当恐龙挑战科学：一项新研究颠覆了生态理论

当恐龙挑战科学：一项新研究颠覆了生态理论 阿拉斯加费尔班克斯大学（University of Alaska Fairbanks）和雷丁大学（University of Reading）的科学家们进行了一项新的研究，其中的恐龙物种包括站在背景中的白熊龙（Nanuqsaurus）和站在前景中的厚鼻龙（pachyrhinosaurus）。图片来源：詹姆斯-哈文斯"我们的研究表明，恐龙和哺乳动物不同体型的进化不能简单地归结为纬度或温度的函数，"发表在《自然-通讯》（Nature Communications）杂志上的一篇论文的第一作者、阿拉斯加大学研究生劳伦-威尔逊（Lauren Wilson）说。"我们发现，伯格曼法则只适用于一部分恒温动物（保持稳定体温的动物），而且只适用于考虑温度而忽略所有其他气候变量的动物。这表明，伯格曼的'规则'实际上是例外而非规则"。这项研究始于威尔逊与她的本科生导师讨论的一个简单问题：伯格曼法则适用于恐龙吗？在评估了从化石记录中收集到的数百个数据点之后，答案似乎是肯定的"不"。该数据集包括科学家已知的最北端的恐龙，即阿拉斯加王子溪地层中的恐龙。它们经历了严寒和降雪。尽管如此，研究人员发现北极恐龙的体型都没有明显增加。接下来，研究人员对史前哺乳动物和恐龙的后代现代哺乳动物和鸟类进行了同样的评估。结果大致相同：纬度并不能预测现代鸟类和哺乳动物的体型。现代鸟类的体型与温度之间存在微小的关系，但史前鸟类的情况却并非如此。研究人员说，这项研究是一个很好的例子，说明科学家可以而且应该利用化石记录来检验当今的科学规则和假设。雷丁大学博士后研究员、论文另一位主要作者雅各布-加德纳（Jacob Gardner）说："化石记录为我们了解完全不同的生态系统和气候条件提供了一个窗口，使我们能够以一种全新的方式评估这些生态规则的适用性。"阿拉斯加大学北方博物馆馆长帕特-德鲁肯米勒（Pat Druckenmiller）是这篇论文的共同作者之一，他说，科学规则应该像对待现代生物一样适用于化石生物。他说："如果忽视进化的根源，就无法理解现代生态系统。必须回顾过去才能了解事物是如何变成今天这个样子的。"编译来源：ScitechDaily ... PC版： 手机版：

