【推荐1】阅读下面的文字，完成下面小题。

材料一：

美国学者理查德·利汉在其所著的《文学中的城市》中认为，城市建设和文学文本之间，有着不可分割的联系。“因而，阅读城市也就成了另一种方式的文本阅读。这种阅读还关系到理智的以及文化的历史：它既丰富了城市本身，也丰富了城市被文学想象所描述的方式。”在某种程度上，我们所极力理解并欣然接受的“北京”“上海”或“长安”，同样也是城市历史与文学想象的混合物。

并不是只有“通过城市的社会经济的研究”，才能揭示城市发展的规律性的东西。除了讨论都市人口增长的曲线，或者供水及排污系统的设计，在拥挤的人群中漫步，观察这座城市及其所代表的意识形态，在平淡的日常生活中保留想象与质疑的权利，同样可以帮助我们进入城市。研究城市，不是纯粹的研究城市的史地或经济，而是城与人的关系，兼及“历史”与“文学”。

文学中的城市，必须兼及作家、作品、建筑、历史、世相、风物等，在文化史与文学史的多重视野中展开论述。如此“关注”，自然不会局限于传统的“风物记载”与“掌故之学”，对城市形态、历史、精神的把握，需要跨学科的视野以及坚实的学术训练，因此，希望综合学者的严谨、文人的温情以及旅行者好奇的目光，关注、体贴、描述、发掘自己感兴趣的“这一个”城市，诸如抗战中的重庆与昆明，具体而微的成都杜甫草堂。

城市文学研究必须把“记忆”与“想象”带进来，这样，这座城市才有生气，才可能真正“活起来”，只有斑驳的百姓家，只有来去匆匆的燕子，还不够，还必须把“旧时王谢”的历史记忆带进来，这个画面才完整，才有意义，把人的主观情感以及想象力带入都市研究，这个时候，城市才有了喜怒哀乐，才可能既古老又新鲜。当我们努力用文字、用图像、用文化记忆来表现或阐释这座城市的前世与今生时，这座城市的精灵，便得以生生不息地延续下去。“驰骋想象”，这个让历史学家深感头痛的话题，很可能在文化史家那里如鱼得水。那些诸多解读关于北京的“不实之辞”，却可能意味无穷。因为关于城市的“集体记忆”，不管虚实真假，同样值得尊重。

（摘编自陈平原《文学的都市与都市的文学》有删改）

材料二：

城市文学研究，有一个学科归属问题亟待解决。我们是将它归入传统文学研究，作为传统文学学科的一个分支，还是将它归入城市学这门学科？对于第一种做法，我的看法是，因为它受到了文学研究之内各种规则的制约，并且缺乏一种对等相通的经验上的把握，所以很难真正进入到文学价值评判领域，也难以与其他学科发生对话关系。一种针对城市文学的外部研究可能要更为有效，因为它的视野更大，也能够在时代精神的符号表征与文学形式之间看出隐秘的联系。城市学范畴内的城市文学研究，使得叙事演变与精神历史的共鸣和互证得以成立。在这个意义上，将城市文学研究列为城市学的子题是没有疑义的。

中国文化有着强大的乡土文明传统，城市一直是被诅咒的对象，甚至是被删除的对象。一种城市经验的出现，在文学这个范畴内，势必分裂为两种不同倾向。对于作家来说，这种独特经验，是青年一代的写作者必须去关注的，因为他们恰恰生活在此；像年长一代作家那样，本能地去书写乡土经验的东西，对年轻一代作家来说，已经不再可能。而对于城市学研究者来说，他们所要处理的对象就更为复杂，他们既要思考诸种城市经验元素，以便将它向认知提升，还要面对已然被塑造了的文学中的城市经验形态。经验走在前面，而判断总是滞后，但城市学的研究和城市学的评论也不能过于滞后，它应该跟上来。

（摘编自张柠《城市经验和城市研究》）

材料一

机器学习是一种人工智能技术，它通过设计算法，让计算机可以从有限的观测数据中分析并获取规律，然后利用“学习”到的规律对未知数据进行预测，从而帮助人们完成应用任务。运用机器学习解决应用问题，一般包含如下几步：首先是对观测数据作预处理，然后是从观测数据中提取有效特征并对特征进行转换，最后是构建函数并利用它进行预测。

传统的机器学习主要关注预测函数的构建，至于特征，则一般是通过人为地设计一些准则，然后根据这些准则从观测数据中获得。对机器而言，这可看作是一种“浅层学习”。由于浅层学习有时不能很好地获得有助于提升预测准确率的特征，“深度学习”应运而生。

