光可分为可见光段和不可见光段两大类，可见光的波长范围为380~760纳米，其中380~500纳米范围的光，我们的视网膜感知为蓝色，称之为“蓝光”。蓝光是自然光线的重要组成部分，室内的人造蓝光来源则包括荧光灯（日光灯和节能灯）、发光二极管（LED灯）和电子设备的显示屏。蓝光对视网膜敏感性最高、穿透力最强，对视网膜可造成光化学损害，加速黄斑区细胞的氧化损伤。一般情况下，如果要对视网膜细胞产生危害，需同时满足以下条件：波长在450~500纳米的蓝光；超过1500勒克斯的照度；持续直射3小时以上。而我们平常使用的电子屏幕一般是波长在460~470纳米的蓝光，可电子屏幕最大亮度也不会超过600勒克斯，更别提3小时不闭眼直视了。
相比于蓝光是否损害视力，我们更应该关注的是它对昼夜节律的影响。视网膜中的光敏感神经节细胞对蓝光最为敏感，而它与昼夜节律的调控中枢——视交叉上核相连。因此，蓝光对昼夜节律的影响比其他颜色的光都强。在白天，蓝光照射有利于提振精神。一项研究表明，早上接受1小时低强度蓝光照射能够加快反应速度，提神效果超过喝两杯咖啡。但在晚上，蓝光会延迟生物钟，抑制褪黑激素的分泌，影响睡眠。
很多人有睡前玩手机的习惯，这会不会影响睡眠呢？不久前，美国科学家进行了一项实验，研究手机光照对褪黑激素的影响。该研究发现，只有当蓝光照度足够高时才会影响褪黑激素水平：对于成年人来说，影响褪黑激素分泌的最低光照强度是85勒克斯，对于青少年则是71勒克斯。这大约等同于一个平板电脑的光照强度，手机光照没那么强。但该研究还发现，如果长时间暴露于低照度蓝光下，褪黑激素分泌也会被抑制。有趣的是，亮度更高的电视屏幕似乎并不会抑制褪黑激素分泌。这可能是因为我们看电视时一般距离屏幕较远，视网膜接受的蓝光的量并不多。虽然手机屏幕亮度很低，但它距离眼睛很近，因此它对褪黑激素分泌的影响是难以忽略的。
此外，蓝光对不同年龄段的人影响不同。光通过晶状体进入视网膜，晶状体对蓝光有一定过滤作用。随着年龄增长，我们眼睛的晶状体会自然变黄，吸收更多蓝光，从而导致蓝光透过率下降。儿童的晶状体澄清透明，蓝光透过率很高。因此，蓝光对儿童的影响更大。大量研究表明，过多使用电子设备会对儿童的视力和睡眠质量造成很大影响。这或许不能片面地归咎于蓝光，但限制儿童面对屏幕的时间显然很有必要。

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。

风是人们司空见惯的一种自然现象。人类对风的认识，更多的集中在它的破坏力上，至于说到对风的利用，只好用屈指可数来形容了。

1978年的夏天，在加利福尼亚的海滩上，绿色和平国际的前总干事斯蒂文迪·索耶和他的朋友立起了一只实验用的风力发电机，居然使风能成为世界上发展最快的能源之一。在过去的20多年里，风电平均每年以约30%的速度增长。截至2004年底，世界风力发电装机容量总和为4604.8万千瓦。其中德国名列榜首，总装机容量1650万千瓦；美国第二，总装机容量68万千瓦。风力发电在世界能源格局中已占有一席之地。

目前，风电这个词在很多国家是能源领域具有"超前意识"的代名词。尽管在电力专家眼里尚无任何一种能源利用方式是纯粹环保的，比如说，石油和煤炭等化石燃料污染空气，核电站的核废料存在安全隐患，水力发电影响渔业，风力发电则会影响到鸟类的生存等等。但在环保主义者眼中，风能发电堪称是近乎完美的能源利用方式了，它不存在任何污染，可以大量减少全球温室气体的排放。根据欧洲风能协会2005年6月30日发布的《风力12》报告，到2020年，全球风电装机总容量预计可以达到1250百万千瓦，风力发电可占到全世界用电总量的20%。这个数字意味着全球温室气体二氧化碳的年排放量将减少110亿吨。从这个角度讲，风电的俗称"绿电"，确也名副其实。

