课后习题：神经网络与 Transformer：AI 的大脑结构
课堂习题
【M1-01】梳理神经元流程
- 知识点：M1 人工神经元
- 题型：多选题
- 难度：中
题干：【M1-01】关于人工神经元的信息处理流程，下列说法哪些正确？
A. 输入代表外部信息 B. 权重表示输入的重要程度 C. 激活函数会影响输出 D. 输入不需要任何处理就可以直接变成输出
答案与解析
答案：ABC
解析：神经元先接收输入，再根据权重加权汇总，经激活产生输出；D忽略了核心处理过程。
【M1-02】判断神经元权重
- 知识点：M1 人工神经元
- 题型：单选题
- 难度：中
题干：【M1-02】一个神经元用平时成绩、项目作品、出勤预测“是否推荐参加竞赛”。如果项目作品最能反映岗位能力，模型应如何处理？
A. 给项目作品设置更高权重
B. 删除项目作品，只看出勤
C. 让所有输入权重完全相同
D. 把项目作品放在输出层之后
答案与解析
答案：A
解析：权重表示输入的重要程度。更能区分目标结果的输入应获得更高权重。
【M1-03】解释激活作用
- 知识点：M1 人工神经元
- 题型：判断题
- 难度：中
题干：【M1-03】人工神经元的激活函数只是把所有输入直接相加，不会影响输出是否被触发。
答案与解析
答案：错
解析：输入先加权汇总，再经过激活函数产生输出。激活函数影响信号的强度或触发方式，不是简单相加。
M2：神经网络分层
讲什么：神经网络把很多神经元组织成层。输入层接收原始信息，隐藏层逐层组合特征，输出层给出判断。层数越深，前面可能只识别边缘、词块或简单关系，后面能组合出形状、语义、意图等更抽象的特征。
怎么讲：用识别“学生举手的照片”举例：浅层看到线条和色块，中层识别手、脸、身体，深层判断“举手”和“学生”的关系。强调“深”不是神秘，而是多次组合和抽象。
学生要能：把“隐藏层”从名词变成职责：接收上一层输出，提取更复杂的模式，再传给下一层。
【M2-01】识别分层职责
- 知识点：M2 神经网络分层
- 题型：单选题
- 难度：中
题干：【M2-01】一个图像神经网络要从照片中判断“学生是否举手”。下列哪一项最像较深隐藏层完成的任务？
A. 读取照片的文件名
B. 感知单条边缘和颜色变化
C. 组合出手臂、头部、身体等特征，并判断“举手”与“学生”的关系
D. 把照片直接保存到硬盘
答案与解析
答案：C
解析：浅层常处理边缘、颜色等低级特征；较深隐藏层组合这些特征，形成更抽象的模式和关系。文件名不是图像内容，保存硬盘也不属于神经网络判断。
【M2-02】判断深层特征
- 知识点：M2 神经网络分层
- 题型：判断题
- 难度：中
题干：【M2-02】神经网络中较深的隐藏层通常能组合出比浅层更抽象的特征。
答案与解析
答案：对
解析：浅层可能识别边缘、词块等低级特征，深层组合这些特征，形成更抽象的模式和关系。
【M2-03】拆解识别流程
- 知识点：M2 神经网络分层
- 题型：多选题
- 难度：中
题干：【M2-03】关于神经网络分层，下列说法哪些正确？
A. 输入层负责接收原始数据 B. 隐藏层可以逐层组合特征 C. 输出层给出判断或预测 D. 层数越深，所有任务都一定越好
答案与解析
答案：ABC
解析：分层让模型从低级特征组合出抽象模式；深度需要与数据、任务和算力匹配，并非越深越好。
【M3-01】概括 RNN 问题
- 知识点：M3 RNN 的局限
- 题型：多选题
- 难度：中
题干：【M3-01】关于传统RNN处理长序列，下列说法哪些正确？
A. 它按顺序处理信息 B. 早期信息可能逐步衰减 C. 远距离依赖较难保持 D. 它能让所有词同时互相分配注意力
答案与解析
答案：ABC
解析：RNN按顺序传递状态，长距离信息容易稀释；D描述的是Transformer的注意力机制。
【M3-02】定位 RNN 问题
- 知识点：M3 RNN 的局限
- 题型：单选题
- 难度：中
题干：【M3-02】传统RNN处理很长的句子时，最容易出现的缺点是？
A. 不能接收任何文字输入
B. 必须同时输出图片
C. 早期信息在逐步传递中衰减，难以保持远距离依赖
D. 一次能记住无限长的所有内容
答案与解析
答案：C
解析：RNN按顺序传递状态，距离较远的信息容易衰减或被覆盖，处理长上下文时不如注意力机制稳定。
【M3-03】判断 RNN 视角
- 知识点：M3 RNN 的局限
- 题型：判断题
- 难度：易
