2022上半年事業(yè)單位聯(lián)考《綜合應(yīng)用能力》C類真題及答案

上半年事業(yè)單位聯(lián)考《綜合應(yīng)用能力》C類真題及答案2022上半年事業(yè)單位聯(lián)考C類《綜合應(yīng)用力量》真題在此發(fā)布。（本套2022上半年事業(yè)單位聯(lián)考C類《綜合應(yīng)用力量》真題來自考生回憶，由我整理。

下載PDF打印版含參考答案，查看答案解析請(qǐng)下載。

2022年上半年全國(guó)事業(yè)單位聯(lián)考C類《綜合應(yīng)用力量》真題

材料一

1997年，國(guó)際象棋大師加里·卡斯帕羅夫敗給了電腦“深藍(lán)”；2022年，谷歌人工智能AlphaGo又戰(zhàn)勝了韓國(guó)棋手李世石，這標(biāo)志著人工智能最終制服了它在棋類競(jìng)賽中最終的弱項(xiàng)——圍棋，谷歌公司的DeepMind團(tuán)隊(duì)比預(yù)期提前了整整10年達(dá)到了既定目標(biāo)。

對(duì)計(jì)算機(jī)來說，圍棋并不是由于其規(guī)章比國(guó)際象棋簡(jiǎn)單而難以制服——與此完全相反，圍棋規(guī)章更簡(jiǎn)潔，它其實(shí)只有一種棋子，對(duì)弈的雙方輪番把黑色和白色的棋子放到一個(gè)19×19的正方形棋盤中，落下的棋子就不能再移動(dòng)了，只會(huì)在被對(duì)方棋子包圍時(shí)被提走。到了棋局結(jié)束時(shí)，占據(jù)棋盤面積較多的一方為勝者。

圍棋的規(guī)章如此簡(jiǎn)潔，但對(duì)于計(jì)算機(jī)來說卻又特別簡(jiǎn)單，緣由在于圍棋的步數(shù)特別多，而且每一步的可能下法也特別多。以國(guó)際象棋作對(duì)比，國(guó)際象棋每一步平均約有35種不同的可能走法，一般狀況下，多數(shù)棋局會(huì)在80步之內(nèi)結(jié)束。圍棋棋盤共有361個(gè)落子點(diǎn)，雙方交替落子，整個(gè)棋局的總排列組合數(shù)共有約10171種可能性，這遠(yuǎn)遠(yuǎn)超過了宇宙中的原子總數(shù)——1080！

對(duì)于結(jié)構(gòu)簡(jiǎn)潔的棋類嬉戲，計(jì)算機(jī)程序開發(fā)人員可以使用所謂的“暴力”方法，再輔以一些技巧，來查找對(duì)弈策略，也就是對(duì)余下可能消失的全部盤面都進(jìn)行嘗試并賜予評(píng)價(jià)，從而找出最優(yōu)的走法。這種對(duì)整棵博弈樹進(jìn)行窮舉搜尋的策略對(duì)計(jì)算力量要求很高，對(duì)圍棋或者象棋程序來說是特別困難的，尤其是圍棋，從技術(shù)上來講目前不行能做到。

“蒙特卡羅樹搜尋”是一種基于蒙特卡羅算法的啟發(fā)式搜尋策略，能夠依據(jù)對(duì)搜尋空間的隨機(jī)抽樣來擴(kuò)大搜尋樹，從而分析圍棋這類嬉戲中每一步棋應(yīng)當(dāng)怎么走才能夠制造最好機(jī)會(huì)。舉例來說，假如筐里有100個(gè)蘋果，每次閉著眼拿出1個(gè)，最終要挑出最大的1個(gè)，于是先隨機(jī)拿1個(gè)，再隨機(jī)拿1個(gè)跟它比，留下大的，再隨機(jī)拿1個(gè)……每拿一次，留下的蘋果都至少不比上次的小，拿的次數(shù)越多，挑出的蘋果就越大。但除非拿100次，否則無(wú)法確定挑出了最大的。這個(gè)挑蘋果的方法，就屬于蒙特卡羅算法。雖然“蒙特卡羅樹搜尋”在此前一些弈棋程序中也有采納，在相對(duì)較小的棋盤中也能很好地發(fā)揮作用，但在正規(guī)的全尺寸棋盤上，這種方法仍舊存在相當(dāng)大的缺陷，由于涉及的搜尋樹還是太大了。

