关于暖锋,下列说法错误的是:
即使暖空气异常活跃,也产生不了对流天气
暖气团向冷气团区移动时两者的分界面
暖空气常沿暖锋滑升于冷空气之上,使其中水汽凝结,产生云雨
暖锋临近一地时,常伴有大范围的连续性雨或雪
下列关于声音的说法错误的是:
声音是由物体振动产生的声波
声音在水中传播的速度比在空气中要快
用空心砖砌墙降噪是在声源处减弱噪声
接听电话主要靠音色来分辨熟人的声音
关于生物,下列说法错误的是:
酸菜和腐乳的制作过程中都离不开乳酸菌的发酵
病毒只能寄生在活细胞中进行生命活动
细菌有完整的能量代谢系统,可以独立地生长繁殖
木耳是真菌的一种,常生长在阴湿、腐朽的树干上
下列关于云的说法错误的是:
冷却云中强烈的气旋扰动使飞机发生波动
积雨云中的雷电会给飞机带来极大的危险
贝母云常见于高纬度地区,有珍珠般光泽
夜光云出现在黄昏后的夜空,有银色光泽
下列关于金属的说法错误的是:
金属的光泽由光的反射率决定
金属的颜色由可见光的选择反射决定
抗菌金属主要利用活性氧或金属离子灭菌
根据金属的耐腐蚀性,金属分重金属和轻金属
关于药品,下列说法错误的是:
大部分药品属于处方药,如注射剂、毒麻药品等
非处方药不需要凭执业医师处方即可自行购买和使用
处方药不可擅自使用、停用或增减剂量,否则可能引起严重后果
药品说明书用以指导医生和患者选择、使用药品,但不具法律意义
2020年是中国人民志愿军抗美援朝出国作战70周年。关于抗美援朝战争,下列说法正确的是:
抗美援朝战争是第二次世界大战的组成部分
抗美援朝战争历经三年零九个月
上甘岭战役发生在抗美援朝战争期间
中国人民志愿军的总司令是叶剑英
下列关于声音的常识,说法错误的是:
人耳可以听到的声音频率在20Hz-20000Hz之间
声音在不同介质中传播速度一般是固体大于液体
未见其人先闻其声,是因为声波波长较长,容易发生反射现象
音调指声音的高低,响度指声音的强弱,音色主要指声音的特色
下列关于粉尘爆炸的说法错误的是:
颗粒越小越易燃烧,爆炸也越剧烈
越易氧化的物质,其粉尘越易爆炸
越易带电的物质,其粉尘越易爆炸
含卤素和钾、钠的粉尘,爆炸趋势增强
AlphaGo(阿尔法围棋程序)总体上由两个神经网络构成,以下把它们简单称为“两个大脑”。这只是一个比喻,在对弈时,这两个大脑是这样协同工作的:第一个大脑的简单模式会判断出在当前局面下有哪些走法值得考虑。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,第二个大脑会协助第一个大脑通过判断局面来砍掉大量不值得深入考虑的分岔树,从而大大提高计算效率。与此同时,第二个大脑通过下一步棋导致的新局面的优劣也能给出关于下一步棋的建议。最后,两个大脑的建议被平均加权,做出最终的决定。
其实,这两个大脑的工作方式确实和人类很相似,一个__________细部,一个__________全局。但AlphaGo最终结合两者的方式相当简单粗暴: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式。
对人类来说,这两种思考问题方式的结合要复杂得多——不仅仅在围棋中是这样。人们并不总是同时对事态做出宏观和微观的判断,而是有时情绪、心理和潜意识的应激反应。这当然是人类不完美之处,但也是人类行为丰富性的源泉。
为什么要让人工智能去下围棋?有很多理由。但在我看来最重要的一个,是能够让我们更深入地理解智能的本质。
神经网络和机器学习在过去十年里跃进式的发展,确实让人工智能做到许多之前只有人脑才能做到的事,但这并不意味着人工智能的思维方式接近了人类。而且吊诡的是,人工智能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式上的短板。和国际象棋中的深蓝系统相比,AlphaGo已经和人类接近了许多,深蓝仍然依赖于人类外部定义的价值函数,所以本质上只是个高效计算器。但AlphaGo的价值判断是自我习得的,这就有了人的影子,而且AlphaGo的进步依赖于海量的自我对局数目,这当然是它的长处,但也恰好说明它并未真正掌握人类的学习能力。一个人类棋手一生至多下几千局棋,就能掌握AlphaGo在几百万局棋中所训练出的判断力,这足以证明,人类学习过程中还有某种本质是暂时无法用当前的神经网络程序来刻画的。
这当然不是说AlphaGo应该试图去复制一个人类棋手的大脑,但是AlphaGo的意义也不应该仅仅反映在它最终的棋力上。它是如何成长的?它的不同参数设置如何影响它的综合能力?如果有其他水平相当的人工智能和它反复对弈,它能否从对方身上“学到”和自我对弈不同的能力?对这些问题的研究和回答,恐怕比单纯观察它是否有朝一日能够超越人类重要得多。
下列关于AlphaGo的说法与文意不符的是:
两个大脑的工作方式有很大差异
第二个大脑主要提高计算效率
两个大脑在工作中并不区分主次
最终决定综合两个大脑的计算结果