如果说"绿电"的概念还只是停留在环保的层面，对风能的另一个特点--取之不尽、用之不竭，却是可以提高到战略高度来认识的。同油、气、煤炭等传统能源相比，风能资源丰富且不受储量的限制，特别是在当今油价飞涨、全球性能源危机凸显的时代，这一特点更显出其独特的优势。也正是因为如此，欧美和日本等一些发达国家，中国、印度等一些发展中国家，把风能的开发利用已经提升到国家能源战略的重要地位。据透露，欧盟的风电产业政策已经出台，英国、西班牙等欧洲国家的风电产业配套政策甚至已经做到了2050年。

在风电发展的20多年里，价格偏高一直使它饱受反对者的抨击。另外，风电还存在着性能、市场不稳定等因素。目前，风力发电在各国电力来源中所占比例很低，即使在比例最高的丹麦，也不过占到20%，德国大约是6%，美国只有1%。至于中国，风电装机容量仅占全国电力装机容量的0.14%，至今也没有跨过产业化这道坎儿。

任何一种新生事物都有一个成长的过程。风力发电在世界范围内仍处于起步阶段，无论是技术还是市场都还不够成熟，它的产业化、特别是在发展中国家的推广和应用，的确还有一段很长的路要走。对于这样一种有利于可持续发展、有利于环保、有利于能源战略安全的能源方式，除了政府的鼓励引导、专家和业界的努力，目前更需要人们的耐心和信心。

①研究农村，首要的问题是理解农村社会和农民阶层的生活状态和行为特征。在这方面，农村经济研究者必须________和参考社会学和文化人类学的研究方法以及研究成果。

②比如，在研究中国农村金融的时候，如果不能深切了解中国农民和农村的社会生活及其结构特征，就很难了解为什么农民会选择这种金融组织形式和融资方式，而拒斥另一种金融组织形式和融资方式，就很难理解为什么有些金融机构在农村领域获得了极大的成功，而有些金融机构却负债累累乃至于倒闭。

③社会研究，包括农村研究的基本方式有：调查研究、实验研究、实地研究和文献研究等。

④调查研究的基本要素包括抽样、问卷、统计分析、相关关系等。实验研究的构成要素包括实验组、控制组、实验刺激、因果关系等。实地研究包括参与观察、研究者的角色、投入理解、扎根理论等。而文献研究则包括内容分析、现有统计分析等。

⑤这四种方法反映了不同的方法论倾向：以实验研究、调查研究和文献研究为代表的定量研究方式，比较集中地体现了实证主义方法论的倾向；而以实地研究为代表的定性研究方法，则集中体现了人文主义方法论的倾向。

⑥不同研究方式也分别被用于不同的研究目的：调查研究最常被用于描述一个大的总体的状况，以及探讨不同变量之间的相关关系；实验研究则主要被用于探索和证明两个变量之间的因果关系；实地研究则更多是在深入理解社会现实，以及在提炼和建构理论方面发挥作用；而文献研究常被用于帮助研究者去探讨那些任何其他方式在时间和空间上无法达到的社会现象和问题。

⑦可以说，不同的方法有不同的用途，应该综合运用各种方法，而不要局限于某一种方法。

⑧应该指出的是，社会研究的方法体系是一个有机的整体，方法论是居于统帅地位的指导社会科学研究的一般思想方法和哲学基础。

⑨具有实证主义方法论的社会研究者，通常采用调查研究、实验研究以及定量的文献研究的方式，以凸现研究的规范性、精确性和客观性。从建立研究假设、数据资料收集、定量分析方法的运用，直到依据结果的解释和假设的检验，其中每一个步骤都尽可能严格按照自然科学研究的方式进行。而具有人文主义方法论的学者，则更经常地采用实地研究的方式，以及定性的研究方式，以凸现研究过程的特殊性、深入性和主观性，在研究思路上更多地依赖研究者的主观体悟，方法上更多地依赖研究者的参与和对情景的分析。