madobet / webclipper-science Goto Github PK

本文是“脑人言”举办的“抑郁症征文大赛”的第七篇入围作品。关注抑郁症，远离脑中的“黑狗”。
作者丨吱吱之 （东南大学 生物医学工程博士生）
排版丨小箱子

抑郁症总是让我们感到无可奈何，直到现在我们依旧无法明确地定义和诊断抑郁症。它就像是一只隐匿在脑海深处的黑狗，不时地出现攻击你一下后再消失于黑暗中，让你无法探知它的具体位置，更不用说消灭它了。同样的，当我们对抑郁症不够了解时，很难制定出准确的治疗方法帮助患者解决抑郁症的困扰。著名艺术家、作家马修•约翰斯通自二十岁起便深受抑郁症的困扰，因此他和太太共同撰写了《我有一只叫抑郁症的黑狗》，讲述他对抗抑郁症的经历。对他来说抑郁症是黑狗，对其他人来说可能是黑猫，甚至是蚂蚁，无论它以什么样的形式存在，首先我们必须能够在漆黑的脑海中找到它的，看清楚它，才能最终打败它。

据世界卫生组织的最新统计，全世界约有3.5亿抑郁症患者，其中成年女性的发病率是男性的两倍。尽管这一数字使得抑郁症成为全球前几的重大疾病，但其诊断和治疗仍然面临着巨大挑战。

◆◆抑郁症的分类标准◆◆

传统上，抑郁症的临床诊断以美国疾病诊断与分类手册DSM-5（主要应用于美国）和疾病和相关健康问题的国际统计分类ICD-11（主要应用于欧洲）为主。但是无论是DSM、ICD分类标准或是其他抑郁量表都受到一定程度的质疑，其关键问题在于诊断的主观性。分类标准和量表都是由一定数量的症状标准组成，以提问的形式展现出来，即使是不同的人给出了完全不同的回答，也有一定的概率得出一个相同的分数即诊断结果。抑郁症是一组病因和发病机制不同的异质性疾病，不同阶段和不同的人表现出来的症状和严重程度存在很大差异。当抑郁症的异质性被忽略的时候，其诊断结果就存在很大的局限性和误差。

以DSM-5为例，该诊断标准提出了以下9种抑郁症状，包括：

（1） 情绪低落；

（2） 丧失兴趣或愉快感；

（3） 体重或食欲的明显改变；

（4） 失眠或睡眠过多；

（5） 精神运动性激越或迟滞；

（6） 疲劳或精力不足；

（7） 感觉自己毫无价值或者有罪恶感；

（8） 思考或者注意力集中的能力减退或犹豫不决；

（9） 反复出现死亡的想法或自杀观念。

抑郁症诊断的标准是要求在2周内，长时间存在5个或以上的症状，且其中至少有一项是：情绪低落或丧失兴趣或愉快感。这就意味着两个同时被诊断出患有抑郁症的人可能具有完全不同抑郁症状，但是最终诊断结果都是“抑郁症”。

▶ 抑郁症的常见症状

（图片出处https://www.verywellmind.com/top-depression-symptoms-1066910）

◆◆抑郁症的异质性和抑郁量表之间的相似性◆◆

除了DSM-5和ICD-11分类标准之外，在临床诊断中医生还会使用一些抑郁量表辅助抑郁症的诊断并评估抑郁症状的严重性。根据2006年的统计结果，在过去的八十年中提出了多达280份抑郁相关的量表。目前临床诊断中常用的包括汉密尔顿抑郁量表（HAM-D-21）、抑郁自评量表（SDS）、贝克抑郁自评量表（BDI)、蒙哥马利-奥斯伯格抑郁等级量表（MADRS）和抑郁-焦虑-压力量表(DASS-42)等。抑郁量表通常都会涵盖情感、身体、认知、行为、结果、诱因几大类。分别从这几个角度出发描述不同的症状，但是目前的量表普遍侧重于情感和身体，对于认知、行为和诱因方面的关注较少。但是通常抑郁症都伴随有认知和行为问题，因此量表不能只注重情感和身体。以汉密尔顿抑郁量表为例，该量表侧重于身体相关的症状，存在大量疲劳、失眠、食欲和体重有关的问题，这导致评估结果可能和实际病情存在一定偏差。

▶ 抑郁症的异质性——52种常见抑郁症状

（图片出处https://www.uva.nl/en/content/news/press-releases/2016/10/the-heterogeneous-nature-of-depression.html?origin=zvuyIF7VQlmbnXJokCBg7g&1569725261496）

除了不同量表对于症状类别侧重程度不同的问题，不同抑郁量表之间相似性低也是导致抑郁症诊断困难的原因之一。有研究人员选取了15份常用的抑郁量表，任意两份抑郁量表之间都进行了相关性计算，最终得到的结果表明这15份量表间的平均相关性为42%，最低仅为19%，最高为86%。导致这一结果的原因是这15分量表中所描述的症状，有很大一部分仅存在于某一量表中，据统计在抑郁症患者群体中可能存在多达1030种独特的症状，这也是抑郁症明确诊断的困难之处，这对于抑郁诊断具有极大影响。

疾病的异质性和合并症是正常现象，不是个例。如果用于筛选抑郁症状和严重程度的量表本身对不同症状的重视程度不同，那么如何才能准确地勾勒出这种异质性就成为更大的挑战。这不仅增加对患者个人诊断难度，而且将范围扩大到抑郁症群体时，对某些特异性症状标准也会产生影响。例如其中有一个患者有失眠困扰，另一个没有，但是他们使用相同的药物治疗方案，该药物能够改善睡眠障碍，那么有失眠困扰的患者会有更好的疗效，而对于另一个患者来说可能没有效果，该患者就需要调整治疗方案。这就是抑郁症的异质性的影响。

▶ 同样的尺寸并不适合所有的人

（图片出处https://progress.im/en/content/one-size-does-not-fit-all%E2%80%A6or-does-it-heterogeneity-within-depression）

◆◆替代方法◆◆

考虑到抑郁症本身的异质性，不同的量表询问不同的症状也就可以理解了。但是评估得到的抑郁症不同严重程度之间的界限模糊、定义不明确也是不争的事实。由于抑郁症的基本病理机制尚不明确，因此对于寻求与抑郁症及其许多症状相关的研究将是必不可少的。无论是临床上还是实验室中，研究人员们都在努力尝试寻找抑郁症的生物标志物或其他指标作为新的抑郁症诊断标准以替代DSM分类方法。

长期以来，研究人员已经知道杏仁核和海马体这两个大脑结构与情绪和情绪的处理有关，但并不确切地与大脑的结构有关。现在，来自加利福尼亚大学旧金山分校的研究人员已经确定了与这两个大脑结构之间的交流相关的独特的脑电波（EEG）频率，可以预测与抑郁症和焦虑症相关的情绪恶化。他们的发现发表在2018年11月8日的Cell杂志上。

▶ 抑郁症影响的大脑区域

（图片出处https://letthyfoodbethymedicine.weebly.com/the-chemistry-behind-depression.html）

除了大脑电活动，脑影像也被证明可以用于辅助诊断抑郁症。威尔·康奈尔大学的神经学家和精神病医生康纳·利斯顿（Conor Liston）采集了一千多名被试的磁共振（FMRI）影像，其中40%的被试是抑郁症患者。他们利用机器学习技术将分为四个抑郁症亚型。

▶ 抑郁症患者与健康人的FMRI影像

（图片出处https://letthyfoodbethymedicine.weebly.com/the-chemistry-behind-depression.html）

血液生物标记物也被认为是非常具有前景的抑郁诊断方法。研究人员发现重度抑郁症患者（MDD）的血液中乙酰左旋肉碱（LAC）分子水平低于健康对照组。此外，LAC缺乏的程度反映了MDD的严重程度和发病年龄，这使LAC成为可以改变抑郁症诊断和治疗的工具。

▶ 乙酰基左旋肉碱作用于释放神经递质谷氨酸的神经元

(图片出处https://www.genengnews.com/insights/blood-biomarker-may-help-depression-diagnosis/)

几乎有50%的抑郁症是与遗传相关的，因此对于抑郁基因的寻找研究如火如荼。在一项最新的研究中，科学家们推翻了单一基因变异甚至是一小部分变异可能导致抑郁症易感性的说法。他们认为，抑郁症的任何遗传风险都可能源于非常多的变体，并且其中每个变体的作用都很小。他们利用来自数十万人的数据，发现18个候选基因对抑郁症的影响并不强于他们随机挑选的基因。

(图片出处https://ghr.nlm.nih.gov/condition/depression)

抑郁症是如此的复杂，单一的生物标记物不可能完全准确的诊断出抑郁症的所有亚型，多种诊断方法相结合则可以给出相对全面的抑郁症诊断结果。详细的诊断结果有助于医生为患者制定出更为合理的治疗方案，改善治疗效果和缩短治疗时间。让抑郁症等这一类精神疾病能够像心脏病、糖尿病等生理疾病一样拥有明确的生理指标作为诊断标准是今后抑郁诊断努力的方向。

参考文献：
[1] Fried, E., & Nesse, R. (2015). Depression is not a consistent syndrome: An investigation of unique symptom patterns in the STAR*D study. Journal Of Affective Disorders, 172, 96-102. doi: 10.1016/j.jad.2014.10.010.
[2] Fried, E. (2017). The 52 symptoms of major depression: Lack of content overlap among seven common depression scales. Journal Of Affective Disorders, 208, 191-197. doi: 10.1016/j.jad.2016.10.019.
[3] Plana-Ripoll, O., Pedersen, C., Holtz, Y., Benros, M., Dalsgaard, S., & de Jonge, P. et al. (2019). Exploring Comorbidity Within Mental Disorders Among a Danish National Population. JAMA Psychiatry, 76(3), 259. doi: 10.1001/jamapsychiatry.2018.3658.
[4] McTeague, L., Huemer, J., Carreon, D., Jiang, Y., Eickhoff, S., & Etkin, A. (2017). Identification of Common Neural Circuit Disruptions in Cognitive Control Across Psychiatric Disorders. American Journal Of Psychiatry, 174(7), 676-685. doi: 10.1176/appi.ajp.2017.16040400.
[5] Fried, E., van Borkulo, C., Cramer, A., Boschloo, L., Schoevers, R., & Borsboom, D. (2016). Mental disorders as networks of problems: a review of recent insights. Social Psychiatry And Psychiatric Epidemiology, 52(1), 1-10. doi: 10.1007/s00127-016-1319-z.
[6] Santor, D., Gregus, M., & Welch, A. (2006). FOCUS ARTICLE: Eight Decades of Measurement in Depression. Measurement: Interdisciplinary Research & Perspective, 4(3), 135-155. doi: 10.1207/s15366359mea0403_1.
[7] Newson, J.J. and Thiagarajan T.C. (2019) EEG Frequency Bands in Psychiatric Disorders: A Review of Resting State Studies. Front Hum Neurosci. 2019 Jan 9;12:521. doi: 10.3389/fnhum.2018.00521.
[8] Kanter, J., Mulick, P., Busch, A., Berlin, K., & Martell, C. (2006). The Behavioral Activation for Depression Scale (BADS): Psychometric Properties and Factor Structure. Journal Of Psychopathology And Behavioral Assessment, 29(3), 191-202. doi: 10.1007/s10862-006-9038-5.

专家评语

评委1：7分

只是粗略地介绍了抑郁症的症状多样性和诊断量表多样性，其他部分不够深入，很难起到科普的作用。

评委2：8分

文章文字通顺，结构完整，语言通俗易懂，够“浅出”，“深入”稍欠一些。

评委3：8.5分

本文主要描述了抑郁症本身的异质性及现阶段诊断标准缺乏客观指标导致准确诊断抑郁症所面临的现实困境，并在文末提及新近相关生物标记物研究进展而给人以希望。我本人不赞同作者文中首段所输出的观点，我们知道，目前医学对很多疾病的真实面目都知之甚少，异质性也见于多种疾病，但相关治疗效果依然可观。相信随着研究的深入和医学的进步，可以真正做到"精准诊断和治疗"。

往期推荐

脑人言：抑郁知多少​zhuanlan.zhihu.com
脑人言：黑狗日记​zhuanlan.zhihu.com
脑人言：神经科学与艺术的融合——脑波音乐​zhuanlan.zhihu.com

关于我们

脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和**的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。

选自arXiv，作者：Simon S. Du、Jason D. Lee、Haochuan Li、Liwei Wang、Xiyu Zhai，机器之心编译，参与：思源、王淑婷、张倩。

一直以来，我们都不知道为什么深度神经网络的损失能降到零，降到零不代表着全局最优了么？这不是和一般 SGD 找到的都是局部极小点相矛盾么？最近 CMU、北大和 MIT 的研究者分析了深层全连接网络和残差网络，并表示使用梯度下降训练过参数化的深度神经网络真的能找到全局最优解。

用一阶方法训练的神经网络已经对很多应用产生了显著影响，但其理论特性却依然是个谜。一个经验观察是，即使优化目标函数是非凸和非平滑的，随机初始化的一阶方法（如随机梯度下降）仍然可以找到全局最小值（训练损失接近为零），这是训练中的第一个神秘现象。令人惊讶的是，这个特性与标签无关。在 Zhang 等人的论文 [2016] 中，作者用随机生成的标签取代了真正的标签，但仍发现随机初始化的一阶方法总能达到零训练损失。

人们普遍认为过参数化是导致该现象的主要原因，因为神经网络只有具备足够大的容量时才能拟合所有训练数据。实际上，很多神经网络架构都高度过参数化。例如，宽残差网络（Wide Residual Network）的参数量是训练数据的 100 倍。

训练深度神经网络的第二个神秘现象是「更深的网络更难训练。」为了解决这个问题，何恺明等人在 2006 年提出了深度残差网络（ResNet）架构，用随机梯度下降方法来训练显著具有更多层数的神经网络。理论上来说，Hardt 和 Ma [2016] 表明，线性网络中的残差连接可以阻止梯度消失为零，但使用非线性激活函数的神经网络还无法利用残差连接的优势。

在本文中，作者将揭开这两个神秘现象的面纱。具体而言，作者们从理论上分析了损失函数在梯度下降上的收敛情况，即采用全连接网络和残差网络架构下的损失函数收敛情况。作者关注根据欧式距离定义的损失函数，并假设激活函数是 Lipschitz 和平滑的。这种假设适用于很多激活函数，包括 soft-plus。本文贡献如下：

首先考虑全连接前馈网络。作者表明，如果层级的神经元数量

，则随机初始化的梯度下降会以线性速率收敛到零训练损失。

接下来考虑 ResNet 架构。作者表明，只要中间层的宽度 m = Ω (poly(n, H))，则随机初始化的梯度下降会以线性速率收敛到零训练损失。与第一个结果相比，ResNet 对网络层数的依赖呈指数级上升。该理论阐明了利用残差连接的优势。

最后，作者利用同样的技术来分析卷积 ResNet。作者表明，如果 m = poly(n, p, H)，其中 p 是图像块数量，则随机初始化的梯度下降会达到零训练损失。

本文的证明是基于以前关于双层神经网络梯度下降研究中的两个重要概念。第一个是 Du 等人 [2018b] 提出的概念，本文作者分析了神经网络预测的动力学特征，即其收敛性由格拉姆矩阵（Gram matrix）的最小特征值决定。为了降低最小特征值的下界，从初始化开始限制每个权重矩阵的距离就足够了。其次，作者利用了 Li 和 Liang [2018] 的观察结果，即如果神经网络过参数化，则每个权重矩阵接近其初始化。与前两个研究不同，本文在分析深度神经网络时，需要构建更多深度神经网络的架构属性和新技术。在本文中，我们主要介绍了 ResNet 的分析结果，更详细的证明展示在原论文中的 29 页附录中。

论文：Gradient Descent Finds Global Minima of Deep Neural Networks

论文地址：https://arxiv.org/pdf/1811.03804.pdf

**摘要：**在训练深度神经网络时，即使目标函数是非凸的，梯度下降法也能找到全局最小值。本文证明了对于具有残差连接的深度超参数神经网络（ResNet），梯度下降可以在多项式时间内实现零训练损失。我们的分析依赖于神经网络架构引入的格拉姆矩阵的多项式结构。这种结构帮助我们证明格拉姆矩阵在训练过程中的稳定性，而且这种稳定性意味着梯度下降算法的全局最优性。我们的边界也揭示了使用 ResNet 优于全连接前馈架构的优点；对于前馈网络，我们的边界要求每层神经元的数量随深度进行指数缩放，而对于 ResNet，边界只要求每层神经元的数量随深度进行多项式缩放。我们还进一步将自己的分析扩展到深度残差卷积神经网络并得到了类似的收敛结果。

