德阳市高中2022级质量监测考试（二）语文试卷（含答案）.pdf

德阳市高中2022级质量监测考试（二）

语文试卷

说明：

1.本试卷分第I卷和第n卷，共io页，考生作答时，须将答案答在答题卡上，在本试卷、

草稿纸上答题无效。考试结束后，将答题卡交回。

2.本试卷满分150分，150分钟完卷。

第I卷（阅读题）

一、现代文阅读（33分）

（一）现代文阅读I（本题共5小题，17分）

阅读下面的文字，完成下面小题。

材料一

从金融到医学，人工智（AI）正深刻改变着现代名2。如今，它开始进军古代文本研究：

从希腊与拉丁典籍到中国甲骨文，人工神经网给上成为解读古文字的钥匙。它不仅驾驭浩

瀚档案，填补字符空缺，还解码后乎无位工子的罕见或灭绝语言，令古代智慈在现代科技

之光下重现辉煌。

2023年10月，费德里卡瓦杆拉尔迪收到了一封电子邮件，邮件附带的一张图片彻底改

变了她的研究。此图亚系了在公元79年维苏威火山浩劫中幸存的一卷莎草纸残骸，它于18

世纪在赫库兰尼姆古城的一处豪华别墅遗迹中被发现。这些历经沧桑的莎草纸，曾是数百卷

古籍之一，却因岁月侵蚀而变得脆弱不堪，多数已无法展开。

尼科拉尔迪是意大利那不勒斯大学的一名莎草纸学者，她曾参与一项利用AI读取难解

文字的研究。而今，她见证了一项奇迹：困片上，一片莎草纸带上，希腊字母密布如织，于幽暗

中焕发新生。这一名为“维苏威挑战”的项目只是AI重塑古代历史研究的“冰山一角”。

几十年来,计算机一直被用于对数字化文本进行分类和分析，但目前最令人兴奋的是神

经网络的使用。神经网络由相互连接的节点组成的分层结构组成，尤其是具有多个内部层的

“深层”神经网络。

卷积神经网络（CNN）模型够从图像中精准捕捉网格状数据结构。CNN模型在光学

字符识别领域大放异彩的同时，也开辟了其他多元化的应用途径。例如，中国研究团队在探

索甲骨文时，巧妙地运用这些模型来复原遭受严重侵蚀的文字图案，深入分析甲骨文随时间

的演变轨迹，并将破碎的文物碎片重新拼凑起来，重现历史原貌。

与此同时，循环神经网络（RNN）作为一种专为处理线性序列数据设计的模型，开始展

语文试卷第1页（共10页）

现出在搜索、翻译以及填补已转录古代文本缺失内容方面的巨大潜力。那么，神经网络能否

在历史的残片中找出人类专家难以发现的联系？

2017年，英国牛津大学的一项合作开启了探索之旅，当时，两名研究人员正面临破解西

西里希铭文的难题。

古典学者通常依赖对现存文本的理解来诠释新材料，但难以全面掌握所有相关资料。牛

津大学研究人员认为，这正是机器学习可发挥作用的领域。他们使用基于RNN的Pythia模

型，并用数万份希铭文来训练它，最终成功预测了文本中缺失的单词和字符。

2022年，他们又推出Ithaca模型，不仅能预测缺失内容，还能为未知文本提供日期和来

源地建议。Ithaca利用了Transformer模型的突破，能捕捉更复杂的语言模式。当前风靡全球

的聊天机器人，如OpenAI的ChatGPT就是基于Transformer模型。

韩国研究人员有一项棘手的任务：整理历史档案。该档案详细记录了27位朝鲜王国国

王自14世纪至2（）世纪初统治时期的日常，涵盖数十万篇文章。美国纽约大学机器翻译专家

金亨俊表示，这些文本数据量极为庞大。将这些文本人工译成现代韩文，预计需耗时数十年。

金亨俊携手韩国同行，利用Transformer网络训练自动翻译系统。结果显示，AI译文在准确性

和可读性上远超古韩文，有时甚至优于现代韩文。

（摘编自张佳欣《AI进军古代文本研究”“中纷、本正成为解读古文字钥匙》）

材料二

在数字化迅猛发展的时代，我们日十,二的母部分都与电脑息息相关。从阅读到购物再

到做决策，背后几乎都有电脑的身

长久以来，我们习惯了彳毛脑看作是人类智慧的延伸，是辅助我们更高效工作的工具。

直到最近，随着人工制冬能力的迅速提升，这种传统的角色分配开始发生悄然变化。我们不

得不思考一个问题：我们是给人类配备了一台电脑，还是给电脑配备了一个人？当电脑和人

工智能变得越来越聪明时，我们与