【语文】河北省沧州市2024-2025学年高三5月第二次模拟考试试题（解析版）.docx

河北省沧州市 2024 - 2025 学年高三 5 月第二次模拟考试 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： 10 月 8 日，瑞典皇家科学院宣布，将 2024 年诺贝尔物理学奖授予美国科学家约翰•霍普菲尔德和加拿大科学家杰弗里•辛顿，以表彰他们通过人工神经网络实现机器学习而作出的基础性发现和发明。 当我们谈论 AI 时，通常指的是使用人工神经网络进行的机器学习。事实上，这项技术最初的开发灵感源自人脑结构。在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过类似于突触的连接相互影响，这些连接可以变强或变弱。例如，通过在同时具有高数值的节点之间建立更强连接，可以对人工神经网络进行训练。 机器学习长期以来一直是科学家们研究的重要内容，其中包括对大量数据的分类和分析。霍普菲尔德和辛顿利用物理学工具构建了新方法，为当今强大的机器学习奠定了基础。 霍普菲尔德发明了一种联想记忆网络，它能够存储和重建图像以及其他类型的数据模式。 如何理解呢？我们可以将节点想象成像素。 “ 霍普菲尔德网络 ” 利用了物理学中描述物质特性的原理。根据该原理，材料因原子自旋而具有独特特性，这种特性使每个原子成为一个小型磁铁。整个网络的描述方式相当于物理学中自旋系统的能量，它通过寻找节点之间连接的值来进行训练，从而使得保存的图像具有较低的能量。 当输入扭曲或不完整的图像时， “ 霍普菲尔德网络 ” 会系统地遍历节点并更新它们的值，从而降低网络的能量。因此，网络能够逐步找到与输入图像最相似的已保存图像。 辛顿的研究建立在 “ 霍普菲尔德网络 ” 基础之上，他构建了一种使用不同方法的新网络，即玻尔兹曼机（玻尔兹曼是十九世纪的统计物理学家，他提出的玻尔兹曼分布，描述了多个分子组成的系统）。它能够学习识别给定类型数据中的特征元素。辛顿运用统计物理学原理，通过输入机器运行时可能出现的示例对其进行训练。玻尔兹曼机可用于对图像进行分类，或创建训练模式类型的新示例。辛顿在此基础上进行拓展，推动了当前机器学习的爆炸式发展。 诺贝尔物理学奖颁给两位 “ AI 先驱 ” ，除了表彰他们在将物理学与人工神经网络深度结合方面所作的贡献之外，可能还有两层隐含意义，一是物理规律不仅存在于自然界中，在数字世界（计算机模型、模型创建的虚拟世界）中也可能发挥着制约作用。二是 AI 与 物理学等基础科学存在千丝万缕的联系