Unit 14
Text 1
大都市以外的地区通常是贫困人口的集中地，并且贫困的程度比较严重。1968年有1200万生活在都市中心地区以外的人口处于官方定义的贫困线以下。与都市居民相比，非都市地区的贫困人口为五分之一，而前者的贫困人口只占十分之一，尽管两个地区的贫困人口数量基本相等。非都市地区较严重的贫困问题可以从居民的收入中反映出来。1968年都市贫困人口的家庭人均收入为538美元，而非都市地区贫困人口的家庭人均收入为497美元。
非都市地区的居民—不论贫困与否—享受到的服务也比都市地区居民享受到的要少。而有服务的地方，服务也不充分。医疗服务、门诊服务和计划生育服务在乡村地区相对缺乏；同时需要的还有图书馆、法律援助和福利咨询服务等。服务不充分的现象太普遍，也许这里已经有了详细的描述。
提供服务的设施和人员往往集中在市中心。导致的服务上的差异可以由找医生看病的例子体现出来。1966，1967年都市地区居民平均看病4.5次，而都市中心以外的非农村居民平均看病4.1次，农民平均看病只有3.3次。
非都市地区的人口总体来说与都市人口有一些重要差异。前者年龄更大，鳏寡的几率更多、更贫困、教育程度低、孩子也更多。例如，1969年非都市地区超过一半的以女性家长为寡妇；所有非都市地区百分之十的居民超过65岁。
从历史上来说，一些障碍影响了政府对人口不太密集地区的居民提供与都市中心地区居民相同的服务。惯性将在一定程度上增加向乡村地区提供服务项目的难度。向人口稀少地区提供服务的人均成本的增加将始终是服务不能提供的原因。向乡村人口提供所需服务的充分的后勤（物质和人员的分配）十分难得。距离和偏远继续成为向所有公民提供服务的障碍—尽管我们目前有解决这类问题的科技能力。我们所需的是解决问题所需的强烈的国民承诺。
Text 2
人类所创造的最强大的科技之一是用来补充人脑模式的数字模式。数字模式是帮助我们感知并预测不同事物的方程式。譬如，描述大气（天气模式）中空气、湿气和热的运动的方程式可用于预测未来几天的天气。电视天气预报时常直接利用这类模式来向我们预测第二天的天气状况；预报员们常常将这类的数字模式的结果翻译成图表模式的气象图。
人脑模式与数字模式之间的一大差异在于我们从中获取信息的方式。通过人脑模式进行感知或预测，我们需要的仅仅是思考；我们通过这类模式获得估计或预测的结果的时候甚至并没有意识到它们。相反，通过数字模式进行预测的时候，我们必须进行计算，这种计算可能是在大脑中进行，也可能是用笔和纸进行，也可能是利用计算机进行。
数字模式在数量和复杂度方面存在差异。天气模式相对较复杂，需要使用功能强大的电脑来计算所得到的预测。其它一些数字模式较简单。如果我们进行简单的计算来推算我们的钱还能用多少天；或者使用70方程式（70%的增长比率=时间翻一倍）来推算世界人口还有多久会翻一番，我们就在使用数字模式。
和人脑模式相同，数字模式是事实的不完全的近似值。有些是十分相近的近似值，有些不是。“物理定律”并不是真正的法则，它们也只是数字模式，是一些思想家们（物理学家们）认为能充分反映事实的近似值。换句话说，这些“定律”往往根据用于阐明定律的资料的精确度因而作出从相对精确到非常精确不等的预测。
数字模式的重要性在于它们能为我们提供更好的感知和预测—尤其在处理人脑模式无力解决的问题时如此。研究表明人脑模式在以下情况下往往变得尤其不可靠：在处理相互作用的变量时；当我们试图从极少的经验推断总体情况时；当行为经过较长耽搁才产生结果时；当行为的结果导致了另一些结果时；当反应每一次都非常不同的时候；以及当控制型实验无法进行或者进程缓慢或者代价高昂的时候…在以上这些情况下，好的数字模式可以比大多数人脑模式做得更好。
Text 3
在手机的键区上打文字是一件累人的活，许多与美国人不同、热衷于文本通讯的欧洲人和亚洲人都证明了这一点。大多数现代化的电话都提供两种输入模式。最简单的一种叫一键输入法，只要连续按“2”键，就可以在“ABC”间切换，按一次就是“A”，按两次就是“B”，等等。这个过程很费力，促使受时间限制的人们设计出令人疑惑的缩略词，如“cul8r”代表“see you later（再见）”。
