2024年福建省龙岩市高考语文三模试卷 .pdfVIP

2024年福建省龙岩市高考语文三模试卷

一、现代文阅读（35分）（一）现代文阅读I（本题共1小题，18分）

1．（18分）阅读下面的文字，完成下列各题。

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，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，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

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，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，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，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

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，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“气味一分子翻译词典”

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，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，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AI气味分析的图神经网络（GNN）模型。分子结构输入

到模型中后，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

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，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

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，并根据这些气

第1页（共23页）

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，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

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，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，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