《在自然语言的使用中，歧义和含混是不可避免的》阅读题及答案

（一）阅读Ⅰ（本题共5小题，19分）

阅读下面的文字，完成1~5题。

材料一：

①在自然语言的使用中，歧义和含混是不可避免的，各种语言之间的翻译也存在误解和偏差。学者们想要解决表达中语词的歧义和模糊，找到人类语言中共通的深层结构，于是借鉴数学的方法，发明了形式化语言。形式化语言提出的初衷是人们要想使逻辑学像数学那样也有一套通用的符号，从而试图建立一种普遍的、没有歧义的语言。通过这种语言，可以把所有的思维推理都转变为演算，变得和数学一样精确。

②自然语言可以看作是一套符号系统，其中的语词是文化背景下表达观念的符号。然而自然语言中的逻辑不只是语法结构上的，也是在语义之中的。我们日常表达中某些语词的歧义和模糊，在语法中很难判断，但可以通过上下文以及语境的带入简单解决。我们无法从一个单独的词获得意义，而要通过关联和活动，所以自然语言在一定环境和特定的规则下才具有意义。

③机器使用的计算机语言是一种形式化语言。它是人先赋予机器并成为其内有先在的语言。计算机在理解和执行人的命令时，需要将自然语言翻译为机器可理解的计算机语言，再进行程序操作。将自然语言形式化，这一步骤对计算机程序的机械模仿至关重要，但理解力模仿不同于机械模仿。机械模仿涉及的是形式性质，而理解力模仿涉及的是准语义性质。现阶段计算机以机械模仿为主并通过逻辑语言与人的自然语言对话。因此，尽管计算机对自然语言的处理可以算作一种翻译，但就目前而言这种翻译与自然语言中两个语言之间的互相翻译是不同的。

④计算机在消除歧义过程中，需要大量的知识，包括语言学知识（词法、句法、语义、上下文等）和关于世界的常识认知。这也造成了目前自然语言处理的两个主要困难。从自然语言的视角衡量计算机语言，高度形式化使其对语境的刻画能力有限，也无法像自然语言那样传达多层信息。因此，形式化语言虽然在准确度上拥有优势，语境塑造能力和表达力却必然弱于自然语言。在自然语言的理解中，词汇装置如何与句法结构产生联系，从而形成句子表达涵义，这是形式化语言很难完全刻画的，这也是计算机识别自然语言时产生错误的一个重要原因。当然，随着语料库建设和语料库语言学的发展，计算机原先处理自然语言时主要运用的基于句法——语义规则的理性主义方法已退居其次，现今自然语言的处理技术引入了统计数学的方法，在匹配搜索和自动学习的方法支持下逐渐减少错误。

⑤认知科学认为思维和认知是知识的逻辑运算，而计算化的自然语言分析则主要依赖逻辑语言的表述。如果从行为主义的角度出发，机器拥有计算机语言，并且在后天的操作执行和使用中不断强化更加精确，这是一种习得和巩固。在这个意义上，计算机语言于计算机而言似乎可以说是它的自然语言。然而，尽管自然语言和计算机语言各自都包含很多种类，二者多样种类的原因是不一样的，不同于人类语言的多样性根源于历史文化和地域的区别，计算机语言则是在编写程序时面向不同的需求而开发。因此，自然语言与计算机语言承载的内涵是不同的。从根本上讲，自然语言体现的心智与计算机语言表达的心智是有所不同的。

（摘编自《人工智能会说“外语”吗？——自然语言与计算机语言刍议》）

材料二：

①自然语言是人类交流和信息传递的重要工具。生成式人工智能以大语言模型为基础，试图模仿自然语言的数据值，帮助机器生成与真人创作相差无几的内容。生成式人工智能以强大的语言生成能力，重塑了人类对语言的理解和应用。然而，当前生成式人工智能的核心技术主要依赖于概率生成机制，即在学习已有数据的基础上生成新的数据样本，而新的数据样本却可能包含看似合理实则荒谬的内容。因此，生成式人工智能必须深入掌握自然语言的复杂语义、语法结构以及上下文的衔接规则，实现自然语言理解和自然语言生成之间的智能交互。

