鲨鱼不需要睡觉？科学家：和人类一样需要睡眠，而且还会睁眼睡

鲨鱼不需要睡觉？科学家：和人类一样需要睡眠，而且还会睁眼睡 众所周知，睡眠是人类和动物界普遍存在的生理行为。它在进化过程中的持久性被认为具有一个或多个核心功能。关于这些核心功能的一个假说是，睡眠通过加强休息和降低相对于清醒时的代谢率来节省能量。像哺乳动物、鸟类和果蝇都在睡眠期间节省能量。但对于像鲨鱼这样的冷血脊椎动物，科学家们对它们的睡眠行为仍知之甚少。 此前一直有传言说鲨鱼不需要睡觉，这一观点基于一些鲨鱼必须保持游动才能呼吸。 近日，发表在《Biology Letters》上的一项新研究中，来自奥克兰大学和西澳大利亚大学的研究人员提供了鲨鱼睡眠的第一个生理学证据，证实了一些传闻和其他研究长期以来提出的观点。该研究表明，这些动物确实和我们一样需要睡觉。 点击下方链接，了解详情 https://haijiao.com/post/details?pid=240370 订阅海角频道获取每日精品推送； https://t.me/haijiaoshequ

故意感染人类的研究表明为何有些人一开始就对COVID-19免疫

故意感染人类的研究表明为何有些人一开始就对COVID-19免疫 虽然有很多研究对COVID-19对感染者的心理和生理影响进行了研究，但还没有任何研究跟踪了从 SARS-CoV-2 病毒进入鼻腔到发病的整个过程。伦敦大学学院（UCL）最新发表的研究报告改变了这一状况。这项研究被称为英国 COVID-19 人类挑战研究，它故意让 36 名健康、年轻、自愿的成年志愿者通过鼻子感染 COVID 致病病毒。研究前，所有志愿者都接受了严重疾病风险和潜在合并症筛查，并被注射了仍能引起感染的最低剂量的 SARS-CoV-2 病毒。威康传染病团队的研究带头人 Shobana Balasingam 也参与了这项研究，她说："人体挑战模型是我们了解人体如何应对传染病的一种宝贵方式。这些研究使我们能够密切监测从感染那一刻起发生的情况，让我们能够跟踪免疫反应，直至症状的发展和严重程度"。在让参与者感染病毒后，研究人员立即开始监测他们血液和鼻腔内的细胞，以了解接触病毒后的瞬间发生了什么。通过详细分析，研究人员获得了一个包含 60 多万个单个细胞的数据集，该数据集已成为创建名为"人类细胞图谱"的全人类细胞综合参考图的一部分。研究人员发现，在所有参与者中，血液中的特化粘膜免疫细胞被激活，炎性白细胞减少，而炎性白细胞的作用通常是包围和消灭病原体入侵者。但是，在那些立即清除病毒并抵御感染的参与者中，或者在那些检测结果呈阳性但避免了全身感染的参与者中，他们目睹了前所未有的免疫反应。特别是，他们发现了一种名为 HLA-DQA2 的基因的高背景激活，这是一种向其他细胞发出病毒入侵信号的第一警报系统。他们还发现，与感染病毒的人相比，抵抗病毒能力最强的人的鼻腔特化细胞免疫反应较快，而血细胞的反应较慢。而感染 COVID-19 病毒的一组人在接触病毒五天后才产生鼻腔反应，这表明激活这些鼻腔细胞可能是抵抗这种病毒和其他潜在冠状病毒的关键途径。此外，研究人员还在活化的 T 细胞受体中发现了反复出现的氨基酸模式。韦尔科姆-桑格研究所的艾米丽-莫布里告诉《新图集》："这些基序在病原体暴露时重复出现，表明它们具有识别SARS-CoV-2病毒中某些东西的共同能力。识别这些特征为建立 TCR 与病原体之间的相互作用模型提供了一个独特的机会。这提高了设计病毒特异性 T 细胞用于治疗的可能性，不仅用于治疗 COVID-19，还可能用于治疗一系列涉及免疫攻击的疾病。"这项研究的资深作者、伦敦大学洛杉矶分校的马尔科-尼科利奇（Marko Nikolić）也表示，希望该团队的研究能带来更好的方法来攻击人体内的病原体。他说："这些发现揭示了关键的早期事件，这些早期事件要么让病毒占据上风，要么在症状出现之前迅速清除病毒。我们现在对各种免疫反应有了更深入的了解，这可以为开发模仿这些自然保护性反应的潜在治疗方法和疫苗奠定基础。"这项研究发表在《自然》杂志上。 ... PC版： 手机版：

