括（ ）
A. 根节点 B. 分支节点 C. 叶节点 D. 循环节点
8.下列关于决策树算法在人工智能应用场景中的描述，正确的是（ ）
A. 决策树算法只能用于处理数值型数据
B. 在医疗诊断中，可利用决策树算法根据患者症状判断疾病类型
C. 决策树算法构建模型时不需要对数据进行预处理
D. 决策树算法在金融领域毫无用处
9. 下列算法中，属于人工智能核心算法的是（ ）
冒泡排序 B. 决策树 C. 二分查找 D. 插入排序
10. AI绘画工具生成图像的过程主要依赖（ ）
A. 随机像素组合 B. 生成式算法学习训练数据
C. 人工手动绘制 D. 固定图像模板替换
二、填空题（每题4分，共20分）
1. 决策树算法通过对__________（如“是否发烧”“体温高低”）的逐步判断，实现分类功能。
2. 生成式人工智能需要基于__________（如海量图片、文本）进行学习训练。
3. 算法是解决问题的__________步骤。
4. 神经网络算法中，多个“神经元”通过__________连接形成网络结构。
5. 人工智能算法的核心目标是让计算机模拟__________的思考过程。
三、简答题（每题10分，共20分）
1. 举例说明决策树算法在生活中的应用（如疾病诊断、垃圾分类），并简述其工作原理。
2. 生成式AI（如AI写小说、AI作曲）的优势是什么？请从“效率”和“创新性”两方面分析。
四、操作题（10分）
设计一个算法，帮助妈妈安排周末打扫房间的步骤，要求先整理物品，再扫地，最后拖地。请用自然语言写出算法步骤。
参考答案：
一、选择题
1. B：决策树通过条件判断分支实现分类（如判断“是否发烧→体温是否超过38℃”来分类疾病）。
2. C：AI绘画工具能生成全新图像，属于生成式AI；人脸识别、翻译属于模式识别或规则应用。
3.B
解析：决策树算法是一种常见的机器学习算法，通过对样本数据的学习构建树状结构模型，主要用于对数据进行分类和预测，比如判断邮件是否为垃圾邮件等场景 。A选项图像识别主要涉及卷积神经网络等技术；C选项语音合成多采用文本 - 语音转换（TTS）相关技术；D选项数据加密有对称加密、非对称加密等多种加密算法，和决策树算法并无关联。
4.B
解析：生成式人工智能是一类能够根据已有的数据模式生成新数据的人工智能技术。它不仅可以根据输入文本生成新文本（A选项正确） ，还能生成图像、音频、视频等多种形式内容（B选项错误）。在艺术创作领域，已经有很多生成式AI工具用于绘画创作、音乐创作等（C选项正确） 。并且生成式AI通常是依靠如深度学习等复杂算法，并经过大量数据训练来实现功能的（D选项正确）。
5. C：计算器运算属于基础算术，非AI算法应用。
6. C：生成式AI能基于数据学习创造新内容（如AI写诗），非复制或固定输出。
7. D：决策树由根节点、分支节点、叶节点组成，无“循环节点”。
8. B
解析
- A选项：决策树算法不仅能处理数值型数据，也能处理类别型数据，比如判断客户性别（类别型数据）等场景也可应用，所以A选项错误。
- B选项：在医疗诊断中，可将患者的各种症状（如体温、咳嗽情况、化验指标等）作为特征，利用决策树算法对这些特征进行分析，从而判断疾病类型，B选项正确。
- C选项：决策树算法构建模型前，通常需要对数据进行预处理，包括数据清洗（去除噪声、缺失值处理等）、数据编码（将类别型数据转换为合适格式）等操作，以提高模型的准确性和可靠性，C选项错误。
- D选项：在金融领域，决策树算法可用于信用风险评估、客户分类等方面，并非毫无用处 ，D选项错误。
9. B：决策树是AI分类算法，其他选项为传统数据结构算法。
10. B：AI绘画通过学习大量图像数据的规律生成新内容，非随机或模板替换。
二、填空题
1. 特征（或属性）：如“症状”“颜色”等用于判断的条件。
2. 大数据（或训练数据）：生成式AI需学习海量数据的模式（如图像、文本）。
3. 有序
4. 权重：神经元间的连接强度用“权重”表示，影响信息传递。
5. 人类智能：AI算法模仿人类的逻辑、学习、决策过程。
三、简答题
1. 示例：医院分诊系统用决策树判断患者病情。
原理：以“是否发烧→体温是否＞39℃→是否咳嗽”为分支条件。若“发烧且体温＞39℃且咳嗽”，则归类为“高热需优先就诊”；若“不发烧但咳嗽”，则归类为“普通呼吸道问题”。通过逐层特征判断，将患者分到不同类别。
2. 优势：
- 效率：AI可在几秒内生成多篇小说或多首曲子，远超人类创作速度，适合批量产出初稿。
- 创新性：AI能融合不同风格（如将古典音乐与电子元素结合），突破人类思维定式，生成冷门或跨界的创意内容。
四、操作题
1. 第一步：整理物品
- 将房间里散落的书籍、玩具、衣物等物品分类归置，放回书架、抽屉或衣柜。
- 清理桌面、窗台等平面上的杂物，保持台面整洁。
2. 第二步：扫地
- 用扫帚从房间角落开始，按从里到外、从左到右的顺序清扫地面。
- 重点清扫家具下方、地毯边缘等容易积灰的位置，将垃圾扫成一堆。
3. 第三步：拖地
- 用拖把蘸水拧干（不滴水为宜），从房间内侧开始，按顺序拖地，避免重复踩踏已拖区域。
- 拖完后用清水清洗拖把，晾干备用，最后将垃圾倒入垃圾桶。
解析：
答案通过“整理物品→扫地→拖地”的固定顺序，体现算法的“有序性”和“步骤化”特征，同时结合生活场景让学生理解算法在实际中的应用逻辑。学生需明确每个步骤的具体动作和先后顺序，避免逻辑混乱（如先拖地再扫地会导致二次污染），从而考查对算法核心概念的掌握。

展开更多......

收起↑