以下是略有删节的公文部分内容

强化重点领域集中整治。坚持专项整治与日常监管相结合，以关系生命健康、财产安全和环境保护的商品以及知识产权领域的突出问题为重点，定期组织开展专项整治，严厉打击侵权假冒违法犯罪行为。完善以随机抽查为重点的日常监督检查制度，强化对互联网、农村市场和城乡结合部等侵权假冒高发多发领域和地区的监管，坚持线上线下治理相结合，深挖违法犯罪活动的组织者、策划者、实施者，清理生产源头，铲除销售网络，维护公平竞争的市场秩序。

加强部门间执法协作。执法监管部门、行业主管部门等要充分发挥各自优势，加强打击侵权假冒执法协作，促进执法监管和行业管理等信息共享，在执法检查、检验检测、鉴定认定等方面互相提供支持。执法监管部门发现违法行为涉及其他部门职责的，要及时通报相关部门采取措施，对于重大案件线索，必要时要共同研究案情，开展联合执法。加强对基层综合执法部门的指导，（甲）监管职责，（乙）权力清单，（丙）监管漏洞，确保综合执法机构权威高效、运转协调，提高执法效能。

推进区域间执法协调联动。针对侵权假冒行为_______的特点，加强区域间执法协作，探索建立跨区域联席会议、线索通报、证据移转、案件协查、联合办案以及检验鉴定结果互认等制度，完善线索发现、源头追溯、属地查处机制，推动执法程序和标准统一化，加强交界区域基层执法协作，消除监管空白地带，对侵权假冒商品的生产、流通、销售形成全链条打击。结合实施国家区域发展战略，在京津冀、长江经济带、泛珠三角区域等深入开展打击侵权假冒区域合作，总结经验，适时向全国推广。

健全行政执法与刑事司法衔接机制。建立健全行政执法部门与司法机关信息共享，案情通报、案件移送制度，完善案件移送标准和程序，坚决克服有案不移、有案难移、以罚代刑现象。完善行政执法部门与司法机关间有关案件咨询、督查督办等工作机制，规范行政执法证据的固定和移送，实现行政执法与刑事司法无缝衔接。完善涉嫌犯罪案件移送中有关涉案物品处置制度，探索建立涉案物品保管“公物仓”和有毒有害物品统一销毁处理制度。建成中央、省、市、县四级联网的行政执法与刑事司法衔接信息共享系统，提高衔接工作效率和规范化水平。

①国家统计局15日发布的数据显示，2015年全国夏粮总产量为14106.6万吨，较2014年增长3.3%。至此，我国夏粮实现了“十二连丰”。“十二连丰”成绩喜人，为经济平稳健康发展提供了坚实基础。然而，在连年丰收的同时，我国粮食进口和库存也保持着同步多增态势，去年我国粮食进口首次突破1亿吨大关，库存升至近年历史高点，我国粮食正遭遇产量多、进口多、库存多“三多并存”新课题。

②“进口多增，并不是我们的粮食不够吃，主要是国内外粮食的巨大价差所致。”国务院发展研究中心农村经济研究部主任叶兴庆介绍，2004年以来，我国实行最低收购价和临时收储政策，希望借此提高农民种粮积极性，稳定粮食生产。但随着收购价的________，国内粮食市场价格跟着________，然而近年国际市场粮食价格却________，国内外农产品价格倒挂日趋明显。

③“由于国内农业生产成本的逐渐攀升，为提高农民种粮积极性，国家逐年提高最低收购价格，与其他因素共同催生了国内与国外，生产与加工领域间的价格倒挂，催生当前‘三多并存’现象，根本原因在于___________，”中国人民大学农业与农村发展学院教授孔祥智说。

④“我国平均一个劳动力只能种7亩左右耕地，然而在机械化耕作背景下，欧洲一个劳动力能种几百亩，美国一个劳动力能种几千亩甚至上万亩，这种差距就是__________。”中国国际经济交流中心副理事长郑新立说。

⑤分析人士认为，解决“三多并存”考验，国家一方面要改革现有的粮食收储制度，遏制价格倒挂趋势；另一方面，则应加快转变农业发展方式，努力降低农业生产成本，提升劳动生产率，向现代农业转变。

⑥“中国农业要想做强，就必须走现代农业的道路。要通过制度创新发展适度规模经营，培育新型经营主体，通过提升规模效益和科技水平，来降低农业生产成本，走出‘三多并存’困局。”孔祥智建议。

