包括食品安全标准在内的任何强制性技术标准的制定，必然建立在“可标准化程度”这一概念基础上。这是为研究某领域是否适合以单一标准进行一体化治理所创造的分析工具，其含义是指“管制者在事前能否以适当的成本识别被管制行为的类型及其后果，以便更有效地进行统一执法”。______某领域风险类型单一，致害原理相同，______致害性呈匀质化分布，表明其可标准化程度较高，反之，则较低。风险行为的可标准化程度高低决定了其是否适合以“一刀切”的强制性标准进行一体化治理。

对于可标准化程度较高的食品风险而言，理想意义上的立法设计应通过全面风险评估，以社会总风险最小化为目标，设定“社会最优”的食品安全标准，并交由行政机关统一实施。作为实施层面的“查漏机制”，私法仅在食品安全标准未被执行的情况下，通过民事诉讼发挥私人监控优势及其责任威慑效果，督促行为人积极遵守既定的食品安全标准。在这样的公私法合作框架下，遵守食品安全标准的事实将作为免除民事责任的抗辩事由，违反食品安全标准的行为也将在私法上得到直接评价。因为“社会最优”标准的设定已经过全面权衡和通盘考虑，并选取了社会可接受的最佳标准。

由于食品风险本身的特殊性，理想意义上的“社会最优”标准固然不是零风险标准，但该标准的设定必然经过全面风险评估和收益权衡。正如社会最优的农药残留标准仍有剩余风险，但若执行零残留标准，人类将面临更严重的食物短缺风险，因而该标准的制定需要全面权衡农药残留的致害成本和农药带来的农作物增产收益。这背后是一种社会总成本与总收益的权衡。符合社会最优标准的食品固然仍可能致害，但此种加害行为已不具有法律上的可归责性，这是人类追求社会总体福利最大化而必须承受的副产品。

如此看来，法学家们显然是基于理想意义上的立法设计才形成了这样的认识，我国现有且未来将要制定的食品安全标准，均属社会最优标准。但实际上，参与立法的学者可能过于自信。社会最优标准属于纯粹的专业技术判断，用经济学术语表述，即“社会总成本最小化”的标准——其在风险行为的边际收益等于边际成本时达到。通俗地讲，当再提高一个单位的食品安全标准将会增加社会总成本时，便达到了社会最优标准。由于社会最优标准的等级和精准度要求极高，现实中多数食品安全标准都难以企及。这一方面是因为食品风险可标准化程度的制约，另一方面是因为工业化时代的食品安全风险具有极大的不确定性，这给科学上的因果关系判断提出了极大挑战，设定食品安全标准所依赖的风险评估和成本—收益衡量也因此面临技术上的不确定性。当技术理性无法提供准确的决策依据时，标准制定者的政策决断和抽象价值判断就变得不可或缺。因此，现实世界中的食品安全标准注定是一个兼具技术性和政策性的双重判断。尤其是在各类产业政策导向和利益集团博弈条件下，具有利益分配效果的食品安全标准的制定更是难以达到所谓“社会最优”的目标。

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。

为什么要保护自然？近年来，关于这个问题的争论实质上已经变成两种观点之间的辩论。一些人认为保护自然是为了自然本身，即自然的内在价值；另一些人则认为保护自然是为了人类自己的利益，即自然的使用价值。

自然使用价值的支持者们认为，为了自然本身的利益而保护自然并不能有效阻止物种灭绝的趋势，自然环境的保护应当通过和产业界合作产生最大化的影响，通过让人们更直接地关注和生活紧密相关的问题（如食品和饮用水安全），进一步扩大人们对环境保护的支持；而内在价值的倡导者们则坚持认为，关于保护自然的伦理道德论据已然充分，和产业界合作会将环境保护工作出卖给环境问题的始作俑者，况且社会已经非常关注环境保护了。

然而不幸的是，这一开始时尚且理性温和的辩论，逐渐沦为一场在大学、研究机构、环境保护组织、学术会议以至媒体中广泛进行的尖酸刻薄的个人论战。这种情况可能正在扼杀有益的言论，影响环境保护的经费筹措并使实践层面的环保工作停滞不前。

另一个问题的存在有一点_______________，那就是争论由少数人主导，且几乎都是男性。这说明了一个更大的问题：性别和文化的偏见，也在不断阻碍实际的环境保护工作开展。

环境保护时常会遇到现实世界中各种观点和价值观的挑战。为了处理和吸纳这些观点和价值观，在描绘这一领域的未来时，需要科学家和实践工作者更加包容的态度以及处理环境问题更加包容的方式。

在对环境保护科学家的科研训练中，应当更加精确地描绘这一领域悠久的、全球的共同参与的历史进程，介绍数个世纪以来人类珍爱自然、保护自然的各种方法，还需要在会议和媒体上举办更多的论坛，让人们听到不同性别不同文化背景的环境领域科学家和实践工作者的声音。同时，要动员环保科学家及实践工作者积极参与媒体的相关活动，使得媒体报道能够反映全面真实的观点，而非少数人的一家之言。环境保护组织和科学家们应当欢迎所有的环境保护执行机构，无论是公司、政府机关，还是宗教组织、有志之士，无论有功利目的的，还是纯公益的，和衷共济地将环境保护工作推向前进。要让环境保护不再停留在学理辩论的层面，而是对工作的有效性进行精细严格的评价，从而建立起能容纳不同性别、不同文化、不同年龄和不同价值观的环境保护规范。