AI下一个重大飞跃是理解情感 第一个具有情商的对话型AI来了

AI下一个重大飞跃是理解情感 第一个具有情商的对话型AI来了 这家初创公司由前Google DeepMind研究员Alan Cowen共同创立并担任CEO。Hume AI与其他人工智能模型提供商和初创公司的区别在于，它专注于创建一款能够理解人类情感、适当做出反应并向用户传达情感的人工智能助手。这款聊天机器人不仅基于文本，还使用语音对话作为其接口，通过听取人类用户的语调、音高、停顿等声音特征来运作。Hume AI同时发布了其名为“共情语音界面”（Empathic Voice Interface）的演示，只需要使用带有麦克风的设备，就可以与之进行互动。为什么AI需要理解情感Hume AI的理论是，通过开发能够更细致地理解和表达人类情感的AI模型，它可以更好地为服务用户。Hume AI不仅仅想要了解用户“快乐”、“悲伤”、“愤怒”、“害怕”等等通用的人类情绪，而是更微妙、通常是多维的情绪。比如“钦佩”，“崇拜”，“入迷”，“讽刺”，“羞耻”等等，Hume AI在其网站上总共列出了53种不同的情绪。官网地址： AI表示：情感智能包括从行为中推断意图和偏好的能力。这正是AI界面试图实现的核心目标：推断用户想要什么并实现它。因此，在某种意义上，情感智能是AI界面的最重要的要求。通过语音AI，你可以获得更多关于用户意图和偏好的线索。这使得我们的AI在预测人类偏好和结果、知道何时说话、知道该说什么以及如何以正确的语气说话方面变得更加出色。Hume AI演示之后，反响十分狂热。云端和Web应用开发软件公司Vercel的首席执行官Guillermo Rauch就发帖称：“这是迄今为止我见过的最好的人工智能演示之一。”如何从语音变化中检测情绪在其网站上，Hume指出：“这些模型是基于大规模、实验控制的情感表达数据的人类强度评分上进行训练的。”这些数据来源于Cowen及其同事发表的两篇科学研究论文：“Deep learning reveals what vocal bursts express in different cultures”和“Deep learning reveals what facial expressions mean to people in different cultures”。第一项研究包括来自美国、中国、印度、南非和委内瑞拉的16,000名参与者，有意思的是，数据集里面还有一部分是用来记录“语音爆发”或非词汇声音，如笑声和“嗯嗯”等。第二项研究包括来自上述五个国家以及埃塞俄比亚的5,833名参与者，他们在计算机上进行了一项调查，在调查中他们分析了来自4,659个面部表情数据库的高达30个不同的“种子图像”。参与者被要求模仿他们在电脑上看到的面部表情，并从一个包含48种情绪的列表中，按照1-100的强度进行评定。在互动中，Hume AI的EVI说道，Hume的团队“收集了有史以来最大、最多样化的人类情感表达库。我们谈论的是来自世界各地的一百多万参与者，参与了各种各样的现实生活互动。”Hume AI利用这两项研究的照片和参与者的音频数据训练了自己的深度神经网络。这些数据还用于创建了一个“语音韵律模型”（speech prosody model），用于测量语音的调子、节奏和音色，并整合到EVI中。情感AI的应用和约束Hume AI提供其EVI的API，允许用户根据其独特的数据集训练自己的Hume AI模型。同时还提供“表达测量API”（Expression Measurement API）, 企业客户可以使用该API构建应用程序。在表达测量API中可以访问的其他属性包括理解面部表情、语音爆发和情感语言后者测量“转录文本的情感语调，包括53个维度”。EVI可以作为任何应用的界面。开发人员可以使用Hume AI的API构建个人AI助手、代理和可穿戴设备等等，产品可涵盖从AI助手到健康管理、从教学辅导到客户服务等各个领域。但同时，人们可能会对Hume的EVI产生依赖或以一种不健康的方式沉迷于它的潜力，该技术也可能会被用于一些不好的用途，比如操纵、欺诈等等。在直接被问及此可能性时，考恩提供了以下声明：当人工智能利用我们的情感行为来达到某些目标（比如促进购买、提高参与度或培养习惯）时，它可能会学会操纵和利用我们的情感。因此，开发人员应该将了解用户情感行为视为人工智能本身的目标，而不是将这些行为仅仅当作达到第三方目标的手段。算法用于检测情感线索应该服务于用户健康和福祉的目标，包括对异常情况做出适当反应、保护用户免受滥用，并促进用户的情感认知和自主性。该网站还包括一系列“不支持的用例”，例如操纵、欺骗、“优化减少幸福感”（如“心理战争或折磨”）以及“无限制的共情人工智能”。但这不过泛泛而谈，当AI真的有了情感之后，如何用伦理、用法律去约束，人类还有很长的路要去探索。 ... PC版： 手机版：

《用科学的心理学通识 “看透人性”》| 简介：借助科学的心理学通识知识，从认知、情感、社会交往等多个维度剖析人性。通过理论与实例

《用科学的心理学通识 “看透人性”》| 简介：借助科学的心理学通识知识，从认知、情感、社会交往等多个维度剖析人性。通过理论与实例相结合的方式，如分析职场竞争、恋爱关系中的人性表现，帮助学习者洞察他人的心理和行为模式，理解行为背后的动机，从而在人际交往中更加得心应手，提升社交智慧 | 标签：# 用科学心理学通识 #人性剖析# 人际交往心理 #|文件大小 NG| 链接：

科学家发现AI能够理解情绪刺激，人们可以进行情绪操控来增强它们

科学家发现AI能够理解情绪刺激，人们可以进行情绪操控来增强它们 中科院和微软的研究员在45项任务上对 Flan-T5-Large、Vicuna、LlaMA 2、BLOOM、ChatGPT 和 GPT-4 进行了实验，发现这些大型语言模型拥有情商，对之进行情绪操控可以使它们的表现、诚实度和责任指标平均提高10.9%。 研究员还根据心理学理论开发了多套情绪刺激手段，发现组合使用"情绪提示"往往效果更好。在大多数情况下，"情绪提示"的性能优于现有的提示工程方法，如思维链 (咱们一步步想) 和 APE (AI自动挑选优化)。

