CNET科技資訊網(wǎng) 4月7日 國(guó)際報(bào)道:琥珀,不斷給人類深入洞察古老生命形式的機(jī)會(huì),如今它又為我們帶來(lái)了另一個(gè)罕見的、保存完好的標(biāo)本——來(lái)自遠(yuǎn)古猴子的紅細(xì)胞化石。
琥珀標(biāo)本中的紅細(xì)胞非常精細(xì),研究人員認(rèn)為,這是迄今為止發(fā)現(xiàn)的最古老的哺乳動(dòng)物血液化石,紅細(xì)胞發(fā)現(xiàn)于一只吸血的蜱蟲,其背部有兩個(gè)小洞。當(dāng)蜱蟲被樹液包裹困住時(shí),血液從這兩個(gè)小洞中慢慢滲出,隨后樹液漸漸變成了琥珀,而血液里的紅細(xì)胞變成了化石。
紅細(xì)胞化石細(xì)節(jié)
不過(guò),蜱蟲背部怎么會(huì)有兩個(gè)洞呢?
俄勒岡州立大學(xué)理學(xué)院榮譽(yù)教授、古生物學(xué)家喬治·波因納爾(George Poinar) 認(rèn)為,這是在2000萬(wàn)至3000萬(wàn)年前,兩只猴子整理“儀容”時(shí),一只猴子在把在另一只猴子身上作怪的害蟲扔開時(shí)刺破了蜱蟲的殼,而當(dāng)時(shí)它們所處的這片森林,現(xiàn)已成為多米尼加共和國(guó)。
他在最新一期的《醫(yī)學(xué)昆蟲學(xué)雜志》上詳細(xì)描述了這一發(fā)現(xiàn)。
如果僅僅是猴子血液化石還不足以吸引你的注意,那么他還找到了一種生物,想必會(huì)引起你的興趣——這一化石中還有一種名為巴貝西蟲的微小寄生蟲,這也是迄今已知僅有的巴貝西蟲化石,這種寄生蟲能夠感染人類和其他動(dòng)物的血液細(xì)胞,引發(fā)類似于瘧疾的癥狀。
在這塊紅細(xì)胞化石中,這只被困的寄生蟲清晰的凸顯了出來(lái)。
波因納爾陳述道:“我們?cè)阽曛邪l(fā)現(xiàn)的生命形式,可以揭示很多關(guān)于疾病的進(jìn)化歷史,這些疾病我們目前仍在不斷地與其作斗爭(zhēng)。例如,這里的寄生蟲顯然是在數(shù)百萬(wàn)年前早于人類出現(xiàn)的,而且在眾多寄主中,它似乎已經(jīng)進(jìn)化到來(lái)到靈長(zhǎng)類動(dòng)物身邊了。”
蜱蟲化石里的紅細(xì)胞化石顯示,寄生蟲在數(shù)百萬(wàn)年前早于人類出現(xiàn)
換句話說(shuō),蜱蟲此前已經(jīng)“騷擾”其他生物許多許多年了。
受到波因納爾的科學(xué)啟發(fā),“侏羅紀(jì)公園”出現(xiàn)了,而他多年來(lái)也一直在研究他在1986年去往多米尼加共和國(guó)琥珀礦的旅行中收集到的琥珀樣品。除此之外,他在多米尼加之旅中還收集到了其他的珍寶,其中包括與現(xiàn)代農(nóng)業(yè)相關(guān)的、距今至少1500萬(wàn)年的植物化石。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。