- 1、本文档共26页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
重庆市2024-2025学年高三上学期11月期中考试语文试题及参考答案
一、现代文阅读(35分)
(一)现代文阅读1(本题共5小题,19分)
阅读下面的文字,完成1~5题。
材料一:
因果认知是人类智能的重要表征,是我们认识世界、解决问题和适应环境的重要能力。现代认知神经科学认为,人的因果认知能力来源于神经元网络之间联结产生的条件反射,随着对于因果关系的日常感知与认知频率的增加、人脑中相应的神经元的突触也会增加。但对于ChatGPT等自然语言处理模型来说,因果关系的感知与识别是通过概率与相关性的训练得以完成,由此因果关系成为人工智能与自然语言处理模型显示出拟人化的工具和手段。
通过人类对ChatGPT深度神经网络的训练,“因果性”概念就被识别为“相关性”概念,实现了因果认知能力的构建。与因果性相比,相关性更容易认知和理解,也更容易成为人工智能和自然语言处理模型认知人类世界的工具。对于后者而言,人类世界虽然能够通过数据进行表征,但是数据间的关系涉及人与人、人与物、物与物之间的复杂关系,甚至在数据间存在着大量的“噪声”,人类世界的数据在多种关系的杂糅下,形成了复杂性系统。而在深度神经网络、大数据技术、统计分析的加持下,人工智能的相关性认知比因果性认知更加容易模拟和实现,相关关系只需要知道数据本身是什么,而无需知道数据之间的关系是什么,通过概率叠加的相关关系能够帮助ChatGPT类自然语言处理模型更好地“了解”人类世界。正如“大数据之父”维克托·迈尔-舍恩伯格(ViktorMayer-Schnberger)所说“相关关系很有用,不仅仅是因为它能为我们提供新的视角,而且提供的视角都很清晰。而我们一旦把因果关系考虑进来,这些视角就有可能被蒙蔽掉”。
但是这并不意味着ChatGPT已经拥有了人类智能水平的因果认知能力。人的因果认知能力在儿童时期便已经产生。与当前的人工智能相比,人对于因果关系有着更敏锐的认知能力。心理学家皮亚杰通过实验研究得出,正常儿童在3-6岁的学龄前阶段已经能够对因果关系进行认知,但是他们对于因果关系的认知更多是通过对外部环境的变化进行概率上的匹配。布洛克(BullockM)与格利曼(GelmanR),在其设计的实验中,用不同颜色、不同长短的木棒分别将积木推倒,并让积木在倒下的过程中将放置在桌子上的兔子玩偶撞到地上。
E1:3岁左右的部分儿童,认为兔子地摔落与木棒颜色的变化有关,尤其是某一种颜色的长木棒重复出现时。
E2:6岁以后的儿童,几乎无人认为兔子地摔落与木棒的颜色有关,并能够给出兔子玩偶掉落的连续原因解释,如表1所示:
表1ChatGPT与3-6岁和6岁以上儿童因果认知能力对比表
TablelComparisonbetweenChatGPTandcausalcognitiveabilityofchildrenaged3-6andover6yearsold
能力来源因果认知表征因果认知水平
3-6岁儿童先天+经验关联低
6岁以上儿童先天+经验关联+干预+反事实高
ChatGPT(训练)经验关联低
这表明,3-6岁儿童虽然已经具备了一定的因果认知能力,但是这种认知能力是有限的,他们能够将环境中出现的一切因素进行归纳和认知去理解“是什么”即“平顶”使得兔子跌落了,但是他们没有进一步探求“为什么”即“反事实”问题,“如果木棒的颜色改变,兔子会摔落吗?”.因此他们会将木棒的颜色纳入因果认知之中。而6岁以上的儿童通过对“反事实”问题的思考,将不相关的因素进行排除,就能够实现完整的因果认知,
对于当下ChatGPT而言,人类的训练和深度神经网络的预训练模型使其将因果性认知为相关性的因果认知能力,使其和3-6岁的儿童一样,只能够认知“是什么”,而无法进一步进入到“为什么”的认知之中,因此有人提出当前的ChatGPT已经具备了9岁儿童的智力水平的说法是存在争议的,最起码从因果认知的层面上讲,ChatGPT与9岁儿童的因果认知能力尚存在着差距,当下将因果性等价为相关性的方法只能建构起少量具备真正“智能”的人工智能和自然语言处理模型、即弱人工智能。
(摘编自尤洋、郭宇《ChatGPT与因果性》)
材料二:
在概率解释框架下,因果推理被视为归纳推理中的一种推理形态,当对某一现象背后存在的可能原因进行归纳时就可以建立起相关性和事件之间存在的概率关系,如培根所推崇的归纳法和“穆勒五法”。拥有因果推理能力是人类智能的重要表征之一、自然科学定律的发现都经由因果推理而最终建立起自然规律与自然现象之间的因果联系。
与之相对,ChatGPT为代表的通用人工智能更多是在概率框架下把握事物之间的相关性和事件发生之间的条件概率联系,并非真正对因果性进行认知和把握,因此以因果概率解释框架为因果规则的ChatGPT尚未进行真正意义上的因果推理,即便ChatG
您可能关注的文档
最近下载
- 噢易分布式储存系统管理员手册-武汉噢易.PDF
- 第三讲铁路线路检查.ppt VIP
- 中国石化校园招聘真题.pdf
- 分析《西游记》里唐僧的人物形象.doc
- 一种用于冠心病心绞痛的中药组合物、外用贴和方法.pdf VIP
- 历年(2020-2024)全国高考数学真题分类(导数及其应用小题)汇编(附答案).pdf
- Fuji富士-人机界面HMI操作说明书-可编程操作显示器POD UG系列 用户手册(功能篇)1.pdf
- 2024年度最新教育系统校级后备干部备考题库(含答案).docx VIP
- QC成果-提高路基施工一次验收合格率.pdf VIP
- 电气控制与S7-1200 PLC应用技术教程郑海春习题答案.docx
文档评论(0)