AlphaGo人工智能程序中最新奇的技術(shù)當(dāng)屬它獵取學(xué)問的方式——深度學(xué)習(xí)。AlphaGo借助兩個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)價(jià)值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)）自主地進(jìn)行新學(xué)問的學(xué)習(xí)。深度卷積神經(jīng)網(wǎng)絡(luò)使用許多層的神經(jīng)元，將其堆疊在一起，用于生成圖片漸漸抽象的、局部的表征。對(duì)圖像分析得越細(xì)，利用的神經(jīng)網(wǎng)絡(luò)層就越多。AlphaGo也實(shí)行了類似的架構(gòu)，將圍棋模盤上的盤面視為19×19的圖片輸入，然后通過卷積層來表征盤面。這樣，兩個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)中的價(jià)值網(wǎng)絡(luò)用于評(píng)估盤面，策略網(wǎng)絡(luò)則用于采樣動(dòng)作。

在深度學(xué)習(xí)的第一階段——策略網(wǎng)絡(luò)的有監(jiān)督學(xué)習(xí)即從中I中學(xué)習(xí)）階段，擁有13層神經(jīng)網(wǎng)絡(luò)的AlphaGo借助圍棋數(shù)據(jù)庫(kù)KGS中存儲(chǔ)的3000萬(wàn)份對(duì)弈棋譜進(jìn)行初步學(xué)習(xí)。這3000萬(wàn)份棋譜樣（本可以用a、b進(jìn)行統(tǒng)計(jì)。a是一個(gè)二維棋局，把a(bǔ)輸入到一個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，分類的目標(biāo)就是落子向量A。通過不斷的訓(xùn)練，盡可能讓計(jì)算機(jī)得到的向量A接近人類高手的落子結(jié)果b，這樣就形成了一個(gè)模擬人類下圍棋的神經(jīng)網(wǎng)絡(luò)，然后得出一個(gè)下棋函數(shù)F_go）。當(dāng)盤面走到任何一種情形的時(shí)候，AlphaGo都可以通過調(diào)用函數(shù)F_go）計(jì)算的結(jié)果來得到最佳的落子結(jié)果b可能的概率分布，并依據(jù)這個(gè)概率來選擇下一步的動(dòng)作。在其次階段——策略網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)即從Ⅱ中學(xué)習(xí)）階段，AlphaGo開頭結(jié)合蒙特卡羅樹搜尋，不再機(jī)械地調(diào)用函數(shù)庫(kù)，而類似于一種人類進(jìn)化的過程：AlphaGo會(huì)和自己的老版（本對(duì)弈。即，先使用F_go1）和F_go1）對(duì)弈，得到了肯定量的新棋譜，將這些新棋譜加入到訓(xùn)練集當(dāng)中，訓(xùn)練出新的F_go2），再使用F_go2）和F_go1）對(duì)弈，以此類推，這樣就可以得到勝率更高的F_gon）。這樣，AlphaGo就可以不斷改善它在第一階段學(xué)到的學(xué)問。在第三階段——價(jià)值網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)階段，AlphaGo可以依據(jù)之前獲得的學(xué)習(xí)閱歷得出估值函數(shù)vs），用于猜測(cè)策略網(wǎng)絡(luò)自我對(duì)抗時(shí)棋盤盤面s的結(jié)果。最終，則是將F_go）、vs）以及蒙特卡羅樹搜尋三者相互協(xié)作，使用F_go）作為初始分開局，每局選擇分?jǐn)?shù)最高的方案落子，同時(shí)調(diào)用vs）在競(jìng)賽中做出正確的推斷。