新研究首次利用统计物理学证实了20世纪40年代的社会平衡理论

新研究首次利用统计物理学证实了20世纪40年代的社会平衡理论 20 世纪 40 年代，奥地利心理学家弗里茨-海德（Fritz Heider）提出了"社会平衡理论"（social balance theory），该理论解释了人类如何与生俱来地努力在社交圈中寻求和谐。根据该理论，四条规则敌人的敌人是朋友，朋友的朋友是朋友，敌人的朋友是敌人，最后，朋友的敌人是敌人导致了平衡的人际关系。尽管无数的研究都试图用网络科学和数学来证实这一理论，但由于网络偏离了完美的平衡关系，他们的努力都没有取得成功。因此，真正的问题是，社会网络是否比适当的网络模型所预期的更加平衡。大多数网络模型过于简化，无法完全捕捉到影响社会平衡的人际关系中的复杂性，因此在观察到的偏离网络模型预期的情况是否符合社会平衡理论方面产生了不一致的结果。然而，西北大学团队成功地整合了海德社会框架的两个关键部分。在现实生活中，并非每个人都相互认识，有些人比其他人更积极。研究人员早就知道每个因素都会影响社会关系，但现有的模型一次只能考虑一个因素。通过同时纳入这两个限制因素，研究人员得出的网络模型最终在海德首次提出这一著名理论约 80 年后证实了这一理论。这个有用的新框架可以帮助研究人员更好地理解社会动态，包括政治两极化和国际关系，以及任何由正反两方面相互作用混合而成的系统，如神经网络或药物组合。该研究的资深作者、西北大学的伊斯特万-科瓦奇（István Kovács）说："我们一直认为这种社会直觉是有效的，但我们不知道它为什么有效。如果你翻阅文献，会发现有很多关于这一理论的研究，但它们之间并不一致。几十年来，我们一直搞错。原因是现实生活很复杂。我们意识到，我们需要同时考虑两个制约因素：谁认识谁，以及有些人就是比其他人更友好。""我们终于可以得出结论，社交网络符合 80 年前形成的期望，"该研究的第一作者郝冰洁补充说。"我们的发现还具有广泛的应用前景。我们的数学研究使我们能够在系统中加入对不同实体的连接和偏好的约束。这对社交网络之外的其他系统建模也很有用。"科瓦奇是西北大学温伯格艺术与科学学院物理与天文学助理教授。郝是他实验室的博士后研究员。什么是社会平衡理论？海德的社会平衡理论以三人为一组，坚持了人类追求舒适和谐关系的假设。在平衡的人际关系中，所有人都喜欢对方。或者说，如果一个人不喜欢两个人，那么这两个人就是朋友。如果三个人都不喜欢对方，或者一个人喜欢两个不喜欢对方的人，那么人际关系就会失衡，从而导致焦虑和紧张。通过研究这种受挫系统，意大利理论物理学家乔治-帕里西（Giorgio Parisi）获得了 2021 年诺贝尔物理学奖，他与气候模型学家真锅修九郎（Syukuro Manabe）和克劳斯-哈塞尔曼（Klaus Hasselmann）分享了这一奖项。科瓦奇说："这似乎非常符合社会直觉。你可以看到这将如何导致极端的两极分化，我们今天在政治两极分化方面确实看到了这一点。如果你喜欢的人也不喜欢你不喜欢的人，那么就会导致两党互相仇视。"然而，要收集不仅列出朋友，也列出敌人的大规模数据一直是个挑战。本世纪初，随着大数据的出现，研究人员试图了解来自社交网络的此类签名数据能否证实海德的理论。在生成网络以检验海德的规则时，单个的人作为节点。连接节点的边代表个人之间的关系。如果节点不是好友，那么它们之间的边就会被赋予负值（或敌对值）。如果节点是朋友，则边会被标记为正值（或友好值）。在以前的模型中，边缘被随机赋予正值或负值，而不尊重这两个约束条件。这些研究都没有准确捕捉到社交网络的实际情况。在制约中寻求成功为了探究这个问题，科瓦奇和郝晓明利用了社会科学家之前整理的四个大规模、公开的签名网络数据集，其中包括：（1）社交新闻网站 Slashdot 上的用户评分评论；（2）众议院议员之间的交流；（3）比特币交易者之间的互动；以及（4）消费者评论网站 Epinions 上的产品评论。在他们的网络模型中，科瓦奇和郝晓明并没有给边赋予真正随机的负值或正值。要使每次互动都是随机的，每个节点就必须有同等的机会遇到对方。然而，在现实生活中，并不是每个人都认识社交网络中的其他人。例如，一个人可能永远不会遇到自己朋友的朋友，而这个朋友却住在世界的另一端。为了使他们的模型更加真实，科瓦奇和郝根据一个统计模型来分配正值或负值，该模型描述了对存在的相互作用赋予正负符号的概率。这样就保持了数值的随机性但随机性是在网络拓扑限制的范围内。除了谁认识谁之外，研究小组还考虑到生活中有些人就是比其他人更友好。友好的人更有可能有更多积极的互动，而较少敌对的互动。通过引入这两个约束条件，由此产生的模型表明，大规模社交网络始终符合海德的社会平衡理论。该模型还突出了三个节点以外的模式。它表明，社会平衡理论适用于涉及四个节点甚至更多节点的大型图元。科瓦奇说："我们现在知道，你需要考虑到这两个制约因素。没有这两点，你就无法提出正确的机制。这看起来很复杂，但实际上是相当简单的数学问题。"对两极分化及其他问题的见解科瓦奇和郝目前正在探索这项工作的几个未来方向。其中一个潜在方向是，新模型可用于探索旨在减少政治两极分化的干预措施。但研究人员表示，该模型有助于更好地理解社会群体和朋友间联系以外的系统。科瓦奇说："我们可以研究大脑神经元之间的兴奋性和抑制性连接，或者代表治疗疾病的不同药物组合的相互作用。社交网络研究是一个理想的探索场所，但我们的主要兴趣是超越研究朋友之间的互动，研究其他复杂的网络"。论文《适当的网络随机化是评估社会平衡的关键》背后的代码和数据可在GitGub上获取。编译来源：ScitechDaily ... PC版： 手机版：