蓝斑带尾鳐鱼产生耀眼的蓝色斑点不需要色素 它是怎么做到的？

蓝斑带尾鳐鱼产生耀眼的蓝色斑点不需要色素 它是怎么做到的？ 香港城市大学（城大）的研究人员说，长期以来，这些斑点的来源一直是一个海洋之谜，特别是因为无论从哪个方向看，它们的蓝色都是一样的。不过，科学家们还是预感到，这些斑点会有结构性的成分。"如果你在自然界中看到蓝色，你几乎可以肯定它是由组织纳米结构而不是色素形成的，"该研究的合著者梅森-迪恩（Mason Dean）说。"了解动物的结构颜色不仅要了解光学物理，还要了解相关材料、它们在组织中的精细组织方式以及颜色在动物环境中的外观。为了将所有这些碎片拼凑在一起，我们组建了一个来自多个国家的优秀学科团队，最终为鳐鱼的颜色之谜找到了一个令人惊讶而又有趣的解决方案。"当然，由于研究小组进行了详细的分析，这个谜团已经被解开了。原来，鳐鱼皮肤的颜色实际上是由皮肤结构中的小球排列造成的，而不是色素沉淀。"我们发现，蓝色是由独特的皮肤细胞产生的，它们具有稳定的三维排列的纳米级球体，内含反射性纳米晶体（就像悬浮在泡沫红茶中的珍珠），"该研究的主要作者阿马尔-苏拉帕内尼说。"由于纳米结构的大小及其间距是蓝光波长的有用倍数，因此它们倾向于专门反射蓝色波长"。在研究射线时，研究小组使用了微型计算机断层扫描（micro-CT）、扫描电子显微镜（SEM）和透射电子显微镜（TEM）。分析结果不仅揭示了蓝色反射纳米结构，还显示光斑下面的一层黑色素吸收了其他颜色的光线，使蓝色更加"耀眼"。研究人员推测，这些斑点可能有助于伪装光线。迪恩说："在水中，蓝色的穿透力比其他任何颜色都要深，有助于动物与周围环境融为一体。黄貂鱼皮肤上的亮蓝色斑点不会随着观察角度的变化而变化；因此，当动物游泳或用起伏的翅膀快速机动时，它们可能具有特殊的伪装优势。"由于鳐鱼的斑点是通过机械而非化学过程产生的，研究小组认为，这些发现有助于今后生产出无化学成分的着色技术。迪恩说："我们正在寻求与其他研究人员合作，开发灵活的仿生物结构色彩系统，其灵感来自黄貂鱼皮肤的柔软特性，可为纺织品、柔性显示器、屏幕和传感器提供安全、不含化学物质的色彩。"作为正在进行的研究的一部分，研究小组还开始研究包括蓝鲨在内的其他海洋动物的蓝色肤色。城大研究自然着色机制的博士后维克托里亚-卡姆斯卡（Viktoriia Kamska）说："尽管'蓝鲨'这个名字及其生态学方面的研究都很深入，但仍然没有人知道它皮肤上的蓝色是如何产生的。初步结果表明，这种着色机制与鳐鱼的不同但就像鳐鱼一样，我们需要尝试不同的精细成像工具组合，并涉及光学、材料和生物科学等多个相关学科。"目前的研究已发表在《先进光学材料》杂志上，并刚刚在布拉格举行的实验生物学学会年会上做了报告。 ... PC版： 手机版：

研究表明ChatGPT在回答编程问题时错误百出，并且错误很容易被忽略

研究表明ChatGPT在回答编程问题时错误百出，并且错误很容易被忽略 在研究中，研究人员查看了 Stack Overflow 中的 517 个问题，并分析了 ChatGPT 对这些问题的回答尝试。研究人员表示：“我们发现 52% 的 ChatGPT 答案包含错误信息，77% 的答案比人类的答案更冗长。”尤其令人不安的是，许多人类程序员似乎更喜欢 ChatGPT 的答案。普渡大学的研究人员对 12 名程序员进行了调查诚然，样本量很小 发现他们中 39% 的人没有发现人工智能产生的错误。 研究人员写道：“礼貌的语言、清晰的教科书式的回答以及全面性是使 ChatGPT 答案看起来更令人信服的部分主要原因，这让用户放松了警惕，忽略了 ChatGPT 答案中的一些错误信息。”

