2021上半年事业单位联考《综合应用能力》C类真题及答案2021 上半年事业单位联考 C 类《综合应用 能力》真题在此发布本套2021上半年事业单位联考C类《综合应 用能力》真题来自考生回忆，由xxx整理2021年上半年全国事业单位联考C类《综合应用能力》真题材料一1997年，国际象棋大师加里•卡斯帕罗夫败给了电脑“深蓝” 2021 年，谷歌人工智能 AlphaGo 又战胜了韩国棋手李世石，这标志 着人工智能终于征服了它在棋类比赛中最后的弱项——围棋，谷歌公 司的DeepMind团队比预期提前了整整10年达到了既定目标对计算机来说，围棋并不是因为其规则比国际象棋复杂而难以征 服——与此完全相反，围棋规则更简单，它其实只有一种棋子，对弈 的双方轮流把黑色和白色的棋子放到一个19X19的正方形棋盘中， 落下的棋子就不能再移动了，只会在被对方棋子包围时被提走到了 棋局结束时，占据棋盘面积较多的一方为胜者围棋的规则如此简单，但对于计算机来说却又异常复杂，原因在于围棋的步数非常多，而且每一步的可能下法也非常多以国际象棋 作对比，国际象棋每一步平均约有 35 种不同的可能走法，一般情况 下，多数棋局会在80 步之内结束。
围棋棋盘共有361 个落子点，双 方交替落子，整个棋局的总排列组合数共有约10171 种可能性，这远 远超过了宇宙中的原子总数——1080！对于结构简单的棋类游戏，计算机程序开发人员可以使用所谓的 “暴力”方法，再辅以一些技巧，来寻找对弈策略，也就是对余下可 能出现的所有盘面都进行尝试并给予评价，从而找出最优的走法这 种对整棵博弈树进行穷举搜索的策略对计算能力要求很高，对围棋或 者象棋程序来说是非常困难的，尤其是围棋，从技术上来讲目前不可 能做到蒙特卡罗树搜索”是一种基于蒙特卡罗算法的启发式搜索策略， 能够根据对搜索空间的随机抽样来扩大搜索树，从而分析围棋这类游 戏中每一步棋应该怎么走才能够创造最好机会举例来说，假如筐里 有 100 个苹果，每次闭着眼拿出1 个，最终要挑出最大的1 个，于是 先随机拿1个，再随机拿1 个跟它比，留下大的，再随机拿1 个…… 每拿一次，留下的苹果都至少不比上次的小，拿的次数越多，挑出的 苹果就越大但除非拿100 次，否则无法肯定挑出了最大的这个挑 苹果的方法，就属于蒙特卡罗算法虽然“蒙特卡罗树搜索”在此前 一些弈棋程序中也有采用，在相对较小的棋盘中也能很好地发挥作 用，但在正规的全尺寸棋盘上，这种方法仍然存在相当大的缺陷，因 为涉及的搜索树还是太大了。
AlphaGo人工智能程序中最新颖的技术当属它获取知识的方式一 —深度学习AlphaGo借助两个深度卷积神经网络（价值网络和策略 网络）自主地进行新知识的学习深度卷积神经网络使用很多层的神 经元，将其堆叠在一起，用于生成图片逐渐抽象的、局部的表征对 图像分析得越细，利用的神经网络层就越多AlphaGo也采取了类似 的架构，将围棋模盘上的盘面视为19X19的图片输入，然后通过卷 积层来表征盘面这样，两个深度卷积神经网络中的价值网络用于评 估盘面，策略网络则用于采样动作在深度学习的第一阶段一一策略网络的有监督学习（即从中丨中 学习）阶段，拥有13层神经网络的AlphaGo借助围棋数据库KGS中 存储的3000万份对弈棋谱进行初步学习这3000万份棋谱样本可以 用a、b进行统计a是一个二维棋局，把a输入到一个卷积神经网 络进行分类，分类的目标就是落子向量A通过不断的训练，尽可能 让计算机得到的向量A接近人类高手的落子结果b，这样就形成了一 个模拟人类下围棋的神经网络，然后得出一个下棋函数F_go （）当 盘面走到任何一种情形的时候， AlphaGo 都可以通过调用函数 F_go()计算的结果来得到最佳的落子结果b可能的概率分布，并依据这 个概率来挑选下一步的动作。
