如下图所示，木框里面有两个平面镜相互垂直。一束入射光射入木框内，经两个平面镜反射出去。则入射光与出射光的位置关系是：
平行关系
垂直关系
相交关系，交角为锐角
相交关系，交角为钝角
列联问题指的是两个相互关联的问题，其中对第二个问题的回答必须依据对第一个问题的回答情况作答。
根据上述定义，下列哪项中的两个问题属于列联问题：
你现在饿吗？你打算去哪吃饭？
你的属相是什么？你今年多少岁？
买房的合同签了吗？你去看房了吗？
你喜欢小动物吗？你妹妹喜欢小动物吗？
一声巨响、凄厉的尖叫······被吓得呆若木鸡，一动不动的体验，你有吗？再次听到类似声音，即使时隔多年，恐惧也会被重新勾起。大脑是如何存储恐惧记忆的？
动物对于恐惧的记忆，一部分是先天的，比如老鼠闻到猫的气味就会害怕，另一部分则是习得的，与巴甫洛夫著名的条件反射实验差不多，当一种声音与恐惧联系在一起，只要再次听到这种声音，动物就会重新陷入惊恐之中。
很多恐惧记忆的形成，与大脑中附着在海马末端的杏仁核息息相关。这是一个产生、识别和调节情绪，并控制学习和记忆的脑部组织。原先，科学家认为，小鼠听觉恐惧的信息会从大脑的听觉感觉区流向杏仁核的侧杏仁核，再通往下游直接控制运动的区域，由此产生恐惧反应，而从杏仁核回到感觉皮层的投射，只有在猕猴等灵长类动物中存在。可是上海有位年轻的女研究员最近在浏览小鼠大脑连接图谱时突然发现，小鼠听觉皮层也有来自侧杏仁核的投射，于是她就和另一位女博士一起“追踪”了下去。
这一追，收获巨大。她们研究发现，从侧杏仁核投射回大脑初级听觉皮层的这个神经回路一旦被抑制，小鼠就不那么害怕原先非常恐惧的声音。这说明，假如我们可以在人脑中找到对应的通路，那么我们就可能通过调节这个通路，减轻焦虑症和创伤后应激障碍等疾病。这一基础研究的发现，将为未来脑疾病的治疗提供新的线索，“目前药物治疗脑疾病效果并不理想，而生理、物理刺激和干预，可能取得更好的效果。”
不过，更有意义的是，这两位年轻的女科学家发现了成年大脑存储恐惧记忆的模式——这是科学家从来没发现过的。
与电脑有一个像集中存储数据的硬盘不同，大脑是将信息存储在以突触为基本单元的神经网络中。突触是神经元之间的连接点，大脑中有数以千亿计的神经元，每个神经元都与上千个同伴相连接，它们之间传递信号，就是通过突触完成的。而突触会不断变化，形态、数目以及连接方式，都会随着学习和记忆改变。通过荧光标记，她们发现，侧杏仁核-听皮层的突触在经过恐惧训练后，明显增多了。通过观察发现，98%以上新形成的突触都遵循“部分新增”的规律。也就是说，这些新突触往往由旧有突触“改造”而来，这种形成新突触的方法，不仅可以节省空间、细胞能量，还可节省“建材”——结构蛋白的数量。她们在所有与学习有关或无关的突触变化中，都看到了这个现象，所以这可能是成年动物大脑中突触形成的普遍规律。目前，这项极具价值的研究通过脑科学卓越中心的合作机制，已有北京的人工智能科学家基于这一发现，开始研发新的人工智能存储网络。
下列对两位年轻的女科学家的研究成果解说错误的是：
虽然突触会不断变化，但其形态、数目以及连接方式，都不会随着学习和记忆改变
侧杏仁核-听觉皮层的突触在经过恐怖训练后明显增多
新突触往往由旧有突触“改造”而来，这不仅可以节约空间、细胞能量，还可以节省结构蛋白的数量
新突触连接主要通过在已存在的突触上添加新的突触结构的方式形成，提示了成年动物大脑皮层中新突触形成的普遍规律
把下列图形分成两类，分类正确的是：【2019上海B038】
①②④；③⑤⑥
①③⑤；②④⑥
①②⑥；③④⑤
①②③；④⑤⑥
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
下图是A、B两种物质的溶解度曲线，下列说法正确的是：
A物质的溶解度大于B物质的溶解度
温度越高，则A、B两种物质的溶解度越大
将t1°C时A物质的饱和溶液降温，A物质变为不饱和溶液
将t2°C时B物质的饱和溶液降温至t1°C时，没有B物质析出
甲、乙两种商品成本共2000元，商品甲按50%的利润定价，商品乙按40%的利润定价，后来打折销售，两种商品都按定价的80%出售，结果仍可得利润300元，甲种商品的成本是：
700元
750元
800元
850元
甲、乙两车运一堆货物。若单独运，则甲车运的次数比乙车少5次；如果两车合运，那么各运6次就能运完。甲车单独运完这堆货物需要多少次：
9
10
13
15
每道题包含两套图形和可供选择的4个图形。这两套图形具有某种相似性，也存在某种差异。要求你从四个选项中选择最适合取代问号的一个。正确的答案不仅使两套图形表现出最大的相似性，而且使第二套图形也表现出自己的特征。【2023北京085】
如图所示
如图所示
如图所示
如图所示
每道题包含两套图形和可供选择的4个图形。这两套图形具有某种相似性，也存在某种差异。要求你从四个选项中选择最适合取代问号的一个。正确的答案不仅使两套图形表现出最大的相似性，而且使第二套图形也表现出自己的特征。【2023北京084】
如图所示
如图所示
如图所示
如图所示
，解得x=10。