预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共32页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

丰台区2020高三语文第二学期综合练习(二)语文2020.06本试卷满分共150分。考试时间150分钟。注意事项:1.答题前,考生务必先将答题卡上的学校、年级、班级、姓名、准考证号用黑色字迹签字笔填写清楚,并认真核对条形码上的准考证号、姓名,在答题卡的“条形码粘贴区”贴好条形码。2.本次考试所有答题均在答题卡上完成。选择题必须使用2B铅笔以正确填涂方式将各小题对应选项涂黑,如需改动,用橡皮擦涂干净后再选涂其它选项。非选择题必须使用标准黑色字迹签字笔书写,要求字体工整、字迹清楚。3.请严格按照答题卡上题号在相应答题区内作答,超出答题区域书写的答案无效,在试题、草稿纸上答题无效。4.请保持答题卡卡面清洁,不要装订、不要折叠、不要破损。一、本大题共5小题,共18分。阅读下面的材料,完成下面小题。材料一在新冠疫情防控中,我国智能化技术应用“崭露头角”,取得了较好的成效。人工智能技术在数据处理方面应用广泛。鉴于新药和疫苗研发期间进行大量数据分析、科学超算等工作的需要,百度、腾讯等企业相继开放了公司内部的亿级计算资源,帮助疾控中心和科研单位将疫情的数据检测时间以几何倍数缩短。针对流动场景中因戴口罩而造成人脸识别困难这一问题,以旷视科技为代表的人工智能公司建立了“公共场所应急医疗寻人系统”,通过多模态算法识别体态特征,形成全域感知、可管可控的精准定位。服务型机器人在防控疫情斗争中起到了至关重要的作用。国内一些企业开发的医疗智能机器人可代替医护人员在污染区和隔离区作业,完成部分高风险任务,并节省大量防护服、口罩等重要物资。语音服务机器人还可以很好地代替人工开展疫情防控知识的普及,大幅减轻相关人员工作强度,缓解医疗资源紧缺状况,避免交叉感染风险。在此次疫情防控战中,无人配送“初试身手”。广东省人民医院引进的无人车承载餐食或物资,可自动前往隔离区房间进行配送。这种免接触配送方式,能够阻断“人传人”的病毒传染链条,降低隔离区内部病毒传播几率。区块链公开透明、便捷高效、完备可追溯等技术优势也在疫情防控中有所展现。相关机构推出了基于联盟链技术的疫情捐款平台,这一平台具有防篡改可追溯的特征,可有效解决传统公益活动中的暗箱操作问题,得到了市场的高度认可。此外,区块链还在疫情缓解后的复工复产中发挥着重要作用。基于区块链的企业复工复产平台,将防控指挥部门、政府监管部门等相关方作为节点上链,企业备案、业务审核、卫生监管等均可在链上完成,各节点可随时同步查询,确保公开公正,从而实现防疫下的精细化复工治理。(取材于渠慎宁、杨丹的相关文章)材料二随着标准化医疗数据的完善与人工智能(AI)技术的发展,“5G+智慧医疗”、AI医生、医疗智能机器人等多元化的医疗场景从理论落地现实,满足了人们多方面的医疗需求。AI医生在通过硬件设备获取大量多维度医疗数据基础上,为病人“把脉”,并通过自身算法和机器学习对关键数据进行分析处理,最终用“人话”提供诊断结果。目前,国内的三甲医院大部分都在尝试通过Al+辅诊,对肺结节、乳腺癌等多个疾病进行诊断。AI医生还可应用于生活领域,既满足了人们对健康管理和医疗服务的需求,也缓解了当前医院和医生资源短缺的状况。相对传统的医疗场景,机器学习在医学影像诊断方面表现强势。在一项最新科研成果中,人工智能在识别医学影像的基础上,通过自动学习病历文本数据中的诊断逻辑,逐步具备了一定的病情分析推理能力,能更进一步读懂、分析复杂的病例。国际商业机器公司研发的沃森机器人可在17秒内阅读3469本医学专著、248000篇论文、69种治疗方案、61540次试验数据、106000份临床报告。通过海量读取医学知识,沃森机器人在短时间内迅速成为肿瘤专家。近些年来,沃森机器人为诊治肺癌、结肠癌等多种癌症提供了服务。目前,中国已经有200多家医疗机构引进了沃森机器人。AI技术已广泛应用于医疗行业诸多领域,有效地辅助了医院医生识别图像、获取和分析医疗数据,提供诊疗服务等等。展望未来,医疗与人工智能结合方式将覆盖医疗行业的方方面面。(取材于《光明日报》相关文章)材料三图像识别是AI技术最擅长的事情之一。利用AI技术这一长处,辅助医生诊断,让医生“看”得更清楚、判断更准确。AI技术是否能对所有病症做出独立的诊断?美国眼科教授布莱斯勒正在做的项目,是使用AI技术诊断糖尿病人的眼底病变。由于这种疾病十分常见,数据积累丰富,再加上对于病变的判定相对简单,目前这个技术已经有了相对成熟的应用场景。然而,触及到更难的领域,例如肿瘤,图像模式十分复杂,很难用一种或者几种机械的模式概括,机器往往就会卡住。而有的病变本身十分罕见,机器根本无法形成值得信赖的数据库。再说,就算数据够多、计算能力够强,AI技术能够取代人类判断吗?医学专家帕里克说:“现有的大部分算法,包括诊断和预测等,都不是在传统的医学范式