科学家创造出一种可以拯救生命的粘液

科学家创造出一种可以拯救生命的粘液磁性粘液机器人听起来不像是有实际医疗用途的东西，而更像是电影中的生物，但这样的发明有可能被用来帮助病人。它是由一群来自中国香港的科学家创造，目的是在整个身体内进行操纵并能捡起要取出的物体。粘液机器人的特质是使其完美的原因。据悉，它是由一种非牛顿流体制成的，为聚乙烯醇和硼砂的组合。这意味着，当受到高速力的冲击时它就像一个固体物体。在较慢的力作用下，它作为一种液体。这使它成为在身体无数细小的角落和缝隙中航行的理想选择。用一个完全固体的工具把物体从身体里取出来要困难得多。不过有了可塑性强的东西如磁性粘液机器人，它可以更容易地完成任务。它被称为“磁性”，因为它可以由磁铁控制，从而使医生能让粘液直接去它需要的地方。然后粘液可以到达并包裹住物体并将它们移出身体。粘液机器人如何在医学上使用创造粘液机器人的研究人员建议，这项技术的主要用途是在消化系统内。这样，它可以被用来捡起被吞下并需要从体内取出的异物。这方面的一个例子是防止诸如电池等物体的伤害。电池的泄漏是有毒的，但如果粘液能够捕获并包裹它，这将防止任何化学物质在体内造成破坏。然而磁性粘液机器人仍存在一些问题。而且这个概念还没有经过测试。一个问题是，粘液上的涂层是由二氧化硅制成的，这跟物品上那些旨在保持新鲜的小包装中的材料相同，上面总是写着“请勿食用”。这是因为它们对人体有毒。假设让二氧化硅包裹的粘液在体内停留很短的时间会更安全，如果有一个更有可能造成伤害的异物这可能是值得的。磁性粘液机器人需要在医疗环境中进行测试以便在未来使用，但目前还没有计划这样做。不过在未来，这种粘液可以拯救一些人的生命也不是完全不可能。PC版：https://www.cnbeta.com/articles/soft/1301767.htm手机版：https://m.cnbeta.com/view/1301767.htm

科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人

科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人华盛顿州立大学的研究人员开发出了体积最小、速度最快的微型机器人，有望改变从人工授粉到外科手术的各个领域。这些机器人利用形状记忆合金进行运动，比以前的型号明显更轻、更快，通过模仿自然界昆虫的行为，有望实现更高的自主性和效率。图片来源：西悉尼大学图片社速度和微型化方面的突破机械与材料工程学院的博士生、这项研究的第一作者康纳-特里格斯塔德（ConorTrygstad）说："与这种规模的其他微型机器人相比，这是非常快的速度，尽管它仍然落后于它们的生物亲戚。一只蚂蚁通常重达五毫克，移动速度可达每秒近一米。"微型机器人的关键在于使机器人移动的微型致动器。特里格斯塔德利用一种新的制造技术，将致动器微型化到不足一毫克，这是目前已知最小的致动器。一个西悉尼大学创造的机器人被放在一个25美分硬币旁边，以显示其大小。资料来源：西悉尼大学领导该项目的西悉尼大学机械与材料工程学院工程学副教授NéstorO.Pérez-Arancibia说："这些致动器是迄今为止为微型机器人开发的最小、最快的致动器。"先进的致动器技术致动器使用一种称为形状记忆合金的材料，这种材料在加热时能够改变形状。之所以称之为"形状记忆"，是因为它能记住并恢复到原来的形状。与移动机器人的典型电机不同，这些合金没有任何活动部件或旋转组件。Trygstad说："它们的机械性能非常好，轻型致动器的开发开辟了微型机器人技术的新领域。"形状记忆合金一般不用于大规模机器人运动，因为它们的速度太慢。但在西悉尼大学的机器人中，执行器是由两根直径为1/1000英寸的微小形状记忆合金线制成的。只需少量电流，这些金属丝就能轻松加热和冷却，使机器人能够以每秒40次的速度扇动鳍或移动脚。在初步测试中，致动器还能举起超过自身重量150倍的物体。与其他用于使机器人移动的技术相比，SMA技术也只需要极少量的电力或热量就能使机器人移动。未来方向与改进Trygstad说："SMA系统对供电系统的要求要低得多。"他是一名狂热的钓鱼爱好者，长期以来一直在观察水黾，并希望进一步研究它们的动作。虽然西悉尼大学的水黾机器人是用扁平的拍打动作来移动自己，但自然界的昆虫会用腿做更有效率的划船动作，这也是真正的昆虫能移动得更快的原因之一。研究人员希望模仿另一种昆虫，开发出一种既能在水面上也能在水面下移动的水黾型机器人。他们还在努力利用微型电池或催化燃烧技术，使机器人完全自主，不受电源束缚。编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1419851.htm手机版：https://m.cnbeta.com.tw/view/1419851.htm

