降雨来源于云层，云层中的水蒸气遇到冷空气或某些成核物质后，就会很快冷凝而降落下来，所以冷暖空气相遇之处就是雨水多发的地带，这就是天气预报的基础；遇到干旱，给云层来一发干冰或碘化银炮弹，通过干冰降温或碘化银增加成核物质的手段增加降雨，也就成了最常见的人工降雨方式。不过，最近越来越多的科学家开始认为，除了天气变化，细菌也有很大可能控制着降雨。
故事要从50年前说起。1970年，科学家在研究雨水时，发现其中含有微量的维生素B12。他们首先考虑，雨水由云层中的水蒸气凝结而成；云层中除了水蒸气，还有大量来自地表的灰尘，这些灰尘可能受人类活动影响而携带一些维生素B12上天，导致雨水中维生素B12的存在。不过在检查了云层中的灰尘后，他们发现云层中的灰尘含量与维生素B12含量并没有什么关系。云只是一团堆积的水蒸气和灰尘，在排除人类活动干扰后，这些维生素B12就只剩下一个来源——云层本身。
科学家开始猜测，可能是由于有大量微生物生活在云层中，在生命活动中产生了维生素B12。不过由于当时技术条件有限，他们无法确定云层中到底存在哪些微生物。
基因测序技术的出现，让科学家有了彻底调查云层生态系统的能力。2017年，法国科学家在一个海拔1465米的气象站中采集到干净无污染的降水水样，对其进行基因测序。结果发现，水样中存在超过28000种微生物的DNA或RNA，其中细菌和古菌有22000多种，真核生物有2600多种。这些微生物中既有能够进行光合作用的细菌和藻类，也有异养细菌，它们可能构成了一个完整的生态链：光合作用生物利用云层中的水分和大气中的二氧化碳等合成有机物，异养细菌则可能会以光合作用生物为食。
云层中的紫外线极其强烈，很容易杀死位于高空的微生物。新的研究发现，其实有些细菌早就发展出抵抗紧外线的能力。无论是通过光合作用合成，还是通过掠食其他微生物获取。细菌们能将这些有机物分解为具有保护作用的胞外聚合物。这些物质基本由糖构成，类似一层“糖衣”，能够轻松抵御高空中的低温、干燥和紫外线破坏。芽孢杆菌就是最常见的能合成这种“糖衣”的细菌。该属包括许多种微生物，臭名昭著的炭疽杆菌就是其中之一。
近年来，随着人类活动越来越强烈，大量有机物的微小颗粒飘散到云层上，所形成的效应就是，微生物们可能躺在云层里“无所事事”，就能吃到足够的食物，很多人小时候曾经幻想天上的云朵就是棉花糖，盼望自己能飞到云层上大吃特吃，现在看来，细菌的生活就是我们的美梦。
每个带有防护性“糖衣”的细菌都相当于一个天然的凝结核，_____________________。在天然条件下，云层中的纯水分子在低于-40℃时才会凝结；如果其中含有无机颗粒作为凝结核，凝结温度就会变成-15℃；一旦存在细菌，水分子的凝结温度还会再次升高，有些细菌甚至能让水分子在-2℃时凝结。部分科学家相信，人类活动为微生物提供了童话般的生存环境，高空云层变得更为“宜居”，这就使得云层生态系统极度繁盛，这反过来将会引发频繁的雨雪。
当然，这还不是全部。还有一些科学家认为，增加降水本身就是云层微生物的一种生存策略。许多云层微生物是因为风力吹动而从地面直达空中的，它们会借助高空气流在空中远距离旅行一段时间，之后再通过变成凝结核的方式，以雨水的形式重回地表，寻找新的宿主。
此外，这些微生物在享受云层中的有机物颗粒时，会将它们重新分解为二氧化碳。如此一来，原本以固体颗粒形式存在的二氧化碳又被微生物释放到大气中，成为日益暖化的地球上又一根新的稻草。据估算，大气中每年因此增加的二氧化碳约为100万吨，数量虽少，却会随着人类排放的有机污染物数量增加而增加。这种暖化的结果就是：地表温度升高，蒸发加强，云层增多，云层生态系统更加繁荣。这么一想，细菌似乎成了控制地球气候的幕后黑手？