本文结构：第二节正式介绍了问题背景；第三节给出了在深度全连接神经网络上得到的主要结果；第四节给出了在 ResNet 上得到的主要结果；第五节给出了在卷积 ResNet 上得到的主要结果；第六节为以上三种架构提供了一个统一的证明策略。第 7 节为总结，证明见附录。

在论文的后面的章节中，大部分都在描述假设与推理。尤其在后面 29 页的附录中，作者给出了各推理的完整的证明。如果读者自信数学底子比较硬朗的话，可以查阅原论文了解详细推导过程，本文后面只简要介绍了 ResNet 的分析结果。

ResNet 的主要分析结果

在这一章节中，作者主要会考虑使用梯度下降训练 ResNet 的收敛性，并关注到底需要多大程度的过参数化才能确保梯度下降收敛到全局最优解。当然在这之前需要明确 ResNet 的形式化定义是什么样的。在这篇论文中，作者们主要分析了不同神经网络的经验风险最小化问题，其中损失函数由一般的欧式距离定义：

这个式子很容易理解，w 是神经网络所有的权重，x 为输入样本（如图像）、y 为样本的对应标注。在实践中，f(w, x_i) 表示的就是一个完整的残差网络（ResNet），我们希望利用梯度下降一步步调整 ResNet 中的权重 w，进而获得经过训练的 ResNet。从形式化上来说，ResNet 或 f(w, x_i) 函数可以表示为如下方程式：

其中 x^(1) 表示输入图像 x 经第一个卷积层得出的特征图（feature map），c_σ为初始化阶段中归一化输入的缩放因子，这里并没有详细展示 c_σ的表达式，详情可查看原论文。此外，σ表示一般的激活函数，且作者假设算出来的中间层（x）都是方阵。在 x^(h) 中，作者形式化定义了残差第 h 个残差模块的输出，它会通过残差连接将 h-1 层的输出加上当前层的输出。x^(h) 后面σ左边比较复杂的表达式展示了这一层级的缩放因子，它们具体是什么可以查阅原论文。

最后的 f_res(x, w) 则表示了残差网络的最终表达式，即最后一个残差模块的输出做一个简单的反射变换。因此为了分析 ResNet 的收敛情况，作者定义了总体格莱姆矩阵，即对于所有 (i, j) ∈ [n] × [n]，我们有：

直观上而言，K^(h) 表示了在经过复合 h 次核函数后所得到的格莱姆矩阵（Gram matrix），其中核函数都是由激活函数σ所定义。此外，当权重矩阵的长和宽 m 趋向于无穷大时，它们会渐进格莱姆矩阵。因此作者做了以下假设以决定收敛率和过参数化总量：

注意 λ 在这里仅依赖于 K^(0)，因此它的定义与全连接网络中的不太一样。一般而言，除非两个数据点是平行的，否则λ通常都是正数。在有了这个假设以后，作者给出了他们对 ResNet 的主要定理：

与全连接网络中得出的定理不同，定理 4.1 完全是多项式形式的，因为神经元数量和收敛率都是关于 n 和 H 的多项式，所以作者根据分析结果表明经典多层全连接架构和 ResNet 架构是有显著差别的。作者在这里并没有使用任何指数因子，其主要原因是残差连接块使得整个架构在初始化阶段和训练阶段都更加稳定。

以上只是 ResNet 分析所获得的结果，更多分析和推导过程都在原论文中。作者最后表示过参数化网络上实现的梯度下降能获得零训练损失，且证明的关键技术是表明格莱姆矩阵在过参数化的情况下会越来越稳定，因此下降的每一步都会以几何速率减少损失，并最终收敛到全局最优解。

_
_

博士研究了数年的光镊，一直觉得自己研究不像材料方向既非主流也不热门，毕业后工作似乎也难找。但今年竟然获了诺贝尔奖，从未感到诺奖距离自己如此之近，感动的老泪纵横，也来凑个热闹，批判的发几句牢*。谈一谈光镊的瓶颈与缺点。

先来说下光镊的理解，光镊的本质就是一个镊子或者说是筷子，是个工具而已。还记得复仇者联盟里灭霸团队枯木候第一次攻击地球时，用飞船射出一束光把奇异博士抓获，用的方法就是光镊。

原理简单说就是透明物体在一个不均匀的光场下，起主导作用的光场梯度力（Gradient force）会将其推到光强最强的地方，这就是为什么需要高数值孔径的透镜来产生一个中心点光强最强，且梯度很大的光场，来抓住这个透明的球，如下图：（具体光动量原理什么的可以自行搜索，很多ppt讲得很好）

Fig.1 光腰光强最大，颗粒被束缚到此处，图片出自：Grier, David G. A revolution in optical manipulation. nature 424.6950 (2003): 810.

光镊可以非接触,无损伤地操纵活体物质,并且它产生的皮牛（PN）数量级的力适合于生物细胞、亚细胞以及原子物理的研究。但传统光镊也有许多局限性与难点：

1. 光是有衍射极限的，对于接近或者小于光波长的颗粒就很难捕获
2. 不透明的物体不能捕获
3. 需要高NA的物镜，详见这篇文章：光镊系统——物镜的选择，以及较复杂的光路设置
4. 激光产生的热效应
5. 如何分类的捕获
6. 抓到后干啥（异常关键与尴尬的问题）

所以现在主要的研究方向之一就是怎么样克服这些局限啦，所以有一大堆文章告诉你他们的解决方法。

对于前5个问题，利用金属纳米结构的表面等离子体共振SPR(可参考这个回答，等离子体和表面等离子体是什么关系？) 可以很好的解决，简单来说，金属纳米结构在外界光激发下，可以产生一个纳米尺度的梯度场，把光局域到纳米尺度。前文说过颗粒会被抓到光强最强的地方，所以利用它不仅可以声称突破了衍射极限，而且极大降低了光镊所需的光功率密度。纳米光镊方向的研究很多，认真搞搞也很容易发Nature，而且画一些酷炫的图片就更容易发了，例如下面：

Fig.2 MIT的Nicolas Fang课题组用金纳米结构进行光学操控，图片出自：Application of plasmonic bowtie nanoantenna arrays for optical trapping, stacking, and sorting. Nano letters 12.2 (2012): 796-801.

研究方向之二就是怎样花式抓球，在光纤头上抓（例如现在暨南大学的Li Baojun课题组）；抓了球然后然操纵转起来（像耍杂技）；设计各种纳米结构抓；借助热泳抓(CUHK Aaron group)；借助电泳抓（普渡大学的 Boltasseva group）；或者把颗粒抓起来拼成一些图案 。

Fig.3 深圳大学的袁小聪课题组实现了对金属纳米颗粒的操纵，图片出自：Focused plasmonic trapping of metallic particles. Nature communications 4 (2013): 2891.

尽管光镊来说，研究怎样抓的更fashion，抓的更快，抓的更开心，或者在活体中抓，抓更难抓的物体（例如金属纳米颗粒，由于其更小，散射力更强）或者是抓单个颗粒，有很多可以灌水的方向。但坦白讲，抓住了有什么实际意义么？就像我们吃饭，用筷子抓起来一个块肉不吃，或者随机抓起来桌子上的食物，却不知道干啥，这是没有任何意义的。

如果说有意义的研究是啥的话，我觉得一个是颗粒的分类(sorting)，但目前来看，要想单纯用光镊实现选择性捕获或者分类还是比较困难的；另一个是具有特别功能的微粒的操纵，例如生物相容性较好的纳米金属颗粒；还有一个就是光镊操纵方法的拓展，例如利用热场，电场或声场的辅助。

所以在应用方面，光镊虽然获得了诺贝尔奖，但大都停留在生物或者原子物理的科研应用上。还是缺少一个killer application以及更加广泛的应用 。虽然Thorlab（有个八卦就是Thorlab的现任CEO兼创始人也曾参与过贝尔实验室Ashkin的光镊实验），荷兰 Lumicks m-Trap，以及硅谷的一些企业已经有些光镊产品，但都是很边缘化的，对公司来说，仅仅适合在展会上展览，特别是再加个Ipad操纵，会很有feel，可以显示高超光学设计实力。

2018年年初的一篇文章将光镊应用到了裸眼3D显示方面，让人眼前一亮，被光镊捕获的颗粒作为空间中全息图像像素，通过发光颗粒的移动来显示三维图像，不用观察者佩戴设备，随便多少人多近距离看都没问题，因为它是真实存在的发光微粒，实现了“真”3D图像，如下图所示，简直太酷了。

Fig.4 基于光镊的空气3D显示 图片出自：A photophoretic-trap volumetric display. Nature 553.7689 (2018): 486.

光镊的这个应用，或让科幻电影中的场景近在咫尺。

简单介绍一下我们的研究，主要是应用光热效应的热泳力辅助进行光镊捕获。下面视频显示的是光纤纤芯的光镊将带有绿色荧光的细胞，抓到纤芯处又被释放的过程。

Fig. 5 出自: Plasmonic random nanostructures on fiber tip for trapping live cells and colloidal particles. Optics letters 40.17 (2015): 3926-3929.

还有墨尔本大学物理系的朋友Dr. Xu最近的大作，精准地操控了小至20nm的颗粒球，并对其中的物理进行了详细的研究。

Fig. 6 双纳米孔结构光镊，对20nm 颗粒捕获研究，图片出自： Direct particle tracking observation and Brownian dynamics simulations of a single nanoparticle optically trapped by a plasmonic nanoaperture., ACS Photonics 5. 7 (2018): 2850-2859.

最后给我们组做个广告，香港中文大学生物医学工程系何浩培组，人非常nice，帅气英国绅士感觉，很为学生考虑的老师。组内气氛融洽欢乐，欢迎申请。

http://www.bme.cuhk.edu.hk/hpho/home.html​www.bme.cuhk.edu.hk

脉冲神经网络简明教程 第一章：神经元的生物基础

序：脉冲神经网络会是超越深度学习的架构吗？

现有深度学习都基于一重要学习算法：反向传播，即求误差函数关于参数偏导来更新权重。应用？ Alpha Go、ImageNet 冠军。但该算法有个最大的弱点：没有生物基础。在脑中找不反向传播的痕迹。当然，反向传播虽没有生物基础，但不一定是错误的，因为目前基于反向传播的算法在很多方面超过了人脑。只不过可能无法产生通用人工智能。

现有深度学习其实是寻找数据间相关性的统计方法。

有模拟人脑神经元的算法：脉冲神经网络（spiking neural network，简称 SNN），称为反向传播和深度学习后的第三代神经网络。其实 SNN 概念产生甚至早于感知机，在二十世纪五十年代就被提出，但因为过于太冷门，几乎只有纯学术研究（主要是神经计算学和生物计算机科学），目前在应用上根本无法跟深度学习抗衡。最大的原因是没有找到一个完美的训练这种神经网络的方法。

但 SNN 可能会是未来非常重要的算法，因为生物基础决定了 SNN 具有达到人类大脑的水平的潜力

这个系列文章的主要内容来自 Wulfram Gerstner 等人写的《Neuronal Dynamics》，作者将这本书无私地放到了网上，欢迎大家阅读原文（https://neuronaldynamics.epfl.ch/book.html）。

《Neuronal Dynamics》

第一部分：神经元的生物基础

人类的大脑里有极其大量的神经元，它们以一种复杂的方式互相连接。大脑的每一立方毫米，就能有超过一万个神经元和数公里的连接。

神经元可分为树突（dendrite），神经细胞体（soma）和轴突（axon）。树突将其他神经元送来的信息传输到神经细胞体，神经细胞体累积输入到达阈值则产生输出信号，通过轴突再传输给其他的神经元。

神经元间通过突触 (synapse)连接和传递信号。发送信号的神经元叫突触前神经元（presynaptic neuron），接收信号的叫突触后神经元（postsynaptic neuron）。脊椎动物的神经元经常会有多达上万个突触后神经元，并且最长会连接到几厘米外的大脑其他区域。

神经元内部和外部的电位差，被称为膜电位（membrane potential），当没有输入时，神经元处在静息电位（resting potential）。突触后神经元的膜电位会被输入信号改变，当电位达到突触后神经元的阈值时，会发射一个新的脉冲到下一个神经元。

脊椎动物大脑中最常见的突触是化学突触。化学突触中，轴突和树突之间仅由一条很小的缝隙隔开。当动作电位到达突触前膜，神经递质从轴突被释放。当神经递质到达树突后，它们会被突触后神经元检测到，并且通过复杂的生物化学反应将信号转化为突触后细胞的电流反应。由输入脉冲导致突触后神经元膜电位变化被叫做突触后电位（postsynaptic potential）。

图 1：两个神经元连接的示意图，其中 j 是突触前神经元，i 是突触后神经元

神经元间信号由电流脉冲（spike 或者 pulse）组成，也即动作电位（action potential）。神经元通过脉冲频率（而不是形状，因为脉冲形状几乎一模一样）编码或传递信息。

图 2：通过植入的电极（electrode）读取神经元发射的动作电位

可以看到，脉冲神经元和深度学习的神经元最大的区别是，脉冲神经元是关于时间的序列，每个神经元接受多次输入并且可以激活多次；而深度学习每个神经元在单次计算中只会用到一次。这也是很多人认为脉冲神经元在处理时间序列上会比深度学习有优势的原因。

第二部分：脉冲神经元

我们用关于时间的函数
表示膜电位，用
表示静息电位。脉冲到达后，膜电位会被改变，但是最后还是会渐渐地变回静息电位。如果从一个突触来的信息导致正的变化，就称这个突触是兴奋的；反之如果导致负的变化，这个突触就是抑制的。

极化（polarization）指偏离 0 电位差的状态。没有输入时，神经元静息电位是负极化约 65 mV。此时，一个兴奋性突触输入会减少极化，被称为去极化（depolarization）；反之，如果抑制性？输入增加了极化，则称为超极化（hyperpolarization）。

将上述过程总结成公式：神经元
的膜电位函数为
。在输入脉冲来到之前，我们有
。在
时突触前神经元
发射了一个脉冲，那么在
时，我们定义神经元
和
之间的的突触后电位（postsynaptic potential，简称 PSP）
为：

图 3：由突触前神经元 j 发射的单个脉冲导致的突触后神经元 i 的膜电位的变化

当突触后电位为正，就被称为兴奋性突触后电位（excitatory postsynaptic potential，简称 EPSP），反之被称为抑制性突触后电位（inhibitory postsynaptic potential，简称 IPSP）。

假设我们有一些突触前神经元
，它们有共同的突触后神经元
。其中神经元
在
，
等时发射脉冲，导致一个突触后电位
。其他神经元同理。我们可以将突触后神经元的膜电位概括为：

也就是说，突触后膜电位等于所有突触后电位函数的和加上静息电位，见图 4。不过这只是最简单的一种模型，并不完全符合真实的神经元的表现，后面的章节里我们会看到更精确的模型。

突触前神经元 j=1 和 j=2 发射了两个脉冲，对突触后神经元 i 的膜电位进行了叠加影响。

当神经元
的膜电位
达到了一个阈值
，那么这个神经元就会发射一个脉冲，并传送到下一个神经元，见图 5。

图 5：两个突触前神经元 j=1 和 j=2 连续发射多个脉冲，导致突触后神经元 i 的膜电位超过阈值，发射了一个脉冲

下一章：

石在：脉冲神经网络简明教程 第二章：基于物理的神经元模型​zhuanlan.zhihu.com

热力学的量子革命：信息是物理的，但万物都是信息吗？

时间: 2017年07月19日 | 作者: | 来源: Quanta magzine

随着物理学家将热力学定律推广到量子领域，能量、熵和信息之间的关系正在被改写。

在 Sadi Carnot（卡诺）1824年的著作《论火的动力》中，这位28岁的法国工程师写出了蒸汽机将热转化为功的效率的公式。（现代观点认为，热是一种随机且弥散的能量；而功则是一种有序的能量，它可以推动活塞或者转动轮子。）令卡诺惊讶的是，他发现理想引擎的效率完全由引擎的热源（火）和散热器（外界空气）之间的温度差决定。于是他意识到，功只是热量自然地从高温物体转移到低温物体时的副产品。

卡诺在八年后就感染霍乱去世了，没能看到他的效率公式经过十九世纪的发展成为热力学理论。热力学理论是一组普适定律，它描述了温度、热、功、能量和熵（熵用来描述能量从能量更高的物体向更低的物体持续扩散的程度）之间的相互作用。热力学的定律不仅适用于蒸汽机，也适用于世间万物：比如太阳、黑洞、生物和整个宇宙。这个理论非常简单且普适，以致于爱因斯坦认为它似乎“永远不会被推翻”。