与人类产生共鸣：科学家们创造了一种能与你一起笑的机器人

与人类产生共鸣：科学家们创造了一种能与你一起笑的机器人对于"有什么好笑的？"这个问题的答案，似乎没有人能够达成一致。因此，想象一下试图训练一个机器人笑的场景。但通过创建一个从共享笑声系统中获取信号的人工智能，日本京都大学的一个研究小组正试图做到这一点。研究人员在《机器人学和人工智能前沿》杂志上描述了他们为日本机器人"Erica"创造笑这一表情的新技术。这并不是说机器人不能理解，甚至不能对一个糟糕的笑话发出笑声。相反，困难在于为人工智能系统开发人类幽默的微妙之处，以增强机器人和人类之间的普通对话。研究人员与Erica之间的对话实例。资料来源：Inoue等人"我们认为对话式人工智能的重要功能之一是转移情感，"主要作者井上浩二博士解释说，他是京都大学信息学研究生院智能科学和技术系的助理教授。"当然，对话是多模态的，不仅仅是正确的回应。因此，我们决定，机器人能够与用户产生共鸣的一种方式是分享他们的笑声，而这是基于文本的聊天机器人无法做到的。"在分享笑声的模式中，人类最初会笑，而人工智能系统则以笑声作为移情反应。这种方法需要设计三个子系统--一个用于检测笑声，第二个用于决定是否笑，第三个用于选择适当的笑声类型。科学家们通过注释80多段来自速配的对话来收集训练数据，速配是一种社会场景，大群人在短暂的时间内一对一地互动。在这种情况下，涉及京都大学学生的"相亲马拉松"活动让Erica加入其中，由几个业余女演员远程操作。"我们在这项工作中最大的挑战是确定共享笑声的实际案例，这并不容易，因为如你所知，大多数笑声实际上根本没有共享，"Inoue说。"我们必须仔细分类，到底哪些笑声可以用于我们的分析，而不是仅仅假设任何笑声都可以被回应。"笑声的类型也很重要，因为在某些情况下，礼貌的笑声可能比响亮的嗤笑声更合适。实验仅限于社交性的笑声与欢快的笑声。研究小组最终通过在一个人和Erica之间用她的新分享式笑声系统创造四段两到三分钟的简短对话来测试Erica新学会的幽默感。在第一个场景中，她只发出了社交性的笑声，随后在第二和第三个交流中只发出了欢笑声，在最后一个对话中两种笑声结合起来。该小组还创建了另外两组类似的对话作为基线模型。在第一组中，Erica从未笑过。在第二个中，Erica每次检测到人类的笑声时都会发出社交性的笑声，而不使用其他两个子系统来过滤背景和反应。研究人员共召集了130多人听取了三种不同条件下的每个场景--共享笑声系统、无笑声、所有笑声--并根据移情、自然、人类相似性和理解来评估互动。共享笑声系统的表现优于任何一种基线。"这篇论文最重要的结果是，我们已经展示了我们如何将所有这三项任务结合到一个机器人中。我们相信，这种类型的组合系统对于正确的笑的行为是必要的，而不仅仅是检测到笑并对其做出反应，"Inoue说。在Erica准备好参加脱口秀表演之前，还有很多其他的笑声方式需要建模和训练。"还有许多其他的笑的功能和类型需要考虑，这不是一项容易的任务。我们甚至还没有尝试对不共享的笑声进行建模，尽管它们是最常见的，"Inoue指出。当然，笑声只是与机器人进行类似人类自然对话的一个方面。"机器人实际上应该有一个独特的性格，我们认为他们可以通过他们的对话行为来显示这一点，例如笑、眼睛注视、手势和说话风格，"Inoue补充说。"我们认为这根本不是一个简单的问题，很可能需要10到20年以上的时间，我们才能最终与机器人像与朋友一样进行休闲聊天。"...PC版：https://www.cnbeta.com.tw/articles/soft/1331785.htm手机版：https://m.cnbeta.com.tw/view/1331785.htm

