(2024·长沙雅礼中学一检)阅读下面的文字,完成 https:/img.zuoyebang.cc/zyb_6945369879fa01dad461ab3bf4e8e689.jpgsim 5 题。-|||-动必不可少的手段,认识工具不同,认识的方式和效果也不同。人工智能作为重要的认识工具,对学术-|||-研究无疑具有重要的意义,这在"人工智能驱动的科学研究"中已有充分体现。生成式AI作为人工智-|||-能发展的前沿成果,具有与人进行流畅对话的功能、文本生成能力和相关的理解和推理能力,从而在此-|||-基础上具有进行知识生产的效能,使其可以被应用于人类的学术研究,发挥前所未有的作用。同任何-|||-技术的使用都包含积极和消极的双重效应一样,生成式AI作为学术研究的新型工具被使用时,也具有-|||-双重效应:"助力"和"替代"。客观地认识这种双重效应,对于更好地发挥其在学术研究中的积极作用-|||-具有重要意义。-|||-学术研究是一项探新或创造活动,在初始阶段需要以大量的文献阅读、信息检索和资料整理作为-|||-必不可少的准备条件。可以说,传统的学术研究耗时最多的就是相关文献的阅读、理解和整理,这个过-|||-程也是知识的学习、资料的搜集、视野的拓展、问题的发现乃至观点的形成和理据的寻获过程,因此,阅-|||-读量与研究质量密切相关。足够的阅读才能明了研究的现状,找出未解决的问题所在,从而确定合适-|||-的研究主题,并通过旁征博引为自己主张的观点获取支持,如此等等。同时,如果用于阅读的时间和精-|||-力过多,必然减少其他环节的投入,从而影响学术研究的"产出效率"。更何况,在信息和数据呈海量增-|||-长的背景下,人们常常感到学术性阅读无从下手,仅靠常规的、传统的阅读很难穷尽所有的相关文献,-|||-或者对文献的相关程度难以分辨。为此,生成式AI的介入,可以在"助"读上为人提供新的帮助。例-|||-如,用大数据训练生成式AI大模型,形同让它储存和"阅读"海量的学术文献,可以帮助人们分析某一-|||-课题的大量文本和数据,提取其中有价值的信息和关键的资料,辅助人们快速找到所需要的学术资源-|||-和内容。借助它来"助"读学术论文,可以帮助人们对论文进行总结或概括,或从长篇文章中归纳提炼-|||-出核心思想或观点,使人迅速直达其要义,形成对文章要点的快速把握;它甚至可以"一网打尽"地采集-|||-和提供所需资料,并能对资料加以梳理,如对其自动化分类、标注和索引,从而帮助人们有效管理和组-|||-织大量的文献资料。另外,整合了搜索引擎的生成式AI,还可以帮助人们及时获得最新的相关信息,-|||-掌握最新的学术前沿。通过凡此种种的助读,生成式AI可以助力人们有效应对信息爆炸的挑战,大大-|||-降低学术研究中信息获取和处理的时间和成本,帮助研究者扩展阅读面,提高阅读速度,加深和加快对-|||-相关领域的理解和掌握,为尽早进入学术创新的环节提供条件。-|||-而助读的过度使用或极端泛化,就是"替"读:人将学术研究中的文献阅读完全交由智能机器去完-|||-成,人则只利用由智能机器概括的要点与结论,只接受大模型为其提炼或"浓缩"出来的"精华",久而久-|||-之就可能丧失阅读能力,也丧失基于阅读而带来的知识增长和能力提升。阅读的过程也是学习的过-|||-程,阅读就是通过新信息的输入来激活既有知识结构,进而产生如同皮亚杰所说的"同化与顺应"交织-|||-的观念建构过程,这就是生成新知识的过程。如果用生成式AI大模型完全替代人的阅读,就会使人失-|||-去在不断的"同化与顺应"过程中建构新知识的机会。"机器读原文,人只读要点"的阅读方式,也不利-|||-于人对知识的全面吸收,犹如只喝浓缩的果汁而不吃原生的水果,也形同只输营养液而不吃食物来获-|||-得养分,久而久之必然会导致知识上的"营养不良"。