下列关于 “边缘 AI” 的描述，错误的是
题目：下列关于 “边缘 AI” 的描述，错误的是（）
A. 指在数据产生的边缘设备（如工业相机、智能家居设备）上部署 AI 模型
B. 优势是低延迟、高隐私（数据无需上传云端）
C. 对模型的算力需求高，需使用高性能 GPU
D. 典型应用包括工业现场的实时缺陷检测、自动驾驶的环境感知
答案：C
解析：边缘设备（如嵌入式芯片、工业传感器）算力有限，边缘 AI 需部署经过压缩的轻量化模型，而非依赖高性能 GPU（云端 AI 常用）；A、B、D 均是边缘 AI 的正确特征，C 错误。
题目：下列属于人工智能发展史上的关键技术突破有（）
A. 1956 年达特茅斯会议，正式提出 “人工智能” 概念
B. 1980 年代专家系统在医疗、工业领域的规模化应用
C. 2012 年 AlexNet 模型在 ImageNet 竞赛中夺冠，推动深度学/ 习 /爆发
D. 2017 年 Transformer 模型提出，革新自然语言处理技术
答案：ABCD
解析：A 是 AI 学科诞生标志，B 是早期 AI 技术落地关键，C 是深度学/ 习 /成为主流的转折点，D 是 NLP 进入 “预训练 - 微调” 时代的核心突破，四项均为关键技术突破，正确。
题目：下列关于监督学/ 习 /、无监督学/ 习 /、强化学/ 习 /的区别，说法正确的有（）
A. 监督学/ 习 /需标注数据，无监督学/ 习 /无需标注数据
B. 强化学/ 习 /依赖 “智能体 - 环境” 交互，监督学/ 习 /依赖静态训练数据
C. 无监督学/ 习 /的目标是挖掘数据隐藏规律，强化学/ 习 /的目标是最大化累积奖励
D. 三种学/ 习 /方式均需使用损失函数优化模型
答案：ABC
解析：A（标注差异）、B（数据类型差异）、C（目标差异）均是三者的正确区别；强化学/ 习 /不使用传统损失函数，而是通过奖励信号调整策略，D 错误，三项正确。
题目：在机器学/ 习 /模型评估中，“准确率（Accuracy）” 的计算公式是（）
A. （真阳性 + 真阴性）/ 总样本数
B. 真阳性 /（真阳性 + 假阳性）
C. 真阳性 /（真阳性 + 假阴性）
D. （真阴性）/（真阴性 + 假阳性）
答案：A
解析：准确率衡量模型预测正确的样本占总样本的比例，公式为（真阳性 TP + 真阴性 TN）/（TP+TN + 假阳性 FP + 假阴性 FN）；B 是精确率（Precision），C 是召回率（Recall），D 是特异度（Specificity），A 正确。
题目：下列不属于深度学/ 习 /与传统机器学/ 习 /区别的是（）
A. 深度学/ 习 /可自动提取数据特征，传统机器学/ 习 /需人工设计特征
B. 深度学/ 习 /依赖大量数据，传统机器学/ 习 /对数据量要求较低
C. 深度学/ 习 /基于神经网络，传统机器学/ 习 /基于决策树、SVM 等模型
D. 深度学/ 习 /仅用于图像、语音任务，传统机器学/ 习 /仅用于结构化数据
答案：D
