【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 · 迁移学习)
  - [单选 · 强化学习的核心特点](#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](#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 · 说法错误项（选非）)
  - [单选 · 哪项不是人工智能关键技术（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](#【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](#五、AI 芯片)
- - [单选 · 三种技术架构](#单选 · 三种技术架构)
  - [单选 · AI 芯片的四种关键特征](#单选 · AI 芯片的四种关键特征)
  - [单选 ·「技术架构」一词下单选 ASIC](#单选 ·「技术架构」一词下单选 ASIC)
- [六、行业应用与 RAG](#六、行业应用与 RAG)
- - [单选 · 医疗行业 · 计算机视觉「不包括」（选非）](#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）](#【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](#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）](#【扩展】关键技术 × 电商行业应用（备考表）)
  - [单选 · RAG 的主要作用](#单选 · RAG 的主要作用)
- 答案速查表

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、ASIC

B. CPU、FPGA、DSP

C. GPU、CPU、ASIC

D. 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 D（SOC 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：C（ASIC）

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：
RAG （Retrieval-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、ASIC
AI 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