中国国庆盛大阅兵过程中，各军兵种方队整齐划一、步调一致，完美展现了中国军人的刚毅与坚强，举世瞩目。这是军人们历经数月艰苦训练的结果。已知，某训练小组共有40余名队员，平均身高1.82米，平均年龄24岁。最终，所有年龄23岁以上且身高超过1.83米的队员都参与了正式阅兵。
根据以上信息，关于该训练小组，可以得出下列哪项：
没有23岁以下的队员参加正式阅兵
参加正式阅兵的队员中，23岁以上的队员占多数
所有身高超过1.83米但年龄23岁以下的队员都没有参加正式阅兵
未参加正式阅兵者中不包括年龄23岁以上且身高超过1.83米的队员
钱学森曾提出一个问题，后来被称为“钱学森之问”：为什么我们的学校总是培养不出杰出人才？虽然他当时只是针对科学研究而言，但这个问题可以推广到很多领域。比“钱学森之问”更为具体的问题是：相对于我们的人口规模，相对于我们的经济总量，相对于我们的教育投入，从我们的教育体制中走出来的具有创造力的人才，为什么这么少？
创造性思维首先来源于知识，这似乎没有争议。不过，对知识的界定需要更多思考。我们说的知识通常指学科和领域的专业知识。但是，知识也应该包括跨学科知识、跨领域知识、跨界知识。创造力多产生于学科交叉和融合。所以对“钱学森之问”的第一个回答是：学生的知识结构有问题，我们的学生过多局限于专业知识，而缺乏跨学科、跨领域、跨界知识，而这些往往是具有创造力的人才的特征。
创造性思维的第二个来源是好奇心和想象力。爱因斯坦说过，“________________”。他还说过，“________________”，在我们以知识为中心的教育中，这些知识以外的因素通常不受重视。知识与受教育年限的关系比较简单，通常随着受教育年限的增多而增多，但好奇心和想象力与受教育年限的关系则更取决于教育环境和教育方法。儿童时期的好奇心和想象力特别强，但是随着受教育的增多，好奇心和想象力很有可能会递减。这是因为，知识体系都是有框架、有假定的，难怪爱因斯坦感叹过，“________________”。如果这些分析是对的，那么对“钱学森之问”的第二个回答是：不是我们的学校培养不出杰出人才，而是我们的学校在增加学生知识的同时，有意无意地限制了创造性人才的必要因素——好奇心和想象力的发展。
创造性思维的第三个来源与价值取向有关，也就是与追求创新的动机和动力有关。创新的动机有三个层次，分别代表了三种价值取向：短期功利主义、长期功利主义和内在价值的非功利主义，每一个后者都比前者有更高的追求。对短期功利主义者而言，创新能够在短期带来奖励。对长期功利主义者而言，创新需要经过长期努力才能见到成效。而对内在价值的非功利主义者而言，创新源于一种内在动力，源自一种永不满足于现状的渴望，一种发自内心、不可抑制的激情，而不是为了个人的回报和社会的奖赏。现实情况是，具备第一类动机的人很多，具备第二类动机的人也有，但具备第三类动机的人就寥寥无几了。然而，科学和社会的殿堂中如果没有他们，就不成其为殿堂。所以，对“钱学森之问”的第三个回答是：我们之所以缺乏创造性人才，除了知识结构问题和缺乏好奇心和想象力之外，就是在价值取向上太“立竿见影”急于求成的心态，这样的价值观很难出现颠覆性创新、革命性创新。
将下列三个句子依次填入文中划横线处，正确的顺序是：
①我没有特殊的天赋，我只是极度地好奇
②好奇心能够在正规教育中幸存下来，简直就是一个奇迹
③想象力比知识更重要。因为知识只是局限于我们已知的一切，而想象力将包括整个世界中那些未知的一切
①②③
①③②
②③①
③②①
俄国作家肖洛霍夫讲过一个故事：“一个兔子没命地狂奔，路遇狼。狼说，你跑那么急干嘛？兔子说，他们要逮住我，给我钉掌，
狼说，他们要逮住钉掌的是骆驼，而不是你。
兔子说，他们要是逮住我钉了掌，你看我还怎么证明自己不是骆驼。”
在这个故事中，兔子最担心的是：
只要是骆驼，都要被钉掌
即使不是骆驼，也可能会被钉掌
如果被钉了掌，就一定是骆驼
如果没有被钉掌，就不会是骆驼
人口平均预期寿命是反映一个国家和地区人民健康水平的重要指标。第六次全国人口普查显示，2010年我国人口平均预期寿命达74.83岁，而建国初期我国人口平均预期寿命只有35岁左右。因此，六十多年前人们认为的老年人现在看起来其实只是中年人。
以下哪项如果为真，最能削弱上述观点：
建国以来，新生婴儿死亡数量的减少是人口平均预期寿命增加的最重要原因
建国初期，国家正从战乱转向和平，全国形势仍不稳定，人口数量远低于现在
建国初期，生活环境比较艰苦，人们的营养水平比现在差得多
随着医学的发展，医疗水平比建国初期有很大提高
1，0，2，2，6，10，（ ）
10
16
22
28
2，2，3，4，9，32，（ ）
129
215
257
283
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。
文章认为“两个大脑”与人类大脑根本的不同在于：
人的大脑会受情绪心理等因素的干扰
人的大脑有时会出现考虑不周的情况
人脑对事物的思考要比电脑复杂得多
人脑对大局或者细部的侧重并不等同
8，2，1，1，2，（ ）
4
8
10
16
、
、1、2，是公比为2的等比数列；20世纪后期的学生经常抗议核武器，现在的学生很少抗议核武器，可见学生一定是没有过去那么关心政治了。
上述论证基于以下哪项假设：
核武器带来的威胁越来越小
对核武器的抗议能够准确衡量一个群体关心政治的程度
现在的学生不像20世纪后期的学生那么关心政治
对核武器的抗议能够有效防止核武器带来的威胁
西双版纳傣族的竹楼都用方形柱子将房子架空来防止潮湿及蚊虫骚扰，之所以用方形柱子而不是圆形柱子，是为了防止蛇攀爬进入竹楼。
下列哪项最有可能是上述陈述的假设：
傣族人喜欢把东西做成方形的
蛇喜欢攀爬圆形的柱子
西双版纳热带雨林中有很多蛇
蛇不能缠绕着方形的柱子爬行
陕公网安备 61010302000399号