然而在关于自然的理论中，热力学从一开始便处于一种异常奇怪的地位。

“如果把物理学理论比作普通人，那么热力学就是村里的巫婆，”物理学家 Lídia del Rio 和合作者在 Journal of Physics A 中写道，“其它人发现她有些古怪，似乎是个另类。然而每个人都会向她寻求建议，并且，没人敢反驳她。”

像粒子物理标准模型这样的理论试图理解存在的事物，而热力学理论则截然不同，它只规定了哪些过程可以发生，哪些不可以。但是这个理论最奇怪的一点在于，这些规则看起来是主观的：一团总体看来处于相同温度的气体（因此不能做功），通过更仔细的观察，也许会被发现存在的微小的温度差，而这些极小的温差是可以做功的！

主观性：从“麦克斯韦妖”说起

麦克斯韦在1867年写给他的同事、苏格兰人 Peter Tait 的一封信中，描述了他的著名悖论。这个悖论和热力学第二定律有关，暗示了热力学和信息之间的联系。热力学第二定律指出：熵总是增加的。根据该定律，当能量从高温物体传到低温物体时，它们之间的温差会减小，能量变得更加无序，也更加无用。火会熄灭，咖啡会变凉，而宇宙则会奔向一个被称为“热寂”的温度均匀态，此后就再也不能做功了。

伟大的奥地利物理学家 Ludwig Boltzmann（玻尔兹曼）曾用一个简单的统计解释证明了能量会分散、熵会增加的趋势：在一个系统中，能量分散在粒子中的方式要比集中在几个粒子上多得多，因此当粒子到处运动并相互作用的时候，它们会自然地趋向于能量更分散的状态。

但是麦克斯韦在信件中描述了一个理想实验：一个智慧生物——所谓的麦克斯韦妖——可以利用它的知识来降低熵、违反热力学第二定律。这个妖精知道容器中每一个气体分子的位置和速度。通过将容器分成两部分，并且开关两部分之间的小门，它只让快速运动的分子进入门的一边，而让速度慢的分子留在另一边。妖精的行为会将气体分成冷热两部分，集中了能量并且降低了整体的熵。这样，曾经无用的气体就又可以被用于做功了。

图片来源：L. Tomala

麦克斯韦等人很好奇：自然定律怎么会依赖于某个生物是否知道分子的位置和速度呢？如果热力学第二定律主观地取决于一个人拥有的信息，那么在什么情况下它才成立呢？

一个世纪之后，美国物理学家 Charles Bennett 在 Leo Szilard 和 Rolf Landauer 的工作的基础上，通过将热力学和年轻的信息科学联系起来解决了这个悖论。Bennett 认为妖精的信息储存在它的记忆中，而记忆需要更新和清除，这就会消耗功。（在1961年，Landauer 计算出电脑在室温下清除一比特信息需要2.9 zJ 的能量。注：1 zJ=10-21 J）换句话说，当妖精将气体分成冷热两部分、降低气体熵的同时，它的大脑需要消耗能量，产生更多的熵来进行补偿。对于气体和妖精构成的总系统，熵仍然是增加的，满足热力学第二定律。

如同 Landauer 所说，这个发现揭示出“信息是物理的”。你所拥有的信息越多，你能“释放”功的潜力也越大。麦克斯韦妖可以强行让单一温度的气体做功，正是因为他比常人拥有更多信息。

美丽新世界：当热力学遇上量子信息论

近些年来出现了一种对于热力学的革命性理解，它用描述量子系统间信息传播的量子信息论来解释这种主观性。正如热力学最初诞生于改进蒸汽机的尝试中，今日的热力学家正在认真考虑量子机器的做功。过去几年来，单粒子引擎和三原子“冰箱”都在实验中得到实现，“微缩”技术正在迫使热力学家将经典的热力学扩展到量子领域——温度、功等概念都不再具有通常的意义，而经典的热力学定律也可能不再适用。

已经发现的量子版本热力学定律能在尺度增大时会回到经典的形式。自下而上地重写理论已经引导热力学家依据理论的主观性来重构基本概念，并且阐明了能量和信息间深刻而又惊人的关系。这里的信息是指通过抽象的1和0来区分物理态、衡量存储的信息量。“量子热力学”是一个新兴领域，它的特点是：丰富且混乱。

量子热力学研究领域的先驱，布里斯托大学物理学家 Sandu Popescu 认为，“我们正在进入热力学的美丽新世界。”在提到经典热力学的时候，他说：“刚诞生的时候它还非常好用，但是现在我们正在用一种全新的方式来看待它。”

在过去的几十年中，Popescu 和他的同事、以及其他一些研究组论证，能量从高温物体传到低温物体是由粒子间信息传播的方式决定的。根据量子理论，粒子的物理性质是“概率性的”（probabilistic）：它们不是绝对的1或0，而是同时具有一定概率为1､一定概率为0。当粒子相互作用的时候，它们也可以发生纠缠，使得描述它们状态的概率分布彼此关联。量子理论的一个中心支柱就是信息——也就是表示粒子态的、概率性的那些1和0，永远不会丢失。

然而一段时间后，随着粒子相互作用、纠缠程度越来越大，关于它们各自状态的信息就会扩散并被打乱，在越来越多的粒子之间共享。Popescu 等人相信，量子纠缠增长的箭头代表着预期的熵增——也就是时间的热力学箭头。比如一杯咖啡冷却到室温，是由于咖啡分子和空气分子互相碰撞，记录着它们能量的信息会泄露出去并被周围的空气分享。

将熵理解为某种主观的量度，宇宙整体的演化便不会丢失信息。即使宇宙的某些部分（比如咖啡、引擎和人）会随着量子信息的稀释而经历熵增，宇宙整体的熵永远保持为0。

瑞士的苏黎世联邦理工学院的 Renato Renner 教授认为这是观念上的巨大转变。十五年前，“我们认为熵是热力学系统的一种属性，”他说，“而在目前的信息论中，我们认为熵并非系统的属性，而是描述系统的观测者的属性。”

遥远行星上的小王子：“我可以告诉你哈姆雷特的故事，但是我没办法跟你说明一个方向。”

2016年7月发表在《自然通讯》上的两篇论文，为信息、能量和其它“守恒量”（可以转换但绝不会消失的物理量）之间的关系指明了新的方向。其中一篇是 Bristol 的团队发表的，而另一篇则是由伦敦大学学院的 Jonathan Oppenheim 所在的团队发表的。两个团队都构想了一种量子系统，它将信息当成一种货币来跟其它更加物质化的资源进行交换。

想象一个装有粒子的巨大容器，里面的粒子同时具有能量和角动量，也就是说，它们一边四处游荡，一边发生自转。这个容器跟一个重物以及一个转盘相连接，重物需要消耗能量来提升,而转盘需要通过调节角动量来加快或减慢转动。一般来说，单靠这个容器不能做功，因为没有温差。但是研究者发现，对于包含多个守恒量的容器，情况有所不同。“如果存在两个分别守恒的物理量，比如能量和角动量” Popescu 说，“那么只要你有一个包含二者的大’泳池’，就可以用其中一个量来换取另外一个。”

在这个假想的重物-容器-转盘系统中，转盘减速时重物会被提升，等价地，放低重物会让转盘加速。研究者发现，描述粒子的能量和角动量状态的量子信息可以作为一种货币，它使得能量和角动量供给之间能够发生交换。量子系统中守恒量之间可以互相交换的概念是全新的。这或许暗示了我们需要一个更加完备的热力学理论，这个理论不仅能描述能量的流动，还能描述宇宙中所有守恒量之间的相互影响。

在三月中的某次电话会议中，Popescu 讨论了一个新的理想实验，它阐明了信息和其它守恒量之间的区别，并且指出自然中的对称性如何将它们分开。

假设你和 Popescu 生活在遥远星系中的不同行星上，他想告诉你向哪里看可以找到他的星球，但这在物理上是不可能的：“我可以告诉你哈姆雷特的故事。但是我没办法跟你说明一个方向。”

一段无方向、完全由0和1组成的字符串无法描述对方银河的方向，而这是因为“大自然并没有给我们提供一个普适的参照系。”Popescu 说。假如有的话——例如宇宙中的每个点都带有一个小箭头来指明该点的运动方向——这就会破坏宇宙的“转动不变性”。当转盘跟宇宙的转动方向一致时，转盘就会转得更快，角动量便不守恒了。20世纪早期，数学家 Emmy Noether（诺特）证明，每个对称性都会带来一条守恒定律：宇宙的转动对称性反映了角动量是守恒的。Popescu 认为这个**实验表明了用信息来解释空间方向是不可能的，这“或许和守恒定律有关，”他说。

我们似乎不能用信息来描述关于宇宙的一切，这和对自然的更基本描述的研究息息相关。近些年来，很多理论物理学家开始相信，时空和其中的物质、能量可能是纠缠的量子信息网络产生的全息图。“我们必须要小心，” Oppenheim 说，“因为信息表现得跟其它的物理属性，比如时空，截然不同。”

了解这些概念之间的逻辑联系也能帮助物理学家推断黑洞内部的性质。黑洞是一种神秘的物体，它具有温度和熵，并且会以某种方式辐射信息。“黑洞最重要的性质之一就是它的热力学，” Popescu 说，“但是因为黑洞非常复杂，大家现在讨论的黑洞热力学大多仍是传统热力学。我们正在发展一种全新的研究视角，新工具必定会被用于黑洞研究。”

量子机器：万物都是信息吗？

埃克塞特大学（University of Exeter）的量子信息科学家 Janet Anders 采用技术驱动的方法来理解量子热力学。“如果尺度变得越来越小，我们将进入尚未完全理解的领域，” Anders 说，“问题在于，我们需要知道关于这个领域的哪些东西？”

2012年，Anders构想并和同事共同组建了一个现在拥有300名成员的欧洲量子热力学研究网络。她希望大家能够一起努力，发现“主宰”量子引擎和制冷机的量子相变的规律。这些规律也许在将来的某天能驱动或冷却计算机，用于太阳能电池板、生物工程等领域。研究人员现在对量子引擎的功能有了更好的理解。在2015年，Raam Uzdin和耶路撒冷希伯来大学（Hebrew University of Jerusalem）的同事通过计算发现，量子引擎的性能比经典引擎更高。在能够从高低温物体间传递的能量中“提取”多少功的问题上，量子引擎的做功效率依然满足卡诺公式，但是它们有时可以更快，因此功率更高。

Popescu, Oppenheim, Renner 和他们的团队也在追求更加具体的发现。2017年3月，Oppenheim 和他的博士后研究员 Lluis Masanes 发表了一篇用量子信息理论导出热力学第三定律的论文。热力学第三定律指出，绝对零度是不可能到达的。这一直以来都令人困惑。Oppenheim 团队的新研究表明，阻止我们到达绝对零度的“冷却速度极限”来源于，从一个有限大小物体的组成粒子中抽取信息的速度极限。2017年二月发布在预印本上的一项研究指出，这个速度极限可能和量子制冷机的冷却能力有关。2015年，Oppenheim 及同事证明了，在量子尺度上，热力学第二定律会被一个更加完整的形式所替代。新定律对定义粒子物理态的概率分布如何演化做出了约束，这在量子引擎中同样适用。

随着量子热力学这一领域的快速发展，一系列的进展和发现接连出现。在一些传统的热力学家看来，形势一片混乱。来自德国奥格斯堡大学的 Peter Hänggi 直言不讳地批评说，信息的重要性被那些从事量子计算的人过分吹嘘了。他认为这些人错误地将宇宙当成一个巨大的量子信息处理器，而不是物理实体。他将此归咎于量子信息学家将不同种类的熵——热力学熵和信息理论的熵——搞混了，并且将后者用在它并不适用的地方。麦克斯韦妖“让我感到心烦，”Hänggi 说。当被问起 Oppenheim 的新版热力学第二“定律”时，他说：“你知道为什么我的血压要升高了吧。”

虽然 Hänggi 的批评看起来过于守旧了（量子信息学家确实在研究热力学熵和信息理论的熵之间的联系），但其他的热力学家认为他确实提出了一些可靠的论点。目前看来，当量子信息学家想象抽象的量子机器，并研究能否从中提取功的时候，他们有时会回避这样一个问题：在对量子系统进行测量的同时，我们会“摧毁”它的量子概率，这样一来，我们究竟该如何从量子系统中提取功？Anders 等人最近已经开始利用关于提取、存储量子功的新想法来处理这个问题。不过相关的理论研究并不少见。

“很多令人兴奋的事情被一起摆在台面上，这显得有些混乱；我们需要把它们理顺。”来自新加坡国立大学的量子信息学家、热力学家 Valerio Scarani 如是说。“我们需要对这些想法进行’整理’，理解它们分别适用于哪些领域。我们有八种功的定义，现在我们应该试着指出哪一个定义在哪一种情形下正确，而不仅仅是想出第九种定义。”

在忽视宇宙的物质性会存在风险这一点上，Oppenheim 和 Popescu 完全赞同Hänggi的观点。“我很警惕那些相信万物都是信息的理论家。”Oppenheim 说，“在蒸汽机被发明、热力学全面发展时，就曾有人假设宇宙是一个巨大的蒸汽机。”实际上，宇宙“比那要混乱得多。”而对于量子热力学，他表示，当能量遇上量子信息，一个优美的理论便诞生了。

撰文 Natalie Wolchover

翻译 张建东（中山大学）

审校&编辑 金庄维

原文链接： https://www.quantamagazine.org/the-quantum-thermodynamics-revolution-20170502

• 相关文章

战乱不断的利比亚，因为丰富的石油资源引来各国纷争。而在95%都被沙漠覆盖的领土上，却向世人展现了惊人的奇迹。

利比亚沙漠上，出现了一种世界上纯度最高的天然玻璃。这些精美的玻璃到底从何而来？人们花了半个多世纪才搞清楚这可能具有3000万年历史的神秘玻璃。

3000年前的古埃及法老就已经用这玻璃作为装饰，神话寓意与天空存在某种联系。而3000年后的今天，科学家发现，这古老的神秘玻璃似乎某种程度上应和了神话寓意？

**而这几乎广袤的沙漠中，竟然蕴藏着世界上最大量的淡水资源。**淡水和石油成为利比亚最宝贵的财富，石油引来纷争，淡水则带来生机。

逐渐被风蚀的利比亚沙漠

1932年，一位名叫帕特里克·克莱顿的英国探险家带领一支探险队，决心深入撒哈拉沙漠。广袤的沙漠深处可能出现任何危险，所以此前很少有人尝试走进。而吸引着克莱顿等人直闯腹地的，是寻宝的诱惑。他们听说在沙漠当中有一个绿洲城市，其中藏匿着丰富的宝藏。

然而探险队到头来也没找到这个只存在于传说中的绿洲城市，反而找到了一些特别的东西。**他们走到撒哈拉沙漠的东北部，也就是利比亚沙漠上，克莱顿发现沙漠上散落着一些黄绿色的“石块”。**它们晶莹剔透地呈现出玻璃质的样子，看上去十分名贵。

起初只是觉得玻璃新奇好看，于是克莱顿把它们收集了起来，带回欧洲。但凭借敏锐的地质学经验，克莱顿又不禁感到疑惑，荒芜的沙漠上怎么会出现如此精美的玻璃？

不过，他始终没能找到答案。只是在接下来的两年里，他多次往返撒哈拉沙漠和欧洲，收集了许多这样的玻璃样本。两年后，克莱顿精心把收集而来的玻璃封装在一个威士忌酒瓶里。和玻璃一起被放进酒瓶的，还有一张小纸条，上面记录了这些玻璃的采集记录。

这个装着利比亚沙漠玻璃的酒瓶一放就放了整整50年，直到1984年，一位意大利考古学家吉安卡洛·卡尼罗发现了这个瓶子。他同样惊叹于玻璃的精美和来源不明的神秘感，采集情况详尽的纸条让他萌生了一个大胆的想法。

一年后，卡尼罗组织了一支探险队重走克莱顿的道路。**他不是为了找寻克莱顿没找到的宝藏，而是专门寻找沙漠玻璃。**但是利比亚沙漠玻璃的来源之谜仍然没有解开，随之而来的发现，让这玻璃又蒙上了一层神秘而高贵的色彩。

