第3课 人工智能技术基础 同步练习 2025-2026学年浙教版初中信息科技八年级下册

2026年浙教版（新教材）初中信息技术八年级下册《人工智能技术基础》同步练习及答案 一、填空题 1. 人工智能的英文缩写是______，其核心技术基础包含______、______和______三大核心要素。 2. ______是人工智能的“燃料”，为模型训练提供原始素材；______是人工智能的“大脑”，决定数据处理逻辑；______是人工智能的“动力”，保障运算速度与效率。 3. 图像识别、语音助手等应用，主要依赖______技术对感知信息进行分析处理；智能推荐系统则通过______技术挖掘用户行为规律。 4. 常见的人工智能算法中，______算法可让机器通过数据自主学习规律，无需人工复杂编程。 5. 按能力范围划分，人工智能可分为______和______两类，现阶段我们生活中接触的大多是______人工智能。 二、单项选择题 1. 下列不属于人工智能核心三要素的是（ ） A. 数据 B. 算法 C. 算力 D. 网络 2. 智能音箱能听懂语音指令并回应，主要运用的技术是（ ） A. 图像识别 B. 语音识别 C. 自然语言处理 D. 数据加密 3. 以下关于数据在人工智能中作用的说法，错误的是（ ） A. 数据越多，人工智能模型效果一定越好 B. 高质量数据是人工智能精准决策的前提 C. 数据需要经过清洗、整理才能用于模型训练 D. 缺乏数据，人工智能算法无法发挥作用 4. 下列属于人工智能算力支撑设备的是（ ） A. 普通计算器 B. 高性能服务器 C. 智能手机电池 D. 机械硬盘 5. 某购物平台根据浏览记录推荐商品，核心依赖的人工智能技术是（ ） A. 机器学习 B. 虚拟现实 C. 区块链 D. 物联网 三、判断题（对的打“√”，错的打“×”） 1. 人工智能的算法一旦设计完成，就不需要再优化更新。（ ） 2. 没有强大的算力支持，复杂的人工智能模型无法快速运行。（ ） 3. 弱人工智能只能完成特定领域任务，不具备通用思考能力。（ ） 4. 数据就是数字，文字、图片、音频都不属于人工智能可用的数据。（ ） 5. 人工智能技术的发展，只依赖算法进步，与数据和算力无关。（ ） 四、简答题 1.请简要说明人工智能三大核心技术要素（数据、算法、算力）各自的作用及相互关系。 2. 列举两个生活中的人工智能应用实例，并分别分析其用到的核心技术基础（数据、算法、算力）。 3.简述机器学习算法与传统程序设计的区别。 五、实践分析题 阅读材料并回答问题： 材料：某校园智能门禁系统，能通过摄像头识别师生面部信息，自动比对数据库中的照片，确认身份后开门；同时记录出入时间，生成考勤报表。 1. 该智能门禁系统属于弱人工智能还是强人工智能？请说明理由。 2.分析该系统运行时，数据、算法、算力分别发挥了什么作用？ 3.若该系统识别准确率较低，从三大技术要素角度，提出两条改进建议。 参考答案 1、 填空题 1. AI；数据；算法；算力 2. 数据；算法；算力 3. 图像识别与语音识别；机器学习 4. 机器学习 5. 弱人工智能；强人工智能；弱 2、 单项选择题 1.D 2. C 3. A 4. B 5. A 3、 判断题 1.× 2. √ 3. √ 4. × 5. × 4、 简答题 1. 数据：是人工智能的基础资源，为算法训练提供素材，决定模型的学习范围和准确性；（2）算法：是人工智能的核心逻辑，负责对数据进行分析、计算和推理，实现特定功能；（3）算力：是人工智能的运行保障，为算法运算提供硬件支持，决定模型训练和响应的速度。三者相互依存，缺一不可：数据提供素材，算法处理数据，算力支撑算法运行，共同实现人工智能功能。 2. 示例：（1）智能导航：数据（地图数据、实时路况数据、用户出行数据）；算法（路径规划算法、实时路况分析算法）；算力（服务器集群、手机处理器）。（2）智能语音助手：数据（语音数据、语义知识库、用户指令数据）；算法（语音识别算法、自然语言理解算法）；算力（云端服务器、智能设备芯片）。 3. 传统程序设计：由人工编写完整代码，明确每一步操作逻辑，机器严格按指令执行，无法自主学习；（2）机器学习算法：无需人工编写所有逻辑，通过输入大量数据，让机器自主学习数据中的规律，优化模型参数，提升任务处理能力，可适应数据变化自主调整。 5、 实践分析题 1. 属于弱人工智能。理由：该系统仅能完成“人脸识别、身份比对、记录考勤”这一特定领域任务，不具备通用思考、情感理解、自主决策等人类级别的智能能力，符合弱人工智能的特征。 2. （1）数据：存储的师生面部照片数据、实时采集的面部图像数据、出入时间数据等，为身份比对和考勤记录提供基础；（2）算法：人脸识别算法（提取面部特征、比对特征值）、考勤数据统计算法，实现身份验证和报表生成；（3）算力：门禁系统的芯片（处理图像采集、特征比对）、后台服务器（存储数据、批量处理考勤信息），保障系统快速响应和稳定运行。 3. 改进建议：（1）数据层面：扩大面部特征数据样本（补充不同光线、角度下的照片），清洗无效数据，提升数据质量；（2）算法层面：优化人脸识别算法，提升特征提取和比对的精准度；（3）算力层面：升级门禁设备芯片，提升图像处理速度和准确率。（答出任意两条即可） 2 学科网（北京）股份有限公司 $