①网上总有人不断吐槽，人家美国都怎么怎么了，我们还怎样怎样的。最近，他们又吐槽：人家美国人吃上无抗生素的鸡肉了！原来，麦当劳公司宣布两年内在美国逐步停止采购在饲养过程中使用了人用抗生素的鸡肉产品。

       ②不过，别激动！动物治病过程中使用抗生素是必须的。美国麦当劳停用的是某些人类使用的抗生素，并非完全停用抗生素。

       ③在动物身上使用抗生素，除了治病还可以预防性治疗，高密度养殖使疾病很容易传播，合理的预防用药可以减少总的用药量。另外，某些抗生素在低剂量下可以促进动物生长，提高动物出肉率。

       ④抗生素在农业中的应用在目前的科技水平下是不可避免的，消费者最担心的是抗生素残留。但实际上只要符合安全标准，并严格遵守停药期的规定，这么点残留量根本不足以威胁人类健康。________有较多的抗生素残留，真正威胁我们的也不是残留本身，而是抗生素耐药性。

       ⑤抗生素的出现拉高了人类平均寿命，但是抗生素的使用不可避免地伴随细菌耐药性的问题，尤其是滥用危害更大。一种抗生素的研发需要数年甚至更长时间，如果新一代抗生素还没研发出来，旧的抗生素就失效了，人类就将面临无药可用的困境。

       ⑥如果兽用抗生素和人用抗生素不搭边，那么细菌对兽用抗生素产生的耐药性对人的威胁并不大。但如果这个抗生素在动物和人身上都用，那细菌在动物身上进化出的耐药性就会影响人了。

       ⑦正因如此，各国在制定政策法规时需要尽可能将人用抗生素和兽用抗生素分开，但在生产实践中出于成本、易用性、安全性等各方面的考虑，还是可能有些交叉。所以麦当劳在声明中提到，将停止使用“用过人用抗生素的鸡”。

       ⑧中国是全球细菌耐药性发展最快的国家之一，需要高度警惕。医院的抗生素滥用和院内感染可能是人类耐药菌的主要推手，但兽用抗生素的滥用同样值得重视，我国生产的抗生素一半喂给了动物。此外，我国也有一些“人兽共用”的药物，比如阿莫西林、氨苄西林、头孢氨苄等，这些都是需要管理部门和产业界审慎处理的。

如何成为一个“学霸”

    “学霸”有很多含义，其中一种含义是指那些会学习，学习成绩优秀的学生。虽然学霸在先天方面可能有一些优势，但是，在心理学家眼中，学霸之所以为学霸，正确的努力——良好的学习习惯和方法，是最重要的原因。本文想为各位呈现一些经心理学研究证实普遍有效的学习方法。

一，详尽发问法：连接新知识与旧知识

    研究发现；在学习过程中使学生思考“为什么”的问题能够非常显著地提升学习成绩。很多时候我们认为自己读憶了，实际上印象并不深刻，也没有真正理解。当我们对所学知识进行各种“为什么”的发问时，我们会把新的知识与旧的知识联系起来，用旧的知识来解释新的知识，从而让新知识融入已有的知识体系，这样才是真正的“理解”，因而也会记得更牢。所以，我们应打破教条式接受知识的习惯，对学到的每个知识点都要多问几个“为什么”。

二，心理意象法：用心作画印象深

    人的想象力是无穷的。心理意象法的关键就是把抽象的东西形象化。在心理学界早就流传一句话：只要能付诸比喻和联想，使其“可见”，就没有记不住理解不了的东西。我们要做的就是把抽象的学习内容放到一个心理图像里，这个心理图像可能是一个具体的物品、一幅画面、一个动态的故事。心理意象法把新的知识与生活中常见的事物和场景联系起来，实现知识整合，提升我们的记忆和理解。

