报纸往往希望市民留意并理解其刊登的各种消息，然而科技新闻报道中由于存在着大量的专业术语以及一些_______的高科技内容，因此很难被那些非专业领域的市民所接受。都市报应该重点选择那些同市民生活_______的科技领域进行报道，如电脑的升级换代、家电的新发明、汽车的新技术、手机新产品等等。
依次填入画横线处最恰当的一项是（ ）
总体上，当前国家统计内容以经济统计为主，且经济统计发展比较全面系统，相对来说人口社会统计受到的重视可能稍微弱一些，实际上，对于国家统计机构来说，尤其是发达国家的统计机构，人口社会统计和经济统计应该是_______。
填入画横线部分最恰当的一项是（ ）
我们要铭记“滴水穿石”给予我们的启示：目标专一而不_______，_______而不_______，就一定能够实现我们美好的理想。
依次填入画线处最恰当的一项是（ ）
从前两天报道的光伏发电、多晶硅，到今天的风电设备，这些朝阳行业还没真正壮大，就出现了重复建设、产能过剩等问题，这种产业轮回速度实在太快了，不仅让企业_______，而且也严重影响了相关产业的健康发展。
在促使近代科学产生的外部原因中，清教主义的兴盛是一个相当重要的因素。学者们认为，近代科学的一个前提性的假设就是一种广泛传播、出自本能的信念，相信存在事物的秩序，特别是自然的秩序。科学史专家以具体资料表明：在17世纪英国皇家学会会员中，十个当中就有七个是清教徒，这一比例大大高于清教徒在总人口中所占的比例；大多数科学家都是活跃的教士，而很多教士也鼓励或亲自投身科学事业；清教学校在其课程中也会设置自然科学科目。 这段文字意在说明：（ ）
过去几十年中，视觉革命伴随着新的媒体形态和消费方式而到来。上世纪初，人们只能通过报纸、杂志等平面媒体了解信息。此后，显示管技术的成熟让电视机走到台前，极大地改变了人们的生活方式，1969年7月11日，数以千万的美国人守在电视机旁，收看阿姆斯特朗迈上月球的第一步。而现在，手机这种更便捷的智能终端，再次改变了人们的工作和生活，新型的直播方式，使突破时间和地域障碍的沟通成为可能。 这段文字主要介绍了：（ ）
在中国古代，盖天、浑天之说，圭表、浑仪等器，以及天文历法之操作规则，都是为着一个实用的目的，即服务于王权，然而赋予这个致用目的以神秘、庄严、威严之感，以致人人相信其有效的，是古代深入人心的“天人合一”思想，这里的“天”是指整个自然界，在古代中国人心目中，是一个有意志、有感情、无法彻底认识、只能顺应其道、与之和睦共处的庞大而神秘的活物。 这段文字主要介绍了：（ ）
古代先哲对爱因斯坦等有颠覆性创新的科学家具体如何产生影响？表面上看，这些古人对物理学和整个科学领域的认知天真而充满错误，对科学几乎什么都不懂。但是，他们问了很多根本性问题，并进行了严肃讨论。如果当代科学家想摆脱常规思维的束缚，这些古代先哲将会是灵感的源泉：在追寻知识最前沿时，他们颠覆性同时又充满孩子气的问题，将会指引人们进入新疆域。 这段文字意在说明：（ ）
进入网络化时代，虽然无纸化办公呼声不绝于耳，但在不少机关事业单位，公共耗材经费仍居高不下，讲话材料人手一册、电话通知打印成纸……相比于公款旅游、公车消费、公务接待，公共耗材的高消费更容易被人忽视。不妨多考虑微信等新媒体办公手段，防止陷入纸质化办公习惯“掉不了头”。一些现代企业已经实现远程办公、“云办公”，轻装上阵，带来了巨大的效益。 这段文字意在强调：（ ）
在齐桓公、管仲那个时代，“侠”就是守信诺，你对我好，只要你开口，我就帮你做到。后来，《游侠列传》里的汉代侠士朱家、郭解等，则在“侠”的定义上又多了一层含义，就是把财富分给贫苦百姓。而现代社会，一些武侠小说和影视剧的流行，创造了模糊的社会背景，神化了一些武术技巧，反倒让我们远离了“侠”。其实在现实生活中，只要能够路见不平，拔刀相助，就是“侠”。 这段文字意在强调：（ ）
中国是个太阳能资源非常丰富的国家，96%的地区有可利用的太阳能资源，绿色、节能的太阳能热水器深受不同地域消费者的青睐。然而，一项对24个省市太阳能热水器使用状况的调查，却显示出不容乐观的结果，40.87%的太阳能热水器一到冬天就无法使用，66.62%的消费者希望太阳能热水器进一步改善性能，在冬天更好用。 这段文字意在表明：（ ）
