請問聲學模型的作用是什麼？

A、 把一段語音分成若干小段

B、 把語音幀 (Frame) 轉換為若干音素

C、 把音素轉換成文字

D、 把音素轉換成狀態

E、 把文字轉換成語音

我們在學校通過老師、課本接受知識，那麼人工智能系統是通過什麼來學習的呢？

A、 經驗

B、 數據

C、 機器

D、 腦袋

E、 人工

常見的數據類型何者為非？

A、 圖像

B、 聲音

C、 視頻

D、 文字

E、 味道

下列何者是強人工智慧的應用？

A、 停車場車牌辨識系統

B、 語音助理

C、 自然語言處理

D、 人臉辨識

E、 居家照護機器人

自 2000 年至今，為何人工智慧應用在工業界仍然較少？

A、 技術不成熟

B、 搜集基礎資料的成本比較高

C、 製造現場人員專業性不足

D、 業界不認為有此需求

E、 無適用的解決方案

何者描述為非？

A、 語音識別的目的是把人說的話轉化為文字或機器可以理解的指令，從而實現人與機器語音交流

B、 頻率 (Frequency) 是聲音的重要特徵，代表發聲物體在一秒內振動的次數

C、 共振峰 (formant) 指的是聲音頻譜上能量相對發散的一些區域

D、 聲音的數字化，其過程是從聲波到最終存儲和處理的MP3音頻文件，主要歷經采樣 (samppng)、量化 (quantization) 和編碼 (encoding) 等步驟

E、 樂音三要素的概念，即響度、音調、音色，它們可以描述樂音的特性

關於深度學習視頻行為識別和圖像分類的敘述，下列論述何者錯誤？

A、 Google AlphaGo也是奠基於機器學習，透過電腦運算對手下棋的頻率

B、 廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域

C、 深度學習網路就像黑盒子 (black box)，人們不容易理解模型中各網路層的內涵，就無法做出有效的調整

D、 透過 CNN 模型，你可以輸入一張圖片，得到該圖片屬於哪種類別的結果，這過程我們把他稱作分類 (Classification)

E、 行為理解問題一般遵從如下基本過程特徵提取與運動表徵、行為識別、高層行為與場景理解

關於時序分段網路的描述下列何者為非？

A、 在時間上將一輸入視頻分段

B、 從每個片段中隨機選擇光流圖和圖片幀 (Frame)

C、 對每個片段都使用感知機的框架進行行為識別

D、 分段的類別得分進行融合，得到整個視頻的行為類別

E、 時序分段網路解決長視頻識別的關鍵在於把視頻沿時間軸分段，使採樣樣本能較為均勻地分布整個時間段

生成對抗網路中的判別網路，其輸出結果通常為一個數值。在一般的情況下，下列輸出數值何者來自真實數據的可能性最高？

A、 0

B、 0.1

C、 1

D、 10

E、 1000

關於數據空間（data space）的敘述，下列何者錯誤？

A、 顧名思義就是數據所在的空間

B、 若在生成圖像這個任務中，數據空間就是一些圖像的集合，所以也稱為圖像空間

C、 數據集裡的圖像分佈在這空間裡，稱為數據點

D、 數據空間裡的任何點都是有意義的

E、 數據在數據空間的分佈情況稱為數據分佈