题干：【M3-03】传统RNN处理句子时，会像Transformer一样让所有词同时互相看到并分配注意力。
答案与解析
答案：错
解析：传统RNN主要按顺序逐步处理，信息通过隐藏状态传递；Transformer才使用全局注意力让位置之间直接建立关系。
M4：Transformer 注意力
讲什么：Transformer 不再只靠逐步传递记忆，而是让一段内容中的所有位置互相看，计算谁和谁更相关。注意力机制会为重要信息分配更高权重，像开会时每个成员都能听到全部材料，并聚焦与议题最相关的内容。
怎么讲：用“谁最适合当班长”讨论。学生不只听上一个同学的发言，而是同时看所有人的表现：组织能力、责任心、沟通能力、时间投入。教师把每个候选人的关键词写在黑板，圈出全班更关注的证据。这就是从“只看前文”转向“看全局、抓重点”。
学生要能：说明 Transformer 的优势不是“记得更多”这么简单，而是能建立长距离关系并突出关键信息。
【M4-01】解释注意力机制
- 知识点：M4 Transformer 注意力
- 题型：多选题
- 难度：中
题干：【M4-01】关于Transformer注意力机制，下列说法哪些正确？
A. 它能让不同位置建立关系 B. 它会给相关内容更高权重 C. 它像开会时同时查看多份材料 D. 它要求所有信息的重要性完全相同
答案与解析
答案：ABC
解析：注意力根据任务建立联系并突出重点；D与注意力机制的加权思想相反。
【M4-02】选择注意力重点
- 知识点：M4 Transformer 注意力
- 题型：单选题
- 难度：中
题干：【M4-02】模型处理“请把这份项目需求里的风险写清楚”时，注意力机制最应该提高哪些内容的权重？
A. 与需求、风险直接相关的词句
B. 文档里所有出现过的标点符号
C. 与字体排版有关的装饰信息
D. 全部词句平均分配，不做选择
答案与解析
答案：A
解析：注意力根据任务建立关系，让相关内容获得更高权重，而不是机械平均或只看装饰信息。
【M4-03】判断 Transformer 视角
- 知识点：M4 Transformer 注意力
- 题型：判断题
- 难度：易
题干：【M4-03】Transformer可以让一段内容中的不同位置互相建立关系，并根据重要性分配注意力。
答案与解析
答案：对
解析：这正是Transformer的核心优势：全局视角加注意力机制，让模型抓住远距离依赖和关键信息。
M5：一词多义处理
讲什么：注意力机制会根据上下文给词义判断提供线索。“bank of the river”中，river 使 bank 更可能表示河岸；“go to the bank”中，go to 和业务场景使 bank 更可能表示银行。模型不是查一本固定词典，而是根据周围 Token 的关系调整表示。
怎么讲：先让学生独立翻译两句，再让 AI 解释判断依据。教师追问：哪些词提供了线索？如果只看到 bank 一个词，能不能确定含义？最后引申到中文多义词，例如“苹果手机”和“吃苹果”。
学生要能：找出上下文线索，解释 AI 为什么能选择合适含义，也知道仍然需要人工检查专业语境。
【M5-01】判断 bank 词义
- 知识点：M5 一词多义处理
- 题型：多选题
- 难度：中
题干：【M5-01】关于bank的词义判断，下列说法哪些正确？
A. “bank of the river”更可能表示河岸 B. “go to the bank”更可能表示银行 C. 上下文线索会影响词义判断 D. 一个英文单词在任何句子中含义都固定不变
答案与解析
答案：ABC
解析：river和go to分别提供场景线索；一词多义需要依赖上下文，不是固定不变。
【M5-02】判断 bank 含义
- 知识点：M5 一词多义处理
- 题型：单选题
- 难度：中
题干：【M5-02】在句子“I sat on the bank of the river”中，bank最可能表示什么？
A. 银行
B. 河岸
C. 数据库
D. 图书馆书架
答案与解析
答案：B
解析：river提供上下文线索，使bank更可能表示河岸；如果只看bank一词，无法确定含义。
【M5-03】判断上下文词义
- 知识点：M5 一词多义处理
- 题型：判断题
- 难度：易
题干：【M5-03】同一个英文单词在任何句子中的含义都固定不变。
答案与解析
答案：错
解析：一词多义很常见，模型需要结合上下文调整表示；例如bank在river旁和支付场景中含义不同。