2025~2026学年山东省青岛市莱西市一中高三12月月考语文试卷.docVIP

2025~2026学年山东省青岛市莱西市一中高三12月月考语文试卷

一、现代文阅读

阅读下面的文字，完成下面小题。

材料一：

近年来，生成式人工智能爆发式发展，用户规模已达2.49亿人。然而，当AI照进现实，除AI谣言等直接威胁外，“AI幻觉”正逐渐混淆公众视听，隐藏潜在风险。

“Al幻觉”一般分为事实性幻觉与忠实性幻觉两大类。前者指的是生成内容与可验证的现实世界事实不符。比如说，谷歌AI工具Bard曾错误宣称世界上首张来自太阳系外星球的照片是由詹姆斯·韦布空间望远镜拍摄下来的，但实际上这里的“首张”并非人类历史上的首张。①。比如说，当你要求AI帮助查询今天的天气时，结果得到的却是去年今日的天气信息；当你提问“糖尿病患者能否用蜂蜜代替糖”时，AI回答“蜂蜜富含维生素和矿物质，可提高免疫力”。看似“有板有眼”，实际答非所问。

被幻觉笼罩的Al大模型，面对知识边界外的提问时，可能把《三国演义》当作史实，也可能把网民杜撰当作权威信源，甚至可能无中生有引用虚假案例，用看似完美的逻辑链条编织答案。AI幻觉告诉我们，AI有可能“欺骗”用户。在与AI“合作”时，应时刻保持必要的怀疑态度和批判思维，多渠道核查验证信息的准确性。同时，不能以Al创造替代人类创造，让“人工智能”替代“人类智能”。

（摘编自“浙江宣传”《谨防AI幻觉制造认知陷阱》）

材料二：

“AI幻觉”指人工智能系统生成看似合理、逻辑自洽，实则与客观事实不符或完全虚构内容的现象。这一概念起源于1995年，计算机科学家斯蒂芬·塞勒用其指代神经网络自发产生的新想法，当时带有褒义，象征AI的创造力。2017年左右，随着能稳定生成图像或文字的AI出现，“幻觉”开始用于描述神经机器翻译模型生成与原文不符译文的情况；到2022年8月，Meta在论文中将其定义为“自信地说假话”，这个定义成为当前主流认知，同时也概括了其核心特征。测试显示，DeepSeekR1幻觉率达14.3%，OpenAl03最低，也有0.8%。

“AI幻觉”的生成源于三方面：其一，原始数据集存在缺陷，大规模预训练数据常混杂事实谬误与系统性偏差，而Al缺乏自主甄别能力，如训练数据中未标注虚构的科幻小说，可能让AI对其中设定“信以为真”；其二，生产逻辑有局限，以ChatGPT为代表的大语言模型，基于Transformer网络，通过计算词汇关联、预测文本序列模拟人类语言能力，但本质是“概率优等生”，仅靠统计匹配生成内容，不具备真正语义理解能力，无法确保事实准确；其三，训练过程存在问题，预训练阶段模型架构缺陷、训练目标不当，对齐阶段能力或信念错位，都会导致幻觉产生。因此，我们要交叉比对各不同模型的输出，规避因模型单一而产生Al幻觉。

“Al幻觉”的影响深远。一方面，它在重塑品牌传播符号逻辑，以概率生成的非常规关联打破传统营销叙事，释放创造力。另一方面，它在行业应用层面已造成实质性风险：在金融领域，国信证券用DeepSeek模型生成投资建议时，模型虚构金融产品致客户损失；法律场景中，数据显示AI生成虚假判例比例达17%，损害司法公信力。而更深层的影响在于数据库被污染，数字生态恶化：中文互联网38%科普文章含AI虚构信息，这些内容反哺模型训练形成“幻觉强化循环”；北京大学研究发现，经3轮迭代训练，模型事实错误率从12%升至47%。这些影响正在动摇社会信任基础，消费者开始普遍质疑信息来源的本质：是人类专业承诺，还是机器的概率游戏？这将可能引发更深层次的社会认知危机。

（摘编自《AI幻觉的生成机制及影响》）

材料三：

柏拉图洞穴与AI幻觉存在显著认知同构性。从投影机制看，洞穴中囚徒所见是真实世界的影子，AI生成内容是训练数据的投影，二者都不是直接接触本体，②。大语言模型如同洞穴中的观察者，仅能接触文本数据这一“影子”，无法触及真实世界。从认知困境看，洞穴囚徒被锁链束缚，误将影子当真实；AI时代用户易被算法“自信”输出迷惑，忽视幻觉风险。更值得警惕的是，人机协同时人类易弱化批判性思维，形成思维惰性，陷入认知漩涡。

不过，MIT团队2024年提出的“柏拉图表征假说”，为突破困境提供方向。该假说认为，随模型参数规模扩大与训练数据增多，不同AI模型会收敛到对现实的统一表征。若将现实Z比作圆锥加圆球，图片模态投影为X、文本模态投影为Y，分别训练的视觉模型与文本模型，最终能透过X、Y理解Z的本质，这意味着当AI模型足够先进时，可如走出洞穴的