1996年，意大利矿物学家文森佐·米歇尔在埃及博物馆中偶然发现了沙漠玻璃的踪迹。它不是单独成为展品，而是作为珍宝，暗藏在古埃及法老的项链里。

生活在公元前1300多年的第十八王朝法老，图坦卡蒙的项链上，有一颗被雕刻成圣甲虫的黄色玻璃。经检测发现，这圣甲虫就是利比亚沙漠玻璃制成的。

圣甲虫其实也就是通俗所说的屎壳郎，但它在古埃及可是一种崇高的象征符号，它象征了太阳。而法老项链的造型是一只飞向天空的圣甲虫，这似乎意味着天空与沙漠玻璃存在某种联系。难道早在3000多年前，前人就已经了解利比亚沙漠玻璃的来头？

埃及法老项链上正中间的圣甲虫，就是用利比亚沙漠玻璃制成的

在利比亚沙漠玻璃所出现的荒芜沙漠中，显然不会有人特意烧制玻璃，并洒落在几乎无人问津的地方。但如果这是天然玻璃，又是怎样形成的呢？

自然界中，通常天然玻璃的形成主要是几种情况：一种是火山玻璃，由火山岩浆喷发到水下或地表，快速冷却形成；一种是假玄武玻璃，通常是地震断层滑动时，摩擦热产生熔融作用的产物；一种是玻璃陨石，这是由巨大的地球外来物撞击地球，使地表的岩石熔融成液体，然后飞溅天空，当骤冷再次落回地面时形成了玻璃陨石；还有一种，是由陨石冲击变质作用产生的击变玻璃。

在玻璃发现点附近并没有活火山或休眠火山，距离地震带也不近，前两种情况不可能发生。于是科学家基本推论，它们的形成也许和陨石有关。

一块302克的利比亚沙漠玻璃

一种最盛行的解释为陨石撞击说，因为人们发现，玻璃中含有一种叫雷迪石的高压矿物，这种矿物只有在陨石撞击时才会形成。于是人们推想，造成利比亚沙漠玻璃形成的“元凶”可能是地球以外的陨石。陨石与地面撞击产生高温，将沙石等硅酸盐物质熔融，然后在天空中冷却成玻璃体落回地面。

但是这个解释也有一个漏洞，如果沙漠玻璃是由陨石撞击地球形成，那必然会在地表形成巨大的陨石坑。但是当时人们从来没有在附近发现过陨石坑，所以沙漠玻璃的形成原因始终是一个谜团。

直到近年，美国科学家才终于在埃及西部的沙漠，发现了一个巨大的陨石坑，科学家把它命名为“科比拉”。**根据分析推测，这是一个大约3000万年前，一颗120米宽的小行星撞击地球留下的陨石坑，估计当时引起了11000万吨级的爆炸。**而利比亚沙漠上的玻璃，极有可能是科比拉撞击的产物。

遭受天外陨石的袭击概率尚且不大，**利比亚沙漠玻璃甚至更加罕见地成为了世界上纯度最高的天然玻璃。**利比亚沙漠玻璃当中的二氧化硅纯度达到98%，而普通火山玻璃中的二氧化硅含量只占75%。

科比拉陨石坑

超高的纯度让沙漠玻璃具有更优越的性能，它的熔点更高、色泽干净通透。但沙漠玻璃中也存在一些细微的杂质，而这恰好是其价值所在。透明或半透明的玻璃中，有的会出现一些像白色糯米球一样的气泡，或黑色山水画一般的墨迹。

**这些杂质正是玻璃陨石的又一大证明。**分析得知，白色圆球其实是一种高于1550℃才能形成的石英。而黑色墨迹则含有铬、镍、铁、锰等元素，这些元素在陨石中也十分常见。

另外，它的尺寸最大超过25公斤，比起其他通常以小碎块存在的天然玻璃，具有更强的观赏性和更大的再加工余地。利比亚沙漠玻璃的这些特性，让它一举成为众人追捧的宝石，价值也不断攀升。如今，利比亚沙漠玻璃已经成为珍贵的珠宝或收藏品，它被誉为“黄金陨石”。

这片充满神秘色彩的利比亚沙漠，除了出土世界罕见的珍贵玻璃，竟然还蕴藏着巨量的淡水。难以想象，在95%的地区都被沙漠覆盖的利比亚，是如何同时兼具“世界最大的液态淡水资源”的名号。

利比亚更广为人知的资源是石油，上世纪50年代中期，在钻探石油的过程中，工程师意外发现地表之下不仅蕴藏着丰富的石油，竟然还潜藏着大量的地下淡水。遍布沙漠的利比亚，竟坐落在丰富的淡水之上。由海底沙子和泥土经过地质变化形成的沉积岩层，像海绵一样吸收着淡水，成为天然的储水海绵。

更惊人的是，这块巨大的“海绵”覆盖200万平方公里，**是世界上最大湖泊里海的五倍大。**分布面积广阔的“海绵”，储水能力自然也不弱，估计利比亚沙漠砂岩的淡水总储量有15万～37万里方千米，而里海也只有7.6万立方千米。

沙漠上历经风蚀的表面砂岩

沙漠怎么会盛产淡水？利比亚沙漠再次呈现出神秘的一面。而这看似完全不合常规的事实，其实也有着严密的科学依据。

大约6亿年前的寒武纪之前，撒哈拉沙漠地区一直是海洋。而作为古大陆的一部分，此后经历了两亿年的海底世界时期。那时，海底的沙子和海底泥形成厚厚的砂岩沉积层，也就是如今这块“海绵”的前身。

到了2.8亿年的石炭纪之后，如今的利比亚沙漠终于露出海面。但那时还不是沙漠，而是一片草原和森林。这会儿南美大陆和非洲大陆还连成一片，紧邻着亚马逊大平原的“撒哈拉沙漠”同样汲取着丰富的降水。

直到1.1亿年前，南美洲与非洲分离，失去了部分支撑的非洲板块遭遇中部下沉，“撒哈拉沙漠”再次浸入海洋。此后非洲大陆不断北移，才上演相似的历史，重新露出海面成为草原。到了大约250万年前，

曾经的海浸和草原状态并非毫无意义，**这段经历让撒哈拉沙漠东北部的利比亚沙漠，练就出储水量惊人的地下砂岩沉积层，并且默默撑成了个“大胖子”。**时至今日，它早已让世人震撼。

侏罗纪晚期，还紧密相连的各个大陆

虽然利比亚蕴藏巨量的淡水资源，但从古至今，利比亚面临最大的问题一直都是淡水问题。在利比亚，只有2%的土地能获得足够的降水而进行耕种。所以他们完全不能自给食物，近一半的粮食和畜牧产品都依赖于进口。

如此丰沛的淡水资源难道白白浪费？上世纪末，利比亚领导人卡扎菲发起了一项巨大的灌溉项目。政府计划打造一条3700多公里长的地下管道，将地下淡水从四个主要蓄水区运输到北部的人口中心。同时，水管贯穿成完整的管道脉络，让沿途的农民也能在田间使用。

而这项庞大的工程将计划为期26年完成，耗资约200亿美元。如果这个项目能够完工，这将成为世界第八大工程奇迹，而地下储存的淡水资源也足够让利比亚利用1000年。在这个缺水的国家，历史渊源承载着资源利用的希望。神秘的利比亚沙漠屡次出现让世人震惊奇迹，自然和天灾赋予这个地区最魔幻的色彩。而比自然馈赠更重要的，应该是如何凭借这些优势发展城市和国家。在此基础上发展起来的，才是真正属于人类的文明。

李雪丹. 揭秘 “黄金陨石”——利比亚沙漠玻璃陨石[J]. **国家天文, 2016 (5): 34-39.

Curtin University. Planetary scientists unravelmystery of Egyptian desert glass. Phys Org, 2019.05.15.

Aaron J. Cavosie. How we solved the mystery of Libyandesert glass. The Conversation, 2019.05.23.

Sarah A. Topol. Libya's Qaddafi taps 'fossil water' toirrigate desert farms. The Christian Science Monitor, 2010.08.23.

现在计算机系统的CPU和芯片组内核Die都是先封装到一个印制板上（PCB，printed circuit board），再通过LGA等等插槽（Socket）连上主板或直接焊接在主板上。这个过程叫做封装（Package），相关技术叫做封装技术。封装技术可以相对简单，如放置BIOS的SPI NOR闪存：

内部没有PCB的SPI Flash

也可以复杂一些，如14nm制程生产的南桥：

散热器盖头下的PCH,由一个die、PCB和一些电容等元器件组成

或者一般台式机的CPU：

均热片IHS下的CPU

也可以超级复杂，如结合了EMIB和Foveros的最新CPU封装技术：

关于这种封装技术可以参考我的这篇文章：

老狼：摩尔定律的新希望：Co-EMIB和ODI​zhuanlan.zhihu.com

不知道大家有没有想过，为什么CPU或者南桥Die不直接焊接在主板上？这层叫做Package Substrate的PCB板和主板有什么本质不同，它带来了哪些独特价值？现在主板都是多层板，那么这种高级PCB板是几层板呢？

今天我就带大家一起来看看这么做的原因，以及Package的电路板组成方式，并结合公开的Intel和台积电的资料，来看看它们的封装PCB的层次（Layer）？

为什么需要封装方式来连接芯片Die？

如果我们回首这几十年来芯片的密度的发展，它跟随摩尔定律，芯片晶体管密度已经提高了上万倍；但另外一边主板的布线密度却只提高了4倍，这个落差对两者的相容提出了巨大的挑战。具体来说就是芯片Silicon的接口Bump Pitch是~100um级别，而主板的Ball/Pin Pitch大于1000um，两者并不相容。那怎么办呢？

一个显而易见的方法是提高主板的布线密度，这有什么技术困难吗？出乎很多人意料的是，答案是没有。真正的阻碍原因不是技术而是成本。提高布线密度，和提高现有主板Ball Pitch会急剧提高主板单位面积设计和制造成本，这样做出来的主板，成本就不是近百元人民币，而是数千元，这种结果大家都不想看到。那么有没有办法只提高和芯片连接部分的设计和工艺，而让主板其余部分保持现有状态呢？遗憾的是，现有工艺并不支持。

如果我们将思路近一步向前延伸，能不能做个转换层，将高密度（density）通过它转换成低密度呢？Bingo，这就是封装层了。它可以看作是个翻译层，有了它，两种Density才能在成本最低的前提下，有效的连接起来。这是封装的主要原因，除此之外，还有其他好处：

1.它让芯片厂商的产品自包含性（self contain）提高了很多，为产业分工，生态Ecosystem的发展做出了极大贡献。这样主板才可以专注做自己擅长的主板和BIOS，只要符合芯片厂商的引脚规范，就可以兼容同代i3/i5/i7；在AMD这边，甚至可以跨代兼容。

读过我的这篇文章：

老狼：CPU制造的那些事之一：i7和i5其实是孪生兄弟！？​zhuanlan.zhihu.com

的有些读者有个误解。仿佛Intel某代产品只有一个产线，i3/i5/i7都是Fuse出来的结果。实际上复杂得多，每代CPU产线众多，不同大小的Die至少有七八种，有些i5是i7 Fuse出来的，有些事原生小Die，具体要开盖才能知道（效能并没有不同）。再加上有没有外配eDRAM和核显等，组合形式十分众多。而只要同代，它们都有一个共性，那就是引脚Pin兼容，这让主板可以兼容。**是谁做了无名英雄，隐藏了这些不同呢？**没错，就是Package。AMD那边更是为了做到跨代兼容，在Package设计上花费了巨大的力气，在收获了DIYer的众多赞赏的同时，也私下品尝了很多苦果，个中细节我们今后我们再讲。

2.让CPU晶体管密度可以在2.5D甚至3D上增长成为可能。这点本专栏已经有很多文章介绍了，此处不再赘述，有兴趣的同学请移步：

老狼：如何像搭积木一样构建CPU？Intel和AMD都是怎么做的？​zhuanlan.zhihu.com
老狼：摩尔定律的新希望：Co-EMIB和ODI​zhuanlan.zhihu.com
老狼：多核 CPU 和多个 CPU 有何区别？​zhuanlan.zhihu.com

封装板PCB技术介绍

看到这里相信同学们已经可以理解CPU Die下面那个绿色的电路板和普通主板PCB板没有本质不同，就是密度更大，成本更高而已。那么这层神秘的转化层是怎么组成的呢？它是几层板呢？先不要着急，我们先从它的Stackup技术看起。

最简单的Stackup是Type 1，只有1层板：

Type 1

稍微复杂一点的是Type 2，它是2层板：

Type 2：两层板

分成两层：Surface和Bottom，两层之间通过PTH（Plated Trough Hole）来传递信号。

更复杂的是多层板，也是就Type 3:

Type 3：这个是4层板

在顶层和底层直接，还有一层或者多层，这些层次叫做Core Layer。它们也通过PTH连接。

现在CPU和PCH是更复杂的Type 4：

CPU所用的Type 4

它和Type 3最主要的区别是在上层和底层为了兼容小Bump Pitch，而引入micro VIAS(uVia)。我们把上层和底层叫做Buildup层。它的命名规则叫做：

上层buildup + Core层 + 下层buildup

例图中上面和下面都有2个buildup层，有4个核心层，所以叫做2-4-2。

好了，我们来看两个例子。一个是Intel曾经的救世功臣，酷睿的先行者Yonah：

来源：IBBC

它就是2-4-2结构：

1.2个Face Buildup（BU）。包括1个surface层。名字里面带f，表示和Face BU有关。通过uVias和Die相连。

2.4个Core层。名字里面都带c。和Face相关叫fc, 和下层bottom相关，叫做bc。

3.2个Bottom BU。其中最下面连接Pin的是base层。

注意这个是rPGA，已经淘汰。

一个台积电的封装例子：

台积电给MTK代工的CPU

可以看出这款MTK为手机做的ARM CPU，采用6-2-6。为什么Core层这么少呢？这是PTH比较粗和厚，为了减小芯片厚度，要减少Core层次。Intel最近产的CPU甚至开始使用Coreless结构，为了给笔记本电脑超轻薄可谓费心费力。

结论

封装技术在成本最低的前提下，让低密度的主板和高密度的芯片可以相容，并提供了很高的灵活性。尽管有不少研究发现无封装（Packageless）有更好的特性[1]，但现在封装带来的其他好处是无法替代的，仍在不远的将来是市场的主流。现在的Coreless封装CPU采用6-0-1等结构，并结合EMIB等技术，为Chiplet的发展奠定了坚实的基础。下次你拿起CPU，看到那个绿色的电路板，请叫他一声：雷锋！

其他CPU硬件文章：

老狼：为什么CPU的频率止步于4G?我们触到频率天花板了吗？​zhuanlan.zhihu.com
老狼：CPU制造的那些事之一：i7和i5其实是孪生兄弟！？​zhuanlan.zhihu.com
老狼：CPU制造的那些事之二：Die的大小和良品率​zhuanlan.zhihu.com
老狼：为什么晶圆都是圆的不是方的？​zhuanlan.zhihu.com
老狼：为什么"电路"要铺满整个晶圆？​zhuanlan.zhihu.com
老狼：CPU能用多久？会不会因为老化而变慢？​zhuanlan.zhihu.com
老狼：为什么CPU越来越多地采用硅脂而不是焊锡散热？​zhuanlan.zhihu.com
老狼：为什么Intel CPU的Die越来越小了？​zhuanlan.zhihu.com
老狼：破茧化蝶，从Ring Bus到Mesh网络，CPU片内总线的进化之路​zhuanlan.zhihu.com
老狼：450mm的晶圆在哪里？​zhuanlan.zhihu.com
老狼：什么是TLB和PCID？为什么要有PCID？为什么Linux现在才开始使用它？​zhuanlan.zhihu.com
老狼：什么是Speculative Execution？为什么要有它？​zhuanlan.zhihu.com
老狼：为什么不把南桥集成进CPU？CPU和南桥芯片中什么资源最珍贵？​zhuanlan.zhihu.com
老狼：CPU底部的小块是干什么用的？为什么CPU这么多电源引脚？​zhuanlan.zhihu.com
老狼：TDP是CPU的功耗吗？TDP是固定不变的吗？​zhuanlan.zhihu.com
老狼：多核 CPU 和多个 CPU 有何区别？​zhuanlan.zhihu.com
老狼：Microcode是什么？它为什么能修正CPU硬件错误？​zhuanlan.zhihu.com
老狼：CPU闲着的时候还费电吗？CPU中的电源小闸门的省电小秘密​zhuanlan.zhihu.com

欢迎大家关注我的专栏和用微信扫描下方二维码加入微信公众号"UEFIBlog"，在那里有最新的文章。

用微信扫描二维码加入UEFIBlog公众号

参考

1. ^一篇Packageless文章 https://nanocad.ee.ucla.edu/wp-content/papercite-data/pdf/c100.pdf

在这样一个咖啡也无法拯救犯困的夏日午后, 看到知乎关于 “专栏” 功能更新的私信才惊觉: 蛤? 原来我还有个这么个专栏! 那么, 就让我来更新一下吧, 刚好上周报告了一篇颜色相关的文章. 突然, 都不怎么困了呢... 果然一切工作以外的事情都让人兴奋!