②生成式人工智能的核心框架是大语言模型，它基于数十亿个短语的大型数据集训练，掌握复杂的语言模型和认知联系，为计算机提供与上下文相关的数据，并将内容以人性化的形式呈现。对于大语言模型，初始训练和参数调整是模型创建和运用的关键环节。在初始训练阶段，要基于大规模数据集对大语言模型进行训练，以帮助模型熟悉语言的基本框架，掌握语言结构，总结自然语言的使用习惯和变化趋势，进而使大语言模型基于语法规则的应用以及数据指令，生成连贯且相关的上下文文本。在参数调整阶段，大语言模型基于已有训练内容，使用更小且特定的带标签实例进行监督训练，通过参数优化对算法进行微调，使模型更贴合特定的任务需求，显著提升模型在文本生成、对话问答和情感分析等活动中的表现。初始训练和调整训练可以有效提高大语言模型应对特定任务的能力，使其具有更高的效能、更广泛的应用和更强的环境适应性。

③目前，生成式人工智能虽然看起来具有感知能力，但远未达到通用人工智能的标准，不具备与人类等效甚至超越人类的表现能力，仅依靠数学模型亦不足以训练智能系统的自主性能力。为此，要将“以人为本”的理念内置于人工智能的核心位置，引入人的自主能力，确保人类对人工智能系统输出和推理过程的控制和解释。自然语言是体现人类交流与思维的载体，具有灵活性、创新性以及上下文关联性等特征，蕴含着丰富的动态语义。自然语言理解在一定程度上可以推动生成式人工智能朝着人性化方向发展。

（摘编自《自然语言理解：生成式人工智能发展的语言密码》）

1．下列对材料中相关概念的理解，不正确的一项是（3分）

A．自然语言的语义、语法结构以及衔接规则复杂，是人类交流和信息传递的重要载体。

B．形式化语言是人们发明的一套能把思维推理转变为演算如数学般精确的通用符号。

C．计算机语言是在编写程序时面向不同的需求而开发的由机器使用运行的形式化语言。

D．生成式人工智能以大语言模型为基础和核心框架，虽有感知但是没有人的表现能力。

2．根据材料内容，下列说法正确的一项是（3分）

A．计算机要理解和执行人的命令，首先要把自然语言翻译成精确的形式化语言，然后才能进行程序操作，翻译得准确与否显得尤为关键。

B．由于统计数学的方法替代了旧的技术，并且在匹配搜索和自动学习的方法支持下，计算机处理自然语言的水平不断提高，错误逐渐减少。

C．目前的生成式人工智能因为只模仿自然语言的数据值，依赖概率生成机制，虽然语言能力强大，但是生成的内容错误太多缺少实用价值。

D．实现计算机对自然语言理解，就能确保人类对人工智能系统输出和推理过程的控制和解释，使得生成式人工智能做到“以人为本”。

3．下列对材料二提到的“大语言模型工作原理”的图解分析，不正确的一项是（3分）

A．示意图完整呈现了从“输入”到“输出”的全过程，其中“文字转成代码”是将自然语言符号转化为机器可处理的代码。

B．“理解语义/位置”属于初始训练阶段，使大语言模型基于语法规则的应用以及数据指令，生成连贯且相关的上下文文本。

C．图中“借助外部数据/工具”这一环节，属于模型参数调整的阶段，是为了适应特定任务需求而进行的调整监督训练。

D．图表中的“概率分布”表明，大语言模型的输出是通过复杂计算后，对最可能结果的一种预测，这就是概率生成机制。

4．自然语言与形式化语言相比，二者各自有哪些优缺点？请根据材料一简要概括。（4分）

本试题由一苇轩(高中语文题库)www.gzywtk.com进行考点归类细化整理

________________________________________________________________________________________________________________________________________________________________________________________

5．两则材料都谈到了计算机对人类自然语言的处理，这给我们的语言学习有怎样的启示？请结合材料简要说明。（6分）

________________________________________________________________________________________________________________________________________________________________________________________