东兴区高2026届高三11月月考 语文试题 一、阅读（72分) (一)现代文阅读I(本题共5小题，19分) 阅读下面的文字，完成下面小题。 材料一： 从金融到医学，人工智能(AI)正深刻改变着现代生活。如今，它开始进军古代文 本研究：从希腊与拉丁典籍到中国甲骨文，人工神经网络正成为解读古文字的钥匙。它 不仅能驾驭浩瀚档案，填补字符空缺，还能解码几乎无迹可寻的罕见或灭绝语言，令古 代智慧在现代科技之光下重现辉煌。 2023年10月，费德里卡·尼科拉尔迪收到了一封电子邮件，邮件附带的一张图片 彻底改变了她的研究。此图显示了在公元79年维苏威火山浩劫中幸存的一卷莎草纸残 骸，它于18世纪在赫库兰尼姆古城的一处豪华别墅遗迹中被发现。这些历经沧桑的莎 草纸，曾是数百卷古籍之一，却因岁月侵蚀而变得脆弱不堪，多数已无法展开。 尼科拉尔迪是意大利那不勒斯大学的一名莎草纸学者，她曾参与一项利用A!读取 难解文字的研究。而今，她见证了一项奇迹：图片上，一片莎草纸带上，希腊字母密布 如织，于幽暗中焕发新生。这一名为“维苏威挑战”的项目只是A!重塑古代历史研究 的“冰山一角”。 几十年来，计算机一直被用于对数字化文本进行分类和分析，但目前最令人兴奋的 是神经网络的使用。神经网络由相互连接的节点组成的分层结构组成，尤其是具有多个 内部层的“深层”神经网络。 卷积神经网络(CNWN)模型能够从图像中精准捕捉网格状数据结构。CNN模型在光学 字符识别领域大放异彩的同时，也开辟了其他多元化的应用途径。例如，中国研究团队 在探索甲骨文时，巧妙地运用这些模型来复原遭受严重侵蚀的文字图案，深入分析甲骨 文随时间的演变轨迹，并将破碎的文物碎片重新拼凑起来，重现历史原貌。 与此同时，循环神经网络(RNN)作为一种专为处理线性序列数据设计的模型，开 始展现出在搜索、翻译以及填补已转录古代文本缺失内容方面的巨大潜力。那么，神经 网络能否在历史的残片中找出人类专家难以发现的联系？ 2017年，英国牛津大学的一项合作开启了探索之旅，当时，两名研究人员正面临破 解西西里希腊铭文的难题。 古典学者通常依赖对现存文本的理解来诠释新材料，但难以全面掌握所有相关资 料。牛津大学研究人员认为，这正是机器学习可发挥作用的领域。他们使用基于RNW的 Pythia模型，并用数万份希腊铭文来训练它，最终成功预测了文本中缺失的单词和字符。 2022年，他们又推出Ithaca模型，不仅能预测缺失内容，还能为未知文本提供日 期和来源地建议。Ithaca利用了Transformer模型的突破，能捕捉更复杂的语言模式。 ... ...
~~ 您好，已阅读到文档的结尾了 ~~