-|||-(摘编自黄时进《"助"与"替":生成式AI对学术研究的双重效应》)(2024·长沙雅礼中学一检)阅读下面的文字,完成 https:/img.zuoyebang.cc/zyb_297bce64123476093b77b2e9991f021d.jpgsim 5 题。-|||-动必不可少的手段,认识工具不同,认识的方式和效果也不同。人工智能作为重要的认识工具,对学术-|||-研究无疑具有重要的意义,这在"人工智能驱动的科学研究"中已有充分体现。生成式AI作为人工智-|||-能发展的前沿成果,具有与人进行流畅对话的功能、文本生成能力和相关的理解和推理能力,从而在此-|||-基础上具有进行知识生产的效能,使其可以被应用于人类的学术研究,发挥前所未有的作用。同任何-|||-技术的使用都包含积极和消极的双重效应一样,生成式AI作为学术研究的新型工具被使用时,也具有-|||-双重效应:"助力"和"替代"。客观地认识这种双重效应,对于更好地发挥其在学术研究中的积极作用-|||-具有重要意义。-|||-学术研究是一项探新或创造活动,在初始阶段需要以大量的文献阅读、信息检索和资料整理作为-|||-必不可少的准备条件。可以说,传统的学术研究耗时最多的就是相关文献的阅读、理解和整理,这个过-|||-程也是知识的学习、资料的搜集、视野的拓展、问题的发现乃至观点的形成和理据的寻获过程,因此,阅-|||-读量与研究质量密切相关。足够的阅读才能明了研究的现状,找出未解决的问题所在,从而确定合适-|||-的研究主题,并通过旁征博引为自己主张的观点获取支持,如此等等。同时,如果用于阅读的时间和精-|||-力过多,必然减少其他环节的投入,从而影响学术研究的"产出效率"。更何况,在信息和数据呈海量增-|||-长的背景下,人们常常感到学术性阅读无从下手,仅靠常规的、传统的阅读很难穷尽所有的相关文献,-|||-或者对文献的相关程度难以分辨。为此,生成式AI的介入,可以在"助"读上为人提供新的帮助。例-|||-如,用大数据训练生成式AI大模型,形同让它储存和"阅读"海量的学术文献,可以帮助人们分析某一-|||-课题的大量文本和数据,提取其中有价值的信息和关键的资料,辅助人们快速找到所需要的学术资源-|||-和内容。借助它来"助"读学术论文,可以帮助人们对论文进行总结或概括,或从长篇文章中归纳提炼-|||-出核心思想或观点,使人迅速直达其要义,形成对文章要点的快速把握;它甚至可以"一网打尽"地采集-|||-和提供所需资料,并能对资料加以梳理,如对其自动化分类、标注和索引,从而帮助人们有效管理和组-|||-织大量的文献资料。另外,整合了搜索引擎的生成式AI,还可以帮助人们及时获得最新的相关信息,-|||-掌握最新的学术前沿。通过凡此种种的助读,生成式AI可以助力人们有效应对信息爆炸的挑战,大大-|||-降低学术研究中信息获取和处理的时间和成本,帮助研究者扩展阅读面,提高阅读速度,加深和加快对-|||-相关领域的理解和掌握,为尽早进入学术创新的环节提供条件。-|||-而助读的过度使用或极端泛化,就是"替"读:人将学术研究中的文献阅读完全交由智能机器去完-|||-成,人则只利用由智能机器概括的要点与结论,只接受大模型为其提炼或"浓缩"出来的"精华",久而久-|||-之就可能丧失阅读能力,也丧失基于阅读而带来的知识增长和能力提升。阅读的过程也是学习的过-|||-程,阅读就是通过新信息的输入来激活既有知识结构,进而产生如同皮亚杰所说的"同化与顺应"交织-|||-的观念建构过程,这就是生成新知识的过程。如果用生成式AI大模型完全替代人的阅读,就会使人失-|||-去在不断的"同化与顺应"过程中建构新知识的机会。"机器读原文,人只读要点"的阅读方式,也不利-|||-于人对知识的全面吸收,犹如只喝浓缩的果汁而不吃原生的水果,也形同只输营养液而不吃食物来获-|||-得养分,久而久之必然会导致知识上的"营养不良"。