社会学家费孝通曾以“差序格局”来描述中国传统社会的伦理结构，认为此结构中最大的毛病是“私”。但中国传统社会也确有梁漱溟所说的“伦理本位，互以对方为重”的优点。中国传统的“差序格局”之所以有陷于“私”的弊病，并非儒家所倡“仁”的本义，而是由于存在“分殊之蔽”的历史局限或认识局限所造成的。在现代社会，把孝悌与博爱、个人与社会、情感与理性、道德与法治有机结合起来，需要对儒家的仁爱精神作出创造性诠释和创新性发展。 这段文字的主旨是：（ ）
标语口号反映了一个国家的文明程度，标语不应该只是板着面孔告诉人们不应该做什么，而应该用善意的语言引人向善。在语气和修辞上，口号的制定者应该多下功夫。放眼西方，充满人文关怀的口号不胜枚举。如美国某妇产医院正厅标语：“我们在爱中生长，爱也在我们中生长”；美国某老年公寓大厅内的标语：“爱一个人要付出很大代价，但不爱任何人时，代价就更大”。 这段文字意在说明：（ ）
对于淡水资源的管理，政通人和比天时地利更加重要。发表于《环境研究通讯》上的最新研究分析了119个低收入国家与淡水供应管理相关的19种因素。结果显示，政府监管不力会显著增加水资源供应的脆弱性，而先天水资源不足的国家假如有好的制度保障，爆发水危机的风险可大幅降低。
以下选项中，能准确概括这段文意的是（ ）
下列句子中没有使用比喻修辞的是（ ）
对下面文段中有关修辞方法的分析，错误的一项是（）。人为什么要读书呢？书，可以唤醒沉睡的心灵，可以引领迷惘的灵魂。一本好书，就是一面引领方向的旗帜，一盏指路的明灯。读历史，我坚定了不断前行的信念；读哲学，我鼓起了直面人生的勇气；读文学，我充满了对精神家园的憧憬……读书，就像用麦管吮吸甘露，让人欣喜，让人着迷。还有什么比读书更能产生令人陶醉的内心体验呢?
根据所给材料，回答下列问题：
人工智能1.0：技术驱动 人工智能发展的第一个阶段，是集中诞生基础理论的阶段。这个阶段奠定了人工智能发展的基本规则，并诞生了基本的开发工具，为日后人工智能的研发工具的升级开辟了先河。 随着1947年第一台计算机的诞生，相关技术的发展，尤其是算法的发展，成了推动人工智能进步的最大动力。研究者们乐此不疲地运用新的算法去解决应用题、证明几何定理……每一次的成功都进一步增强了人们对人工智能的信心。他们甚至认为“在二十年内，机器将能完成人能做到的一切工作”。这一目标显然是高估了人工智能发展速度。① 计算机性能的瓶颈、计算复杂性的指数级增长、数据量的缺失，使得人工智能的研究停滞不前，人们逐渐对人工智能的发展丧失信心，人工智能研究进入了第一个低谷期。 人工智能2.0：数据驱动 人工智能发展的第二个阶段，是数据推动人工智能更新迭代的阶段。这个阶段，数据飞速增长使人工智能的大规模运算成为可能，也反过来带动了大数据行业的腾飞。②大企业在这个阶段发挥出了规模优势，成为了推动人工智能发展第二波高潮的主要动力。 这一阶段，数据主要从两方面来影响人工智能的发展。 一方面，大量的数据要求人工智能不断提高其计算能力。信息时代数据量的快速增长，对整个人工智能的处理水平提出了更高的要求。另一方面，大量的数据也在不断地训练着人工智能。数据量的增加对人工智能而言，不是负担，而是财富，因为数据能帮助训练人工智能，使结果更加精准。回顾“深蓝”，令人惊叹的计算能力并不意味着它就是坚不可摧的。“深蓝”在1996年第一次挑战时，就以2:4败给卡斯帕罗夫。在之后的一年，研发团队引入美国特级大师本杰明，将他对象棋的理解变成程序教给“深蓝”。此外，在与卡斯帕罗夫每一场对战后，都不断挑战系统参数，强迫“深蓝”进行学习。③ 人工智能3.0：情景驱动 人工智能发展的第三个阶段，是情境推动人工智能更深入到具体应用的阶段。 这个阶段，新的实用情境的识别与发现，以及对该情境的人工智能解决方案的研究，极大地推动了人工智能行业的前进。人工智能可以帮助决策者更敏锐地洞悉事件根本，产生更精准更智慧的决策。然而它对数据收集的维度和质量的要求也更高，这样才能根据不同的场景，制订不同的决策方案，推动事件向良好的态势发展。按照以往数据处理的思路已经难以适应“数据”本身的发展。这对于人工智能应用者来说，既是惊喜，又是挑战，因为一个融合人类智慧、人工智能以及海量数据的智能数据时代已经来临。④
