突破練1信息篩選:提防兩類信息轉(zhuǎn)述偏差高考總復(fù)習(xí)優(yōu)化設(shè)計GAOKAOZONGFUXIYOUHUASHEJI2025(2024·福建龍巖三模)閱讀下面的文字,完成1~5題。(18分)材料一

嗅覺是人體最早形成的感官之一,這是一種非常復(fù)雜的感官反應(yīng)。鼻子像一個高度靈敏的檢測器,通過數(shù)以百萬計的嗅覺神經(jīng),感知和區(qū)分各種具有不同結(jié)構(gòu)特性的氣味分子,以便我們在復(fù)雜的環(huán)境中迅速作出判斷。模仿人類嗅覺感知的人工智能(AI)嗅覺識別技術(shù)是融合了機(jī)器學(xué)習(xí)和人工智能的先進(jìn)算法,能夠通過檢測和分析氣味分子來鑒別各種物質(zhì)。AI嗅覺技術(shù)的應(yīng)用領(lǐng)域從環(huán)境監(jiān)測到醫(yī)療診斷,從食品安全到犯罪偵查,其潛力無可限量。那么,在氣味感知這個“競技場”中,AI與人類的鼻子,誰的氣味感知更勝一籌?我們先來了解一下人類和AI感知氣味的原理。人類大腦感知氣味的過程就像一場“邂逅”。首先,氣味分子悄然而至,進(jìn)入鼻腔。在鼻腔的上方有一個特殊的區(qū)域,稱為嗅覺上皮。這里有大量的嗅覺受體細(xì)胞,能夠特異性地識別氣味分子。這些氣味分子在鼻腔中四處游走,尋找它們的搭檔,也就是我們的嗅覺感受器。人類有大約400個功能性嗅覺感受器。這些感受器一旦接觸到氣味分子,就會立刻引起電信號改變,跳起“電擊舞”向大腦傳遞信號。這個信號通過嗅覺神經(jīng)直達(dá)大腦的一個特定區(qū)域——嗅球。在嗅球中,這些信號被進(jìn)一步處理并分析。然后,信息會傳送到與記憶和情感相關(guān)的大腦區(qū)域,如海馬體和杏仁核。大腦將這些信號轉(zhuǎn)化為我們可以識別和理解的氣味感覺,讓我們感受到氣味的味道、質(zhì)地等特征。最終,經(jīng)嗅覺神經(jīng)信號的處理形成了描述各種氣味的語義表征,例如咖啡味、玫瑰味、榴梿味等。那么AI是如何嗅到各種氣味的呢?AI“聞到”氣味就像是一場根據(jù)分子結(jié)構(gòu)進(jìn)行的“猜謎游戲”。氣味來源于特定結(jié)構(gòu)分子,這些分子就像一個個的“信使”,攜帶著氣味的信號。因此,要預(yù)測某種物質(zhì)所帶來的氣味,關(guān)鍵在于辨析分子的組成和結(jié)構(gòu)。在這一過程中,AI依賴于一個龐大且被精細(xì)整理過的數(shù)據(jù)庫。這個數(shù)據(jù)庫可被視為一本高級的“氣味—分子翻譯詞典”,其中詳盡地列出了已知分子結(jié)構(gòu)與其相應(yīng)氣味之間的聯(lián)系。每一種分子與氣味的關(guān)聯(lián)都被細(xì)致地記錄與歸檔。當(dāng)面臨一個新分子的氣味預(yù)測任務(wù)時,AI會快速檢索這個專業(yè)“詞典”,尋找與新分子結(jié)構(gòu)相近的已知分子,并從中推測可能的氣味屬性。這個過程不僅快速,還極為精確。除了基本的結(jié)構(gòu)匹配,AI還會綜合考慮其他化學(xué)性質(zhì),如分子的電負(fù)性和立體構(gòu)型等,以更全面地預(yù)測新分子的氣味特性。這一整體過程就像是AI在匯集和分析各種線索,以推斷出新分子可能產(chǎn)生的氣味。2023年8月,《科學(xué)》雜志上發(fā)表了一款A(yù)I氣味分析的圖神經(jīng)網(wǎng)絡(luò)(GNN)模型。分子結(jié)構(gòu)輸入到模型中后,GNN會優(yōu)化不同化學(xué)結(jié)構(gòu)在特定氣味中的權(quán)重,最后通過預(yù)測層對分子的氣味進(jìn)行判斷,輸出對應(yīng)的氣味描述詞。研究人員對GNN模型和人類組進(jìn)行了氣味測試。結(jié)果顯示,AI在53%的化學(xué)分子以及55%的氣味描述準(zhǔn)確度方面表現(xiàn)優(yōu)于人類氣味專家。那么,人類與AI到底誰是氣味專家?我們可以想象一個由專業(yè)人士組成的團(tuán)隊,他們是“氣味專家”。與依賴大量數(shù)據(jù)和算法的AI不同,這些專家主要依賴他們的嗅覺和多年積累的經(jīng)驗來解析和描述氣味。他們有能力識別出各種復(fù)雜氣味的細(xì)微差別,并能用精確的語言進(jìn)行描述。例如,他們能明確地區(qū)分花香、果香、草香、皮革香等各種不同類型的氣味,并對其進(jìn)行深入的解釋。此外,這些氣味專家還能夠結(jié)合氣味的來源和環(huán)境因素,對其進(jìn)行分析和解讀。例如,他們可以分辨出烹飪過程產(chǎn)生的氣味、植物的氣味、動物身上特有的氣味等,并根據(jù)這些氣味的特點和變化,對其產(chǎn)生的原因和影響進(jìn)行系統(tǒng)分析。與數(shù)據(jù)驅(qū)動的AI的預(yù)測不同,這些氣味專家的描述和判斷可能會受到主觀因素的影響。他們的結(jié)論可能因人而異,甚至?xí)艿蕉喾N因素的影響。就目前階段而言,AI的嗅覺能力尚未達(dá)到碾壓人類的水平,且人類在感知氣味的主觀體驗和理解上具有無可替代的優(yōu)勢。(摘編自《AI嗅覺超人類,是噱頭還是事實?》)材料二