深度学习需要构建具有一定“深度”的模型，让机器自动从观测数据中学习到有效的特征，帮助提升预测的准确率。“深度”与数据处理过程的组件数量密切相关，深度模型的原始输入与输出结果之间有多个组件，每个组件都会对数据进行加工，并影响后续组件。当得到最终的输出结果时，我们并不清楚每个组件的贡献是多少，判断每个组件对输出结果的影响称为“贡献度分配”问题。以下围棋为例，每当下完一盘棋，我们会思考哪几步棋导致了最后的胜利或失败，判断每一步棋贡献的多少就是贡献度分配问题。该问题在深度学习中至关重要，解决起来也非常困难。

目前，深度学习大多采用“人工神经网络”来实现。人工神经网络内部包含多个层次，正好能满足深度学习的“深度”需求。近年来，深度学习技术快速发展，其所使用的人工神经网络模型从早期的五至十层增加到目前的数百层，这极大提高了特征提取与转换的能力，也使预测的准确率随之上升。

深度学习技术被广泛应用于模式识别、自然语言处理等诸多领域并取得了重大突破。我们要想在方兴未艾的科技革命中占有先机，牢固掌握以深度学习为代表的人工智能技术是必要条件。

材料二

人脑神经系统是一个非常复杂的组织，包含几百亿个神经元。神经元与神经元之间没有物理连接，它们通过突触进行互联来传递信息。神经元可被看作是只有兴奋和抑制两种状态的细胞，突触将一个神经元的兴奋状态传至另一个神经元。突触有强有弱，其强度可以通过学习或训练来不断改变，具有一定的可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他神经元接收到的信号量以及突触的强度。当一个神经元接收到的信号量总和超过了某个阈值，细胞体就会兴奋，产生电脉冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神经系统中，每个神经元本身固然重要，但更重要的是神经元如何组成网络。

受人脑的启发，科学家构建了一种在结构、工作原理和功能上都模拟人脑神经系统的计算模型，称之为“人工神经网络”，简称“神经网络”。在机器学习领域，神经网络指由很多人工神经元相互连接构成的系统，这些人工神经元一般被称为节点，每个节点本质上是一个函数。神经网络不同节点间的连接被赋予了不同的权重，每个权重表示一个节点对另一个节点影响的大小。每个节点的“兴奋”或“抑制”，由来自其他节点的数据信息与节点间的连接权重综合计算得到。

深度学习利用神经网络构建模型，可以对数据进行更好的特征提取与特征转换，从而得到预测准确率更高的函数。除了神经网络模型，深度学习也可以采用“深度信念网络”等其他类型的模型。但由于神经网络能借助相关算法较好地解决贡献度分配问题，它成为了深度学习主要采用的模型。

（以上两则材料取材于邱锡鹏的相关著作）

【推荐3】阅读下面的文字，完成小题。

材料一：

从基层上看去，中国社会是乡土性的。那些被称土气的乡下人是中国社会的基层。我们说乡下人土气，这个土字用得很好。土字的基本意义是指泥土。乡下人离不了泥土，因为在乡下住，种地是最普通的谋生办法。靠种地谋生的人才明白泥土的可贵。农业直接取资于土地，种地的人搬不动地，长在土里的庄稼行动不得，土气是因为不流动而发生的。

不流动是从人和空间的关系上说的，从人和人在空间的排列关系上说就是孤立和隔膜。孤立和隔膜并不是以个人为单位的，而是以住在一处的集团为单位的。中国乡土社区的单位是村落，从三家村起可以到几千户的大村。孤立、隔膜是就村和村之间的关系而说的。孤立和隔膜并不是绝对的，但是人口的流动率小，社区间的往来也必然疏少。我想我们很可以说，乡土社会的生活是富于地方性的。地方性是指他们活动范围有地域上的限制，在区域间接触少，生活隔离，各自保持着孤立的社会圈子。

乡土社会在地方性的限制下成了生于斯、死于斯的社会。常态的生活是终老是乡。假如在一个村子里的人都是这样的话，在人和人的关系上也就发生了一种特色，每个孩子都是在人家眼中看着长大的，在孩子眼里周围的人也是从小就看惯的。这是一个“熟悉”的社会，没有陌生人的社会。

在社会学里，我们常分出两种不同性质的社会：一种并没有具体目的，只是因为在一起生长而发生的社会；一种是为了要完成一件任务而结合的社会。用一位外国学者的话说，前者是“有机的团结”，后者是“机械的团结”。用我们自己的话说，前者是礼俗社会，后者是法理社会。生活上被土地所囿住的乡民，他们平素所接触的是生而与俱的人物，正像我们的父母兄弟一般，并不是由于我们选择得来的关系，而是无须选择，甚至先我而在的一个生活环境。