剑桥科学家实现诊断前9年发现罹患痴呆症的迹象

剑桥科学家实现诊断前9年发现罹患痴呆症的迹象这些结果表明，将来可以对高危人群进行测试，以帮助确定哪些人可以从干预措施中受益，从而降低他们发展为某种疾病的机会，或者帮助确定哪些人适合参加新疗法的临床试验。对于痴呆症和其他神经退行性疾病（如帕金森病），目前可用的有效治疗方法非常少。这部分是由于这些疾病往往是在出现症状时才被发现，尽管潜在的神经变性可能在几年甚至几十年前就已经开始。这意味着，当人们参加临床试验时，要改变疾病的进程可能已经太晚了。直到现在，还不清楚是否有可能在症状出现之前检测到大脑功能的变化。为了帮助回答这个问题，剑桥大学和剑桥大学医院NHS基金会的研究人员求助于英国生物银行（UKBiobank），这是一个生物医学数据库和研究资源，记录了来自50万40-69岁英国参与者的匿名遗传、生活方式和健康信息。除了收集参与者的健康和疾病诊断信息外，英国生物银行还收集了一系列测试的数据，包括解决问题、记忆、反应时间和握力，以及关于体重减轻和增加以及跌倒次数的数据。这使他们能够回过头来看看处于健康基线时是否存在任何迹象，也就是说，在首次收集参与者的测量数据时（在诊断前的5至9年之间）。与健康人相比，后来患上阿尔茨海默病的人在解决问题的任务、反应时间、记忆数字列表、预期记忆和配对方面的得分更低。对于那些患上较罕见的痴呆症，即额颞叶痴呆症的人来说也是这种情况。发展成阿尔茨海默氏症的人比健康成年人更有可能在过去12个月内摔倒。那些后来发展成罕见的神经系统疾病，即影响平衡的核上性麻痹（PSP）的病人，其跌倒的可能性是健康人的两倍以上。对于所研究的每一种疾病--包括帕金森病和路易体痴呆症--患者报告在基线时的整体健康状况较差。第一作者、剑桥大学的初级医生诺尔-斯瓦迪乌迪蓬说。"当我们回顾患者的病史时，很明显他们在症状变得足够明显以促使诊断之前的几年就已经表现出一些认知障碍了。这些损害往往是微妙的，但涉及认知的许多方面。这是我们朝着能够筛查风险最大的人--例如，50岁以上的人或那些有高血压或没有做足够运动的人--并在早期阶段进行干预以帮助他们降低风险迈出的一步"。高级作者、剑桥大学临床神经科学系的蒂姆-里特曼博士补充说："人们不应该过分担心，例如，如果他们不擅长回忆数字。即使是一些健康的人也会自然而然地比他们的同龄人得分高或低。但是我们鼓励任何有任何担忧或注意到他们的记忆力或回忆力正在变差的人向他们的全科医生咨询。"里特曼博士说，这些发现也可以帮助确定哪些人可以参加潜在的新疗法的临床试验。"临床试验的问题是，出于需要，他们经常招募有诊断的病人，但我们知道，此时他们已经有了一些进展，他们的病情不能被阻止。如果我们能足够早地找到这些人，我们将有更好的机会看到药物是否有效。"...PC版：https://www.cnbeta.com.tw/articles/soft/1333791.htm手机版：https://m.cnbeta.com.tw/view/1333791.htm

