2019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2019上半年事业单位联考C类《综合应用能力》真题来自学考试生回忆，由公考通整理。

2019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2019上半年事业单位联考C类《综合应用能力》真题来自学考试生回忆，由公考通整理。

点击下载PDF打印版（含参考答案，查询答案分析请下载PDF版）

2019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”；2016年，GoogleAIAlphaGo又战胜了韩国棋手李世石，这标志着AI终于征服了它在棋类比赛中最后的弱项——围棋，Google企业的DeepMind团队比预期提前了整整10年达到了既定目的。

对计算机来讲，围棋并非由于其规则比国际象棋复杂而很难征服——与此完全相反，围棋规则更容易，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19×19的正方形棋盘中，落下的棋子就不可以再移动了，只能在被他们棋子包围时被提走。到了棋局结束时，占据棋盘面积较多的一方为胜者。

围棋的规则这样容易，但对于计算机来讲却又异常复杂，缘由在于围棋的步数很多，而且每一步的可能下法也很多。以国际象棋作对比，国际象棋每一步平均约有35种不一样的可能走法，通常情况下，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，这远远超越了宇宙中的原子总数——1080！

对于结构容易的棋类游戏，计算机程序开发职员可以用所谓的“暴力”办法，再辅以一些方法，来探寻对弈方案，也就是对剩下可能出现的所有盘面都进行尝试并给予评价，从而找出最佳的走法。这种对整棵博弈树进行穷举搜索的方案对计算能力需要非常高，对围棋或者象棋程序来讲是很不简单的，特别是围棋，从技术上来讲现在不可能做到。

“蒙特卡罗树搜索”是一种基于蒙特卡罗算法的启发式搜索方案，可以依据对搜索空间的随机抽样来扩竞价索树，从而剖析围棋这种游戏中每一步棋如何走才可以创造最好机会。举例来讲，倘若筐里有100个苹果，每次闭着眼拿出1个，最后要挑出最大的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，不然没办法一定挑出了最大的。这个挑苹果的办法，就是蒙特卡罗算法。虽然“蒙特卡罗树搜索”在此前一些弈棋程序中也有使用，在相对较小的棋盘中也能非常不错地发挥用途，但在合法的全尺寸棋盘上，这种办法仍然存在相当大的缺点，由于涉及的搜索树还是太大了。

AlphaGoAI程序中最新颖的技术当属它获得常识的方法——深度学习。AlphaGo 借用两个深度卷积神经互联网（价值互联网和方案互联网）自主地进行新常识的学习。深度卷积神经互联网用不少层的神经元，将其堆叠在一块，用于生成图片渐渐抽象的、局部的表征。对图像剖析得越细，借助的神经互联网层就越多。AlphaGo也采取了类似的构造，将围棋模盘上的盘面视为19×19的图片输入，然后通过卷积层来表征盘面。如此，两个深度卷积神经互联网中的价值互联网用于评估盘面，方案互联网则用于采样动作。

在深度学习的第一阶段——方案互联网的有监督学习（即从中 I 中学习）阶段，拥有13层神经互联网的AlphaGo借用围棋数据库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互联网进行分类，分类的目的就是落子向量A。通过持续的练习，尽量让计算机得到的向量A接近人类高手的落子结果b，如此就形成了一个模拟人类下围棋的神经互联网，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好的落子结果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——方案互联网的强化学习（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，而像一种人类进化的过程：AlphaGo会和我们的老版本对弈。即，先用F_go（1）和F_go（1）对弈，得到了适量的新棋谱，将这类新棋谱加入到练习集当中，练习出新的F_go（2），再用F_go（2）和F_go（1）对弈，以此类推，如此就能得到胜率更高的F_go（n）。如此，AlphaGo就能不断改变它在第一阶段学到的常识。在第三阶段——价值互联网的强化学习阶段，AlphaGo可以参考之前获得的学习心得得出估值函数v（s），用于预测方案互联网自我对抗时棋盘盘面s的结果。最后，则是将F_ go（）、v（s）与蒙特卡罗树搜索三者相互配合，用F_ go（）作为初始分开局，每局选择分数最高的策略落子，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。它革新性地将蒙特卡罗模拟和价值互联网、方案互联网结合起来练习深度神经互联网。如此价值互联网和方案互联网等于AlphaGo 的两个大脑，方案互联网负责在目前局面下判断“最好的”下一步，可以理解为落子选择器；价值互联网负责评估整体盘面的优劣，淘汰掉不值得深入计算的走法，帮助前者提升运算效率，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最后决定如何落子胜算最大。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没办法企及的。伴随计算机性能的不断增强，遍历蒙特卡罗搜索树将进一步提升命中概率。很多的计算机专家，配合很多的世界围棋高手，在算法上不断改革，再配合不断成长的超级计算能力，不断地从失败走向成功，最后塑造出围棋AI。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法战胜了人类数千年的经验积累。”人和机器其实没站在对立面上，“是人类战胜了人类”。

