2024学年重庆市部分校高三语文上学期11月调研试卷附答案解析.pdfVIP

2024学年重庆市部分校高三语文上学期11月调研试卷

（考试时间：150分钟满分：150分）2024.11

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，完成下面小题。

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-Schönberger）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

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

1

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