塑料污染正成為生態(tài)系統(tǒng)最嚴(yán)重的威脅之一。
當(dāng)你開車的時(shí)候,輪胎和剎車會(huì)飛出小小的塑料。隨著越來越多的人進(jìn)入中產(chǎn)階級(jí),越來越多的車輛行駛在公路上,塑料污染可能為愈發(fā)嚴(yán)重。
輪胎與剎車部件中的細(xì)小塑料顆粒,會(huì)在行駛過程中不斷向空中拋灑。汽車輪胎由橡膠制成,但其中也包含合成彈性材料與纖維,以提高胎體穩(wěn)定性。剎車則是金屬與塑料的結(jié)合體。每當(dāng)橡膠接觸路面或踩下剎車時(shí),這些材料的小碎片就會(huì)因摩擦而破碎,最終落入排水溝當(dāng)中。隨著雨水的沖刷或者自然風(fēng)力的吹動(dòng),它們最終將匯入海洋或大氣。
根據(jù)發(fā)表在《自然通訊(Nature Communications)》期刊上的一篇論文,研究人員們模擬了汽車上的微小塑料顆粒如何從人口密集區(qū)擴(kuò)散至自然環(huán)境。
這些小小的顆粒從歐洲、亞洲及美洲的城市中傾瀉而出,并在北極、格陵蘭及全球海洋中沉降下來。研究人員們發(fā)現(xiàn),這些微小顆粒的平均壽命近一個(gè)月。根據(jù)計(jì)算模型,他們發(fā)現(xiàn)每年有52000噸的微粒最終落入海中,而有20000噸微粒最終落戶于極地冰雪區(qū)域。
通過將輪胎與制動(dòng)器磨損數(shù)據(jù),與現(xiàn)有污染物在大氣中的遷移率計(jì)算方法相結(jié)合,科學(xué)家們已經(jīng)拿出更加充分的證據(jù),證明塑料微粒擁有極為驚人的擴(kuò)散規(guī)模。挪威航空研究所高級(jí)研究員、這篇新論文的第一作者Nikolaos Evangeliou表示,“顆粒越細(xì)小,上升的高度就越夸張,擴(kuò)散的范圍也就更大,它們能夠在有利的氣象條件下輕松到達(dá)更偏遠(yuǎn)的區(qū)域。相反,較大的顆粒,往往越重,通常會(huì)沉積在來源附近。”
過去幾年里,不少野外探索活動(dòng)開始在與人類活動(dòng)相距甚遠(yuǎn)的區(qū)域發(fā)現(xiàn)塑料微粒——包括法國(guó)比利牛斯山脈頂端、北極、美國(guó)西部國(guó)家公園保護(hù)區(qū)等純?cè)嫉貐^(qū)。Alfred Wegener極地與海洋研究所海洋生態(tài)學(xué)家Melanie Bergmann(并未參與此項(xiàng)研究工作)指出,“總體來講,這是一項(xiàng)非常重要的研究,證明塑料微粒確實(shí)會(huì)隨著大氣活動(dòng)被傳播至海洋及北極等偏遠(yuǎn)區(qū)域。”
Bergmann還在去年的現(xiàn)場(chǎng)研究中發(fā)現(xiàn),歐洲產(chǎn)生的不少塑料微粒被一路吹送到了北極。更夸張的是,她在一升雪中發(fā)現(xiàn)了14000個(gè)塑料顆粒。她表示,這項(xiàng)最新研究“有助于解釋為什么我們?cè)诒睒O冰雪及北冰洋的樣本中總會(huì)發(fā)現(xiàn)大量塑料微粒物質(zhì)。事實(shí)上,北極冰層深處每千克沉積物中仍含有13000個(gè)塑料微粒。”
但這項(xiàng)最新研究主要基于大氣模型,而非現(xiàn)場(chǎng)調(diào)查,因此她表示“我們還需要通過更多的經(jīng)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)驗(yàn)證這項(xiàng)結(jié)論,并嘗試?yán)斫馄渲械臐撛谶^程。更重要的是,需要研究冰雪中的有色塑料微粒是否會(huì)降低陽(yáng)光的反射率,進(jìn)而增強(qiáng)全球的整體變暖趨勢(shì)。”
▲ 圖:雄偉而華麗的冰川。美麗的自然景觀正面臨嚴(yán)峻威脅——隨著氣候的變化,冰川正隨時(shí)間流逝而逐漸萎縮。