索引以及一切检索工具，本质上都是揭示人类知识内在关联的认知方式，而且完全符合人类的认识习惯。我们通过研究索引的________________，可以获得极大的启示。索引揭示的知识规则，是构建新媒体时代人类知识体系的基础，也是实现知识发现新方案的基础。索引具有三种功能：学术进阶的工具、知识发现的手段和学术评价的标准，传统的检索工具，其实是人类认知思维的外在表现。

索引有两种形态，分别代表了人类的两种认知形式，即知识扩展和模式识别。知识扩展又分为两种形式，其一是单向度的知识扩展模型，就是在同一个文献内部提出某些关键词制成索引，当读者在一个段落中发现其中一个关键词，可以经由索引扩展到本书其他段落、篇章中的同一词，这是个闭合循环的知识扩展模型；其二是开放性的知识扩展，就是读者在书中发现一个关键词，通过综合索引跳转至多种文献中与之相关的关键词，从而不断向外扩展。在这个模型之上，如果把多个知识关联序列进行叠加，我们便掌握了一种新的认知形式，就是模式识别。不是说通过一个已知的关键词去找它在文献中出现的位置，而是根据某些边际条件探索某个关键词集，即获取位于一个相关知识序列中的知识集合。比如说，我们综合利用唐代的士族世系表、科举年表、职官年表，可以探索士族出身的文士通过科举途径入仕和此后的升迁途径中较之寒门子弟有何优势，甚至可以结合士族郡望表进一步细致分析不同地域士族的升降与科举之间的关系。模式识别是学术研究更高级的思维过程。

知识扩展和模式识别都依赖于知识系统的有序性和关联性，由此形成的知识图谱，是有关联的、有序的知识集合。这个知识集合中，所有知识点都在一个相互关联的网络体系中，不是单个的珠子，而是固定在一串项链上，我们可以知道它的定位，知道它跟其他知识之间的关联。

知识图谱正是用以实现模式识别思维功能的方案，它由多个知识本体库和多个知识模型组成，把这些知识模型进行叠加以实现模式识别功能。知识图谱的综合架构有点像生物分子模型，任何一个知识点都能够在它的分子链上找到，而每个分子链跟其他的分子链之间还有一种关联，那么我们可以通过它的颜色、大小、方向来定位它到底是哪个具体的知识。我们看单独的知识点，它是海量知识中一个不确定的点，但当我们把不同来源的知识进行拼合的时候，其实它就变成了一个某种七巧板拼成的固定形状，每一个单块都是不可移动的，是互相关联从而互相限定的。那么，以往所有的问题、错误，包括误解，其实都可以在这个体系中再认识。

这种知识管理方案能够让我们把传统媒体中的经验、知识和智慧，平滑地移入新媒体中，实现基于规则的方案和基于统计的方案的结合，也就是基于计算机技术的和基于专业领域知识的知识管理方案的完美结合，进而辅助人类更广阔、深入地认识主观世界和客观世界。

