2024年上海市公考《申论》题A卷附解析.pdf

2024年上海市公考《申论》题（A卷）（网友回忆版）

一、注意事项

1．本题本由给定材料与作答要求两部分构成。考试时限为150分钟。其中，阅读给定材料参考时限为40分钟，

作答参考时限为110分钟。

2．请在题本、答题卡指定位置上用黑色字迹的钢笔或签字笔填写自己的姓名和准考证号，并用2B铅笔在准考证

号对应的数字上填涂。

3．请用黑色字迹的钢笔或签字笔在答题卡上指定的区域内作答，超出答题区域的作答无效。

4．待监考人员宣布考试开始后，应试者才可以开始答题。

5．所有题目一律使用现代汉语作答。未按要求作答的，不得分。

6．监考人员宣布考试结束时，应试者应立即停止作答，将题本、答题卡和草稿纸都翻过来留在桌上，待监考人

员确认数量无误、允许离开后，方可离开。

严禁折叠答题卡！

二、给定材料

材料1(3295758)

AIforScience是指以机器学习、深度学习等人工智能技术分析处理多维度、多模态、多场景下的模拟和真实数

据，解决复杂推演计算问题，加快基础科学和应用科学的发现、验证、应用，打造下一代科学范式。AIfor

Science不只是一个新的科学浪潮，它更是开启了一个全新的科学时代。

在过去50年里，蛋白质折叠问题一直是生物学领域的重大挑战。蛋白质是由氨基酸链组成的、具有自身独特3D

结构的大型复杂分子，其对人们理解生命形成的机制至关重要。蛋白质从氨基酸序列折叠成何种形状与其功能密

切相关，而预测蛋白质结构对于理解其功能和工作原理至关重要，这就是“蛋白质结构预测问题”，被称为生物医

学领域的“圣杯”。谷歌DeepMind公司创始人和CEO戴米斯·哈萨比斯和资深成员约翰·贾伯与DeepMind的团队一

起开发了人工智能系统AlphaFold，可以在几分钟内预测由人类基因组编码和20个模式生物的几乎所有已知蛋

白，并精确到原子级。这是第一种在已知没有相似结构的情况下构建高分辨率预测的方法。AlphaFold这种变革

性方法，解决了从一维氨基酸序列预测三维蛋白质结构的长期难题，给出了50年来关于蛋白结构最准确、最完整

的图像，破解了长期困扰生物医学研究领域的困境，增进了人类对基本生物过程的理解并促进了药物设计，为加

速生物和医学研究打开了大门。在两年一度的蛋白质预测大赛CASP（蛋白质结构预测关键评估）中AlphaFold

以绝对优势夺冠。AlphaFold2开源仅一周的时间里，98.5%的人类蛋白质结构被AlphaFold2所预测，而在此之

前，全球多少顶尖科学家耗时数十年的努力，也只解码了覆盖人类蛋白质序列中17%的氨基酸残基。

材料2(5295350)

麦肯锡的一份调研报告提出，适应性是技术改善学习的关键方式，通常也称之为个性化，个性化意味着给予学习

者“发言权”和“选择权”。传统教育技术通过查缺补漏的方式为学生提供指导。如果以学生的长处为导向，发现学

生特长和能力，即“资产”，则可以正向辅助学生学习。人工智能以“资产”为导向，更能全面掌握学生基本情况，

从而促进教育公平。学习不仅包括认知，也包含社会学习能力、自我调节能力、推理、解释和证明能力等其他关

键技能。人工智能可以帮助学生实现多种技能的增强学习。人工智能模型能够处理多种学习路径和多种交互方

式，从而可以为一些特殊学生，比如神经多样性学习者，提供不同的学习路径，采用适合其特征的学习方式，使

学生从中受益。人工智能模型可以帮助学生完成开放的创造型任务，促进学生创造和创新能力培养。正确答案并

非是唯一的学习目标，人工智能模型可以引导学生熟练进行团队协作和领导团队，尝试完成多样化的目标。除此

之外，人工智能可以通过减少教师的行政或文书工作中的低级负担来改善教学工作，并建议将所节省的时间用于

更有效指导学生。比如教师有时并不能随时随地在学生身边提供帮助，但是可以借助人工智能生成评价结果，了

解学生情况并及时反馈，由此扩展了教师的认知范围。必威体育精装版研发技术已经能够记录教师课堂内容并为教师推荐教

学方案，课堂模拟工具也不断多样化，可以帮助教师在真实情境中练习技能。

材料3(6776294)

生成式人工智能是一种基于机器学习和人工智能技术的范畴，其目标是让计算机系统能够自主地生成各种类型的

数据，如文本、图像、音频等。生成式人工智能的核心能力在于创造新的内容，而不仅仅是对已知模式的重复应

用。生成式人工智能应用广泛，包括的领域有：自动写作与内容生成：可以自动生成文章、新闻、故事等文本内

容，帮助内容创作者提高效率；艺术创作与设计：在绘画、音乐、设计领域，生成式A