1.人工智能(ArtificialIntelligence),英文缩写为Al。(√)
2.人工智能是计算机科学的一个分支。(√)
3.人工智能不是人的智能，但能像人那样思考，也可能超过人的智能。(√)
4.人脸识别不是人工智能。(×)
5.图灵的猜想在2000年时就已经实现了!(×)
6.计算机科学家艾兹赫尔·戴克斯特拉认为机器人可以思考，相当于“潜水艇能不能游泳”
一样，但这个回答争议很大。(√)
7.图灵是德国著名的计算机科学家。(×)
8.与其说计算机在思考，不如说它在计算。(√)
9.当你交给计算机一个任务的时候，不但要告诉它做什么,还要告诉它怎么做。关于“怎
么做”的一系列指令就叫做算法。(√)
10.为了完成更加复杂的任务，工程师必须让计算机变得再聪明一些，能够自动“学习”,从已有的历史数据和经验中自动分析，总结出规律，并利用自己总结出来的规律，对新输
入的数据进行预测，这就是机器学习算法。(√)
11.有些规律虽然你自己能够领悟，但你却无法翻译成机器能理解的算法，这个时候就要靠
机器学习来解决。(√)
12.自动驾驶只是一种简单的模拟人类驾驶的技术，不属于人工智能。(×)
13.机器也能“思考”,只不过不是我们所设想的那种思考。机器可以通过计算机程序模拟
人类的思考，使得自己在某些具体的任务中，像人类一样能看、能听、能想、能说、能动。
(√)
14.1950年，图灵发表了一篇论文，叫做《计算机器与智能》,提出了图灵测试。15.特斯拉的电动汽车的自动驾驶技术，采用的并不是人工智智能技术。(×)
16.为了让机器能够通过某种计算机程序学会“思考”,人类科学家尝试了各种各样的方法，
付出了几代人的努力，熬过了两次低谷，经历了三次高潮。(√)
17.1956年，艾伦艾伦·纽厄尔和赫伯特·西蒙研发了一个程序，拥有逻辑推理能力，能
够证明《数学原理》中的38个定理，有些证明比原著更加巧妙。(√)
18.早期的机器就拥有了逻辑推理能力，已经能够实现人工智能了。(×)
19.80年代初，哈佛大学为谷歌公司设计了一个专家系统，能够自动为购买电脑软件的用户匹配对应的芯片、驱动、数据线、接口，不但比销售人员的效率高，每年还能为谷歌公
司节省几千万美元。(×)
20.专家系统虽然很有用，但它的应用领域过于狭窄。专家系统中所需的知识需要预先输入，但是获得计算机能理解的知识哪有那么容易。而且专家系统的维护费用也比较高，人
工智能遭遇低谷。(√)
21.计算机主要干三件事，一是输入，二是运算，三是输出。(√)
22.运算能力的高低对人工智能影响很小。(×)
23.机器要学习，必须有大数据作为支撑。(√)
24.计算机程序要经过大量运算，才能对大数据进行消化，变成各种各样的模型，模拟人
类的智能。(√)
25.机器可以不要通过学习就可以模仿梵高的画风。(×)
26.不同算法的效率是一样的。(×)
27.语音识别、计算机视觉等领域的突破离不开深度学习算法。(√)
28.CPU模型训练运行速度不如GPU,是因为CPU单元不能同时运算，有的需要负责控
制，有的负责缓存。(√)
入计算机，通过机器学习算法，计算机就能够找到“大致判定上海一个房子的价格的规律”
30.计算机足智多谋，能像诸葛亮一样，把所有可能的情况提前预料到!(×)
31.让计算机把自己想象成一个小球，从图中峡谷的任意一个地
方开始往下滚。如果滚到一个地方滚不动了，那个地方就是海拔最低的地方。这种聪明的
算法叫做“梯度下降法”。(√)
32.不论输入什么,在计算机看来都是一堆数据。不论输出什么,在计算机看来也都是一
堆数据。(√)
33.研究人工智能的计算机程序，很多时候是在研究“聪明的算法”,能够适应各种各样的实际情况，让计算机程序通过运算，从输入的数据出发，正确而高效地得出应该输出的结
果。(√)
34.机器在通过计算机程序模拟人类的思考，使得自己在某些具体的任务中，像人类一样
能看、能听、能想、能说、能动。(√)
35.人工智能之所以能在近年来掀起新一轮高潮，主要是因为三大驱动要素：算法、大数
据、运算能力。(√)
36.计算机语言使用的是二进制，只有0和1两个符号。(√)
37.80年代的专家系统就好比一个有推理能力的知识库，能够模拟专家解决某个领域的复杂问题。SIRI就是一种专家系统。(√)