ISTQB CT-AI
人工智能导论
简单
AI 基础
- 在大多数基于AI的系统,尤其是ML系统中,对新输入的行为是如何确定的?
- 传统的命令式编程系统通常具有哪种特性?
- 为什么许多深度学习模型被视为“黑盒”?
- 自学习的基于AI的系统具有适应性,这对其运行意味着什么?
- 哪一类AI涵盖了当今部署的所有AI系统?
- 哪个术语是通用AI的另一种称呼?
- 基于AI的系统从通用AI过渡到超级AI的那个临界点叫什么?
- 哪种机器学习类型使用带标签的数据,例如用于预测和分类?
- 在强化学习中,智能体是如何学习的?
- 卷积神经网络(CNN)特别适合哪种任务?
- 哪种AI技术用于不确定性下的推理?
- 生成式AI(GenAI)的主要特点是什么?
- 哪种技术是大语言模型(LLM)的基础?
- 目前大多数实用的GenAI工具基于什么?
技术与运行
监管
中等
AI 基础
- 许多基于AI的系统依靠哪些方法来解决问题?
- 在哪些领域中,AI决策缺乏可解释性尤其关键?
- 前沿AI(frontier AI)可以如何归类?
- 一个AI系统识别人脸的命中率非常高。它能否直接翻译文本?
- 关于超级AI,以下哪些说法是正确的?
- 循环神经网络(RNN)通常执行什么任务?
- 以下哪些技术属于关键的ML技术?
- 智能体AI(agentic AI)这一术语描述的是什么?
- 生成对抗网络(GAN)如何生成逼真的合成数据?
- 关于GenAI存在哪些社会和伦理方面的担忧?
技术与运行
- 哪些硬件特性通常对ML有利?
- 像ASIC和片上系统(system-on-a-chip)这样的AI专用硬件最适合用于什么?
- 神经形态处理器与传统处理器有何区别?
- 公有云为开发AI模型提供哪些优势?
- 在PC或智能手机上本地托管较小模型的利弊是什么?
- ML开发框架通常提供哪些功能?
- 底层API的ML框架与高层API的ML框架之间的典型区别是什么?
- 以下哪些是AI开发混合方法的例子?
监管
困难
AI 基础
- 一个团队将基于规则的信用审核迁移到 ML 模型。这两类系统之间的差异对测试有哪些影响?
- 一家监管机构想批准一个用于医疗诊断的 AI 系统,并要求每一项决策都能给出理由。与传统系统相比,这里的主要问题是哪一项差异?
- 一家供应商将其新的大语言模型宣传为“通用 AI”,因为它能写文本、编程并描述图像。应如何归类?
- 关于通用 AI,以下哪些说法是正确的?
- 一家网店想在没有既定类别的情况下,自动把客户划分为购买行为相似的群组。哪种 ML 类型适合?
- 以下哪些技术与应用领域的对应关系是正确的?
- 一个 ML 系统只训练过一次,此后一直保持不变地运行。它无法识别新的产品类别。应如何评价这种情况?
- 一个团队需要逼真的合成图像作为测试数据。哪些生成式技术适合这类内容?
- 一家广告公司想为营销文案引入 GenAI。关于机遇与风险,以下哪些说法是正确的?
技术与运行
- 一个语音识别模型要在低端智能手机上运行。以下哪项说法是正确的?
- 量化(用更少的位数进行计算)有哪些优点?
- 一家初创公司想启动一个小型 ML 项目,在配备快速 CPU 的电脑和配备 GPU 的电脑之间犹豫不决。建议选择哪个?
- 一家医院想用患者数据运行一个 AI 模型,工作负载波动很大,预算有限。以下哪些考量是正确的?
- 一家公司想完全在本地(on-premises)训练一个大型模型。会有什么后果?
- 与自行开发的 AI 系统相比,第三方 AI 系统有哪些优缺点?
- 一个团队想为内存很小的嵌入式设备构建模型,且 ML 经验不多。在选择框架时,哪些标准在这里尤其相关?
- 关于 ML 框架的评估和部署功能,以下哪些说法是正确的?