生成式AI能力認證評測-AI基本概念作者: S學院 / 2024-12-23 生成式AI能力認證評測-基礎概念模擬測驗,採智能選題,無限次反覆練習。 1. AI的"強人工智慧"是指: 可以24小時運作的AI 運算能力很強的AI 具有自我意識的AI 具備專業領域能力的AI None 2. 電腦視覺技術主要應用於: 語音辨識 文字處理 圖像識別和分析 數據統計 None 3. 機器人學中的"三大法則"是由誰提出: 香農 圖靈 阿西莫夫 馮紐曼 None 4. AI的"黑箱問題"指的是: 資料遺失 程式錯誤 硬體故障 決策過程難以解釋 None 5. "遺傳演算法"的靈感來自: 化學反應 物理定律 數學公式 生物進化理論 None 6. "遷移學習"最適合的場景是: 硬體性能強 計算資源充足 問題複雜度低 目標數據量少 None 7. "對抗生成網路"(GAN)的創新之處在於: 優化存儲方式 提高運算效率 自我學習改進 簡化模型結構 None 8. "自注意力機制"最早應用於: GAN模型 Transformer模型 RNN模型 CNN模型 None 9. "零樣本學習"的優勢在於: 提高計算效率 識別未見過的類別 減少存儲空間 簡化模型結構 None 10. AI的"可擴展性"主要考慮: 程式複雜度 數據品質 系統規模適應性 硬體成本 None 11. "知識蒸餾"(Knowledge Distillation)技術的核心是: 結構簡化 資料壓縮 模型知識遷移 參數優化 None 12. "對比學習"(Contrastive Learning)的核心思想是: 提高模型容量 降低訓練難度 學習數據表徵差異 優化計算效率 None 13. "神經編碼器"(Neural Codec)的創新應用在於: 優化存儲空間 提升運算速度 端到端媒體壓縮 改善傳輸效率 None 14. "神經符號推理"(Neural-Symbolic Reasoning)的核心優勢是: 提高計算效率 結合符號推理與深度學習 簡化模型結構 降低記憶體使用 None 15. "神經貝氏網路"(Neural Bayesian Networks)的特點是: 減少參數數量 整合概率推理與深度學習 提高計算效率 簡化網路結構 None 16. "元模型"(Meta-Models)在機器學習中的作用是: 提高預測準確率 優化模型結構 降低計算複雜度 預測模型性能 None 17. "模型壓縮"(Model Compression)中的"量化感知訓練"指: 在訓練中考慮量化誤差 降低模型大小 提高運算速度 優化參數存儲 None 18. "神經架構搜索"中的"可微分架構搜索"創新在於: 簡化搜索空間 提高搜索效率 降低搜索成本 將離散搜索轉為連續優化 None 19. "元強化學習"中的"策略適應"指的是: 快速調整策略參數 降低訓練成本 優化模型結構 提高獎勵收益 None 20. "可逆殘差網路"(Invertible ResNet)的主要優勢是: 保證特徵信息完整性 降低記憶體使用 提高訓練速度 簡化網路結構 None 如有問題可留言,謝謝您的寶貴意見! 暱稱 電郵(提交獲得正確答案,可換題測驗完整題庫,新增題庫電郵通知) Time's up