我们习惯了出门要先看看天气预报。其实在太空中也是如此——空间环境预报对保证航天员的工作、保障载人空间站的安全非常重要。
中科院空间环境预报中心承担着空间环境预报的任务，不仅要为发射任务提供空间环境保障服务，还将开启________的空间环境保障模式，不间断地为我国载人空间站的在轨安全运行保驾护航。
影响载人空间站发射和运行安全的轨道空间环境主要是大气环境、高能辐射环境和流星体环境等。这些环境的变化主要受太阳活动和地磁活动的制约。太阳活动是近地空间环境的扰动源，大的太阳爆发活动直接影响近地空间环境，如产生太阳质子事件引起高能辐射环境的变化。地磁暴期间，高层大气密度会迅速上升，导致低轨道上航天器的阻力增加，从而改变航天器的正常运行轨道，增大航天器定轨和轨道预测的误差。
载人空间站各个舱段的发射期（2021-2022年）处于第25太阳活动周的开始和上升阶段，太阳爆发活动的强度和频次相对低一些。但是这并不意味着空间环境就可以平静无虞了。太阳上的冕洞经常连续几个太阳自转周（27天）引起地磁扰动，偶发的日冕物质抛射也会时不时引起地磁暴。
最重要的是，载人空间站的运行期为10余年，将横跨第25太阳活动周，甚至延长至第26太阳活动周。长期的在轨运行，工程任务将越来越复杂，也将面临更加复杂多变的空间环境要素威胁。
首先，空间站是一个大型航天器，更容易遭受空间粒子辐射、原子氧腐蚀、碎片撞击等效应影响。它在轨时间很长，这就使得空间环境影响的累计效应非常突出。其次，空间站要正常运行，必备一个高压供电系统，太空中的等离子体环境会导致弧光放电、电流泄露等效应突出。再次，空间站将一直运行在低轨道区域，大气环境和碎片环境恶劣，轨道衰变、机械碰撞效应更为显著。对于航天员而言，需要常驻在空间站，并开展出舱、交会对接等航天活动，遭受空间辐射的概率大大增加。空间站长期运行任务中，将包括核心舱、货运飞船、载人飞船、实验舱1、实验舱2、光学舱等频繁的发射和回收，航天任务重。要保障这些飞行任务的空间安全，需要的空间环境安全窗口更多。
预报中心早在天和核心舱发射前一年就进入保障状态，对空间站任务期的整体空间环境态势及其对任务的可能影响进行了全面的分析，为后续预报任务的制定和实行奠定了基础。
自2020年6月以来，预报中心对现有的空间环境预报保障系统进行了全面的升级和改造，重点增加了针对空间站轨道预报的支持产品和针对航天员辐射安全的预警评估产品，并于2021年1月完成了整个系统的建设和改造任务。
从核心舱发射前三个月开始，预报中心持续不断地向工程有关部门提供空间环境预报报告，对发射窗口的空间环境状况进行精密的分析和预测，并分析空间环境可能对核心舱的影响，给出了精确的短期预报结论：太阳不会发生强爆发活动，地磁不会发生强扰动，预计发射窗口的空间环境是安全的。从4月29日核心舱入轨开始，预报中心进入空间站在轨飞行空间环境保障任务状态。空间环境预报员24小时值班，时刻监视空间环境的变化，及时报告空间环境态势，评估空间环境变化对载人空间站可能带来的威胁，协助空间站系统和航天员及时规避未知的空间环境危害，保障载人空间站的安全稳定运行。

据《中国青年报》报道，2018年中国社会科学院“中国大学生追踪调查（PSCUS）”研究结果近日公布。对全国18所高校在校大学生的调查发现，大学生平均每天玩网络游戏的时间约为2小时，22.95%的大学生基本每天都玩网络游戏。游戏不只是男生的偏好，47.7%的女生表示玩网络游戏，14%的女生基本每天都玩。_______， 高职院校学生玩游戏者近七成，普通本科高校玩游戏者超五成，双一流高校玩游戏者超六成。

中国新闻出版研究院近日公布的第十六次全国国民阅读调查数据显示，2018年我国成年国民人均每天手机接触时长为84.87分钟，比2017年增加4.44分钟；2018年人均每天读书时间为19.81分钟，比2017年减少0.57分钟，人均每天读报时长为9.58分钟，比2017年减少2.42分钟，人均每天阅读期刊时长为5.56分钟，比2017年减少1.32分钟；2018年人均纸质图书阅读量为4.67本，与2017年基本持平。

从以上数据可以看出，我国大学生玩游戏的时间，大致是我国成人阅读时间的6倍。大学生花这么长时间在网络游戏中，已经超出了“适当乐于其中”的范畴，显得颇不正常。提高我国大学生培养质量，需要引导大学生控制上网玩游戏的时间，培养大学生更广泛的兴趣。

大学生花这么多时间在网游之中，有多方面原因。有的大学生从小就是“宅男”“宅女”，除学习之外，休闲时间就用电子产品打发时间。以前由于学习任务重，玩游戏的时间被家长严格控制，到了大学，学习任务变得相对轻松，加之老师平时管得不严，不少学生就宅在宿舍玩游戏，甚至通宵达旦不能自拔。调查显示，31.97%受访大学生有熬夜玩游戏的经历，其中3.52%经常熬夜，28.45%偶尔熬夜。

