河南省豫东部分名校
2025
届高三三模语文试题
一、现代文阅读(
35
分)
(一)现代文阅读Ⅰ(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(
Viktor
Mayer
-
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(
Bullock
M
)与格利曼(
Gelman
R
),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
:
【语文】河南省豫东部分名校2025届高三三模试题(解析版).docx