是非題
目前人工智慧AI最關鍵的難題是機器自主創造性思維能力的塑造與提升。
隨著“新零售”模式的逐步落地，線上和線下將從原來的相對獨立、相互衝突逐漸轉化為互為促進、彼此融合，電子商務的表現形式和商業路徑必定會發生根本性的轉變。
世界衛生組織（WHO）對「智慧醫療」定義為：資訊通訊科技(ICT)在醫療及健康領域的應用，包括醫療照護、疾病管理、公共衛生監測、教育和研究。
人工智慧充滿未知且曲折起伏的探索道路，但可以預測人工智慧AI未來將無所不在(ubiquitous)的深入各行各業應用之中。
採用人工智慧技術設計的阿爾法狗(AlphaGo)軟體，在圍棋比賽中目前都是不幸小敗給人類冠軍。
在大數據時代中，雖然相關關係是無法預知未來的，但是它只能預測可能發生的事情。對大數據分析師而言，已經極其珍貴了。
與傳統的辦公網路及純粹的“家庭局域網”相比，家用網路加入了很多家庭應用產品和系統。例如，家電設備、照明系統等。因此，家用網路相應技術標準也錯綜複雜，其發展趨勢是將智慧家居其它系統融合進去。
谷歌的流感趨勢預測是透過分析整個資料庫，分析了全美國幾十億條互聯網檢索記錄。這樣才能提高微觀層面分析的準確性，甚至能夠推測出美國某特定城市的流感狀況。
簡單地說，深度學習DL可以理解為進行“特徵學習”或“表示學習”。
在客服領域也存在二八原理，即消費者的問題中，兩成左右都是高度重複的問題，雖然知識庫的資料足夠全面，目前智慧客服還無法為用戶提供多數滿意的解決方案。
大數據的混亂(chaos)資料，簡單地說就是隨著資料的增加，錯誤率也會相應增加。在整合來源不同的各類資訊的時候，因為它們通常不完全一致，所以也會讓大數據加大混亂程度。
機器學習ML新階段的重要表現之一是：機器學習成為新的邊緣學科，並且在很多大學成為一門課程。
當用戶量過大時，企業有限的客服能力會成為用戶滿意度下降的一個原因，而採用非人工的智慧客服方式就可幫助為企業解決這一問題。
在智慧醫療中，醫生工作站的核心工作是採集、存儲、傳輸、處理和瞭解病人健康狀況，和醫療資訊的查詢與應用。
在無法利用已有傳統管制技術的條件下，想要保障人類社會使用人工智慧的安全，必須另闢蹊徑，保證人工智慧技術本身及在各個領域的應用，都遵循人類社會所認同的倫理原則。
在大數據時代中，我們嘗試著不再探求數據之間難以捉摸的相關關係，轉而關注事物的因果關係。
強人工智慧(strong AI)，又稱為專用人工智慧(ANI, artificial narrow intelligence)。
全球各先進國家，在有些地區的城鎮開始探索如何以數位城市(digital city)建設的基礎上，繼續推動智慧城市的建設。
智慧城市實質上是運用現代資訊技術推動城市運行系統的互聯、整合、高效和智慧，以達到為城市人創造更加美好的生活，使城市發展更加舒適便利、安全和諧、更具活力。
工業4.0不僅是自動化，而是「整條價值鏈全週期管理與服務」的新觀念。
智慧交通的建設將推進智慧城市的發展成效，智慧城市的發展成果也反映在智慧交通。
目前的人工智慧系統可謂：有聰明智能但沒智慧、有智商卻沒情商、會計算但不會“算計”、有專才卻無通才。
智慧製造、智慧醫療、智慧安防、智慧零售、智慧家居等商業和應用是屬於人工智慧生態系統的橫向。
AGV自動導引運輸車是智能製造中物流系統的關鍵設備之一，通常是以電池為動力，進行非接觸式導引。
機器學習(machine learning, ML)是深度學習(deep learning, DP)的一種演進技術，70餘年來AI靠著機器學習(ML)的發展，才能一帆風順，並轉變為一種能夠改變世界的力量。