這就是AlphaGo給圍棋帶來的新搜尋算法。它創(chuàng)新性地將蒙特卡羅模擬和價(jià)值網(wǎng)絡(luò)、策略網(wǎng)絡(luò)結(jié)合起來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。這樣價(jià)值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)相當(dāng)于AlphaGo的兩個(gè)大腦，策略網(wǎng)絡(luò)負(fù)責(zé)在當(dāng)前局面下推斷“最好的”下一步，可以理解為落子選擇器；價(jià)值網(wǎng)絡(luò)負(fù)責(zé)評(píng)估整體盤面的優(yōu)劣，淘汰掉不值得深化計(jì)算的走法，幫助前者提高運(yùn)算效率，可以理解為棋局評(píng)估器，通過兩個(gè)“大腦”各自選擇的平均值，AlphaGo最終打算怎樣落子勝算最大。通過這種搜尋算法，AlphaGo和其他圍棋程序競(jìng)賽的勝率達(dá)到了99.8%。

AlphaGo的飛速成長(zhǎng)是任何一個(gè)圍棋世界冠軍都無(wú)法企及的。隨著計(jì)算機(jī)性能的不斷增加，遍歷蒙特卡羅搜尋樹將進(jìn)一步提高命中概率。大量的計(jì)算機(jī)專家，協(xié)作大量的世界圍棋高手，在算法上不斷革新，再協(xié)作不斷成長(zhǎng)的超級(jí)計(jì)算力量，不斷地從失敗走向勝利，最終打造出圍棋人工智能。在AlphaGo擊敗李世石后，歐洲圍棋冠軍樊麾說了這么一句話：“這是一個(gè)團(tuán)隊(duì)的集體才智用科技的方式戰(zhàn)勝了人類數(shù)千年的閱歷積累?！比撕蜋C(jī)器其實(shí)沒有站在對(duì)立面上，“是人類戰(zhàn)勝了人類”。

材料二

上世紀(jì)80年月，M市高溫首日常常消失在6月中下旬至7月，到21世紀(jì)，往往還沒到6月中句，M市氣溫就會(huì)躥至35℃以上，僅有兩年的高溫日到7月才消失，1981年以來，M市6-8月高溫日消失越來越頻繁，可見，M市首個(gè)高溫日的消失時(shí)間越來越早，21世紀(jì)后每年首個(gè)高溫日消失時(shí)間確定早于上世紀(jì)80年月。

在M市，一年中最熱的時(shí)候莫過于7月，1997年以來，高溫日數(shù)漸漸增多。截至2022年7月中旬，2022年M市高于35℃的日子已有6個(gè)，比往年7月的平均數(shù)還多2個(gè)。可以確定，這一年M市7月的高溫日總數(shù)將是1997年以來最多的一年。另外據(jù)統(tǒng)計(jì)，M市7月的高溫日整體多于6月和8月，照此趨勢(shì)，2022年8月的高溫日可能不會(huì)超過7月。

近30年來，M市7月的夜溫越來越高，1999年以來7月的夜間最低氣溫普遍超過23℃，所以2022年7月下旬M市夜間的最低氣溫不會(huì)低于23℃。

同樣近30年來，M市6-8月消失持續(xù)3天以上高溫的總次數(shù)為27次，20次都是在2000年以后消失的，2022年6月和7月，M市已經(jīng)分別消失了一次持續(xù)3天以上的高溫。既然2022年M市消失3天以上持續(xù)高溫的次數(shù)已經(jīng)超過了近30年來的平均值，那么8月份M市不會(huì)消失3天以上的持續(xù)高溫天氣。

30年來，M市“城市熱島效應(yīng)”愈發(fā)顯著，城區(qū)與郊區(qū)的平均氣溫差值越來越大。2022年7月M市各區(qū)平均氣溫偏高，均超過26.7℃。其中市中心2個(gè)城區(qū)氣溫最高，其次是環(huán)市中心的其他4個(gè)城區(qū)，2個(gè)郊區(qū)的氣溫最低。注：高溫日為日最高氣溫≥35℃）

材料三

材料一）細(xì)菌學(xué)家弗萊明的試驗(yàn)室里擺放著很多有毒細(xì)菌培育皿。多年來，

他試驗(yàn)了各種藥劑，力圖找到一種能殺滅這些細(xì)菌的抱負(fù)藥品，但始終未能勝利。1928年的一個(gè)早晨，他在檢查細(xì)菌的變化時(shí)，突然發(fā)覺一個(gè)葡萄狀球菌的培育皿里長(zhǎng)出了一團(tuán)青色霉菌，并且其四周原來生長(zhǎng)著的葡萄狀球菌消逝了，他進(jìn)一步討論發(fā)覺，這種青色霉菌對(duì)其他多種有毒細(xì)菌同樣具有殺滅作用，他把這種青色霉菌分泌的殺菌物質(zhì)稱為青霉素。