“如果没有视觉 我将如何理解颜色”

当我们每天睁开眼睛, 看到红色的花绿色的草橘黄的猫猫, 我们逐渐学习到每个物体的颜色属性. 但如果是失去视觉的人们, 他们无法通过视觉观察学习到物体的颜色属性, 但是他们可以通过语言来得知每个物体的颜色属性。那么，他们的大脑中会如何存储关于物体颜色的知识（图 1）吗? 以及, 和视觉正常的人们会有什么异同呢? 这就是今天要介绍的这篇论文的主题.

图 1 物体的颜色知识

关于物体颜色的主观评价

研究者招募了两组人员来参加实验, 一组是视觉障碍组 (先天性盲 / 出生不久后失去视力), 另一组是视觉正常发育组. 首先这两组参与者完成了一个 “物体颜色相似性” 任务, 比如说, 实验者需要评断苹果和橘子在颜色上的相似程度有多高 (1-7 分打分). 通过这种方法, 研究者收集到关于两组参与者关于 24 种蔬菜水果的颜色相似度评分, 并且为每个组建立了物体颜色空间（图 2），物体在颜色空间上的距离远近代表了两个物体在颜色上的相似程度。从图上我们可以看到这两个物体颜色空间是非常相似的，也就是说，虽然两组人群在获取关于物体颜色知识的方式不同，但他们主观上对于物体颜色属性的评价是比较一致的。

图 2 左边：视觉障碍组； 右边：正常发育组

大脑对物体颜色知识的编码

之后，两组参与者参加了核磁实验，在核磁扫描过程中，他们会听到语音播放的水果或蔬菜名称，他们需要判断该物体的颜色是不是红色的。这个任务的目的是为了找到大脑加工物体的颜色知识的区域。省略一系列复杂的数据分析，核磁实验的结果很清晰，找到了两个主要的脑区（图 3）：

1）左侧颞极（temporal pole），这个区域在两个组参与者大脑中均有发现，而该区域与抽象的概念知识加工有关。

2）左侧梭状回后部（posterior fusiform），这个区域只在正常发育组大脑中发现，而该区域与对颜色的视觉加工有关。

图 3 物体颜色知识的加工区域

结论：大脑对物体颜色知识的编码有两种形式

1）依赖于语言的编码方式，该编码不需要视觉经验的参与，因此在视觉障碍和正常发育组的大脑中均会发现这一编码方式，具体区域在颞叶前部；

2）依赖于视觉输入的编码方式，因此只在正常发育组的大脑中出现，区域为更靠后的后侧梭状回。

完 (一个洒脱的结尾）。

Ref

Xiaoying Wang, Weiwei Men, Jiahong Gao, Alfonso Caramazza, Yanchao Bi, Two Forms of Knowledge Representations in the Human Brain, Neuron, 2020,ISSN 0896-6273,Redirecting.

https://zhuanlan.zhihu.com/p/142039509

此文已被知乎日报收录：熬夜之后，大脑说：「情绪疯了」

文/ 审稿：

肾虚，有时是过度劳累之后......腰腿酸痛精神不振，好像身体被掏空。

**青年报对2001名18～40岁青年的一项调查显示：99.2%的受访青年有过熬夜经历，其中38.8的青年有时熬夜，35.4%的青年经常熬夜，很少熬夜和每天熬夜的分别为19.1%和5.8%，从不熬夜的青年仅占0.8%。

熬夜，已经越来越成为了当代人生活的真实写照。

肾透支了，肾宝片可以补起来，但熬夜之后，脑透支了的怎么补起来？

在回答这个问题之前，我们先来看以色列科学家做的一项研究：睡眠剥夺使情绪控制能力降低的神经机制。

**睡眠缺失（sleep loss）**被视为情绪反应的发生器，很容易导致焦虑增加、压力变大，长期缺觉甚至会从根本上削弱我们对情绪的控制能力。前额叶通过与边缘系统的神经联系来调控情绪调节过程，而情绪受损、失控往往与前额叶的联系减弱有关。已有的研究证据显示：睡眠剥夺后，杏仁核与前额叶中部的神经联系减弱，积极或消极的情感刺激都会导致边缘系统（特别是杏仁核）的活动增强，使情绪反应变得更加敏感。

但睡眠缺失通过什么样的机制来削弱情绪控制能力，是科学家想探究的问题。

为了搞清楚这个问题，科学家做了一个这样的实验设计。

第一步，科学家招募到18位年龄在23-32岁间的健康青年志愿者，其中女性10人，男性8人。实验开始前3天对志愿者的睡眠进行监控，确保他们睡眠节律正常。

第二步，对志愿者大脑进行fMRI（功能性核磁共振）扫描，随后进行了为期两天的实验。

实验包括睡眠剥夺和正常睡眠两个阶段。睡眠剥夺阶段，志愿者晚上10:30前进入实验室，在实验人员的陪同下进行睡眠剥夺，正常睡眠阶段，志愿者进行正常的睡眠，次日早上用EEG记录ssVEP任务中的脑电，随后用fMRI扫描记录情绪N-back任务中的核磁共振成像。测试阶段被试要同时完成两个任务：1.认知挑战任务2.中性/情绪干扰任务。

**a. 情绪N-Back组块：**每个组块开始前的4.5s说明任务为1-back还是2-back，随后快速呈现一个时长0.5s的消极或中性图像，此后呈现一个时长1.5s的星号图片，志愿者通过按键完成记忆认知测试任务。

**b. ssVEP测试任务：**每个测试持续9.7s，中间间隔1-3s，中心点先出现1s，随后闪点图以7.5Hz/s的频率出现2.9s，之后在闪点图后呈现一张积极、消极或中性图像5.8s。

实验结果显示：

ACC（前扣带皮质）与杏仁核的联系增强时，测试得分提高，快速眼动睡眠时长占总睡眠时长比例降低，说明足够的睡眠，特别是足够的REM睡眠，与良好的情绪控制能力显著相关，为睡眠中REM调节情绪过程提供了支持。一晚的睡眠剥夺会触发情绪障碍，导致主观的压力、焦虑增加，面对不确定刺激同情心也增强。慢性的睡眠剥夺会放大负面事件对情绪的破坏，损害认知对负面刺激的再评价。睡眠剥夺导致大脑对中性和负面干扰采取相似的处理过程，使我们无法准确地辨识自己的情绪。持续缺觉还会降低情绪反应的阈值，从根本上削弱人对情绪的控制能力。

回到文章开头的问题：熬夜之后，脑透支了的怎么补起来？

1. 熬夜之后大脑对中性和情感类刺激的鉴别能力直线降低，我们对自己情绪的识别能力也基本丧失殆尽，而前额叶对情绪的调节能力也有所减弱，要认识到：我们可能感知不到自己的情绪，甚至不知道自己在做什么。

2. 熬夜之后情绪发生的阈值降低，边缘系统（尤其是杏仁核）对刺激更为敏感，积极和消极的刺激都不例外，所以说找个安静的地方呆着是头等大事。

3. 其实我想说：你还是去睡觉吧，熬夜的危害只有睡眠能够补足，睡前洗个热水澡，你会睡得更好。

参考文献：Eti Ben Simon, Noga Oren, Haggai Sharon, Adi Kirschner, Noam Goldway, Hadas Okon-Singer, Rivi Tauman, Menton M. Deweese, Andreas Keil and Talma Hendler, Losing Neutrality: The Neural Basis of Impaired Emotional Control without Sleep.J Neurosci. 2015 Sep 23;35(38):13194-205. doi: 10.1523/JNEUROSCI.1314-15.2015.

我的其他文章，都在这里，等你来看喔。

母亲节｜母乳喂养，这些你需要知道。
喏，你要的爱情，来了。
挨饿的长征路上，大脑是如何挺过来的？

欢迎大家关注我们的其他平台：

微信公众号：脑人言（ibrain-talk）

新浪微博：脑人言 美女博士，等你来勾搭。

撰文丨CCecho（北京大学 研究生）

责编丨高茂森

排版丨王子铭

**作者语：**当你点开这篇推文时，或许你是个宗教史的爱好者，想一睹谁敢豪言拥有所罗门的智慧；又或者你是名心理学、动物行为学的研究者，好奇这名学者的故事。无论何故，愿下面这段话可以成为支持你看完本文的动力。

“当灰雁掠过水面消失在河湾处，我感到惊奇，开始质疑熟悉的事物，这就是哲学的诞生时刻。我们眼中最普通的日常事物突然有一天感觉变得不一样了，好像是我们第一次见到它们。严谨的科学家可以和自由自在的野生动物成为朋友，这时被上帝从伊甸园逐出后的人类，或许痛苦会稍微减轻了一点。”——康拉德·洛伦茨《所罗门王的指环》

人才辈出的奥地利

“20世纪的欧洲，神跑哪去了？”——派屈克‧奧雷尼克

20世纪初的欧洲，活跃着无数耀眼人物：西蒙·弗洛伊德（精神分析学派创始人）、弗兰兹·卡夫卡（《变形记》作者）、库尔特·哥德尔（不完备性定理提出者）、埃尔温·薛定谔（量子力学奠基者）。康拉德·扎卡赖斯·洛伦茨（Konrad Zacharias Lorenz）在这样的时代下于1903年11月在奥地利维也纳出生。他是家庭里的次子，其父阿道夫（Adolf Lorenz）是维也纳大学的医学教授，这导致洛伦茨自幼就被家庭期望能够从医。而年幼的洛伦茨表现出了对动物的热爱，不仅学会了圈养动物，还对动物的习性了如指掌。虽然1922年他在父亲的坚持下仍旧前往美国哥伦比亚大学就读医学专业，但也因此发现比较解剖学比古生物学更适用于解释生物的行为模式。获得医学博士学位后，洛伦茨选择继续攻读动物学博士，期间深受其导师德国鸟类学家O.海因罗思和 J.V.乌埃克斯库尔关于有机体在环境中行为模式观点的影响，坚决反对当时盛行的行为主义观点（认为生物的反应都是对外部刺激的响应），并在30年代初期建立了客观习性学学派。

图1-洛伦茨（左）与他的兄长

在1927－1935年期间，洛伦茨对鸟类的行为模式进行了大量研究（主要以鸦科为主，称为“寒鸦时期”）。于1935年出版的《鸟类的社会行为》一书中，总结了他对30多种鸟类行为比较的研究，包括了鸟类中复杂的社会关系行为以及诱发行为的条件。随后三年里，他又将目光放在鹅和鸭类身上（称为“鹅时期”），并于1937年出版了《鸟类世界的伙伴》一书，首次报告了印记（imprinting）现象，也就是教科书中常出现的“一个老男人背后跟着一群小鸭子” 的画面。洛伦茨认为动物天生就存在某些固定不变的行为类型，例如对出生后最早注意到的移动客体（会移动的物体，可以是有生命的人或者无生命的物件）发生跟随依附的行为。印记虽然属于一种学习，但它并不需要行为主义所说的强化作用或者反复的条件化（你可能不知道早期行为主义者们是多么“嚣张”的认为只需要给予适当刺激我们就可以把一个宝宝培养成任何模样的人ԅ(¯﹃¯ԅ)）。

图2-放鸭？！哦不，应该是放心不下“孩子”的老爸爸。

至此洛伦茨名声大噪，先后创办了德国动物心理学会（1936年）和马克思－普朗克行为生理研究所（1950年），被后人称为“动物行为学”之父。他一生醉心于动物行为，乃至退休后仍旧在奥地利的阿尔滕贝格（Altenberg）多瑙河畔进行动物行为的观测和研究。

带上指环的男人

“事实比任何贫瘠的想象都更出人意料。”——康拉德·洛伦茨

《圣经》中有句对大卫的儿子智慧之王所罗门的描述 “讲论飞禽走兽、昆虫水族”（《列王记·上》）。这句话被多数人所误解，认为是所罗门具有和鸟兽沟通的能力。不过现实中洛伦茨似乎就是这么一位精通动物“语言”的行家，让寒鸦相伴左右，让猎犬忠诚不二，让灰雁一生相随，或许他真的拥有所罗门的指环。动物并没有真正意义上的“语言”系统。洛伦茨认为社会性动物经过长期演化，具有了一套用特定动作和声音表达情感的符号体系，这一**继承于达尔文的物种起源理论。而我们（人类）也与其他动物相似，在种系和心理发生上具有连续性也就存在物种间的可比较性。虽然动物与人类的语言有着本质的区别，表现在人类的语言能力需要后天学习来获得，而动物在听到或看到同类的信号时则会以先天的方式进行回应。但是洛伦茨仍旧认为人类是可以理解动物的沟通和行为模式的。只有对完全自由状态下的动物进行观察，人类才能做到理解动物的沟通和行为模式。因为动物只有这种环境下才会充分地展示它们本性、行为以及它们多样的个性。囚笼束缚了动物的思维和身体，严格的实验程序限制了行为的各种可能性。研究者需要放下科学家的尊严，成为实验中滑稽的扮演者。在《所罗门的指环》一书中，洛伦茨提到为了验证叫声是否是导致刚刚孵化出来的小野鸭并不像灰雁那样亲近第一个见到的客体的原因。他极力模仿野鸭妈妈呼唤幼儿的声音，对着它们呱呱叫。你可以想象一个画面：在圣灵降临节，花园外站着一群人，脸色煞白看着一个长着胡子的肥胖男人，蹲在草坪上，一边走着8字形路线，还不停扭头往后看，一边呱呱叫，最主要的是小鸭子还被长草挡住了……

图3-“我斥责那些一厢情愿地臆测动物具有人类的特征的人，它们不仅仅是懒得去理解动物思维和行为与人类思维和行为之间有多么大的差别，而且想满足他们潜意识中被压抑的某些冲动，把把人类的特征投射给鸟兽。”

当然，我们必须要羡慕一下洛伦茨找到了一位愿意对他的“宠物”付出极高容忍度的妻子Margarethe Gebhardt。毕竟不是所有人都愿意让一只雌性僧帽猴在晚上把一个青铜床头灯搬到家里的鱼缸上方，当作破城槌去砸鱼缸的。虽然僧帽猴独自完成这种成就是值得嘉奖的，但是代价也太高了。

图4-洛伦茨和Gebhardt在院子中

除了日常和鸟兽接触外，洛伦茨还喜欢一个人盯着鱼缸好几个小时。一晚，在喂食珠宝鱼时，正巧鱼爸爸来接小鱼回家（珠宝鱼的习性）。正在它大嚼一节蚯蚓尾巴的时候，看到一只鱼宝宝从旁边游过去，不经意间把宝宝含到了满是食物的嘴里。天呐！它的嘴中有两个不同的东西，一个食物，一个是要到窝里去的。鱼爸爸嘴里鼓鼓的，待在那里不动了也不咀嚼。这可是头一次看到了鱼在思考问题！任何人几乎都可以感受到它的“心理活动”。最后鱼爸爸吐出了所有嘴里的东西，蚯蚓段和小鱼都沉到水底，鱼爸爸先饱餐了蚯蚓段后，把宝宝含在嘴里接回了家。洛伦茨觉得在这悠然自得的时光中从大自然真实事物里获得的领悟远胜于书本上的知识。虽然这些难以量化写成一篇可以发表的论文_(:з)∠)_……

图5-非洲珠宝鱼

在洛伦茨其他的作品中，你都不难发现这位有趣的老先生对动物行为的独到见解。《狗的家世》中对豺性犬和狼性犬的细致划分，揭示了不同犬类忠诚背后的差异。《灰雁的四季》结合147张彩色的照片如实描绘了灰雁的绽放一生。他相信一个人只要目睹了自然界中的美丽，他要么成为诗人，要么成为博物学家。当然如果他的视力足够不错，观察能力足够敏锐，可能会同时成为诗人和博物学家。

