【语文】山西省部分学校2025届高三考前模拟检测试题（解析版）.pdfVIP

山西省部分学校2025届高三考前模拟检测

语文试题

一、阅读（70分）

（一）阅读Ⅰ（本题共5小题，19分）

阅读下面的文字，完成小题。

材料一：人工智能开发曾有两个相互竞争的路线。一个是理性主义路径，试图将人类的

所有知识全部形式化为符号、命题与数据，然后通过逻辑计算来得出答案。另一个是模仿人

类大脑的神经元结构，通过学习来建立和强化不同单元之间的联系，从而模仿人类的思维与

行动方式，输出答案。换句话说，“一派把计算机看作操作思想符号的系统，另一派则把计

算机看作建立大脑模型的手段。一派试图用计算机来例示对世界的形式表述，另一派则试图

用计算机模拟神经元的相互作用。一派把问题求解作为智能的范式，另一派则把学习作为智

能的范式。一派利用逻辑学，另一派则利用统计学。在学派上，一个是哲学中的理性主义，

还原论传统的继续者；另一个则把自己看作理想化的、整体论的神经科学”。用德雷福斯的

话来说，前者是“造就心灵”，后者是“建立大脑模型”。或者用不太准确的话来说，这两

者的分歧就是结构与功能之别。当然，这两个路径也不是泾渭分明，建立大脑模型也离不开

最基本的形式计算，造就心灵也离不开对人类逻辑思维的模仿。

20世纪60年代至80年代中期，在人工智能研究最初的这段时间里，符号理论或专家

系统占据上风。它首先要用符号表征世界，然后才能逻辑推理。这个形式化过程在实践中遇

到了困难，特别是对日常知识的形式化，常常显得力不从心。早期联结理论由于缺乏脑科学

支持，更重要的是机算力无法与人脑的神经联结量匹敌，因而在表现上不如符号理论，直到

20世纪80年代末联结主义才得到复兴。目前人工智能的突飞猛进，主要采用的是联结理论

或神经网络系统。因为算力的大幅度提升，模仿人脑联结的参数数量可以增加到千亿级甚至

万亿级，它们可以通过预测与自我检验建立语言间的联系，所以机器突然变得可以像人类一

样理解日常语言微妙的意义并作出回答。这个路径的优点在于可以跳过形式计算论企图对世

界万物进行形式化的复杂建模，同时避免总结抽象出一个适用于万物的空白框架。它可以学

习无法形式化的日常知识，不必理解其背后的逻辑与运行机制。这就使其具有了灵活的适应

性，可以通过对大量语料库的深度学习，找到统计学上的规则，进而模仿这种规则生产知识。

但正如形式计算理论批评的那样，基于联结理论的人工智能并不理解自己在做什么，在运行

的底层没有真正的逻辑推理和思维，只是根据统计学中大部分人的选择，模仿人类的输出行

为，所以会产生一些连简单的数学计算都会出错的问题，或者出现连儿童都不会出现的“机

器幻觉”。

当下人工智能的强化学习需要具备尽可能完备的语料库，这好比是图书馆1.0，它构成

了人工智能发展的基础。图书馆2.0想要将1.0的知识进行形式化，找到其中的逻辑，这正

是知识图谱和符号主义的目标。但是十分遗憾的是这个任务过于宏大，无法穷尽，而且有大

量日常的知识无法被形式化，最终失败。图书馆3.0采用的则是联结主义的人工智能，通过

将图书馆1.0作为强化学习材料，不断自我训练，建立起知识点联结，然后在输出知识时摆

脱对图书馆1.0中知识的搜索，根据预训练建立起来的参数，重新生成问题的答案。

（摘编自刘海龙《生成式人工智能与知识生产》）

材料二：大语言模型的“世界”完全被局限在人类所提供的数据范围内，这个人工制造

的数字化记忆环境跟人工智能发展史上的其他人造环境一样，被人们形象地称为“微世界”，

其本质是将极度复杂的世界简化为一个微小的模型。这个模拟的“微世界”根本无法支撑起

大模型对人类整体生存状态及其知识生产的模拟任务，这是人工智能非常明显而致命的缺陷。

目前大模型的拥护者能够找到的最便利的办法，就是不断拓展大模型的训练数据规模。因为

从概率统计的角度看，用于训练的数据规模越大，大模型出现错误的概率就越低，性能表现

也会越理想。

但大语言模型还是不能理解意义。在一般的认知中，意义理解与语言现象具有最密切的

关联，以至于人们通常将两者混为一谈，这很容易造成一些误解。事实上，从历史时间上看，

在没有语言的时代，人类的行为也是有意义的。人类语言发展经历了一个从存在显示到精确

描述的过程。显示是古代社会中语言的功能，显示以多样化的方式使某物得以闪现，让显示

者获得审听、觉知，让被审听者得到审察、处置。古代语词被发明出来就是为了显示事物的

存在，显示者（语词）与被显