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 AI for Science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。AI for 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 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。最新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 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 AI可以创造出独特的 艺术品和创意作品；虚拟现实与游戏开发：可以生成逼真的虚拟 世界、地图、角色等，用于游戏设计和虚拟现实体验；科学研究 与创新：在药物研发、分子设计、科学模拟等领域，生成式 AI 可以加速创新和发现；语音合成与音乐创作：可以创作音乐、合 成语音，并模仿各种声音风格；教育与培训：可以为教育领域提 供个性化的学习材料和辅助教学；医疗诊断与图像生成：在医学 图像分析、病理判读等领域，生成式 AI可以辅助医疗专业人员 进行诊断。 以 ChatGPT为例，它拥有接近人类水平的语言理解和生成能 力，因其出色的回答问题、创作内容、编写代码等能力，使得人 们直观真切地体会到人工智能技术进步带来的巨大变革和效率 提升，上线 5天用户突破 100万，两个月活跃用户突破 1亿。相 比视频、图像、语音等，自然语言的语法、语义、逻辑复杂，存 在多样性、多义性、歧义性等特点。文本数据稀缺，通常表现为 非结构化的低质量数据。自然语言处理任务种类繁多，包括语言 翻译、问答系统、文本生成、情感分析等。因此，长期以来自然 语言处理被认为是人工智能最具挑战性的领域。ChatGPT不仅实 现了高质量的自然语言理解和生成，并且能够进行零样本学习和 多语言处理。在此之前，人工智能在不同场景应用需要训练不同 模型。而 ChatGPT利用单一大模型即可完成人机对话、机器翻译、 编码测试等多种任务，已经具备通用人工智能的一些核心技术和 特征：能够自动化地学习各种知识、信息，不断自我优化；充分 理解和流畅表达人类语言，逻辑推理强，实现了具备一般人类智 慧的机器智能；拥有一定的自适应和迁移学习能力，可以适用于 多种应用场景和任务。ChatGPT证明了大模型的学习和进化能力， 将推动强人工智能（机器拥有知觉和意识，有真正的推理和解决 问题的能力）加速演进。目前大模型智能程度已接近人类水平， 甚至一些业界人士认为，将来会逐渐产生自我认知和感知，进而 出现意识并且超越