习性中窥视的人性

“有力者耻于伤人，有才者虚怀若谷。” ——《十四行诗》莎士比亚

当你看到两只兔子之间愤怒的对决，是否觉得又有趣又好笑呢？相反，当你看到两只狼的对决，估计是不会发出笑声的。但可爱的兔子真的比猛兽心软吗？洛伦茨认为，多数人都会习惯以不恰当的道德标准衡量肉食和食草动物。“邪恶”的猛兽往往被认为是谋杀者，但它们为了**生存而猎杀兔子时甚至比猎人猎杀兔子还正当一些。**洛伦茨发现那些天生具有致命武器的猛兽（如灰狼）相互之间都有“难以想象”的默契。它们比很多“无害”的素食动物要更加克制自己的攻击性，在同伴之间打斗中会注意减少带来的伤害，避免影响之后的捕食活动。相反在限定空间中打架的野兔则不会这样，鲜血淋漓在所难免。但具有大量致命武器的人似乎是一个例外，我们似乎缺少在斗争中遵守的“道德禁忌”，我们的人性在其中扮演了怎么的角色？

图6-哪怕在凶狠或老练的狼都不会对其他狼下死手

在《文明人类的八大罪》中，洛伦茨表达了自己对如今日渐罪恶的“人性”的不安。社会里的人们以喧闹的娱乐抑制内心的不安，逃避每一个独立思考和反省的机会。洛伦茨的导师海因洛特有一个见解：人类这个物种的内部竞争随着人口增多与资源的消耗开始日趋激烈，**金钱不再是一个工具，而是追逐的目标；时间被等同于某种价值，促使人们对“速度”盲目地追求。**对能够引起不快的事物愈加敏感，对所有引起快乐的刺激情景越来越迟钝。希望自己所有的愿望刚刚萌发便可以立即满足。而独处和反省会带给他们恐惧和丑恶的“自画像”，就像奥斯卡王尔德的《道林格雷的画像》中那样。但我们需要深刻反思，什么给人类带来的灵魂损伤更大，是盲目、失去理智的贪财还是折磨人的忙碌。

图7-1945年根据同名小说拍摄的电影《道林格雷的画像》，由赫德·哈特菲尔德所扮演的道林格雷正在观看自己腐败的画像

在这逐渐趋于一致化步调的生活中，洛伦茨认为到我们所有人都被迫改变自己的生活方式去配合制造商们的意志，去吞食他们所推荐的食物，去穿戴他们所推荐的衣服。最糟糕还是，我们已经被“条件化”了无法觉察到这正在发生的事情。《人性的退化》将这一观点更进一步，高度的专门化（指社会文化下人们的趋同思维）从长期来看对具体生物来讲总是危险的，它会导致已经发生的演化进入死胡同，更难承受适应对象的改变。就像读博的人，似乎越来越不会做其他的事情╮(╯▽╰)╭。各种文化中都丧失了其大部分独立性，洛伦茨担心人类的**会越来越趋同，年轻一代将再无信仰，无聊厌世。这现象已经影响到了科学领域，洛伦茨意识到研究内容越复杂，涉及面越广，公众的评价就越低。但科学研究的精确性与研究对象的复杂性无关，只取决于研究者的自我批判精神以及研究方法的纯度。如今对描述性科学的蔑视十分流行，是因为有些人近乎于信仰一般地否认知觉是科学认识的源泉。对于动物行为学家而言，吸引我们的是生物所体现出来的和谐。我们的目的也并不在于表达该形体的美，我们不会对真实的情形有丝毫的偏差。但如果忽略了表现真实中的美，我们所描述的也不完全符合真实情景了。

退化与优生学的“阴云”

“万物相形以生，众生互惠而成。” ——《浮士德》 歌德

对动物习性的了解使他更加清晰地看到人性的退化，但可能也是因为这个原因让他犯下了难以磨灭的错误——“参与纳粹”。1936年，一次关于动物本能的国际科学研讨会上，洛伦茨遇到了他的好朋友兼同事尼古拉·丁伯根（Nikolaas Tinbergen），他们一起对家养鹅和杂种鹅的习性进行了研究。洛伦茨意识到，许多家畜都存在某些特点，“进食和交媾的驱动力大大增强，而分化程度更高的社会本能减弱”。从这时开始洛伦茨开始怀疑并担心“类似的恶化过程可能在文明的人类中也起作用”。洛伦茨相信，人类城市化带来的驯化可能导致对人类不良影响的效应（非优生，dysgenic effects），并在两篇论文中论证纳粹的优生学政策在科学上是合理的[2]。1941年他应征加入德国国防军，被分配作为一个军事心理学家在被占领的波兹南（波兰城市）对人类进行种族研究。目的是验证“德－波混血”（German-Polish half-breeds）的生物学特征，以确定他们是否“受益于”与“纯正”德国人有相同的职业道德。洛伦茨后来描述说，他曾经看见波兹南附近传输集中营的囚犯，这使他“完全意识到纳粹的彻底不人道”。1944年他被派往俄罗斯前线作为军医，但很快成为苏联的战俘。在囚禁期间，他继续作为一名医生工作，当他被遣返时他被允许保留他一直在写的一份手稿和他的宠物欧椋鸟，这份手稿成为他1973年出版的《镜子背后》一书。

图8-1944年成为苏联战俘的洛伦茨

虽然洛伦茨在后来的工作与一些场合表示了自己对当时行为的懊悔，例如在诺贝尔颁奖典礼上，他谈及“想到类似的基因退化过程可能在文明的人类中起作用，我当时很害怕，现在我仍然很害怕。在德国人入侵奥地利后不久，屈于这种恐惧，做了一件非常不明智的事情:我写了关于驯化的危险，为了让人理解，我用纳粹最糟糕的术语来表达我的写作……”。但后续仍有诸多学者对洛伦兹当时的工作提出严厉批评。

图9-1973年诺奖颁布时洛伦茨谈及了参与纳粹的问题的原文内容[3]

来自诺贝尔奖的认可

“有一种生物，它天生对探索周边环境有着强烈的好奇，某一天它突然对自己也产生了好奇，于是它逐渐变成了人类。”

对曾有过如此“阴云”的洛伦茨颁发诺贝尔奖，可能并不是让我们忘却他的过错，而是希望对他确实做出的贡献表以肯定。1973年的诺贝尔生理与医学奖颇有纪念意义，该奖项首次颁发给纯粹行为性质的研究。长期以来，诺贝尔基金会一直对行为科学领域的奖项存在偏见，借此该奖项曾被威廉·冯特、西格蒙德·弗洛伊德和卡尔·荣格等人拒绝以表不满。但这次它颁发给了动物行为学领域中三位杰出的科学家：卡尔·冯·弗里斯（Karl von Frisch），康拉德·洛伦兹（Konrad Lorenz）和尼古拉·廷伯根（Nikolaas Tinbergen）。“for their discoveries concerning organization and elicitation of individual and social behaviour patterns”

洛伦茨因两项贡献而受到称赞，其中一项是他对水禽印记的研究；另一项贡献是他称之为“**固定的动作模式”（FAPs)**的理论，它由特定的“关键刺激”引发，并以机器人般的方式执行。这些信号刺激被认为作用于神经系统的特定位点，即先天释放机制，从而产生FAPs。洛伦茨对内源性神经活动的着重得益于他与埃里希·冯·霍尔斯特（Erich von Holst）的合作，这些基于行为观察的推测在生理学研究中得到了证实。另外两位得主是洛伦兹的好友尼古拉·廷伯根（Nikolaas Tinbergen）和卡尔·冯·弗里斯（Karl von Frisch）。前者主要是测量了关键刺激的强度和它们激发相应行为的能力以及动物的本能行为，而后者主要以研究蜜蜂的“语言”而闻名。

图10-1973年诺贝尔生理与医学奖的三位得主

在颁奖典礼上的致辞中，卡罗林斯卡医学院（Karolinska Institutet）的克朗霍姆医生（Börje Cronholm）发表了如下讲话：“你们是所罗门王的继承者，因为你们解码出动物之间传递的信息，也能够阐明它们的行为对我们的意义。你们能从纷繁复杂的动物行为中找到一般规律，这让我们时常相信，所罗门王的指环其实就在你们手中。但我们知道，你们是一直在以一种经验主义的方式工作，收集数据，并根据严格而快速的科学规则进行解释。”

English Version：“You have been the successors of king Solomon in the respect thatyou have been able to decode the information that animals pass to each other, and also to elucidate the meaning of their behavior to us. Your ability to find general rules underlying the confusing manifold of animal behavior makes us sometimes believe that king Solomon’s ring has in fact been available also to you. But we know that you have been working in an empirical way, collecting data and interpreting it according to hard and fast scientific rules.”[4]

图11-KAROLINSKA INSTITUTET的标志

尾语

寒鸦是这位先生一生中的挚友，它们忠实的遵守的祖先们的传统，不会轻易抛弃自己的家园。寒鸦夫妻之间表达的私语都是幼雏般的声音，只有在亲密的时候才会发出的声音。而我们人类表达爱意的方式显然也带着孩子气——你难道不曾注意到，为了表达爱意，我们创造出来的那些昵称几乎都是儿童化的。每当寒鸦的父母带着它们的幼雏飞行时，总会用力煽动翅膀制造出一股上升的气流引导它们的孩子飞行。或许正如洛伦茨所说：“如果我能发现一条路，在几代人过后，仍有我的同行在行走，我就太幸运了。如果我穷尽一生的努力，能够发现一股小小的“上升气流”，可以协助其他科学家飞得更高，看的更远，我也会对命运表示感激。”

**作者按：**蹲下来观察鸭子不难，难在你可否蹲一辈子。

图片来源：
封面：https://lenolaj.hu/2018/11/07/1903-november-7-en-szuletett-konrad-lorenz-osztrak-zoologus-ornitologus/
图1：https://www.wikiwand.com/en/Konrad_Lorenz#overviewLorenz/
图3：https://www.pinterest.com/pin/492299803016048998/
图4：http://klha.at/symposium2003/Symposium-Erinnerungen_an_Konrad_Lorenz.pdf
图5：http://album.udn.com/meatball2/photo/12043060?f_number=9http://album.udn.com/meatball2/photo/12043060?f_number=9
图6：https://www.reddit.com/r/natureismetal/comments/7vk19e/wolf_fight/ https://www.reddit.com/r/natureismetal/comments/7vk19e/wolf_fight/https://www.reddit.com/r/natureismetal/comments/7vk19e/wolf_fight/: https://www.reddit.com/r/natureismetal/comments/7vk19e/wolf_fight/
图7：https://en.wikipedia.org/wiki/The_Picture_of_Dorian_Gray
图8：https://www.wikiwand.com/en/Konrad_Lorenz#/overview
图10：https://www.nobelprize.org/prizes/medicine/1973/summary/
图11：https://www.nobelprize.org/prizes/medicine/1973/summary/

参考文献：
[1] Maya-Vetencourt, J. F., & Caleo, M. (2013). Experience-Dependent Plasticity in the Central Nervous System. In Neurosciences-From Molecule to Behavior: a university textbook (pp. 553-576). Springer Spektrum, Berlin, Heidelberg.
[2] Klopfer, Peter (1994). "Konrad Lorenz and the National Socialists: On the Politics of Ethology". International Journal of Comparative Psychology. 7 (4): 202–208.
[3] Dewsbury, D. A. (2003). The 1973 Nobel prize for physiology or medicine: recognition for behavioral science?. American Psychologist, 58(9), 747.
[4] Cronholm, B. (1973). The Nobel Prize in Physiology or Medicine: Presentation speech. Retrieved January 16, 2003, from http://www.nobel.se/medicine/laureates/1973/presentation-speech.html
[5] King Solomon's Ring (1949) (Er redete mit dem Vieh, den Vögeln und den Fischen, 1949)
[6] Man Meets Dog (1950) (So kam der Mensch auf den Hund, 1950)
[7] Civilized Man's Eight Deadly Sins (1974) (Die acht Todsünden der zivilisierten Menschheit, 1973)
[8] The Year of the Greylag Goose (1979) (Das Jahr der Graugans, 1979)
[9] The Waning of Humaneness (1987) (Der Abbau des Menschlichen, 1983)

推荐阅读

东华君：人类智力是对社会生活的适应，还是进化的副产品？​zhuanlan.zhihu.com
脑人言：我们与抑郁的距离​zhuanlan.zhihu.com
脑人言：行进指南：如何操控躯体这台机器​zhuanlan.zhihu.com

关于我们

脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和**的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。

撰文｜

责编｜Danny

长久以来，人类一直被认为是神创之子，在这个世界上有着超然的地位。而让我们自我感觉如此良好的最主要的原因，莫过于那无与伦比的智力。直到达尔文“进化论”的提出以及其后无数证据的出现，人们才认识到我们与这个星球上的其他物种同气连枝，是通过演化而形成的物种。很难想象，这是人类最近一百来年才意识到的事情！

时至今日，虽然当今大多数人都接受了“进化论”。但是，很大一部分人仍有一个重大的疑惑：既然我们和猴子、金鱼拥有共同祖先，为什么只有我们有高级智能，而他们没有？

“华莱士悖论”

这个问题一直困扰着很多人，甚至包括“进化论”的奠基人之一的华莱士（Alfred Russel Wallace）。华莱士在“进化论”提出之初便意识到这个问题。他发现许多土著人虽然在原始森林里过着与世隔绝的生活，却拥有着与欧洲人结构大小、性能几乎一致的大脑。这一点似乎与主张适应驱动物种演化的“进化论”不符：**生活在原始环境中的土著人根本就用不上可以读懂莎士比亚小说的大脑，那么，他们为什么会拥有远超他们环境需求的、性能过剩的大脑？**这被后人称为“华莱士悖论”。

这种想法其实很多朋友早已在无意中感受到。笔者中学学习古文、历史时经常感叹先秦诸子百家们实在是太有智慧了，如果他们穿越到现代世界，即便他们之前没有见过手机、电视，没有学过数理化生，应该也完全可以适应现代生活。在我们的潜意识中，两千年前古人的大脑与我们的并无差别，完全可以应付当今爆炸式发展的信息。

图1. 人类先祖的化石证据

后来更有一些证据表明，不仅是土著人，十几万年前的尼安德特人虽然生活在茹毛饮血的年代，但是他们大脑的结构与现代人几乎一致，甚至还拥有比我们更大的大脑。这进一步表明，人类在演化的早期阶段似乎便被赋予了超越环境需求的、性能过剩的大脑（详见前文《人类大脑演化的痕迹》）。

智能普遍存在于动物中

然而，当代神经科学的研究发现，智能并不是人类所特有的能力。我们平常所标榜自己“聪明”的一些认知能力，包括记忆、计划、合作、算术运算、欺诈和创造力等等都已经在动物身上发现了。

图 2. 万物有智

甚至有些动物在某些认知能力上的表现还要超过我们。比如，大家所熟知的，黑猩猩具备令人类汗颜的短时记忆能力（视频1）。并且，有些动物还演化出了类似于人类社会所常见的文化传统（详见前文《动物是否有文化？》）。甚至，一直被人们奉为人之所以为人的“自我意识”也很可能并不是人类所特有的能力。不少研究表明某些类人猿，比如黑猩猩，也很可能具备一定的“自我意识”。

不过需要强调的是，人类与其他动物的智能有一个很大的一个区别：我们的智能可能更灵活，能应付更多形式的信息。**而动物的某些单一超凡的“智力”，其实只是对特定环境适应的结果，并不是真正“放之四海而皆准”的智力。**比如，我们知道大象记忆水源的能力远超人类。但是，换一种情况，比如面对符号信息、抽象概念时，他们的记忆便可能会远逊于人类。

也就是说，很多智能并不是人类所特有的，地球上的其他动物也具备，我们只不过比他们的更高级一些罢了。但是智能的进化不止于此。在人类起源至今上百万年的时间长河里，人类祖先的生存环境与黑猩猩祖先相仿。按理说，只要拥有一个比黑猩猩稍微强一点的大脑便可以满足一个“野蛮人”有限的心智发展需求。但人类祖先最终却演化出了一个极其复杂的大脑，而且还产生了无与伦比的高级智能（简称“智力”）。杀鸡焉用宰牛刀，这似乎是一件说不通的事情。

智力源于对社会生活的适应？

那么，我们的智力到底是怎么来的呢？

当前比较流行的说法是，这是满足人类先祖日益增长的社交活动的结果：人类之所以演化出智力，乃是对集体生活的一种适应。我们在共同生活的过程中，个体需要与种族内的每个其他个体建立起某种长期的社交关系。我们祖先需要面对独居动物不需考虑的脑力挑战：认识自己族群里数目众多的成员、应付流动变化的关系纽带、处理冲突、控制或欺骗同胞等等。因此，负责处理认知、空间推理、语言与抽象思维的大脑新皮层便越来越发达，相应地，智力也越来越高（详见前文《如何拥有一个更大的脑子？》）。