在第二阶段——策略网络的强化学习(即从II中学习)阶段，AlphaGo开始结合蒙特卡罗树搜索，不再机 械地调用函数库，而类似于一种人类进化的过程：AlphaGo会和自己 的老版本对弈即，先使用 F_go( 1)和 F_go( 1)对弈，得到了一 定量的新棋谱，将这些新棋谱加入到训练集当中，训练出新的 F_go( 2)，再使用 F_go( 2)和 F_go( 1)对弈，以此类推，这样就可以 得到胜率更高的F_go (n)这样，AlphaGo就可以不断改善它在第一 阶段学到的知识在第三阶段一一价值网络的强化学习阶段,AlphaGo 可以根据之前获得的学习经验得出估值函数v (s),用于预测策略网 络自我对抗时棋盘盘面s的结果最后，则是将F_go ()、v (s)以 及蒙特卡罗树搜索三者相互配合，使用F_go ()作为初始分开局， 每局选择分数最高的方案落子，同时调用v (s)在比赛中做出正确的 判断这就是 AlphaGo 给围棋带来的新搜索算法它创新性地将蒙特卡 罗模拟和价值网络、策略网络结合起来训练深度神经网络这样价值 网络和策略网络相当于 AlphaGo 的两个大脑，策略网络负责在当前局 面下判断“最好的”下一步，可以理解为落子选择器；价值网络负责 评估整体盘面的优劣，淘汰掉不值得深入计算的走法，协助前者提高 运算效率，可以理解为棋局评估器，通过两个“大脑”各自选择的平 均值， AlphaGo 最终决定怎样落子胜算最大。
通过这种搜索算法， AlphaGo 和其他围棋程序比赛的胜率达到了 99.8%AlphaGo 的飞快成长是任何一个围棋世界冠军都无法企及的随 着计算机性能的不断增强，遍历蒙特卡罗搜索树将进一步提高命中概 率大量的计算机专家，配合大量的世界围棋高手，在算法上不断革 新，再配合不断成长的超级计算能力，不断地从失败走向成功，最终 打造出围棋人工智能在 AlphaGo 击败李世石后，欧洲围棋冠军樊麾 说了这么一句话：“这是一个团队的集体智慧用科技的方式战胜了人 类数千年的经验积累人和机器其实没有站在对立面上，“是人类战 胜了人类”材料二上世纪80年代，M市高温首日经常出现在6月中下旬至7月， 到21世纪，往往还没到6月中句，M市气温就会蹿至35°C以上，仅 有两年的高温日到7月才出现， 1981年以来， M 市6-8月高温日出 现越来越频繁，可见， M 市首个高温日的出现时间越来越早， 21 世 纪后每年首个高温日出现时间肯定早于上世纪80年代在M市，一年中最热的时候莫过于7月，1997年以来，高温日 数逐渐增多截至2021年7月中旬，2021年M市高于35C的日子 已有6个，比往年7月的平均数还多2个。
可以确定，这一年M市7 月的高温日总数将是 1997 年以来最多的一年另外据统计， M 市 7 月的高温日整体多于6月和8月，照此趋势， 2021年8月的高温日 可能不会超过7月近30年来，M市7月的夜温越来越高，1999年以来7月的夜间 最低气温普遍超过23°C,所以2021年7月下旬M市夜间的最低气温 不会低于23C同样近30年来，M市6-8月出现持续3天以上高温的总次数为 27次，20次都是在2000年以后出现的，2021年6月和7月，M市 已经分别出现了一次持续3天以上的高温既然2021年M市出现3 天以上持续高温的次数已经超过了近30年来的平均值，那么8月份 M市不会出现3天以上的持续高温天气30 年来， M 市“城市热岛效应”愈发显著，城区与郊区的平均 气温差值越来越大 2021 年 7 月 M 市各区平均气温偏高，均超过 26.7C其中市中心2个城区气温最高，其次是环市中心的其他4个 城区，2个郊区的气温最低注：高温日为日最高气温235C）材料三材料（一）细菌学家弗莱明的实验室里摆放着许多有毒细菌培养皿多年来，他试验了各种药剂，力图找到一种能杀灭这些细菌的理想药品， 但一直未能成功。