MIT CSAIL最新研究表明 人工智能不会抢走那么多工作岗位

MIT CSAIL最新研究表明 人工智能不会抢走那么多工作岗位 高盛估计，在未来几年内，人工智能将使整个劳动力市场的 25% 实现自动化。麦肯锡称，到 2055 年，近一半的工作将由人工智能驱动。宾夕法尼亚大学、纽约大学和普林斯顿大学的一项调查发现，仅 ChatGPT 一项就可能影响约 80% 的工作。职业介绍公司 Challenger, Gray & Christmas 的一份报告显示，人工智能已经取代了成千上万的工人。但是，在他们的研究中，麻省理工学院的研究人员试图超越他们所说的"基于任务"的比较，评估人工智能扮演某些角色的可行性有多大，以及企业真正用人工智能技术取代工人的可能性有多大。与人们的预期相反，麻省理工学院的研究人员发现，大多数之前被认为有可能被人工智能取代的工作，事实上并没有实现自动化的"经济效益"至少目前是这样。这项研究的共同作者、麻省理工学院 CSAIL 研究科学家尼尔-汤普森（Neil Thompson）说，这项研究的主要启示是，即将到来的人工智能颠覆可能会比一些评论家所说的发生得更慢，也不那么引人注目。"与最近的许多研究一样，我们发现人工智能在自动化任务方面具有巨大潜力，"汤普森在接受 TechCrunch 电子邮件采访时说。"但我们能够证明，其中许多任务的自动化尚不具备吸引力。"需要注意的是，这项研究只研究了需要进行视觉分析的工作，即涉及在生产线末端检查产品质量等任务的工作。研究人员没有调查文本和图像生成模式（如 ChatGPT 和 Midjourney）对工人和经济的潜在影响；他们把这个问题留给了后续研究。在进行这项研究时，研究人员对工人进行了调查，以了解人工智能系统要完全取代他们的工作，需要完成哪些任务。然后，他们模拟了建立一个能够完成所有这些任务的人工智能系统的成本，并模拟了企业特别是美国的"非农"企业是否愿意为这样一个系统支付前期和运营费用。在研究初期，研究人员举了一个面包师的例子。根据美国劳工统计局的数据，面包师大约要花 6% 的时间来检查食品质量，而人工智能可以（并且正在）自动完成这项任务。一家拥有五名面包师、年薪 4.8 万美元的面包店，如果能实现食品质量检测自动化，就能节省 1.4 万美元。但根据该研究的估算，要完成这项任务，一个简单的、从零开始的人工智能系统的部署成本为 16.5 万美元，每年的维护成本为 12.284 万美元......这只是低端成本。"我们发现，在人类从事视觉任务所支付的工资中，只有23%的工资在经济上对人工智能自动化具有吸引力，"汤普森说。"人类仍然是从事这些工作的更好经济选择。"现在，这项研究考虑到了通过 OpenAI 等供应商销售的自助托管型人工智能系统，这些系统只需要针对特定任务进行微调，而不是从头开始训练。但据研究人员称，即使系统成本仅为1000美元，也有很多工作尽管是低工资和依赖多任务处理的工作对于企业来说，实现自动化是没有经济意义的。研究人员在研究报告中写道："即使我们只考虑计算机视觉对视觉任务的影响，我们也会发现，工作岗位的流失率低于经济中已经出现的流失率。即使成本以每年 20% 的速度快速下降，计算机视觉任务仍然需要数十年的时间才能变得对企业具有经济效益"。研究人员承认，这项研究存在一些局限性。例如，它没有考虑人工智能可以增强 而非取代人类劳动的情况（如分析运动员的高尔夫挥杆），也没有考虑创造以前不存在的新任务和工作（如维护人工智能系统）的情况。此外，它也没有考虑到像 GPT-4 这样的预训练模型可能带来的所有成本节约。我们不禁要问，研究人员是否感受到了研究支持者麻省理工学院-IBM 沃森人工智能实验室（MIT-IBM Watson AI Lab）为得出某些结论而施加的压力。麻省理工学院-IBM 沃森人工智能实验室由 IBM 出资 2.4 亿美元创建，为期 10 年。但研究人员断言事实并非如此。汤普森说："我们的动机是，人工智能的主要形式深度学习在许多任务中取得了巨大成功，我们希望了解这对人类工作自动化意味着什么。对于政策制定者来说，我们的研究结果应能强化为人工智能工作自动化做好准备的重要性......但我们的研究结果也揭示出，这一过程将需要数年甚至数十年的时间才能展开，因此有时间将政策措施落实到位。对于人工智能研究人员和开发人员来说，这项工作表明了降低人工智能部署成本和扩大其部署范围的重要性。这些对于使人工智能在经济上对企业自动化具有吸引力非常重要"。 ... PC版： 手机版：

：为研究声学通讯的研究人员设计的神经网络框架 | #框架

：为研究声学通讯的研究人员设计的神经网络框架 | #框架 主要目标： 1.让研究声学通信的研究人员更轻松地将神经网络算法应用于他们的数据 2.提供一个通用框架，有助于在与声学通信相关的任务上对神经网络算法进行基准测试 目前，主要用途是发声和其他动物声音的自动注释。