一些大学生进大学之后，缺乏进一步努力学习的动力，感到十分迷茫，这也是玩游戏多、读书少的重要原因。而进大学后变得迷茫，又和基础教育的升学导向有关——升学导向主要以考大学作为学习的终极目标，不少老师和家长还以“进大学之后就轻松了”“可以好好玩了”“想玩什么就玩什么”，来激励学生在中学时苦读备考。因此，一些学生考上大学后，也就彻底“放松”下来，有人以前几乎不玩游戏，现在也天天玩游戏，仿佛要把之前的“损失”补回来。

此外，与以前中小学被老师、家长管着的学习生活不同，大学更强调学生的自主管理和自主规划。然而不少大学生不具备充分的自主管理和自主规划能力，不知道如何自主安排时间，如果周围其他同学大多以打游戏度日，他们也就“随大流”跟着玩游戏了。

针对大学生花太多时间玩游戏甚至沉迷网游的问题，我国大学也进行了治理，有的治理手段还很严厉，甚至引发了争议。比如，禁止新生配个人电脑，学生宿舍晚上10点断电断网，对大学生采取高中管理方式统一早自习、晚自习，但效果有限。鉴于此，大学首先必须从严教育管理，让大学生平时就不敢松懈。在发达国家大学留学的中国学生，大多感慨读大学特别忙、特别累，这是因为学校要求特别严。其次，要对学生进行生涯规划教育，培养本应该在基础教育阶段就培养的自主管理和自主规划能力，鼓励学生开展社团活动，进行自我教育和自我管理，在大学发展多方面的兴趣。

我国基础教育需要真正为每个学生的人生发展打好基础，不能灌输给孩子功利的读书观，不能让学生形成“不考试、不升学、派不上晋升用场，就不必读书”的偏见。建立终身学习社会，把读书作为一种生活方式，需要淡化读书的功利价值，让学生真正培养起读书的兴趣与乐趣。

（六）整体布局、协同联动，强化领域应用
①深化体系交通领域整合。推动智能信号灯“绿波调节”，推广公交信号优先系统，开展试点区域内执行任务救护车、消防车等特种车辆的“一键护航”。________出行体验，探索公共交通“一码通乘”，推动定制公交、预约出行、共享单车、汽车分时租赁、停车位错时共享等多样化交通出行服务模式。持续提升全市交通综合治理水平，推动重点站区“一屏统管”，保障冬奥交通管理指挥调度。________车联网先导区建设范围与规模，探索重点区域“全息路网”，开展创新应用，促进创新发展。
②推动生态环保领域协同。加强感知统筹，建立生态环保“测管治”一体化协同体系，提升生态环保综合执法效率。提高重污染天气、地质灾害、地震灾害、森林火灾等场景一体化应急管理服务能力，加强水环境管理、水旱灾防御、农业农村管理、公园管理等智慧化应用。鼓励社会企业创新生态环保应用，激活企业绿色技术创新动能。
③加强规划管理应急联动。摸清城市运行、安全生产、自然灾害等监测基础设施家底，强化城市风险管理，加强应急状态下一体化指挥调度与应急救援处置的能力。推广具有“一杆多用”功能的城市智慧灯杆。基于“时空一张图”推进“多规合一”。探索试点区域基于城市信息模型（CIM）实现规建管运一体联动。构建安居北京住房保障民生服务平台，提升建筑工程监管服务水平，深化住建行业信用体系建设。健全公众参与社会监督机制，利用随手拍、政务维基、社区曝光台等方式快速发现城市管理问题。
④丰富人文环境智慧应用。推动数字图书馆、数字文化馆、数字博物馆建设，延伸公共文化服务能力进基层，推进公共文化设施运营管理平台建设，推进文化惠民。基于特殊人员画像开展社会帮扶救助，打造温暖宜居社区环境。通过“北京通”等政务移动端实现失业保险申领、住房公积金提取、职业资格认定等事项线上线下一体化办理。拓展扶农助农手段，利用电商平台促进农产品直播带货、直销社区。

当前，我国区域发展形势是好的，同时出现了一些值得关注的新情况新问题。一是区域经济发展分化态势明显，长三角、珠三角等地区已初步走上高质量发展轨道，一些北方省份增长放缓、全国经济重心进一步南移。①各板块内部也出现明显分化，有的省份内部也有分化现象。二是发展动力极化现象日益突出，经济和人口向大城市及城市群集聚的趋势比较明显。②北京、上海、广州、深圳等特大城市发展优势不断增强，杭州、南京、武汉、郑州、成都、西安等大城市发展势头较好，形成推动高质量发展的区域增长极。③三是部分区域发展面临较大困难。东北地区、西北地区发展相对滞后，2012年至2018年，东北地区经济总量占全国的比重从8.7%下降到6.2%。常住人口减少137万，多数是年轻人和科技人才。一些城市特别是资源枯竭型城市、传统工矿区城市发展活力不足。

④总的来看，________________，中心城市和城市群正在成为承载发展要素的主要空间形式。我们必须适应新形势，谋划区域协调发展新思路。

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。