迄今为止,还没有任何一个通用智能系统能接近人类水平。现有人工智能系统的通用性较差,这与其计算理论基础和系统设计原理有密不可分的关系。图灵机模型取决于人对物理世界的认知程度,因此人限定了机器描述问题、解决问题的水平;冯·诺依曼体系结构是存储程序式计算,程序也是预先设定好的,无法根据外界的变化和需求的变化进行自我演化。而我们的大脑却是一个出色的、能够长时间稳定工作的通用智能系统,不仅能举一反三,处理视觉、听觉、语言、学习、推理、决策、规划等各类问题,________ 。
填入画横线部分最恰当的一项是:
还具有区别于其他高级物种的丰富情感
还能够主动调整与外界进行交流的方式
还可以在与自然的交互中不断提高认知的程度
还可以在学习和发育过程中不断自适应和进化
AI应用于医疗服务,已经有很长一段时间。机器医生的表现看起来神奇,但在AI专家眼里,这些医疗应用都属于计算机视觉中的图像识别范畴,而大数据支持的图像识别技术,机器的表现已经在很多方面超过了人类,在医学影像领域展现实力属于正常发挥。
这段文字意在说明:
AI在医学图像识别领域的进展
AI用于医学图像识别已趋成熟
AI在医学上的表现已超越人类
AI必将全面进入医疗服务领域
从监控摄像机到无人机,很多城市已在公共安全领域使用人工智能技术。相关研究人员称,到2030年,人们会高度依赖“预言性监管”。机器学习技术可使电脑自主学习,该技术已在打击犯罪活动实践中起到了重要作用。同时,机器学习技术还能够极大地提高人工智能预测犯罪事件的能力,包括犯罪的时间、地点和人物等。
这段文字主要说的是:
“预言性监管”不久之后将会成为现实
机器学习对打击犯罪活动的意义
人工智能技术对公共安全的作用
人工智能技术是打击犯罪的新型武器
图灵在密码方面取得的成就________。他发明了“图灵机”。虽然这个机器当时是为战争服务的,不过,在人工智能的发展历史中,却是________的一个事件。
填入画线部分最恰当的一项是:
可望而不可即 开天辟地
可望而不可及 开天辟地
可望而不可及 开天劈地
可望而不可即 开天劈地
某工厂去年销售一台机器的利润率为20%,由于生产效率提高,今年成本下降20%,售价不变,今年销售一台机器的利润率为:
30%
40%
50%
60%
A、B两地分别有10台和6台型号相同的机器,准备配送到E、F两地,其中E地11台,F地5台。若每台机器从A到E和F的物流费用分别为350元和550元,从B到E和F的物流费用分别为600元和900元,则配送这16台机器的总物流费用最少为( )
7850元
8100元
8400元
8700元
到2030年,我国数字人整体市场规模将达2700亿元。数字人应用的多元拓展,得益于我国数字技术的不断进步和产业布局的持续完善。我国数字人产业上下游均已具备一定规模的企业集群,有较深厚的技术积累。看上游,成像设备产品已发展成熟,智能传感器等关键技术正被集中攻坚;看下游,应用领域加速从文娱行业向制造业、现代服务业延伸。同时,数字人产品制作企业高速发展、相关服务平台正加快打造,数字人制作水平明显提升,数字人产业将加快走向成熟。
对这段文字理解不正确的是:
数字人应用场景将更为广泛
目前数字人产业仍处在成长期
我国数字人市场发展前景良好
智能传感器等关键技术已有重大突破
碳纤维是由有机纤维经过一系列热处理转化而成,含碳量高于90%的无机高性能纤维,是一种力学性能优异的新材料,其比重不到钢的五分之一。碳纤维树脂复合材料抗拉强度是钢的7至9倍,还具有出色的耐热性、优秀的抗腐蚀性与抗辐射性。以碳为主要原料,以碳纤维复合材料、石墨烯等为核心的新一代复合材料是21世纪最具应用前景的新材料,可应用于飞机结构材料、人工韧带等身体代用材料以及火箭外壳、工业机器人等领域,但碳纤维复合材料发展也面临着高质量树脂基材缺乏等发展瓶颈问题。
根据这段文字,下列说法正确的是:
碳纤维是一种含碳量高的有机纤维
碳正成为21世纪的主导型先进材料
碳纤维树脂复合材料的抗拉强度优于钢
碳纤维树脂复合材料是一种最耐热且最坚硬的材料
测谎的基本原理是:欺骗的人会紧张,以致呼吸、脉搏加快和血压升高。测谎专家因而声称,只要操作、解析得当,测谎仪能够有效发现说谎者,结果是________的。反对者则认为,一个________且擅长控制情绪的人是可以对付测谎仪的。在这个过程中,不是人与机器,而是测谎者与被测者的________。
依次填入画横线部分最恰当的一项是:
合理 见多识广 博弈
科学 不露声色 抗衡
可靠 有备而来 较量
准确 从容不迫 对决
近年来,伴随着信息技术的发展和传播形态的演变,出现了一种“深度造假”新现象,这一现象是指经过处理的视频,或者通过人工智能技术生成的其他数字内容,它们会产生看似真实的虚假图像和声音。2019年初,某国际知名人工智能杂志的一篇文章提到:人工智能基金会筹集了1000万美元,开发了一套系统工具,能够通过人工审核或机器学习来识别诸如深度造假之类的欺骗性恶意内容。这篇文章还介绍了一家总部位于荷兰的科技初创公司努力将对抗性机器学习“作为探测深度造假的主要工具”。
由此可以推出:
“深度造假”的技术往往是领先于最新的检测技术的
我们依靠技术进步才能解决“深度造假”带来的挑战
人类无法像人工智能那样能识别出“深度造假”现象
强大的人工智能技术可以用来检测虚假或欺骗性内容