三，习题检测法：从内部主动回忆

大部分学生都很不喜欢习题测验。但是，习题测验的确能够提升学生对学习内容的掌握和记忆。1906年，美国著名心理学家桑代克说过：“一般而言，从内部进行主动回忆比从外部吸收的印象要深。”所以，我们能给学生的建议是适量地做高质量的习题，而这种习题最好是依据自己的学习情况编写。习题测验的过程必然是存在心理煎熬的，然而要看到它对学习的巩固作用。

四，分散学习法：不要“临时抱佛脚

    如果你想在考试中发挥出色并能长期掌握知识，那就要用分散学习法了。对于学习来说有计划有间隔地完成学习任务是值得推荐的，因为有些人也可以考前突击去记住大部分内容，但是没有前者来得牢固和持久。从长远的效果考虑，应把“少量多次＂作为首要策略。分散学习10小时相比集中学习15或20小时，对长期记忆而言效率更高。而且，研究还发现有意识地进行这种分散学习的效果比偶然出现这样的分散学习要好得多。当然，这种方法的运用还是要考虑所学内容的特点。

五，交叉学习法：促进思维快速转换

交叉学习，是在一个学习阶段内学习多个技能，进行穿插练习。如果我们利用交叉学习的方法，会得到比长时间学习同一种内容更好的学习效果。由于进行交叉学习，在做下一类习题的时，前面的知识点和习题种类仍然停留在学生的记忆中，因而学生能够更加清晰地区分不同问题用何种方法来解决。这样，下次遇到这些问题时，学生能够更快更准地把问题归类到不同知识点上。因此，我们不妨把不同类型的学习材料交叉地排在学习计划中，这样能让我们在快速转换思维的过程中对知识系统进行灵活地调整和明确地区分。

（选自《百科知识》2014，09A，有删改）

链接材料1：罗马房间记忆法是一种古老的记忆术，当时的政治家为了发表长篇演讲，要记下大量的资料，为方便记忆，便创造了这个方法。其特点就是利用自己的房间作为记忆的“档案柜”，把记忆的对象与熟悉的生活环境连结起来。

链接材料2：

人的体质有酸碱之分吗

    ①“人的体质有酸碱之分，酸性体质会导致各种疾病，甚至诱发癌症。纠正偏酸的体质，就能治愈疾病，维持健康，食物也有酸碱之分。我们要多吃碱性食物，少吃酸性食物，”

②这套说法你一定经常听说，它被不少人奉为养生经典。然而，就在2018年11月2日，这套理论终于被“官宣”为伪科学，美国圣地亚哥法庭判罗伯特．欧阳赔偿一名癌症患者1.05亿美元，这位罗伯特就是大名鼎鼎的酸碱体质理论创始人，他将红肉、糖、蛋、奶制品、酒精、咖啡等归类为酸性食物将蔬菜、水果，谷物、鱼类等归类为碱性食物。他不仅写了四本书来推广这套理论，还大胆地以这套理论为依据治疗癌症患者，癌症患者按照他的要求，放弃化疗，采用他独创的碱性疗法治疗，吃碱性食物，注射高达500美元一针的小苏打针剂，最终导致癌症患者病情恶化到四期。

③酸性体质，碱性体质，从哪里测定？罗伯特的理论语焉不详，因为根本就无法测定。流遍我们身体每个角落的血液，pH值在7.35—7.45之间，是偏碱性的，胃液pH值在0.5—1.8之间，可以说是非常“酸”了，而再向下到了肠道，又变成碱性的了。排泄物尿液，酸碱跨度非常大，pH值从四点几到八点几都有可能。体液的酸碱是根据特定器官所需要的环境决定的。比如胃液需要用酸来使食物中的蛋白质变性，达到消化目的，同时保持胃蛋白酶的活性，肠液偏碱性，是因为胰蛋白酶需要碱性的环境：尿液酸碱度跨度大，是因为肾脏有调节作用。人体是酸是碱，测哪里，还是取均值？显然都不合适。

    ④在中医理论里，也没有酸碱体质一说。国医大师将人体分为九种体质。包括平和质、气虚质，阳虚质。阴虚质、痰湿质、瘀血质，气郁质，特禀质等，认为体质秉承于父母，和遗传有关，同时又和生活地域、生活习惯、所患疾病等有关。人的体质虽然先天已有偏向，但后天调理也可以“去峰填谷”，做一些改善。