突破性新数据帮助研究人员了解北极冰川消失的细节

突破性新数据帮助研究人员了解北极冰川消失的细节 《地球系统科学数据》（Earth System Science Data）杂志刊登了这一创新数据集，为更好地了解冰川崩裂或冰山破裂背后的机制提供了重要工具，有助于加深我们对斯瓦尔巴群岛和北极地区冰川消失背后的气候驱动因素的了解。在过去的几十年里，冰川的大量消失速度加快，大大加剧了全球海平面的上升。然而，人们对冰川消失背后的许多机制，尤其是海洋末端冰川的融冰动力学，还不甚了解。"这项新研究使用了最先进的深度学习模型，利用高分辨率卫星图像，以前所未有的密度生成了斯瓦尔巴特潮水冰川38年的凿冰前沿变化记录，"欧盟资助的北极PASSION项目研究员、布里斯托尔冰川学中心的Tian Li博士说，他也是这项研究的第一作者。斯瓦尔巴的大部分海洋末端冰川都在消退，只有几处例外。图片来源：Tian Li 博士数据集包括近125000条冰川融化前沿痕迹，结果显示斯瓦尔巴群岛的大部分冰川都呈后退趋势。利用广泛的卫星数据目录，研究人员能够分析季节和年度变化，并捕捉到冰川在短时间内大幅移动的突增事件的时间。这些发现有助于更好地了解和预测北极地区未来的冰川流失。Tian Li说："该数据集可用于改进斯瓦尔巴潮汐冰川的质量平衡评估。此外，它还有助于探索控制冰川崩落的驱动因素和过程。这对于了解冰川融化动态至关重要，而冰川融化动态是冰川如何应对气候变化的关键指标。"该数据集是Arctic PASSION建立北极冰冻圈系统关键气候变量改进观测系统工作成果的一部分，也将被纳入Arctic PASSION建立北极陆冰端到端业务预报和监测系统的工作中。展望未来，研究团队计划将该方法应用于北极地区的所有其他潮水冰川。斯瓦尔巴数据产品在线平台可在这里找到： ... PC版： 手机版：