图3.群居生活的人类先祖

当然，在这一过程中，最重要的很可能是语言。语言的产生对我们智力的产生和提升起到了非常重要的作用。以被认为是高级认知功能（通俗地说，智力）基石的工作记忆容量为例，正常人的工作记忆容量大约为4（《PNAS | 行为训练提升工作记忆容量的神经基础》），这一数字与人类注意力的瓶颈数值也非常的接近。研究表明，工作记忆容量的大小与我们对语言/文字的理解能力非常相关，工作记忆容量大的人阅读理解能力会更强。为什么会这样呢？因为，人类语言是由主语、谓语、宾语等不同成分组成的。如果要理解或者组织一句话，就需要同时记住句中的不同成分，并且要对这些信息进行同步处理。更毋需说因为语言的出现给人类合作、交流和思考等认知活动所带来的巨大便利。这表明，人类智力的发展很可能与语言的产生有较强关系（详见前文《我们大脑的“缓存”有多大？》）。

智力是进化的副产品？

另一个解释也很有意思：人类智力其实只是进化的副产品。

这一观点可以很好的解释“华莱士悖论”。为什么生活在原始环境中的人类祖先/古人会拥有远超他们环境需求的、性能过剩的大脑？因为这种多余的性能原本就不是进化的目的，只是“买一送一”的附赠品。

事实上，把我们的身体器官（本文指的是大脑）理解为一套为了适应人类起源时期某些特定环境的需求而发展出来的最优化的工具组合是一个错误的想法。因为，适应并不是推动生物演化的唯一动力。演化的过程其实环境对基因突变的筛选。其实，演化是没有方向的，各种好的坏的的基因突变都有发生。在生存压力的筛选下，有利于适应环境的突变的个体得以保留，不利的则被淘汰了。因此造成了“适者生存”的现象。我们知道单个遗传基因的突变往往会导致多种表型的改变，而不是单个。因此，并不是所有被保留下来的性状改变都是有利于适应环境的，有时候会是一些“买一送一”的附赠品。并且，中性学说还认为，甚至许多突变对于自然选择来说也是中性（只要不是有害的，便不一定会被筛选掉）的，不一定是适应环境的结果。

不但基因有这一特性，我们的大脑本身的结构也是如此。我们的大脑皮层大致分为两大类，一类是感觉/运动皮层，另一类是联合皮层。前一类中，如视觉、运动皮层通常负责较为单一的任务；后一类里，如前额叶、后顶叶皮层则具备“多模态”性，即能够处理多种复杂信息。这也是坊间各种所谓**“超级大脑训练术”**的理论基础。举例来说，假如（注意，这里是假如！），打麻将和考试能力都由前额叶的某一个区域（及相关神经环路）专门控制的话，那么我们只要每天勤加学习打麻将技能，便可以提升该脑区/环路的能力，进而提升我们的考试成绩！

图4. 阅读相关的几个脑区

这种一个基因/脑区控制多种表型/认知功能的现象很可能也影响着我们大脑的演化和智力的形成。一个典型的例子便是阅读相关脑区的出现（详见前文《猴子黑猩猩都有声带，为什么不能教它们说人话？》）。人类系统的文字是最近两三千年才产生的，我们的大脑绝对不可能在如此短的时间内专门“进化”出一整套完善的文字处理系统。很显然，人类的大脑在人类发明文字之前便早已“预装”了一套文字处理系统。

那这是不是说，“进化论”是错的，人类其实是被设计的。其实不然，这正是大脑重要特征之一的可塑性的体现。这种现象的产生，有可能是，很久之前某个基因突变在产生某个适应环境变化的同时，也导致了某些大脑结构的改变，并且碰巧引起了一个副作用：导致了智力的产生/提升；也有可能的是，对应的大脑区域（比如，位于前额叶的Broca区）之前因为处理别的信息（比如其他的声音信息）而得到重大的提升，等语言/文字出现后，由于这些区域位于特殊的网络结构中，正好可以很好的来管理这一个新的功能。

简而言之，虽然我们大脑和其他动物一样都是经过长期的时间进化而来的，人类所拥有的绝大多数智能也在动物身上有发现。但不知何种原因，我们的大脑竟然神奇的在演化长河中取得了重大突破，产生了无与伦比的智力。未知的秘密还有很多，期待能看到更多的证据被揭示。

图片来源:

封面图片
https://slideplayer.com/slide/6056069/
图1. 来源于美国国家自然历史博物馆
图2. 收集于网络
图3.https://i.pinimg.com
图4. 来源见图片

推荐阅读:

人的大脑有多大？

动物是否有文化？

PNAS | 行为训练提升工作记忆容量的神经基础

猴子黑猩猩都有声带，为什么不能教它们说人话？

如何拥有一个更大的脑子？

人类大脑有哪些天生缺陷？：https://www.zhihu.com/question/32767604/answer/178098239

关于我们：

脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和**的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。

首先，我们来看看两者的定义：

我们定义短时记忆时，是将其与感觉记忆和长时记忆一同介绍的。三者纯粹是从信息保存时间的长短进行区分的。**短时记忆指的是那些能够维持几秒至几分钟的记忆。**换言之，在这个范围内的记忆就可以被认定为短时记忆。

而工作记忆指的是个体在执行认知任务中, 对信息暂时储存与操作的能力（图 1）。工作记忆就犹如一个 “思维的黑板”，能提供一个界面，我们可以在之上暂时放置信息，使其 “浮现在脑海”。然后我们可以通过一些处理，将这些信息与其他信息联系或转换为新的信息。例如，工作记忆允许我们记住电话号码、完成心算和计划接下来的事情。这些过程通常都在秒级的时间内完成。

图 1. 工作记忆的定义 （详见：我们大脑的 “缓存” 有多大？）

然后，再比较两者的同与不同：

从两者的定义，我们就可以看出，短时记忆强调的是记忆维持的时间，工作记忆强调的是信息的存储和操作。这也是两者之间的主要区别。但是除此之外，还有一些其他的区别。

**第一，从信息维持的时间和容量而言：**短时记忆指的是那些能够维持几秒至几分钟的记忆，而工作记忆的维持时间正好位于这个区间。如果仅从对信息的存储时间这一角度考虑，可以说，工作记忆只是一种特殊的短时记忆。

**第二，从记忆机能而言：**工作记忆所维持的信息是服务于随后的认知活动的，并且基于这种存储基础上的处理与加工是这些认知活动的前提条件。举一个例子，比如说心算中的记忆就是一种工作记忆。而短时记忆的机能仅仅是起到对信息的存储作用，其存储的信息不一定会被下一步认知活动所运用到（图 2）。比如，我们奔跑在乡间的小路上时，不经意间记住的野花的颜色。如果仅从对信息的存储这一角度考虑，工作记忆与短时记忆是相通的，但是在机能方面工作记忆比短时记忆，多了一个对信息的加工功能。

图 2. 心算过程中，对 7-11=-4 和 - 4÷8=-0.5 的记忆为工作记忆。我们不经意间也会记住图中阿拉伯数字的颜色，这是一种普通的短时记忆。

**第三，从组成成分而言：**与短时记忆只具备存储功能不同的是，工作记忆到底包括哪些组成成分一直存在着巨大的争议（具体请参见：工作记忆的理论模型）。因此工作记忆系统与短时记忆系统的组成成分之间的关系，也一直都是人们争论的话题。但是，在心理学领域，大体的说，大部分人都主张工作记忆系统包含短时记忆系统。他们认为工作记忆系统是由 “短时记忆” 和 “控制加工系统” 两个部分构成的（部分人因此认为短时记忆是工作记忆的子系统）。以 Baddeley 等人的多成分模型为例，**执行系统就是 “控制加工系统”，而语音回路、视空间模板和情景缓冲区就是 “短时记忆”（图 3）。

图 3. Baddeley 的四成分工作记忆模型[1]

但是，也有一些人在试图修正短时记忆的定义。他们认为，短时记忆的存储仅仅靠 “短时记忆存储库” 这一个单一的功能是无法实现的。要想实现短时记忆的机能，“控制加工系统” 也是不可缺少的重要部分[2]。从这个观点出发 “工作记忆” 与 “短时记忆” 在组成结构上并没有大的差别，都是由 “短时记忆” 和 “控制加工系统” 所构成的。但是 “工作记忆” 与 “短时记忆” 在组成结构的差别上就在于工作方式上的不同，“控制加工系统”比 “短时记忆” 更依赖于 “控制加工系统”，并且这种“控制加工系统” 不仅仅是一种保持机能，在此基础上为了更好的支持认知活动中记忆，还担当着更加复杂的任务。

**第四，从信息的形式而言：**工作记忆所涉及的信息包括脑内存储的记忆（长时记忆）和外界输入的感官刺激。这一点上，短时记忆和工作记忆其实没有什么不同。但是，工作记忆是服务于语言理解、推理和计划等认知能力的[3]。工作记忆中存储的信息常是可以通过有意识的过程而接触（或访问）的知识，类似陈述性记忆（比如，情景记忆）[4]。而短时记忆，似乎也包括一些我们无法通过有意识的过程而接触的知识，类似于非陈述性记忆（比如，技巧和习惯）。

**第五，从信息的去向而言：**我们将工作记忆比喻成 “思维的黑板”，是因为其中维持的信息在被使用之后，通常就会被 “擦除”。例如，图 2 中的心算结束后，我们只记得 “（7-11）÷8=-0.5”，而 “7-11=-4” 则会从我们的记忆中消失。而短时记忆中的信息却不一样，其中的很多信息会进一步被转化成长时记忆。

但是值得注意的是，当前学术界关于这两个概念还没有特别确定的定义，因此两者之间的关系还存在一些争议。但是大体而言，目前的主流观点认为工作记忆是短时记忆一种特殊形式：“工作记忆”=“短时记忆”+“控制加工系统”。

参考文献：

1. Baddeley, A., Working memory: looking back and looking forward. Nat Rev Neurosci, 2003. 4(10): p. 829-39.

2. Aben, B., S. Stapert, and A. Blokland, About the distinction between working memory and short-term memory. Frontiers in psychology, 2012. 3: p. 301.

3. Baddeley, A., Working memory. Science, 1992. 255(5044): p. 556-559.

4. Engle, R.W., et al., Working memory, short-term memory, and general fluid intelligence: a latent-variable approach. J Exp Psychol Gen, 1999. 128(3): p. 309-31.

欢迎大家关注本人相关文章：

我们大脑的 “缓存” 有多大？

工作记忆的理论模型

工作记忆与短时记忆的区别

也欢迎阅读我的其他专题文章：

东华君的知乎《文章目录》

https://www.zhihu.com/question/24681056

撰文丨吱吱之 （东南大学 博士生）
编辑丨周晴
排版丨小箱子

冥想对我们来说一直是一个带有神秘色彩的词语，因为它往往与宗教联系在一起。事实上，冥想正渐渐褪去神秘的外衣，在世界各地的众多领域中悄然流行起来。飞速发展的科技、经济压力和紧张的社交关系，使人们非常容易陷入焦虑和失眠等问题的困扰，而冥想被认为可以提升记忆力，减轻压力、焦虑等负面情绪并且可以增强创造力，因此越来越受到各界人士的欢迎。从史蒂夫·乔布斯（Steve Jobs）、马克·扎克伯格（Mark Zuckerberg）到马云、张朝阳，国内外的大佬们据说都有练习冥想的习惯。那么冥想到底是如何改变大脑并增强认知能力的呢？它是否真的如传言中那么神奇呢？

▲《生活大爆炸》里 Sheldon因为要公开演讲非常紧张，他的印度朋友Rajesh便教他冥想，用来缓解焦虑

冥想对思维方式的影响

卡内基梅隆大学生物医学工程系主任贺斌教授对于长期进行冥想修行的藏传佛教僧侣非常感兴趣。因此他和课题组的博士后江海腾博士共同带领研究团队来到西藏深入藏区，在当地人的帮助下从琼科寺和嘉曲寺招募了60名男性僧侣。这些僧侣普遍有5-35年的冥想经验，每天至少冥想两小时[10]。将僧侣的脑电、心电结果和25名非冥想的当地男性志愿者进行对比，发现长期的冥想练习会降低默认模式网络的活动，而默认模式网络在人保持清醒安静，不专注于外界的状态时会激活，这就意味着冥想者能够更好的利用大脑资源，而且冥想修习时间越长，大脑的自我调节能力就越好。

▲ 藏传佛教僧侣进行双目竞争实验[2]

威斯康辛大学的Richard Davidson教授以情感和大脑研究方面的开创性工作而闻名，他热衷于研究藏传佛教的冥想方式。Richard Davidson的研究团队招募了8名有15-40年冥想经验的僧侣和10名非冥想的健康成年人参加这项研究[1]。采集了冥想期大脑皮层256个通道的脑电信号。

▲Richard Davidson教授和藏传佛教僧侣 （图片出处: https://www.richardjdavidson.com/）

结果表明，有长期冥想经验的僧侣相比于非冥想的人，在冥想期间能够诱发出更高的Gamma振荡和相位同步。以往的研究表明，相位同步（尤其是高频Gamma振荡的相位同步）与心理认知过程中的注意力，工作记忆，学习或有意识的感知相关。这种同步也被认为在认知和情感功能的瞬态网络结构中起到重要作用，可以诱导突触变化。

▲ 左侧为非冥想的健康成年人，右侧为长期冥想者[1]

Richard Davidson教授和同是威斯康辛大学的Antoine Lutz教授合作的研究发现，经常冥想的人相比于无冥想经验的人更富有同情心和同理心，当长期冥想者听到痛苦的声音时，在颞顶接合处的激活水平比非冥想的人更高[6]。

冥想如何改变大脑结构？

哈佛大学神经科学家Sara Lazar随机选择了一批非冥想者进行冥想练习实验。其中一半参加了冥想课程并定期进行冥想练习，另一半则没有进行冥想练习。八周后，冥想组与非冥想组显示出了大脑结构上的差异，表现在参加实验前和结束后记录的功能磁共振（fMRI）脑图中[9]。

不少研究者通过实验也都得到了类似的结果，验证了这些大脑结构上的差异。这些大脑结构上的改变可能是影响思维方式的重要因素。

►冥想增大海马体积，降低大脑中的应激皮质醇

海马体是人类负责记忆的重要区域，当人承受过高的精神压力时，大脑会产生过量的皮质醇并淹没海马体，导致无法快速准确的存储和调用记忆。Sara Lazar的研究表明冥想组的海马体体积增大[11]。加州大学戴维斯分校的研究人员也在研究中发现冥想几周后大脑中皮质醇显著降低。

► 冥想者内侧前额叶皮层增强，杏仁核缩小

Sara Lazar的研究中还发现了冥想组的内侧前额叶皮层增厚以及杏仁核缩小的趋势[8]。内侧前额叶与人体的认知功能相关，皮层增厚意味着部分认知能力的提升；而杏仁核是大脑中焦虑，恐惧和压力等负面情绪产生的场所，在禅修者的大脑中杏仁核较小，说明其面对同样的外部环境所感受到的消极情绪越少。

► 顶叶和后扣带皮层增厚

今年发表于Nature子刊的一项研究中，Sara Lazar等人招募了14名非冥想的大学生，参加为期40天的冥想训练课程并记录了功能磁共振（fMRI）脑图。结果表明冥想训练后大脑的左上顶叶皮层和后扣带皮质增厚[7]。左侧顶叶在以往的研究中通常被认为与注意力功能相关，结构上的改变也伴随着抑郁和焦虑量表评分的降低。

▲ 冥想对大脑结构的改变（图片出处 http://www.livingflow.net/meditation-strengthens-willpower/）

以上研究结果不仅表明冥想会影响大脑结构，也从侧面验证了大脑神经可塑性的新兴观点。传统观点认为，大脑在成人的整个生命中都保持稳定，直到老年时，大脑会以规律的速度收缩。神经可塑性是指神经元具有重新生成新的连接的能力。近年来的研究结果证明，我们的**和情感可以改变大脑的结构，冥想、学习、抑郁等也可导致大脑结构发生改变。结构的改变不仅会导致大脑皮层的灰质不断增厚，还会重新定义大脑的某些工作方式。正如亚利桑那大学心理学系的Mario Beauregard教授所指出的”神经可塑性也引发了神经科学”的基本假设，他在《Brain Wars》 （Harper Collins，2012年）一书中提出，**和意识远远超过了大脑中神经细胞的活动。