神經(jīng)科學(xué)中的一個基本問題是將刺激的物理特性映射到對應(yīng)的知覺特征上。在視覺中,波長與顏色相對應(yīng);在聽覺中,頻率與音調(diào)相對應(yīng)。相比之下,化學(xué)結(jié)構(gòu)與嗅覺感知之間的映射關(guān)系尚不明確。類似于CIE顏色空間和傅里葉空間這樣的映射有助于更好地理解視覺和聽覺編碼。同理,為了更好地理解嗅覺編碼,嗅覺也需要一個更好的映射。近日,由Google

Research、Osmo

Lab等組成的多機(jī)構(gòu)研究團(tuán)隊使用圖神經(jīng)網(wǎng)絡(luò)生成了一個主要嗅覺映射圖譜(principal

odor

map,POM),該映射圖譜反映了感知關(guān)系,并能夠預(yù)測未知氣味的性質(zhì)。該模型在預(yù)測氣味性質(zhì)方面與人類一樣可靠:在一個由400個樣本外氣味組成的前瞻性驗證集上,模型生成的氣味性質(zhì)更接近于經(jīng)過訓(xùn)練的專家組的平均值,而不是中位數(shù)。通過應(yīng)用簡單、可解釋、基于理論的轉(zhuǎn)換,POM在幾種其他氣味預(yù)測任務(wù)上優(yōu)于化學(xué)信息學(xué)模型,表明POM成功地編碼了結(jié)構(gòu)—氣味關(guān)系的廣義映射。這種方法廣泛地實現(xiàn)了氣味預(yù)測,并為氣味數(shù)字化鋪平了道路。(摘編自《AI也能聞出榴梿味,谷歌繪制首個嗅覺圖譜,可分辨50萬種氣味》)1.(對點題)下列對材料相關(guān)內(nèi)容的理解和分析,不正確的一項是(