在機器學習眾多技術中，又以深度學習(DP)所取得的進步最為顯著。深度學習所帶來的重大技術革命之一，甚至有可能顛覆過去長期以來人們對互聯網技術的認知，實現技術體驗的跨越式發展。
深度學習DL的特徵學習(表徵學習)是通過機器學習技術自身來產生特徵，這種新的觀念與技術使機器學習向“全自動資料分析”又前進了一步。
若與一般未經訓練過的圖像識別系統相比較，人類的圖像識別能力是很強的。
未來的智慧交通將會是車車相聯、車路相聯的車聯網環境。
人工智慧AI是研究如何應用電腦的軟/硬體來類比人類某些智慧行為的基本理論、方法和技術。
AI 技術將取代人類現有的工作崗位，但同時也將創造出新的就業崗位。多位專家預測都表示， AI將僅帶來很少數的就業機會。
在智慧製造的運作過程中，是允許被授權使用的客戶(網路用戶端)，可以透過網路，瞭解客戶本身的訂單執行的形況或結果。
從應用面而言，機器人專家將機器人分為兩大類，即製造環境下的工業機器人和非製造環境下的服務與仿人型機器人（特種機器人）。
建立在相關關係分析法(correlation analysis)基礎上的預測是大數據的核心。這種預測發生的頻率非常高，經常會有它的創新性，而且應用會越來越多。
單選題
過去，統計學家們總是把他們的興趣放在提高樣本的隨機性，而不是數量上。這是因為_____________。
(1)
可以獲取的資料少，只要提高樣本隨機性可提高分析準確率
(3)
提高樣本隨機性是為了減少統計分析的工作量
如果將人工智慧分成運算資源基礎、核心技術發展與應用領域等層次，深度學習(deep learning)是屬於_____________。
(1)
運算資源基礎、核心技術發展、應用領域等三者都有
“智慧城市”的概念源於_____________的理念。
(1)
2008年IBM公司提出的“智慧地球”
(2)
1987年華為公司提出的“構建萬物互聯的智慧世界”
(3)
2010年谷歌公司提出的“工作賦予挑戰，挑戰帶來快樂”
(4)
1995年微軟公司提出的“Windows 95”
圖像識別是以圖像的主要_____________為基礎的。
人工智慧經常被稱為世界三大尖端技術之一，下列說法中錯誤的是_____________。
(1)
人工智慧已成為一個獨立的學科分支，無論在理論和實踐上都已自成系統
智慧家居通過_____________技術將家中的各種設備（如多媒體影像設備、 照明系統、窗簾控制、空調控制、安防系統、數位影院系統、 影音伺服器、網路家電等）連接到一起。
模式識別原本是_____________的一項基本智慧。
人工智慧是電腦科學的一個分支，人工智慧的英文縮寫是_____________。
_____________是影像處理中的一項關鍵技術，一直都受到人們的高度重視。
19世紀以來，當面臨大量資料時，社會都依賴於採樣分析。但是採樣分析是屬於_____________時代的產物。
對城市工作族的居民而言，智慧城市的基本需求要件，就是能輕鬆找到最快捷的_____________、供水供電有保障，且街道更加安全。
因為大數據是建立在_____________，所以我們才可以正確地考察細節，並進行新的分析。
(2)
掌握所有資料，至少是盡可能多資料的基礎上
(3)
掌握少量資料，至少是盡可能精確地資料的基礎上
(4)
在掌握少量精確資料的基礎上，盡可能多方地收集其他資料
人工智慧是研究與開發用於模擬、延伸和擴展人的智慧，所採用的理論、方法、技術及應用系統的一門交叉科學。人工智慧是一門極富挑戰性的_____________技術科學。