熟悉是从时间里、多方面、经常的接触中所发生的亲密的感觉。这过程是《论语》第一句里的“习”字。“学”是和陌生事物的最初接触，“习”是陶炼，“不亦说乎”是描写熟悉之后的亲密感觉。在一个熟悉的社会中，我们会得到从心所欲而不逾规矩的自由。这和法律所保障的自由不同。规矩是“习”出来的礼俗。从俗即是从心。

“我们大家是熟人，打个招呼就是了，还用得着多说么?”这一类的话已经成了我们现代社会的阻碍。现代社会是个陌生人组成的社会，各人不知道各人的底细，所以得讲个明白；还要怕口说无凭，画个押，签个字。这样才发生法律。在乡土社会中法律是无从发生的。“这不是见外了么?”乡土社会里从熟悉得到信任。乡土社会的信用并不是对契约的重视，而是发生于对一种行为的规矩熟悉到不加思索时的可靠性。

从熟悉里得来的认识是个别的，并不是抽象的普遍原则。在熟悉的环境里生长的人，不需要这种原则，他只要在接触所及的范围之中知道从手段到目的间的个别关联。在乡土社会中生长的人似乎不太追求这笼罩万有的真理。我读《论语》时，看到孔子在不同人面前说着不同的话来解释“孝”的意义时，我感觉到这乡土社会的特性了。孝是什么?孔子并没有抽象地加以说明，而是列举具体的行为，因人而异地答复了他的学生。

在我们社会的急速变迁中，从乡土社会进入现代社会的过程中，我们在乡土社会中所养成的生活方式处处产生了流弊。陌生人所组成的现代社会是无法用乡土社会的习俗来应付的。于是，“土气”成了骂人的词汇，“乡”也不再是衣锦荣归的去处了。

（摘编自费孝通《乡土中国》）

材料二：

改革开放以后，乡村社会中的变化确实如有些学者所观察到的，行政村中的村民之间相互认识而不熟悉，缺乏共同生活的空间，而大批青壮劳动力进城务工更是带来乡村社会普遍的空巢现象。尤其是随着城镇化的推进以及市场观念的不断深入，熟悉社会中的关系网络开始裂变，既有的伦理观念、道德、价值等正在失去约束力。但是，这可以称之为周围环境的变化，而长期浸淫于熟悉社会而习得的“给予”和“亏欠”的人情传统以及思维方式和行为规则等还存在巨大影响。

众多研究表明，生活在乡村社会的农民，虽受到外部条件变化影响，但依旧以亲情纽带和乡土圈子为核心，诚实相待，和谐共处，熟悉社会的亲密关系也由此不断延续下去。而进城务工人员在城市中虽然遭遇到大量陌生关系，但在大多数情况下依靠血缘、亲缘、宗缘和地缘等，结成亲密的社会关系网络，并且依此确认其自我身份，进而形成一种新的“地方认同”。可以看出，熟悉社会已遭遇强烈冲击，但在日益变动的社会结构中仍有影响。

（摘编自黄锐《乡土社会是“熟悉社会”》）

材料三：

“熟悉的社会”是对乡村社会的地方性与整体性结构特征的一种概括，而非指微观的、个别的人际关系或社会网络状况。经历经济转型、社会与文化变迁之后，乡村社会中诸多微观结构与行动都可能已发生这样或那样的变化，其中就包括人际关系和交往方式的变化。然而，村落共同体的地方性以及共同体的整体性特征依然留存。

在村落共同体中，村民之间的关系是熟悉的。熟悉的关系并非指具体的两个个体间的交往情况和熟知程度，而是指村落社会关系是相互熟知的。熟悉的社会是一种信息非常对称的社会，也是一种信息透明的社会。信息对称指的是自我与他人是知根知底的、相互能达成默契的。不论两个村民个体之间是否有直接的交往和互动，也不论一个人对其他个体具体情况的熟知程度如何，人们都能达到相互熟知或知根知底。

熟悉关系仍代表着乡村社会的一种特质，因为这是与城市社会关系有着本质区别的。尽管在城镇化扩张和乡村劳动力流动的冲击下，乡村社会熟悉关系也处于变迁之中，但在村落生活共同体依然存续的情况下，基于地缘和血缘而形成的熟悉社会关系的特征也就继续留存。

（摘编自陆益龙《后乡土中国》）