引导式测验 · 简单等级

什么是人工智能？测验

比较基于规则的人工智能和学习的人工智能，检查支持收件箱示例，并使用任务证据和人工审查来判断生成的输出。

路线规划者使用明确的规则搜索可能的旅程。这说明了人工智能的什么特点？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

路线规划者使用明确的规则搜索可能的旅程。这说明了人工智能的什么特点？
- 每个人工智能系统都必须从标记的示例中学习
- 人工智能方法可以使用规则并进行搜索，无需神经网络
- 路线规划界面证明了类人的理解能力
- 基于规则的搜索与训练分类器的过程相同
机器学习与人工智能的关系如何最好地描述？
- AI中的一个子领域，学习数据中的模式
- 运行AI系统的硬件组件
- 专家系统的另一个术语
- 仅用于文本的输出格式
配送服务根据路线和交通数据估算到达时间。用户应了解该输出的哪些信息？
- 它证明系统理解每一种交通情况
- 它是一个无法更改的精确时间表
- 它是基于输入的预测，而非保证
- 只有神经网络产生的才算AI
团队正在选择两种AI工具来处理模糊的支持任务。哪种比较符合指南？
- 比较界面风格并选择更具对话性的工具
- 仅评估熟悉的示例，因为它们最容易评分
- 在测试前先选择更大的模型
- 测试新的模糊请求，并权衡错误成本
照片整理器能很好地标记熟悉的图片。下一步检查应解决指南中描述的哪个限制？
- 尝试不熟悉或模糊的图片并审查重要错误
- 假设未来的每张图片都会被正确标记
- 将熟悉的示例视为证明它理解所有对象
- 移除人工审核，因为初始结果看起来令人信服
根据指南，为什么流利的聊天机器人文本仍可能错误？
- 它在生成文本前会将每个陈述与来源核对
- 它自信的风格表明信息已被验证
- 它可能生成听起来可信的文本，而不检查主张是否真实
- 它仅生成从单一固定百科全书复制的答案
写作助手根据提示生成新段落。哪种术语描述生成新内容的AI？
- 仅检索预写段落的系统
- 填充固定空白的基于规则模板
- 生成式 AI
- 在现有标签中选择的分类器
在发布包含姓名和日期的助手段落之前，作者仍承担哪些责任？
- 如果段落流畅可读，则信任它
- 检查姓名、日期和引用来源的准确性
- 让模型添加引用而不检查它们
- 仅审查段落的语气