根据今天的考古发现，公元前3000年前的苏美尔人就开始酿造啤酒了，对苏美尔人来说，啤酒被称作“kas”，也就是“嘴巴渴望的东西”。在古埃及，啤酒被当作报酬支付给那些建造金字塔的工人们。对古埃及人来说，拥有一座啤酒坊就意味着幸福。古时的人们可能因为啤酒而联系在一起，在那些非自然的聚居地聚集到一起，定居下来，形成城市。到今天，写作《啤酒圣经》的兰迪·穆沙认为，啤酒有助于人们磨去棱角，变得温和。而使得城市更适宜居住，啤酒相当于城市的“社会润滑剂”。饮用啤酒的生活方式，或者说社交方式，从两河流域以及金字塔奇迹开始就嵌入了人类的文明史。
过去半个世纪以来，围绕农业源起的研究，已经诞生了许多发现，也证实了这一假说：农业的开始乃至城市社会或者人类文明的诞生，确实与啤酒有关。
当大约一万年前冰川退去，成片野草出现，首先在“肥沃的新月区”，人类开始发现有些野草可以培育得穗粒更大、淀粉更多、以便食用，就是各种谷物，包括了小麦、大麦和燕麦等。对基因图谱的研究表明，大麦首先在今天的以色列-约旦一带被种植，然后伊拉克的库尔德斯坦、伊朗的西南部，然后逐渐扩散到埃及、摩洛哥，以及阿富汗、巴基斯坦和喜马拉雅山区。在这些最初的大麦种植区也发现了最早的啤酒，如苏美尔人石刻的啤酒酿造和饮用场景，埃及金字塔周边的啤酒遗迹。
最关键的，人们为什么要种植谷物？小麦可以做面包，大麦可以酿啤酒，这些似乎是天然的食物来源和加工方式到底是怎么形成的，并且影响着人类文明和生活方式？要知道，直到今天，世界上仍然有许多人对谷物过敏，不得不食用专门“不含麸质”的加工食物。人类的基因并不是天然适合谷物的。
人类学家和脑科学研究者们揭开了这个谜。宾州大学的人类学者SolomonKatz和博物馆学者MaryVoigt在1986年发表了一篇论文《面包与啤酒》，颇有开创性地指出，谷物和牛奶一样都包含一种外啡肽，能够起到镇痛、安抚紧张的作用，而且效果比牛奶所含的外啡肽还强。人们对后者的研究比较多，早就证实喝牛奶对婴儿有减少啼哭的镇静作用，这可以解释晚上临睡前喝一杯牛奶的镇静功效确实存在。只是，传统上牛奶并非成年人的常有饮料，而谷物却能起到相同的作用，这对人类社会的聚居和政治社会的形成可能是至关重要的。
从膳食品种的热量和蛋白质来说，谷物未必是人类的最佳选择。种植谷物还意味着两次收获期之间可能面临饥荒。但是，谷物特有的外啡肽却以大脑奖励的方式改变人的行为方式，让人变得温和而更具社会性。这可以帮助人在那些谷物种植区安顿下来，结成村庄。谷物还以其便于衡量财富的量化特性，即所谓多少石或蒲式耳计算的收获和交易，促进着贸易、分工和财富积累，规模约为一万人的最小城市便在农业开始的同时成为可能。
而大麦，因其外壳自然附有的酶，如同葡萄外皮的酶一样，天然适合发酵，也天然有利于吸附、过滤杂质，从种植的一开始似乎就被利用来酿酒而非食用。大麦发酵为啤酒，进一步强化了谷物的镇静功能和幸福意义，奖励着人类农业种植的选择。

①老鼠生性胆小机警，我们常用“胆小如鼠”来形容一个人懦弱怕事。老鼠怕猫更被认为是天经地义的事情。这对冤家也常被搬上屏幕，例如《猫和老鼠》和《黑猫警长》。
②那么，老鼠有没有不怕猫的时候呢？
③答案是肯定的。比如当老鼠感染一种名叫刚地弓形虫的寄生虫的时候。1908年，细菌学家查尔斯·尼科尔在突尼斯的刚地疏趾鼠体内发现了这种只有几个微米大小的细胞内寄生原虫。随着研究深入，人们发现，弓形虫只在家猫和虎、狮等猫科动物体内进行有性生殖，其无性繁殖则可以发生在几乎所有温血动物（比如老鼠）的有核细胞中。
④值得一提的是，弓形虫的感染通常比较温和。在免疫力正常的动物体内，弓形虫以一种叫做组织包囊的形式存在于动物大脑或肌肉中，呈慢性感染。只有当动物免疫力低下时，弓形虫感染才会引起严重的临床后果，比如脑炎、视网膜脉络膜炎等。
⑤慢性感染并不表示弓形虫对动物没有影响，何况它感染的部位是大脑。早在2014年，分子与细胞生物学教授迈克·艾森团队就发现，慢性感染弓形虫的小鼠对猫尿液的畏惧程度降低了。研究人员将小鼠体内的弓形虫完全清除后，这种变化并没有发生反转。通俗地讲，老鼠胆子变大了，不再害怕猫留下的痕迹和气味，而且“一时感染，终生受用”。
⑥2020年1月，日内瓦大学医学院多米尼克·索达提——法威尔教授团队发表论文称，慢性感染弓形虫的小鼠，不只是针对猫的胆子变大，面对其他捕食者时胆子也会变大。
⑦“我们发现感染弓形虫的小鼠的恐惧感丧失不仅仅是针对猫的，”科研人员表示，“这些小鼠思维活跃，四处游走探索”。在该研究中，研究人员建立了弓形虫慢性感染的小鼠模型，惊奇地发现，在慢性感染状态下，小鼠的焦虑水平降低了，更喜欢探索未知的东西。
⑧难道小鼠的胆子真的变大了？研究人员检测了小鼠对不同动物尿液的恐惧程度，发现弓形虫慢性感染的小鼠对猫尿液的恐惧程度明显降低，也不惧怕狐狸和豚鼠的尿液。就算附近放置的是处于麻醉状态的活的大鼠，小鼠依然来去自如。这和未感染组小鼠的小心翼翼形成鲜明对比。
⑨研究人员进而发现，弓形虫感染的小鼠，其行为变化程度与其脑组织中的包囊数量呈一定的相关性，弓形虫感染量越大，小鼠的探索性行为就越明显。通过转录组学分析，研究人员发现弓形虫慢性感染的小鼠，脑组织中炎性因子的转录水平发生了明显变化，并且与脑组织中包囊的数量和行为的变化程度具有相关性。科研人员推测，弓形虫慢性感染会引起动物脑组织持续性的炎症反应，炎性因子的释放会影响神经细胞的功能，最终导致动物的“勇敢”行为。
⑩安徽医科大学一位病原生物学教授说，弓形虫感染引起动物行为的变化可以拉近猎物和捕食者之间的空间距离，有利于虫体的扩散传播；老鼠不怕猫则更有助于弓形虫在猫体内的有性生殖，促进弓形虫的进化以及对环境的适应。动物实验研究有助于揭示人体“慢性无症状感染”相关神经精神障碍性疾病的发病机制。

