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

下列哪個選項不屬於詞袋模型應用的基本流程？

A、 統計詞頻率

B、 刪除停止詞與低頻詞

C、 中文分詞

D、 潛在語義分析

E、 計算詞頻率-逆文檔頻率

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

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

我們可以把音樂的時間序列看作一個向量，對於一段時長30秒的音樂，若取樣率為44.1 kHz則這段音樂對應的向量維數是多少？

A、 約10萬

B、 約50萬

C、 約100萬

D、 約130萬

E、 約200萬

底下那些人是2019年圖靈獎得主？

A、 Kai-Fu Lee

B、 Geoffrey Hinton

C、 Yoshua Bengio

D、 Andrew Ng

E、 Yang LeCun