预约享全项目备考资料

【分析】第一步,剖析文段脉络,将选项与原文脉络一一对应。第二步,辨析选项。文章的脉络是根据进步过程进行叙述的。A项中提到的条凳在文中并未提及,且靠背椅并非后期进步而来的,而是西魏年代壁画上就有,不符合文段脉络。文章第一段先说周秦汉晋年代,宴席上实行分餐制,用小食案进食是个主要原因,2、3、四段描述高足坐具的普及,zui后两段说明高椅大桌的会食制的普及,B项、C项和D项都符合进步脉络。因此,选择A选项。

材料二:

AlphaGo大体上由两个神经互联网构成,以下把它们简单称为两个大脑。这只不过一个比喻,在对弈时,这两个大脑是如此协同工作的:第一个大脑的简单模式会看出在目前局面下有什么走法可以考虑。第一个大脑的复杂模式通过蒙特卡洛树来展开各种走法,即所谓的算棋,以判断每种走法的优劣。在这个计算过程中,第二个大脑会帮助第一个大脑通过判断局面来砍掉很多不值得深入考虑的分岔树,从而大大提升计算效率。同时,第二个大脑通过下一步棋致使的新局面的优劣也能给出关于下一步棋的建议。zui后,两个大脑的建议被平均加权,做出zui终的决定。

其实,这两个大脑的工作方法确实和人类很像,一个细部,一个全局。但AlphaGozui终结合两者的方法相当简单暴力:让两者各自评估一下每种可能的优劣,然后取一个平均数,这可绝不是人类的思维方法。对人类来讲,这两种考虑问题方法的结合要复杂得多不只在围棋中是如此。大家并不一直同时对局势做出宏观和微观的判断,而是有时侧重于大局,有时侧重于细部。具体的精力分配取决于局势本身,也取决于人在当时的情绪、心理和潜意识应激反应。这当然是人类不完美之处,但也是人类行为丰富性的源泉。为何要叫人工智能去下围棋?有不少理由。但在我看来zui要紧的一个,是可以让大家更深入地理解智能的本质。

神经互联网和机器学习在过去十年里跃进式的进步,确实叫人工智能做到很多之前只有人脑才能做到的事,但这并不意味着AI的思维方法接近了人类。而且吊诡的是,AI在计算能力上的巨大进步,反而掩盖了它在学习人类思维方法上的弱点。和国际象棋中的深蓝系统相比,AlphaGo已经和人类接近了很多,深蓝仍然依靠于人类外部概念的价值函数,所以本质上只不过个高效计算器。但AlphaGo的价值判断是自我习得的,这就有了人的影子,而且AlphaGo的进步依靠于大量的自我对局数目,这当然是它的长处,但也恰好说明它并未真的学会人类的学习力。一个人类棋手一生至多下几千局棋,就能学会AlphaGo在几百万局棋中所练习出的判断力,这足以证明,人类学习过程中还有某种本质是暂时没办法用目前的神经互联网程序来刻画的。这当然不是说AlphaGo应该试图去复制一个人类棋手的大脑,但AlphaGo的意义也不应该仅仅反映在它zui终的棋力上。它是怎么样成长的?它的不同参数设置怎么样影响它的综合能力?假如有其他水平相当的AI和它反复对弈,它能否从他们身上学到和自我对弈不一样的能力?对这类问题的研究和回答,恐怕比单纯察看它是不是有朝1日可以超越人类要紧得多。