冥想对于我们身体的潜在益处

随着人们对于冥想的了解不断深入，它被广泛地应用于各类疾病的预防和治疗中[4]。研究表明，经过4天的正念冥想练习后，在疼痛刺激时进行冥想可将疼痛不适感降低57％，疼痛强度等级降低40％[5]。由于冥想能够有效抑制焦虑和抑郁等负面情绪的产生，冥想也被用作癌症的辅助治疗[4]。有研究人员发现冥想能够减缓阿尔兹海默病人认知能力的下降[3]。诸如此类的应用多不胜数，冥想正在潜移默化的进入到生活、医疗和教育等领域。

那么到底何为冥想？禅修、打坐和冥想有什么区别呢？

读到这里，大家一定对冥想充满了好奇，冥想究竟是怎样的呢？

冥想（meditation）是一种非常古老的精神训练方法，几千年来一直流行于世界各地的不同文化之中。在我们的潜意识认知中，冥想往往和宗教联系在一起，例如禅修、打坐、内观、祈祷等等带有宗教色彩的名词。但是在这里必须明确一点，冥想本身与宗教信仰无关，而不同的宗教都很一致的选择了这样一种修行方式。长期的冥想练习可以帮助我们提升注意力、记忆力、心理调节能力，增加我们对于外物的同理心和同情心，让我们能够更加合理的利用大脑资源。

维基百科对冥想的定义是：心性锻炼法，在瑜伽里经常出现，佛教道教称之为打坐，佛教中也称为坐禅。说明冥想是一种实现内在平静和谐的训练，也是一种新兴的具有科学依据的减压方式。

当我们想要尝试进行冥想练习的时候，网络上各式各样的冥想教程往往使得我们无从下手。目前主要流行的六种冥想类型为：正念冥想、精神冥想、专注冥想、运动冥想、咒语冥想和先验冥想。尽管冥想的方式没有对错之分，但找到符合自己的需求并适合自己个性的做法很重要。如果想要练习冥想，需要找到正确的指导和练习方法。

参考文献：
[1] Lutz A, Greischar L L, Rawlings N B, et al. Long-term meditators self-induce high-amplitude gamma synchrony during mental practice[J]. Proceedings of the national Academy of Sciences, 2004, 101(46): 16369-16373.
[2] Carter O L, Presti D E, Callistemon C, et al. Meditation alters perceptual rivalry in Tibetan Buddhist monks[J]. Current Biology, 2005, 15(11): R412-R413.
[3] Innes K E, Selfe T K. Meditation as a therapeutic intervention for adults at risk for Alzheimer’s disease–potential benefits and underlying mechanisms[J]. Frontiers in psychiatry, 2014, 5: 40.
[4] Tacón A M, McComb J, Caldera Y, et al. Mindfulness meditation, anxiety reduction, and heart disease: a pilot study[J]. Family & community health, 2003, 26(1): 25-33.
[5] Zeidan F, Martucci K T, Kraft R A, et al. Brain mechanisms supporting the modulation of pain by mindfulness meditation[J]. Journal of Neuroscience, 2011, 31(14): 5540-5548.
[6] Lutz A, Brefczynski-Lewis J, Johnstone T, et al. Regulation of the neural circuitry of emotion by compassion meditation: effects of meditative expertise[J]. PloS one, 2008, 3(3): e1897.
[7] Ferrarelli F, Smith R, Dentico D, et al. Experienced mindfulness meditators exhibit higher parietal-occipital EEG gamma activity during NREM sleep[J]. PLoS One, 2013, 8(8): e73417.
[8] Luders E, Toga A W, Lepore N, et al. The underlying anatomical correlates of long-term meditation: larger hippocampal and frontal volumes of gray matter[J]. Neuroimage, 2009, 45(3): 672-678.
[9] Yang C C, Barrós-Loscertales A, Li M, et al. Alterations in brain structure and amplitude of low-frequency after 8 weeks of mindfulness meditation training in meditation-naïve subjects[J]. Scientific reports, 2019, 9(1): 1-10.
[10] Jiang H, He B, Guo X, et al. Brain–Heart Interactions Underlying Traditional Tibetan Buddhist Meditation[J]. Cerebral Cortex, 2019.
[11] Greenberg J, Romero V L, Elkin-Frankston S, et al. Reduced interference in working memory following mindfulness training is associated with increases in hippocampal volume[J]. Brain imaging and behavior, 2019, 13(2): 366-376.

往期精彩

抑郁症诊断所面临的困境​mp.weixin.qq.com
脑人言：神经科学与艺术的融合——脑波音乐​zhuanlan.zhihu.com
脑人言：对话 | 韦新、高之琳：“紧箍咒”还是“未来已来”？头环脑电技术解密​zhuanlan.zhihu.com

关于我们


脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和**的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。

深度学习正遍地开花，但它可能并非人工智能的终极方案。无论是学术界还是产业界，都在思考人工智能的下一步发展路径：类脑计算已悄然成为备受关注的“种子选手”之一。

12月16日至17日，由北京未来芯片技术高精尖创新中心及清华大学微电子学研究所联合主办的“北京高精尖论坛暨2019未来芯片论坛”在清华大学举行，这次论坛上，类脑计算成为多位权威专家热议的人工智能研究方向。

人工智能浪潮下的洋流

类脑计算又被称为神经形态计算（Neuromorphic Computing）。它不仅是学术会议关注的新热点，产业界也在探索之中。

11月中旬，英特尔官网宣布了一则消息：埃森哲、空中客车、通用电气和日立公司加入英特尔神经形态研究共同体（INRC），该共同体目前已拥有超过75个成员机构。

如果说，当下人工智能发展浪潮正波涛汹涌的话，类脑计算就是浪潮之下的洋流。虽不太引人注意，未来却有可能改变人工智能发展趋势。

原因之一是，深度学习虽在语音识别、图像识别、自然语言理解等领域取得很大突破，并被广泛应用，但它需要大量的算力支撑，功耗也很高。

“我们希望智能驾驶汽车的驾驶水平像司机一样，但现在显然还达不到。因为它对信息的智能判断和分析不够，功耗也非常高。”清华大学微纳电子系教授吴华强告诉科技日报记者，人工智能算法训练中心在执行任务时动辄消耗电量几万瓦甚至几十万瓦，而人的大脑耗能却仅相当于20瓦左右。

北京大学计算机科学技术系教授黄铁军也举了一个生动的例子：市场上应用深度学习技术的智能无人机已经十分灵巧，但从智能程度上看，却与一只苍蝇或蜻蜓相差甚远，尽管体积和功耗比后者高很多。

追求模拟大脑的功能

到底什么是类脑计算，它又凭什么赢得学术界和产业界的宠爱？

“类脑计算从结构上追求设计出像生物神经网络那样的系统，从功能上追求模拟大脑的功能，从性能上追求大幅度超越生物大脑，也称神经形态计算。”黄铁军接受科技日报记者采访时说。

类脑计算试图模拟生物神经网络的结构和信息加工过程。它在软件层面的尝试之一是脉冲神经网络（SNN）。

现在深度学习一般通过卷积神经网络（CNN）或递归神经网络（RNN）来实现。“CNN和RNN都属于人工神经网络，其中的人工神经元，至今仍在使用上世纪40年代时的模型。”黄铁军说，虽然现在设计出的人工神经网络越来越大，也越来越复杂，但从根本上讲，其神经元模型没有太大改进。

另一方面，在深度学习人工神经网络中，神经元之间的连接被称为权值。它们是人工神经网络的关键要素。

而在脉冲神经网络中，神经元之间却是神经脉冲，信息的表达和处理通过神经脉冲发送来实现。就像我们的大脑中，有大量神经脉冲在传递和流转。

黄铁军告诉记者，由于神经脉冲在不停地传递和流转，脉冲神经网络在表达和处理信息时，比深度学习的时间性更突出，更加适合进行高效的时空信息处理。

推广应用可能不需太久

也有人从硬件层面去实现类脑计算，比如神经形态芯片。

2019年7月，英特尔发布消息称，其神经形态研究芯片Loihi执行专用任务的速度可比普通CPU快1000倍，效率高10000倍。

“在对信息的编码、传输和处理方面，我们希望从大脑机制中获得启发，将这些想法应用到芯片技术上，让芯片的处理速度更快、水平更高、功耗更低。”吴华强也在进行神经形态芯片相关研究，他告诉科技日报记者。

吴华强介绍，在传统的冯·诺依曼架构中，信息的处理和存储是分开的，而人的大脑在处理信息时，存储和处理是融为一体的。

“所以我们在尝试研发存算一体化的芯片，希望通过避免芯片内部不停地搬运数据，来大幅提高芯片的能效比。”吴华强说，他的团队现在也已研发出存算一体的样品芯片。

谈到类脑计算的进展，黄铁军告诉记者，目前类脑计算仍在摸索阶段，还缺乏典型的成功应用。但商业公司已经嗅到味道，相关技术获得规模性应用可能不需要太长时间。

“现在的神经形态计算还比较初步，它的发展水平跟现有主流人工智能算法相比，还存在一定差距。”中科院自动化所研究员张兆翔接受科技日报记者采访时认为，但作为一种新的探索方式，应该继续坚持，因为它可能就是未来人工智能技术发展的重要突破口。

eLife 阿尔兹海默症新突破，发现症状前分子标记

阿尔茨海默氏病（AD）是导致进行性认知功能减退的最普遍的神经退行性疾病。尽管进行了数十年的研究，但在分子水平上，尤其是在早期阶段，了解和诊断AD仍很困难。

最近马普所研究人员发现了几种AD的症状前标记物。研究人员用PSEN1 M146V, APPSwe, MAPT (tau) P301L三种基因突变的AD模型老鼠（3×Tg-AD mice）进行蛋白质组学研究。利用定量质谱法在与AD疾病发展阶段相对应的四个时间点分别对3×Tg-AD老鼠和对照组老鼠脑内蛋白组进行研究，最终发现heme-binding protein-1 (Hebp1)在3×Tg-AD老鼠中有着显著升高，并且在患快速进行性AD的患者脑中同样显著升高。Hebp1在神经元中与线粒体外膜的线粒体接触位点复合体（MICOS）相互作用，参与从线粒体向细胞质转运血红素的过程。并且通过凋亡途径介导血红素诱导的细胞毒性，与细胞死亡有关。

这种症状前蛋白标记物的检测不仅有助于患病个体的早期诊断，而且还能够确定用于治疗干预的潜在早期靶标。(导读：陈岩)

文章链接：https://doi.org/10.7554/eLife.47498.001
图片来源：http://www.seebio.cn

eLife 空间导航——一个关于空间尺度的问题

人类自古以来就善于导航。成功的空间导航既取决于记忆、注意力、方向感和距离感等诸多认知过程，同时也与空间环境的大小和复杂性密切相关。此前研究大都侧重于小空间尺度（如一个房间、一栋楼），却不知道当我们处在一个较大空间尺度中是如何判断距离的。本文的研究利用fMRI，首次揭示了在大空间尺度上（如不同城市、国家），不同脑区间的调节存在分级式的性质。随着空间尺度的由小变大，受试者导航相关的三个脑区群间的活性区也相应地由后部转移至前部，表明前部的脑区主要参与大空间尺度上对距离的判断。这项研究为探究人类是如何在不同环境中进行导航提供了新线索，同时也为方向感衰退的AD患者的相关研究提供了新思路。（导读：皮皮佳）

文章链接：https://elifesciences.org/articles/50890
图片来源：https://www.hippopx.com/zh/compass-map-navigation-334160

eLife 慢性瘙痒也有救啦

桃毛粘在皮肤上或是被蚊子叮一口，都会让你忍不住地去挠一挠。但当瘙痒成为一种慢性病，可就不是挠两下就能解决的事情了。患有肝脏疾病的人常伴有慢性瘙痒，女性妊娠后期也常发生胆汁淤积引起的慢性瘙痒。组胺受体是主要的痒觉受体，抗组胺药物可以缓解由炎症诱导的瘙痒症状，但对治疗慢性瘙痒无效。

最近一项研究揭示了膜蛋白MRGPRX4是引起胆汁淤积性瘙痒症的重要受体。研究者发现，表达在人背根神经节（hDRG）神经元中的MRGPRX4会受胆汁酸活化，且引起受试者瘙痒。他们还发现，人体内胆汁酸介导的瘙痒独立于组胺和TGR5（一种在小鼠中介导瘙痒的胆汁酸受体）。这项研究为胆汁淤积性瘙痒的治疗提供了新的分子靶点。（导读HXQ）

文章链接：http://www.yulonglilab.org/pdfs/633446.full.pdf
图片来源：http://www.cq.xinhuanet.com/2019-01/04/c_1123947875.htm

eLife 决策时，信心发挥了怎样的作用？

我们每天都会做出很多决策。Kobe Desender和他的研究团队提出假设：决策时自信程度低，在降低下一次决定的速度同时，会增加决定的精确度。基于此项假设，他们展开了研究。漂移扩散模型（DDM）是一个经典的算法模型，它提供的决策只有两个选项，信息收集作为一项决策变量，影响着决策结果。他们先后进行了三项感知实验，在实验中，参与者首先需要做出决策，并在没有外界反馈的情况下，自己评估信心程度。然后使用DDM模型对这三项感知实验结果进行分析，得到的结论是：信心可以对接下来的决策进行预测。高信心的状况下，接下来的决策会更加快速，但准确性降低；低信心的状况下，接下来的决策会相对较慢，但准确性提高。此外，该实验还发现，检测脑电图的Pe部分（Pe部分，是位于顶骨**的信号，与错误感知有关），可以预测接下来的决策。（导读：栗晶）

文章链接：https://elifesciences.org/articles/43499
图片链接：https://www.freepik.com/premium-vector/businessman-thinking-about-decisions-success_5411507.htm#page=3&query=decision&position=13

eLife “社恐“的神经基础

社交活动，有人喜欢，有人回避。一些人为了避免焦虑而选择回避社交。Schultz 等人为研究社交回避的神经基础，首先通过调察问卷了解志愿者们社交焦虑的程度，然后让他们选择是否愿意参与社交游戏，随后在游戏中进行神经成像(fMRI)。选择参入游戏，赢了可得3欧元和赞赏表情反馈，输了没有钱还会得到轻蔑表情；选择不参与游戏将会随机得到0-3欧元间的钱数和面无表情。通过参与游戏的频率推断志愿者的社交值。在对照组中志愿者和计算机进行游戏，没有表情反馈。结果显示社交焦虑程度越高，社交价值越低，且腹侧纹状体对于正向反馈的神经活动减弱，而杏仁核的神经活动在社交决策中增强，说明社交逃避可能与社交决策过程中皮层下神经网络的活动有关。（导读：陈璐雯）

图片来源：https://www.tuzhaozhao.com/posts/photo/5056
文章来源：https://doi.org/10.7554/eLife.45249.001

Neuron 一个专门控制老鼠社交发声的回路

我们都知道动物之间求偶信号包括声音、动作等，其中声音更是哺乳动物间交流的基石，个体之间往往需要通过发声来吸引对方的注意。Tschida等人使用一种交叉遗传学方法标记和操纵中脑导水管周围灰质(PAG)中的神经元，这种神经元在雄性小鼠进行超声波求爱（USVs）时会短暂兴奋。当使这种神经元的基因沉默时，发现雄性小鼠不能产生超声波求爱信号而不能再吸引雌性小鼠。而反之，当激活这些神经元时，即使没有社交线索也能选择性引发求爱超声波的产生。这篇文章证实了PAG神经元群体对于产生求爱超声波信号的重要性以及该信号对于雄性求偶的重要性。（导读：樱吹雪）

原文链接：https://www.cell.com/neuron/fulltext/S0896-6273(19)30478-7
图片来源：http://m.sohu.com/a/270246844_697863

导读：陈岩、樱吹雪、陈璐雯、栗晶、HXQ、皮皮佳
责编：Zhu Xiao
主播：鸽子
背景音乐：Dream For Today----Thomas Greenberg
排版：小箱子

往期推荐

FM脑科学新闻 | 深海盲虾甚至特意记住了热液涌出口的位置？新一代脉冲神经网络模拟器来了​mp.weixin.qq.com
FM脑科学新闻 | 年龄限制了我的思维——老年人更难适应复杂的场景决策​mp.weixin.qq.com
FM脑科学新闻 | 高效学习者的思维方式有何不同？科学家成功为小鼠植入人造记忆​mp.weixin.qq.com

关于我们

脑人言”是公益的脑科学原创科普团队，由海内外一线科研人员组成，专注于神经科学、认知科学和脑机接口等领域的科学知识和**的传播。关注请长按上方二维码；转载请联系：trueyLucidity；合作请联系：iam7182；加入作者团队请联系：chinatang2010。