哈佛大学科学家们发现空气污染可能会增加痴呆症的风险

哈佛大学科学家们发现空气污染可能会增加痴呆症的风险"这是为监管机构和临床医生提供可操作数据的一大步，使他们了解关于这一极为重要的健康话题的文献状况。这些结果可以被像环境保护局这样的组织使用，该局目前正在考虑加强对PM2.5暴露的限制，"主要作者、环境流行病学和生理学教授MarcWeisskopf说。"我们的研究结果支持这种措施的公共卫生重要性"。此外，这也是第一项结合了最近利用"积极的病例确认"的研究的研究。这项技术包括对整个研究人群进行筛选，然后对基线时没有痴呆症的参与者进行面对面的痴呆症评估。这项研究最近发表在《BMJ》上。全世界目前有超过5700万人患有痴呆症，估计到2050年这个数字将增加到1.53亿。这些病例中高达40%被认为与潜在的可改变的风险因素有关，如接触空气污染物。Weisskopf和他的合作者，哈佛大学Chan-NIEHS环境健康中心的研究员ElissaWilker，以及公共卫生生物科学项目的博士生MarwaOsman，扫描了2000多项研究，并确定了51项评估环境空气污染和临床痴呆症之间关系的研究，这些研究都是在过去10年里发表的。使用ROBINS-E对这些研究进行了偏见评估，其中16项符合荟萃分析的标准。大部分的研究是关于PM2.5的，二氧化氮和氮氧化物是其次最常研究的污染物。在荟萃分析中使用的研究中，有9项使用了主动的病例确认。研究人员发现有一致的证据表明PM2.5和痴呆症之间存在关联，即使每年的暴露量低于目前美国环保署规定的每立方米空气12微克（μg/m3）的标准。特别是在使用主动病例调查的研究中，研究人员发现平均每年的PM2.5暴露量每增加2μg/m3，患痴呆症的风险就会增加17%。他们还发现有证据表明，痴呆症与氮氧化物（年暴露量每增加10微克/立方米，风险增加5%）和二氧化氮（年暴露量每增加10微克/立方米，风险增加2%）之间存在关联，尽管数据更为有限。研究人员指出，空气污染与痴呆症风险的估计关联小于其他风险因素，如教育和吸烟。然而，由于接触空气污染的人数众多，人口层面的健康影响可能是巨大的。Weisskopf说："鉴于痴呆症病例的巨大数量，确定可改变的风险因素以减少疾病的负担将具有巨大的个人和社会影响。接触PM2.5和其他空气污染物在某种程度上可以通过个人行为来改变，但更重要的是通过监管。"...PC版：https://www.cnbeta.com.tw/articles/soft/1364725.htm手机版：https://m.cnbeta.com.tw/view/1364725.htm

科学家发明了一种可以不断生长的机器人

科学家发明了一种可以不断生长的机器人这个名为FiloBot的生长机器人由意大利理工学院的科学家设计，灵感来自攀缘植物的适应性和环境探索策略。该机器人使用热塑材料来构建自己的茎状身体，生长方向由环境刺激决定，光线传感使之拥有向光性或趋暗性，重力传感使之能向地心前行，一般扰动可以自主决策避障。投稿：@TNSubmbot频道：@TestFlightCN