材料二）1870年，英國(guó)科學(xué)家克魯克斯在做陰極射線管放電試驗(yàn)時(shí)，意外發(fā)覺管子四周的照相底片有模糊陰影，他推斷是照相的干板有毛?。?890年美國(guó)科學(xué)家古德斯柏德在做相同的試驗(yàn)時(shí)也發(fā)覺同樣的現(xiàn)象，他歸因于沖洗藥水和沖洗技術(shù)有問題；到了1892年，德國(guó)有些物理學(xué)家也觀看到這一現(xiàn)象，但當(dāng)時(shí)他們的留意力都集中在討論陰極射線的性質(zhì)上，對(duì)此并沒有警覺。直到1895年，這一奇怪現(xiàn)象才被德國(guó)物理學(xué)家倫琴敏銳地抓住，他反復(fù)討論試驗(yàn)，最終發(fā)覺了X射線，他也因此獲得諾貝爾物理學(xué)獎(jiǎng)。

材料三：丹麥天文學(xué)家第谷三十年如一日觀測(cè)天象，記錄了750顆星相對(duì)位置的變化，訂正了以往星表中的錯(cuò)誤。但第谷不擅長(zhǎng)對(duì)感性材料進(jìn)行科學(xué)抽象和概括，終究未能揭示行星運(yùn)動(dòng)規(guī)律。臨終前，他把自已全部的材料交給了同學(xué)開普勒，要求他連續(xù)討論行星運(yùn)動(dòng)的理論。起初，開普勒以第谷宇宙體系為基（本框架來探討這個(gè)問題，但毫無(wú)所獲，于是轉(zhuǎn)而以哥白尼日心體系為基（本框架綻開討論。他精于理論思維和數(shù)學(xué)推導(dǎo)，依據(jù)老師留下的大量一手資料，最終發(fā)覺了天體運(yùn)動(dòng)的三大定律，被譽(yù)為“天空立法者”。

【問題】

問題一

科技文獻(xiàn)閱讀題：請(qǐng)仔細(xì)閱讀文章，根據(jù)每道題的要求作答。50分）

依據(jù)材料一，回答下列問題：

1.推斷題：請(qǐng)用2B鉛筆在答題卡相應(yīng)的題號(hào)后填涂作答，正確的涂“A”，錯(cuò)誤的涂“B”。

1）國(guó)際象棋的走法不超過35*80種。

2）結(jié)構(gòu)簡(jiǎn)潔的棋類嬉戲可以通過對(duì)博弈樹的“暴力”窮舉搜尋找出最優(yōu)走法。

3）傳統(tǒng)的計(jì)算機(jī)圍棋程序能夠完全尺寸棋盤的蒙特卡羅樹模擬并計(jì)算最大勝率。

4）函數(shù)F_go(n)比F_go(n-1)的勝率更高。

2.填空題：請(qǐng)依據(jù)文意，分別填補(bǔ)Ⅰ、Ⅱ兩處缺項(xiàng)，沒空不超過6個(gè)字。

Ⅰ）Ⅱ）

3.多項(xiàng)選擇題：備選項(xiàng)中有兩個(gè)或兩個(gè)以上符合題意，請(qǐng)用2B鉛筆在答題卡相應(yīng)的題號(hào)后填涂正確選項(xiàng)的序號(hào)，錯(cuò)選、少選均不得分。

1）這篇文章開頭認(rèn)為圍棋是人工智能在棋類嬉戲中最弱項(xiàng)的緣由是：

A.圍棋每一步可能的下法太多，無(wú)法使用窮舉搜尋

B.圍棋的規(guī)章對(duì)于計(jì)算機(jī)來說太簡(jiǎn)單，無(wú)法理解

C.單一的計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)難以應(yīng)對(duì)圍棋的搜尋計(jì)算

D.圍棋盤面局勢(shì)的評(píng)估缺乏現(xiàn)代就