    ③人体不好说酸碱，那食物呢？在食品化学分析中，食品燃烧后所剩灰烬中，如果含有磷、硫，氯元素较多，溶于水后可生成酸性溶液：如果灰烬中含有较多钾、钠、钙、镁元素，溶于水后可生成碱性溶液，这就是食物酸碱性说法的由来。人体拥有很强大的调节系统和功能，对于普通健康人群来说，人体能够有效地控制调节体液酸碱度，使之处于一种动态平衡，无论你吃的食物是酸性的还是碱性的，进入到胃部，在胃酸的作用下呈现酸性：随后进入小肠，在碱性肠液作用下会呈现碱性。

    ⑥其实，我们害怕的“酸性体质”，是被偷换了概念，酸性体质致病是一种误解。以肿瘤为例，人在患了肿瘤之后，可能会导致病灶周围的酸性成分偏多，这是病在前，酸在后，而不是因为体质偏酸导致了肿瘤产生。

    ⑦那我们该怎样选择饮食呢？其实，就两点：全面、均衡。选择多样化的食物，营养齐全，比例适当，以满足人体需要，这样的饮食结构才能称为健康的饮食结构。

材料一

近几十年来，数字计算机已经改变了几乎所有经济部门的工作，我们正处于一个更迅速转变的开始阶段，但关于机器学习对劳动力和经济的具体影响的认识并未确定。目前一些工作的一部分适合机器学习，而其他部分还不适合。因而，机器学习对劳动力和经济的影响还是有限的，还没有像有些人宣称的那样——会迎来“工作的终结”。

我们认为，当下关于机器学习可能对劳动力和经济产生影响的讨论，应该从两个基点出发：第一，我们离通用人工智能还很远；第二，机器不能完成人类全部任务。可以预测，在机器学习日益渗入应用领域的过程中，剩下不适合机器学习的任务将会激发人类增强这些方面的能力，使新的工作成为可能。由于机器学习迅速发展，可能将对经济产生很大的破坏性：机器学习既产生赢家，也产生输家，即每当机器学习跨越一个门槛，在某个任务上比人更具成本效益时，企业为了利润最大化，将越来越多的用机器代替人工，这必将转移劳动力需求，重组行业。这需要引起我们高度重视。

(节选自《雷锋网》，有删改)

材料二

学习是人类的一种重要智能行为。机器能否像人类一样具有学习能力呢？1959年，美国的塞缪尔设计了一个下棋程序，该程序具有学习能力，它能在不断对弈中改善自己的棋艺，4年后，该程序战胜了设计者本人。又过了3年，该程序战胜了美国保持8年不败的冠军。

目前，机器学习已经有了十分广泛应用，如：数据挖掘、自然语言处理、语音和手写识别、生物特征识别、搜索引擎、医学诊断、信用卡欺诈检测、DNA序列测序、证券市场分析和机器人运用等。

(节选自百度百科词条《机器学习》，有删改)

材料三

2017年12月7日，是国际象棋界里有里程碑意义的一天，但这并不是计算机击败人脑，而是谷歌的AlphaZero程序击败了Stockfish8程序。Stockfish8是2016年全球计算机国际象棋冠军，运用的是几百年来积累的人类国际象棋经验，再加上几十年的计算机国际象棋经验，每秒计算7 000万次。相较之下，AlphaZero每秒只计算8万次，而且写程序时完全没教它任何国际象棋规则，它连基本的起手走法都不会！AlphaZero完全是运用最新的机器学习原理，通过不断和自己下棋来自学，而后在与Stockfish8的100场比赛中赢了28场平72场。AlphaZero没有向任何人学习，许多获胜走法和策略对人类来说完全是打破常规的，可以说创意十足，令人叫绝！

(节选自瓦尔·赫拉利《今日简史》，有删改)