)(3分)A.材料一中用“檢測器”來說明人的嗅覺能在復(fù)雜環(huán)境中對氣味作出判斷。B.“競技場”一詞表明作者將人類嗅覺與AI嗅覺在氣味感知方面進(jìn)行了比較。C.“邂逅”在文中指氣味分子進(jìn)入到人類的鼻腔中,與相應(yīng)的嗅覺感受器相遇。D.“詞典”是指已知分子結(jié)構(gòu)與其相應(yīng)氣味聯(lián)系被精細(xì)整理好的龐大數(shù)據(jù)庫。答案:C解析:C項,以偏概全?！板忮恕笔侵溉祟惔竽X感知氣味的過程。這個過程不僅僅指氣味分子進(jìn)入人的鼻腔后與嗅覺感受器相遇,還包括把信號通過嗅覺神經(jīng)傳遞到“嗅球”,經(jīng)大腦相關(guān)區(qū)域分析后,對氣味類別作出判斷。2.(對點題)根據(jù)材料內(nèi)容,下列說法不正確的一項是(

)(3分)A.材料一中AI預(yù)測氣味,就是將氣味分子結(jié)構(gòu)與數(shù)據(jù)庫中的信息進(jìn)行比對,因此AI嗅覺功能強(qiáng)大與否由數(shù)據(jù)庫決定。B.圖神經(jīng)網(wǎng)絡(luò)(GNN)模型是通過對氣味分子進(jìn)行辨析而建構(gòu)起來的化學(xué)信息學(xué)模型,具有強(qiáng)大的嗅覺辨析功能。C.氣味專家相較于AI嗅覺,優(yōu)勢在于能根據(jù)自身的嗅覺和積累的經(jīng)驗,并結(jié)合氣味的來源、環(huán)境因素對氣味作出判斷。D.嗅覺映射圖譜是研究人員借助神經(jīng)科學(xué)中的嗅覺映射原理研制出的AI嗅覺模型,預(yù)測原理不同于化學(xué)信息學(xué)模型。答案:A解析:根據(jù)材料一第八段可知,AI預(yù)測氣味,不僅需要進(jìn)行信息比對,還需要判斷,這取決于算力。因此AI嗅覺功能強(qiáng)大與否,由數(shù)據(jù)庫和算法決定。3.下列選項中,不能支撐AI嗅覺技術(shù)應(yīng)用場景的一項是(

)(3分)A.AI可通過感知病人呼出的氣息,實現(xiàn)疾病篩查,進(jìn)而診斷出病人的疾病。B.AI用在食物新鮮度檢測上,可避免食物浪費,降低腐敗食物帶來的風(fēng)險。C.AI應(yīng)用于毒品、放射性危險物品的偵測,可以避免其給人體帶來的危害。D.AI通過嗅覺映射圖譜能夠?qū)Νh(huán)境質(zhì)量進(jìn)行監(jiān)測,如河流、大氣的污染等。答案:C解析:C項,放射性物品無法偵測,因為無氣味。因而此項不能支持AI嗅覺技術(shù)應(yīng)用場景。4.(對點題)結(jié)合材料,對下列坐標(biāo)圖的分析不正確的一項是(

)(3分)不同AI模型的預(yù)測結(jié)果與人類組平均值的相關(guān)性坐標(biāo)圖注GNN混合模型是指既采用GNN,又采用映射的預(yù)測模型。A.圖中數(shù)據(jù)顯示,GNN對氣味分子結(jié)構(gòu)進(jìn)行判斷和描述,其準(zhǔn)確度方面表現(xiàn)遠(yuǎn)遠(yuǎn)超過人類。B.依據(jù)材料與坐標(biāo)圖,映射模型預(yù)測氣味的準(zhǔn)確度,接近人類組的平均值,與人類一樣可靠。C.GNN和POM模型的氣味預(yù)測數(shù)據(jù)顯示,目前AI的嗅覺能力還無法達(dá)到碾壓人類的水平。D.GNN混合模型對氣味的預(yù)測能力優(yōu)于人類、GNN、映射,可作為今后AI嗅覺研究方向。答案:A解析:A項,“遠(yuǎn)遠(yuǎn)超過人類”錯誤,應(yīng)是兩者互有高下。5.材料一兼具科學(xué)性、生動性與社會性,請簡要分析。(6分)參考答案: