2024年吉林省部分名校高三第二次质量检测语文试题

2024年吉林省部分名校高三第二次质量检测语文试题

一、现代文阅读

阅读下面的文字，完成下面小题。

材料一：

嗅觉是人体最早形成的感官之一，这是一种非常复杂的感官反应。鼻子像一个高度灵敏的检测器，通过数以百万计的嗅觉神经，感知和区分各种具有不同结构特性的气味分子，以便我们在复杂的环境中迅速做出判断。

模仿人类嗅觉感知的人工智能（AI）嗅觉识别技术是融合了机器学习和人工智能的先进算法，能够通过检测和分析气味分子来鉴别各种物质。AI嗅觉技术的应用领域从环境监测到医疗诊断，从食品安全到犯罪侦查，其潜力无可限量。

那么，在气味感知这个“竞技场”中，AI与人类鼻子，谁的气味感知更胜一筹？我们先来了解一下人类和AI感知气味的原理。

人类大脑感知气味的过程就像一场“邂逅”。首先，气味分子悄然而至，进入鼻腔。在鼻腔的上方有一个特殊的区域，称为嗅觉上皮。这里有大量的嗅觉受体细胞，能够特异性地识别气味分子。这些气味分子在鼻腔中四处游走，寻找它们的搭档，也就是我们的嗅觉感受器。人类有大约400个功能性嗅觉感受器。这些感受器一旦接触到气味分子，就会立刻引起电信号改变，跳起“电击舞”向大脑传递信号。这个信号通过嗅觉神经直达大脑的一个特定区域——嗅球。

在嗅球中，这些信号被进一步处理并分析。然后，信息会传送到与记忆和情感相关的大脑区域，如海马体和杏仁核。大脑将这些信号转化为我们可以识别和理解的气味感觉，让我们感受到气味的味道、质地等特征。最终，经嗅觉神经信号的处理形成了描述各种气味的语义表征，例如咖啡味、玫瑰味、榴莲味等等。

那么AI是如何嗅到各种气味的呢？

AI“闻到”气味就像是一场根据分子结构进行的“猜谜游戏”。气味来源于特定结构分子，这些分子就像一个个的“信使”，携带着气味的信号。因此，要预测某种物质所带来的气味，关键在于辨析分子的组成和结构。在这一过程中，AI依赖于一个庞大且被精细整理过的数据库。这个数据库可被视为一本高级的“气味—分子翻译词典”，其中详尽地列出了已知分子结构与其相应气味之间的联系。每一种分子与气味的关联都被细致地记录与归档。

当面临一个新分子的气味预测任务时，AI会快速检索这个专业“词典”，寻找与新分子结构相近的已知分子，并从中推测可能的气味属性。这个过程不仅快速，还极为精确。除了基本的结构匹配，AI还会综合考虑其他化学性质，如分子的电负性和立体构型等，以更全面地预测新分子的气味特性。这一整体过程就像是AI在汇集和分析各种线索，以推断出新分子可能产生的气味。

2023年8月，在《科学》杂志上发表了一款A1气味分析的图神经网络（GNN）模型。分子结构输入到模型中后，GNN会优化不同化学结构在特定气味中的权重，最后通过预测层对分子的气味进行判断，输出对应的气味描述词。研究人员对GNN模型和人类组进行了气味测试。结果显示，AI在53％的化学分子以及55％的气味描述准确度方面表现优于人类气味专家的特性。

那么，人类与AI到底谁是气味专家？我们可以想象一个由专业人士组成的团队，他们是“气味专家”。与依赖大量数据和算法的AI不同，这些专家主要依赖他们的嗅觉和多年积累的经验来解析和描述气味。他们有能力识别出各种复杂气味的细微差别，并能用精确的语言进行描述。例如，他们能明确地区分花香、果香、草香、皮革香等各种不同类型的气味，并对其进行深入的解释。

此外，这些气味专家还能够结合气味的来源和环境因素，对其进行分析和解读。例如，他们可以分辨出烹饪过程产生的气味、植物的气味、动物身上特有的气味等，并根据这些气味的特点和变化，对其产生的原因和影响进行系统分析。

与数据驱动的AI的预测不同，这些气味专家的描述和判断可能会受到主观因素的影响。他们的结论可能因人而异，甚至会受到多种因素的影响。

就目前阶段而言，AI的嗅觉能力尚未达到碾压人类的水平，且人类在感知气味的主观体验和理解上具有无可替代的优势。

（摘编自中国科普网Denovo团队：《AI嗅觉超人类，是噱头还是事实？》）

材料二：

神经科学中的一个基本问题是将刺激的物理特性映射到对应的知觉特征上。在视觉中，波长与颜色相对应；在听觉中，频率与音调相对应。相比之下，化学结构与嗅觉感知之间的映射关系尚不明确。类似于CIE颜色空间和傅里叶空间这样的映射有助于更好地理解视觉和听觉编码。同理，为了更好地理解嗅觉编码，嗅觉也需要一个更好的映射。

近日，由GoogleResearch、OsmoLab等组成的多机构研究团队使用图神经网络生成了一个主要嗅觉映射图谱（principalodormap，POM），该映射图谱反映了感知关系，并能够预测未知气味的性质。该模型在预测气味性质方面与人类一样可靠：在一个由400个样本外气味组成的前瞻性验证集上，模型生成的气味性质更接近于经过训练的专家组的平均值，而不是中位数。通过应用简单、可解释、基于理论的转换，POM在几种其他气味预测任务上优于化学信息学模型，表明POM成功地编码了结构-气味关系的广义映射。这种方法广泛地实现了气味预测，并为气味数字化铺平了道路。

（摘编自《AI也能闻出榴莲味，谷歌绘制首个嗅觉图谱，可分辨50万种气味》）

1．下列对材料相关内容的理解和分析，不正确的一项是（）

A．材料一中用“检测器”来说明人的嗅觉能在复杂环境中对气味做出判断。

B．“竞技场”一词表明作者将人类嗅觉与AI嗅觉在气味感知方面进行了比较。

C．“邂逅”在文中指气味分子进入到人类的鼻腔中，与相应的嗅觉感受器相遇。

D．“词典”是指已知分子结构与其相应气味联系被精细整理好的庞大数据库。

2．根据材料内容，下列说法不正确的一项是（）

A．材料一中AI预测气味，就是将气味分子结构与数据库中的信息进行比对，因此AI嗅觉功能强大与否由数据库决定。

B．图神经网络（GNN）模型是通过对气味分子进行辨析而建构起来的化学信息学模型，具有强大的AT嗅觉辨析功能。

C．气味专家相较于AI嗅觉、优势在于能根据自身的嗅觉和积累的经验，并结合气味的来源、环境因素对气味作出判断。

D．嗅觉映射图谱是研究人员借助神经科学中的嗅觉映射原理研制出的AI嗅觉模型，预测原理不同于化学信息学模型。

3．下列选项中，不能支撑AI嗅觉技术应用场景的一项是（）

A．AI可通过感知病人呼出的气息，实现疾病筛查，进而诊断出病人的疾病。

B．AI用在食物新鲜度检测上、可避免食物浪费，降低腐败食物带来的风险。