-|||-(摘编自黄时进《"助"与"替":生成式AI对学术研究的双重效应》)(2024·长沙雅礼中学一检)阅读下面的文字,完成 https:/img.zuoyebang.cc/zyb_88eb84cbfdce2771ec6839fbeadf40cc.jpgsim 5 题。-|||-动必不可少的手段,认识工具不同,认识的方式和效果也不同。人工智能作为重要的认识工具,对学术-|||-研究无疑具有重要的意义,这在"人工智能驱动的科学研究"中已有充分体现。生成式AI作为人工智-|||-能发展的前沿成果,具有与人进行流畅对话的功能、文本生成能力和相关的理解和推理能力,从而在此-|||-基础上具有进行知识生产的效能,使其可以被应用于人类的学术研究,发挥前所未有的作用。同任何-|||-技术的使用都包含积极和消极的双重效应一样,生成式AI作为学术研究的新型工具被使用时,也具有-|||-双重效应:"助力"和"替代"。客观地认识这种双重效应,对于更好地发挥其在学术研究中的积极作用-|||-具有重要意义。-|||-学术研究是一项探新或创造活动,在初始阶段需要以大量的文献阅读、信息检索和资料整理作为-|||-必不可少的准备条件。可以说,传统的学术研究耗时最多的就是相关文献的阅读、理解和整理,这个过-|||-程也是知识的学习、资料的搜集、视野的拓展、问题的发现乃至观点的形成和理据的寻获过程,因此,阅-|||-读量与研究质量密切相关。足够的阅读才能明了研究的现状,找出未解决的问题所在,从而确定合适-|||-的研究主题,并通过旁征博引为自己主张的观点获取支持,如此等等。同时,如果用于阅读的时间和精-|||-力过多,必然减少其他环节的投入,从而影响学术研究的"产出效率"。更何况,在信息和数据呈海量增-|||-长的背景下,人们常常感到学术性阅读无从下手,仅靠常规的、传统的阅读很难穷尽所有的相关文献,-|||-或者对文献的相关程度难以分辨。为此,生成式AI的介入,可以在"助"读上为人提供新的帮助。例-|||-如,用大数据训练生成式AI大模型,形同让它储存和"阅读"海量的学术文献,可以帮助人们分析某一-|||-课题的大量文本和数据,提取其中有价值的信息和关键的资料,辅助人们快速找到所需要的学术资源-|||-和内容。借助它来"助"读学术论文,可以帮助人们对论文进行总结或概括,或从长篇文章中归纳提炼-|||-出核心思想或观点,使人迅速直达其要义,形成对文章要点的快速把握;它甚至可以"一网打尽"地采集-|||-和提供所需资料,并能对资料加以梳理,如对其自动化分类、标注和索引,从而帮助人们有效管理和组-|||-织大量的文献资料。另外,整合了搜索引擎的生成式AI,还可以帮助人们及时获得最新的相关信息,-|||-掌握最新的学术前沿。通过凡此种种的助读,生成式AI可以助力人们有效应对信息爆炸的挑战,大大-|||-降低学术研究中信息获取和处理的时间和成本,帮助研究者扩展阅读面,提高阅读速度,加深和加快对-|||-相关领域的理解和掌握,为尽早进入学术创新的环节提供条件。-|||-而助读的过度使用或极端泛化,就是"替"读:人将学术研究中的文献阅读完全交由智能机器去完-|||-成,人则只利用由智能机器概括的要点与结论,只接受大模型为其提炼或"浓缩"出来的"精华",久而久-|||-之就可能丧失阅读能力,也丧失基于阅读而带来的知识增长和能力提升。阅读的过程也是学习的过-|||-程,阅读就是通过新信息的输入来激活既有知识结构,进而产生如同皮亚杰所说的"同化与顺应"交织-|||-的观念建构过程,这就是生成新知识的过程。如果用生成式AI大模型完全替代人的阅读,就会使人失-|||-去在不断的"同化与顺应"过程中建构新知识的机会。"机器读原文,人只读要点"的阅读方式,也不利-|||-于人对知识的全面吸收,犹如只喝浓缩的果汁而不吃原生的水果,也形同只输营养液而不吃食物来获-|||-得养分,久而久之必然会导致知识上的"营养不良"。-|||-(摘编自黄时进《"助"与"替":生成式AI对学术研究的双重效应》)