浮船坞是一种修造舰船的大型装备，外观就像是把一个干船坞从岸边“刨”了出来。主结构是一个巨大的凹字形船舱，两侧有水密结构的墙，前后端是可以开合的门，实际上是一种构造特殊的槽形平底船，且船底被设计得尤为坚固，以承受大型船只“躺”在上面时带来的压力。两侧的坞墙和坞底均为箱形结构，沿纵向和横向分隔为若干封闭的舱格，有的舱格为水舱，用来灌水和排水，使船坞沉浮。 一般来说，浮船坞本身是不带动力的，如需在港口、码头间移动，则要借助于拖轮的拖和顶。但在少数场合，也需要浮船坞有一定的航行能力。因为如果在远洋进行抢修舰船、打捞沉船，运送深水船舶通过浅水的航道等，就需要浮船坞航行比较远的距离。此时，如仍然用拖轮拖带船坞，不仅速度较慢，在海况较差时航行危险度也较高，甚至会完全无法拖带航行。 。 自航式浮船坞与半潜式运输船在技术上有一定的共通之处，区别在于前者是一种工程船舶，后者是运输船舶。与半潜式起重船相比，自航式浮船坞不仅具备打捞功能，还具备在海上紧急抢修的功能，这也是人们对它的军事意义有很多联想的主要原因。 其实，早在2012年，中国就成功建造了第一艘自航式浮船坞。不过，那是一艘6000吨左右的浮船坞，虽具备海上航行能力，但就军事用途而言，只能修理的卫舰和轻护舰。目前建成的“华船一号”自航式浮船坞体积更大、举力更大，可以修理2万吨级的民船或是6000吨级的驱逐舰（两者的长度类似）。此外，与此前的浮船坞相比，“华船一号”的适航性和自持力大幅提升，可在6级大风和2米浪高的恶劣环境中完成修理保障任务。无论是作为移动兵工厂还是保障舰艇，它都是海军舰船修理领域的重大革命，是对传统修理模式的极大补充。 在“华船一号”试航的新闻报道中，指挥试航的专家还表示：“战时战舰受损，‘华船一号’可自航浮渡至相应海域，实现战损战舰就地‘就医’。”确实，“华船一号”的浮箱空间、沉深吃水、举力都可满足中国主战舰艇进坞修理需求，航速、续航力和自持力相比国内其他同类舰船均有大幅提升，可满足三级海况下的正常航行。 对于海军而言，大型自航式浮船坞实现了装备维修由岸基定点保障向远海机动保障的延伸。但对于真正的远洋海军，即完全具备远洋部署、远洋作战、远洋保障能力的海军来说，“华船一号”只是迈向目标的一小步，接下来还有很多工作要做。
①心理学领域有个术语叫作“羊群效应”，专门用来形容人类的从众心理。羊群有个习性，那就是跟着头羊走，无论前面那个大坑有多宽，只要有一头羊率先跳过去了，后面的羊便会跟着它往前跳。羊群效应一直是心理学研究的热点之一，社交网站的出现提供了一个绝佳的实验场，研究者们可以通过大数据的研究方法排除个案的影响。 ②众所周知，在心理学领域单独研究某件个案是不科学的。就拿羊群效应来说，不可能把网民们对某件产品的评价单独拿岀来研究，因为这件产品有可能确实质量很好。为了避免这个问题，美国麻省理工学院附属的斯隆商学院的希南▪阿拉尔博士和他的同事们决定借鉴自然科学的研究方法，进行一次大规模随机对照实验。他们和一家社交网站合作，花了5个多月的时间对这家网站所有的网友评论做了一次实验。 ③这是一家综合性社交网站，先由网友上传文章，再由其他网友做出评论。评论的内容是可以被打分的，要么点赞（大拇指朝上），要么给差评（大拇指朝下）。点赞的数量减去差评的数量就是每段评论的最终得分。研究人员和站方达成协议，事先为这5个月当中出现的101281篇评论进行打分。也就是说，每出现一篇评论，都立即由机器自动生成一个网友评论。当然，到底是点赞还是差评则是随机决定的，和帖子的内容无关。另外还有一定数量的评论不事先打分，作为对照组。 ④结果显示，社交网站上的羊群效应还是相当明显的。研究人员一共收集到30.8515万次网友打分，发现事先被点赞的评论最终得正分的可能性比对照组高出32%，最终的得分也比平均值高了25%。相比之下，事先被点差评的评论则不受影响，和对照组没有区别。 ⑤“如果机器给出的是负面评价，后面往往会有很多人试图进行修正，最终导致负面评价对一条评论的总得分没有影响。”阿拉尔博士评价说，“正面评价则没有这种情况，说明人们对于不符合自己意见的正面评价和负面评价的态度是不一样的，对于前者比较宽容。” ⑥牛津大学互联网学院的伯尔尼▪霍根教授认同这一判断，他认为正面评价往往是一种广告，做出正面评价的人是想让更多的网友喜欢某件东西，而负面评价则是一种个人化的情绪发泄，这就是为什么一般社交网站点赞比差评多的原因所在。 ⑦另外，评论的内容对于实验结果也有影响。文化、社会、政治和商业类的新闻评论容易受到羊群效应的影响，普通新闻和经济新闻则影响较小，这大概是因为前者比较主观，受个人观点影响大，容易走极端，而后者属于事实类新闻，比前者要客观得多，不太受个人因素的影响。
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。