材料二

上世纪80年代，M市高温首日常常出目前6月中下旬至7月，到21世纪，总是还没有到6月中句，M市气温就会蹿至35℃以上，仅有两年的高温日到7月才出现，1981年以来，M市6-8月高温日出现愈加频繁，可见，M市首个高温日的出现时间愈加早，21世纪后每年首个高温日出现时间一定早于上世纪80年代。

在M市，一年中最热的时候莫过于7月，1997年以来，高温日数渐渐增多。截至2018年7月中旬，2018年M市高于35℃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，2018年8月的高温日可能不会超越7月。

近30年来，M市7月的夜温愈加高，1999年以来7月的夜间最低气温常见超越23℃，所以2018年7月下旬M市夜间的最低气温不会低于23℃。

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年将来出现的，2018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2018年M市出现3天以上持续高温的次数已经超越了近30年来的平均值，那样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愈加大。2018年7月M市各区平均气温偏高，均超越26.7℃。其中市中心2个城区气温最高，第二是环市中心的其他4个城区，2个郊区的气温最低。（注：高温日为日最高气温≥35℃）

材料三

材料（一）细菌学家弗莱明的实验室里摆设着很多有毒细菌培养皿。多年来，

他试验了各种药剂，力图找到一种能杀灭这类细菌的理想药品，但一直未能成功。1928年的一个早晨，他在检查细菌的变化时，忽然发现一个葡萄状球菌的培养皿里长出了一团青色霉菌，并且其周围原来成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备杀灭用途，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，意料之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问题；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，德国有的物理学家也察看到这一现象，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，最后发现了X射线，他也因此获得诺贝尔物理学奖。

材料3、丹麦天文学家第谷三十年如1日观测天象，记录了750颗星相对地方的变化，纠正了以往星表中的错误。但第谷不擅长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，他把自已所有些材料交给了学生开普勒，需要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，依据老师留下的很多一手资料，最后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，根据每道题的需要作答。（50分）

依据材料一，回答下列问题：

1.判断题：请用2B铅笔在答卷卡相应的题号后填涂作答，正确的涂“A”，错误的涂“B”。

（1）国际象棋的走法低于35*80种。

（2）结构容易的棋类游戏可以通过对博弈树的“暴力”穷举搜索找出最佳走法。

（3）传统的计算机围棋程序可以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比F_go的胜率更高。

2.填空题：请依据文意，分别填补Ⅰ、Ⅱ两处缺项，没空低于6个字。

Ⅰ（ ） Ⅱ（ ）

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铅笔在答卷卡相应的题号后填涂正确选项的序号，错选、少选均不能分。

（1）这篇文章开头觉得围棋是AI在棋类游戏中最弱项是什么原因：

A.围棋每一步可能的下法太多，没办法用穷举搜索

B.围棋的规则对于计算机来讲太复杂，没办法理解

C.单一的计算机神经互联网很难应付围棋的搜索计算

D.围棋盘面局势的评估缺少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.价值互联网负责评估盘面优劣

B.方案互联网负责判断走法优劣

C.方案互联网可以帮助价值互联网提升运算效率

D.价值互联网和方案互联网一同确定最后的落子地方

4.比较剖析AlphaGo新算法和蒙特卡罗树搜索的区别。

需要：概括准确，层次明确，文字简单，低于250字。

5.请为本文写一篇内容摘要

需要：全方位、准确，条理明确，低于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处论证错误并分不要说明理由。请在答卷卡上按序号分条作答，每一条先将论证错误写在“A”处（低于75字），再将相应理由写在“B”处（低于50字）。（40分）

问题三

材料作文题：阅读下列材料，按需要作答。（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。

需要：看法鲜明、论证充分，条理明确，语言流畅，字数在800~1000字。

甘肃公务员,特岗教师招聘,事业单位,教师招聘等公职考试招考信息,备考资料,历年真题和推荐权威公考培训辅导机构http://www.gsgwyw.com/