AlphaGo（阿尔法围棋程序）总体上由两个神经网络构成，以下把它们简单称为“两个大脑”。这只是一个比喻，在对弈时，这两个大脑是这样协同工作的：第一个大脑的简单模式会判断出在当前局面下有哪些走法值得考虑。第一个大脑的复杂模式通过蒙特卡洛树来展开各种走法，即所谓的“算棋”，以判断每种走法的优劣。在这个计算过程中，第二个大脑会协助第一个大脑通过判断局面来砍掉大量不值得深入考虑的分岔树，从而大大提高计算效率。与此同时，第二个大脑通过下一步棋导致的新局面的优劣也能给出关于下一步棋的建议。最后，两个大脑的建议被平均加权，做出最终的决定。

其实，这两个大脑的工作方式确实和人类很相似，一个__________细部，一个__________全局。但AlphaGo最终结合两者的方式相当简单粗暴：让两者各自评估一下每种可能的优劣，然后取一个平均数，这可绝不是人类的思维方式。

对人类来说，这两种思考问题方式的结合要复杂得多——不仅仅在围棋中是这样。人们并不总是同时对事态做出宏观和微观的判断，而是有时情绪、心理和潜意识的应激反应。这当然是人类不完美之处，但也是人类行为丰富性的源泉。

为什么要让人工智能去下围棋？有很多理由。但在我看来最重要的一个，是能够让我们更深入地理解智能的本质。

神经网络和机器学习在过去十年里跃进式的发展，确实让人工智能做到许多之前只有人脑才能做到的事，但这并不意味着人工智能的思维方式接近了人类。而且吊诡的是，人工智能在计算能力上的巨大进步，反而掩盖了它在学习人类思维方式上的短板。和国际象棋中的深蓝系统相比，AlphaGo已经和人类接近了许多，深蓝仍然依赖于人类外部定义的价值函数，所以本质上只是个高效计算器。但AlphaGo的价值判断是自我习得的，这就有了人的影子，而且AlphaGo的进步依赖于海量的自我对局数目，这当然是它的长处，但也恰好说明它并未真正掌握人类的学习能力。一个人类棋手一生至多下几千局棋，就能掌握AlphaGo在几百万局棋中所训练出的判断力，这足以证明，人类学习过程中还有某种本质是暂时无法用当前的神经网络程序来刻画的。

这当然不是说AlphaGo应该试图去复制一个人类棋手的大脑，但是AlphaGo的意义也不应该仅仅反映在它最终的棋力上。它是如何成长的？它的不同参数设置如何影响它的综合能力？如果有其他水平相当的人工智能和它反复对弈，它能否从对方身上“学到”和自我对弈不同的能力？对这些问题的研究和回答，恐怕比单纯观察它是否有朝一日能够超越人类重要得多。