随后发明的是T9输入法，这种可以“预测文本”的技术使输入一些常见字变得容易的多。要想输入“good”一词，你只需按4663键，因为“G”由“4”键代表，等等。但因为4663同时也代表了 “home”, “gone”, “hood”等词，T9还提供了一个特别的键可以在不同词之间选择所需的词。
这一切都设计得很智能化，但令人烦恼的是调查显示只有一半电话里有T9功能的人真正使用它。T9还存在其它问题。它的字典里塞满了金融词汇，却没有俗语。像 “can’t”和“won’t”之类的缩略词就很难输入。
纽约的一家小公司Eatoni Ergonomics发明了一种名叫“智能字母”的颇具竞争力的智能文本输入技术，这家公司声称这项技术将大大优越于T9。和T9不同，这项技术不以字典为基础，而依赖一系列的有助于预测单词的小规则；可以根据使用者已经输入的文字预测出其接下来最想要输入的文字。例如，“Q”后面通常紧接着“U”， “ST”后面通常紧接着元音字母，等等。和T9一样，智能字母输入法也提供了一个特别的键，帮助使用者在猜测错误时在字母中进行选择。
智能字母输入法使电话制造商和使用者们获益。它依据规则而不是字典，因此只占用3KB的内存；而T9则需要多达100KB的内存。许多电话都内设多达20种语言的字典，因此这种输入法可以节约好几倍的内存空间。对亚洲文字而言，节约的空间就更多了。因为手机通常只有2048KB的内存，使用这种输入法可以节约更多空间来使用游戏和其它功能。智能字母输入法的小容量还可以使用户实现短程内的无线通话，无线通话只需128KB的内存。
如果不用智能字母输入法，Gutowitz先生还有一种更令人印象深刻的系统做为后备。这种系统需要一个特别的“转换”键和特有的标点符号图与数字键对应，因此它要求对现有电话进行小小的重新设计，但它比智能字母输入法更快。
Text 4
一份关于基因实验含义的官方报告列出了一些政策方针和立法建议以避免非自愿的和/或无效的基因实验，以及保护实验的机密性。报告确认了最关注的一些问题，如质量控制方法（包括联邦政府检测实验时的疏忽）以及对医疗人员进行更好的基因学培训。报告推荐实行志愿筛查，敦促高风险配偶考虑进行带菌者筛查，并建议要小心进行及解释症状前或预测性实验，因为有些信息很容易被滥用或误解。
大约有百分之三的儿童出生时便有严重的功能紊乱，这种紊乱被认为是基因遗传或部分是基因遗传造成。基因通常与环境因素一起被认为是导致常见的成年后疾病的原因，如心脏病、高血压、各类型的癌症和Alzheimer病等。确定在许多情况下敏感性的实验正在进行之中，有些已开始被应用。
报告建议所有筛查，包括新生儿筛查，必须自愿进行。根据报告，引用两个不同新生儿的筛查结果的项目可以比强制执行的项目取得相同或更好的依从比率。国家健康部门可能最终会要求提供实验以诊断可治愈情况下的新生儿。然而，首先需要做的是小心进行初步实验以判断出生时可被诊断的情况。
尽管报告声称最好遵循自愿筛查的原则，它也的确指出如果一个州要求做针对某种特殊情况的新生儿筛查的话，必须提供有力证据证明新生儿可以在最早时间得到有效治疗。新生儿筛查是今天最普及的一种基因筛查。每年都有四百多万新生儿被进行筛查以便数百个有缺陷的婴儿可以得到有效治疗。
产前检查能带来最麻烦的问题。诊断胎儿基因缺陷的能力远远超过了治疗或治愈这些疾病的能力。父母们必须被充分告知检查过程中的风险和检查的好处，他们可透露的（新生儿）功能紊乱的实质和可变性，以及如果检查结果呈阳性他们可做的选择。
取得知情下作出的同意将提高自愿参与的可能，这需要使参与者理解的过程而不是仅仅加工书面材料。在被进行检查时，父母们必须获得全面的咨询，这种咨询必须是以不直接提问方式（治疗专家为鼓励当事人畅所欲言而扮演并不强加于人的角色）进行的。
基因学还可以预测某些疾病是否会继续发展。为防止个别的基因疾病，人口筛查只有在相对高频率地可治疗或预防的情况下才可以被考虑。儿童只有在功能紊乱的情况下才可以被检查，以便在最早时间采取有效的治疗或预防措施。