游泳是人体处于一个完全陌生的环境下进行的一项运动。人在陆地上的日常生活中所形成的走、跑、跳、投等习惯性的运动技能,由于活动环节、姿势、呼吸、动力等因素的改变,都不能在水中直接运用。因此,凡是初学游泳的人,不是先学某一个动作,而是先从熟悉水性这个环节开始,亲临水中了解水的浮力、压力、阻力,体验水中运动技能形成的感觉。消除怕水的恐惧心理,是学习游泳的入门关键。
下列选项不符合文意的一项是:
游泳是人体处于一个完全陌生的环境下进行的一项运动
人在陆地上的运动技能可以直接在水中运用
初学游泳的人先从熟悉水性开始
消除怕水的恐惧心理,是学习游泳的入门关键
假性痴呆是指在某种特殊的心理背景下出现的一种部分短暂、可逆的智能障碍,而无明显脑器质性损害的证据。
以下属于假性痴呆的是:
某人听到门响怀疑有人影
某播音员播报过程中突然语塞
车祸脑伤患者思维迟缓,反应迟钝
受精神打击后暂时忘记自己的姓名,不认识亲人
阅读同看电影、看录像、听音乐会有很大不同。后者是一块巨大的生日蛋糕,可以美味地共享;而前者只是孤灯下的一盏清茶,只是独啜,仿佛倾听一个遥远的灵魂对你一个人窃窃私语,他在不同的时间对不同的人说过同样的话,但此时你感觉他只是在为你而歌唱。
对这段文字概括最恰当的是:
在阅读中最能体验孤独的滋味
阅读的收获难以与人分享
阅读的乐趣来源于内心的体会
阅读的魅力需独自品味
在这个万物互通互联的时代,单个企业是无法“_______”的,只有人人安全、合作伙伴都安全、整个环境都安全,才能最大限度地保障自己的网络安全,这也是网络安全的更高等级——生态安全。
填入画横线部分最恰当的一项是:
明哲保身
自力更生
独善其身
自给自足
现在一些国家的法律体系中之所以出现越来越多的“软法”,根本原因就在于,在一个多元化的社会,道德价值的多元化决定了人们在处理社会关系时很难达成一致意见,将一些普遍遵循的道德规范变成共同的行为准则,不仅可以避免多元化社会道德评判混乱的现象,同时也可以在一定程度上引导公民的行为,让他们时刻意识到自己行为的“合法性”。
这段文字的主要观点是:
“软法”有利于凝聚共同价值观
“软法”顺应了社会多元化发展
“软法”对道德准则有强化作用
“软法”可以判定行为的合法性
你做一项工作,只是为了谋生,对它并不喜欢,这项工作就只是你的职业。你做一项工作,只是因为喜欢,并不在乎它能否带来利益,这项工作就是你的事业。最理想的情形是,事业和职业一致,做喜欢的事并能以此谋生。
这段文字主要叙述的是:
职业与事业
谋生与理想
兴趣与工作
目标与现实
①因为,这两个看来完全相同的温度平均值具有不同的意义
②只看平均值,难免以偏概全
③当某个城市某一天的平均气温与全国一年的平均气温完全相同时
④还要了解影响温度变化的各种因素
⑤人们如果要到不同的地方去旅行,所要带的衣物不能以所在城市某一天的气温为依据
⑥要认清后者,不但需要了解某地四季高低温度的差距有多少
排列组合最连贯的是:
⑤⑥④①③②
③⑤①⑥④②
③⑤⑥②①④
⑤⑥②①④③
赤潮,又称“红潮”。赤潮是海洋中一种或多种微小浮游植物、原生动物或细菌,在一定的环境条件下突发性迅速增殖或聚集,引起一定海域范围在一段时间内变色的自然生态现象。赤潮是一种海洋生物灾害。通常水体颜色因赤潮生物的数量、种类而呈红、黄、绿和褐色等。
根据上述定义,以下最有可能属于赤潮现象的是:
我国长江中游多次发生水体变蓝现象
位于尼泊尔博克拉市区的贝格纳斯湖湖水曾变红
日本濑户内海、有明海等水域频繁发生水体变红
美国密西西比河部分水域发生洪灾,水中含大量泥沙
氨氧化古菌是一种广泛分布的海洋微生物,它们通过将氨氧化成亚硝酸盐来获得能量。这一过程需要氧气的参与,但它们却常分布在无氧环境中。最新研究发现,氨氧化古菌能在黑暗的缺氧环境中自行生成氧气。研究人员将其移至缺氧海水中,随着氨氧化反应的进行,氧气逐渐被耗尽,但几分钟后氧气浓度又升高。在排除其他可能后,研究人员判定是氨氧化古菌自行产生了氧气,虽然不多,但足以维持自身运行。不过,研究人员尚不完全清楚其产氧机制。
与这段文字的意思相符的一项是:
缺氧状态下亚硝酸盐会分解氧气,促进氨氧化古菌的氧循环
氨氧化古菌虽分布广泛,但无法在氧气稀薄区域获取能量
生活在暗黑地带的海洋微生物,无需光也可进行光合作用
海洋世界里还存在着研究人员没弄明白的微生物产氧方式
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