1928 年的一个早晨，他在检查细菌的变化时，突 然发现一个葡萄状球菌的培养皿里长出了一团青色霉菌，并且其周围 原来生长着的葡萄状球菌消失了，他进一步研究发现，这种青色霉菌 对其他多种有毒细菌同样具有杀灭作用，他把这种青色霉菌分泌的杀 菌物质称为青霉素材料（二）1870 年，英国科学家克鲁克斯在做阴极射线管放电 实验时，意外发现管子附近的照相底片有模糊阴影，他判断是照相的 干板有毛病；1890 年美国科学家古德斯柏德在做相同的实验时也发 现同样的现象，他归因于冲洗药水和冲洗技术有问题；到了 1892年， 德国有些物理学家也观察到这一现象，但当时他们的注意力都集中在 研究阴极射线的性质上，对此并没有警觉直到1895 年，这一奇特 现象才被德国物理学家伦琴敏锐地抓住，他反复研究实验，最终发现 了 X 射线，他也因此获得诺贝尔物理学奖材料三：丹麦天文学家第谷三十年如一日观测天象，记录了750 颗星相对位置的变化，纠正了以往星表中的错误但第谷不善于对感 性材料进行科学抽象和概括，终究未能揭示行星运动规律临终前， 他把自已所有的材料交给了学生开普勒，要求他继续研究行星运动的 理论起初，开普勒以第谷宇宙体系为基本框架来探讨这个问题，但 毫无所获，于是转而以哥白尼日心体系为基本框架展开研究。
他精于 理论思维和数学推导，根据老师留下的大量一手资料，最终发现了天 体运动的三大定律，被誉为“天空立法者”问题】问题一科技文献阅读题：请认真阅读文章，按照每道题的要求作答50 分)根据材料一，回答下列问题：1.判断题：请用 2B 铅笔在答题卡相应的题号后填涂作答，正确的涂“A”错误的涂“B”(1) 国际象棋的走法不超过35*80 种2) 结构简单的棋类游戏可以通过对博弈树的“暴力”穷举搜 索找出最优走法3) 传统的计算机围棋程序能够完全尺寸棋盘的蒙特卡罗树模 拟并计算最大胜率4)函数F_go(n)比F_go(n-1啲胜率更高2•填空题：请根据文意，分别填补1、11两处缺项，没空不超过6 个字1()11()3.多项选择题：备选项中有两个或两个以上符合题意，请用 2B铅笔在答题卡相应的题号后填涂正确选项的序号，错选、少选均不得 分1）这篇文章开头认为围棋是人工智能在棋类游戏中最弱项的 原因是：A. 围棋每一步可能的下法太多，无法使用穷举搜索B. 围棋的规则对于计算机来说太复杂，无法理解C. 单一的计算机神经网络难以应对围棋的搜索计算D. 围棋盘面局势的评估缺乏现代就三家技术的支撑（2）下列关于AlphaGo “两个大脑”的说法正确的是A. 价值网络负责评估盘面优劣B. 策略网络负责判断走法优劣C. 策略网络能够协助价值网络提高运算效率D. 价值网络和策略网络共同确定最终的落子位置4•比较分析AlphaGo新算法和蒙特卡罗树搜索的不同之处。
要求：概括准确，层次清晰，文字简洁，不超过250 字5•请为本文写一篇内容摘要要求：全面、准确，条理清晰，不超过350 字问题二论证评价题：阅读给定材料二，指出其中存在的 4 处论证错误并 分别说明理由请在答题卡上按序号分条作答，每一条先将论证错误写在“A”处（不超过75字），再将相应理由写在“B”处（不超过 50 字）40分）问题三 材料作文题：阅读下列材料，按要求作答60 分） 参考给定材料三，以“科学发现并不偶然”为话题，自选角度， 自拟题目，写一篇议论文要求：观点鲜明、论证充分，条理清晰，语言流畅，字数在 800~1000 字。