安徽省定远县二中 2024-2025学年高一（下）5月检测语文试卷-.docx

安徽省定远县 二中 2024-2025 学年高一（下） 5 月检测语文试卷 一、现代文阅读：本大题共 9 小题，共 35 分。 阅读下面的文字，完成下面小题。 材料一： 人工智能从诞生伊始，就以 “ 像人类一样思考 ” 为终极目标。在 1956 年美国达特茅斯会议上， “ 人工智能 ” 这一概念首次被提出，人类开始设想 “ 让机器能像人类一样认知、思考和学习 ” 。 1976 年，拉斐尔提出： “ 人工智能是一门科学，这门科学让机器做人类需要智能才能完成的事。 ” 进入 21 世纪后，第三次人工智能浪潮开启，人工智能被认为是通过采集和分析大量数据，实现自动学习、分析和推理的智能化机器。英国大数据专家迈尔 • 舍思伯格指出： “ 大数据的核心就是预测。它是把数学算法运用到海量数据上来预测事情发生的可能性。 ” 这种基于大数据的分类、预判，与人类的思考模式具有异曲同工之妙，但也不可避免地继承了人类的偏见。 数据是算法的基础，如果训练数据隐含偏见，算法输出的结果也有可能出现偏见，即所谓的 “ 偏见进，偏见出 ” 。数据偏见又可以分为 “ 采集阶段的偏见 ” 和 “ 编码阶段的偏见 ” 。在数据采集阶段，获取数据的目的、方 式和使用的媒体，都可能成为偏见的来源。以波士顿的 Street Bump 智能手机应用程序为例，它使用手机的加速计来检测路面的坑洞，而不需要城市工作人员在街上巡逻。当波士顿市民下载该应用程序并开车行驶时，其手机会自动告知市政部门有哪些需要修复的路面。这是一个富有创意的应用，但也是带有偏见的应用。这种数据收集方式决定了其更适用于富裕的地区，因为那里有更多的人拥有智能手机。数据的编码技术也与偏见有着极大关系。编码是指用人工方式对数据进行标注，标注过的数据集对其法的发展至关重要。现代 AI 技术的一个重要分支就建立在对 标注过的数据的学习之上，亦即所谓的 “ 监督式学习 ” 。然而，这些标注极有可能带有数据标注者的主观判断和个人烙印。 即使训练数据集不具备偏见，算法也有可能通过自我学习制造偏见。算法系统就像是个 “ 黑箱 ” ，机器的学习和训练是不为外人所熟知的。机器学习离不开环境，它在与环境信息交互的过程中学习和复制种种带有偏见的行为。 2016 年，一款由微软公司专门为年轻人推出的智能聊天机器人 Tay, 在经过不到 24 小时与年轻人的聊天学习后，变得脏话连篇，言论带有种族歧视，被迫下架。算法不能决定用户输入数据的性质或特点，只能被动对输入的 各类数据进行学习，换句话说，若输入数据的互动者