反射率變化已經(jīng)在北極地區(qū)成為嚴(yán)重問題。由于冰是白色的,因此能夠比普通陸地反射更多日照能量。而目前,北極變暖速度達(dá)到地球其他區(qū)域兩倍的一項(xiàng)主要原因,就是冰雪正因全球變暖而逐漸消退,暴露出更多水域或陸地區(qū)域,這將以正反饋形式持續(xù)增加北極變暖的速度。如今,科學(xué)家們開始意識(shí)到,北極區(qū)域充斥著大量來自歐洲的塑料顆粒。根據(jù)此次研究對(duì)塑料微粒傳播路徑的精確建模,他們擔(dān)心這些合成顆粒會(huì)導(dǎo)致冰雪變黑,進(jìn)一步加速融化過程。
Evangeliou指出,“我們覺得這種可能性確實(shí)存在。我們目前正在進(jìn)行模擬,希望驗(yàn)證論文中提出的塑料微粒影響氣候變化的猜測(cè)。”
這些小顆粒之所以易于傳播,主要?dú)w功于塑料這種材質(zhì)本身的魅力或者說弊端——塑料材質(zhì)既輕便又堅(jiān)韌。汽車輪胎與制動(dòng)器對(duì)耐用性有著很高的要求,因此相關(guān)材料的化學(xué)成分意味著顆粒在脫落之后將永遠(yuǎn)不會(huì)消失,只能慢慢降解。
根據(jù)科學(xué)家們對(duì)大氣活動(dòng)趨勢(shì)的分析,這些塑料微粒的快速擴(kuò)散似乎也在情理之中。每年6月,撒哈拉沙漠都會(huì)吹起一年一度的狂風(fēng),卷起的沙礫碎屑遮天蔽日,橫穿整個(gè)大西洋,并飄灑向美國(guó)南部。猶他州大學(xué)環(huán)境科學(xué)家Janice Brahney表示,“沙塵主要是礦物材質(zhì),密度要比塑料大得多。”(她在自己的研究中也發(fā)現(xiàn)了塑料微粒從空中降下的問題,但她并未親自參與到上述項(xiàng)目當(dāng)中)。一部分生物甚至?xí)眠@樣的氣候條件,例如蜘蛛就會(huì)拋出蛛絲,將其灑向空中,并以類似于熱氣球的形式漂浮數(shù)百英里。
但塑料微粒的情況更為復(fù)雜,因?yàn)槠渚唧w形狀多種多樣。蜘蛛絲這樣的超細(xì)纖維甚至能夠在空氣中懸停,但來自輪胎與制動(dòng)器的塑料顆粒絕不會(huì)這么“老實(shí)”。Brahney指出,“由于不符合理想球體的物理特性,我們很難理解塑料微粒的漂浮狀態(tài)。”
根據(jù)密度的不同,不同各類的塑料微粒也會(huì)表現(xiàn)出不同的擴(kuò)散趨勢(shì)。后續(xù)論文的作者肯定會(huì)關(guān)注這種傳播模式中的復(fù)雜因素:越小的顆粒,傳播距離就越遠(yuǎn)。假設(shè)兩條微纖維的形狀相同,但重量不同;或者說重量相同,但形狀不同,會(huì)對(duì)傳播情況造成怎樣的影響?
即使沉降在地面上,輪胎與制動(dòng)器的塑料微粒最終也會(huì)進(jìn)入排水溝并最終流入大海。去年,科學(xué)家們計(jì)算出,舊金山灣區(qū)周邊人口密集城市每年向該水域入投進(jìn)7萬億個(gè)塑料微粒。這些小顆粒從輪胎及制動(dòng)器上脫落之后,會(huì)隨著雨水被一股腦沖進(jìn)大海。
科學(xué)家們還總結(jié)出新的相關(guān)問題:這種極為隱蔽的新型污染,會(huì)對(duì)生態(tài)系統(tǒng)乃至人類健康產(chǎn)生怎樣的影響?塑料微??隙ㄒ呀?jīng)小到能夠進(jìn)入我們的肺部深處,并在那里滲出其化學(xué)成分。至少在海洋環(huán)境中,科學(xué)家們已經(jīng)證明,塑料微粒足以積聚細(xì)菌與病毒——我們需要確定它們?cè)诳諝庵衅r(shí)是否也能成為細(xì)菌與病毒的良好載體。
Brahney指出,“人們總是向我提出這個(gè)問題。我不是醫(yī)生,所以我很難回答。但我更關(guān)心的是:人體是如何攝取這些微粒的?”最小的塑料微粒能不能穿過腸壁并進(jìn)入其他器官?微粒能在肺部駐留多長(zhǎng)時(shí)間?這些都是科學(xué)家們希望著手解決的難題。
雖然我們還沒法馬上回答這些問題,但汽車數(shù)量的增長(zhǎng)卻一刻不停。高盛發(fā)布的一份最新報(bào)告估計(jì),到2025年,隨著人均收入的持續(xù)提升,新興市場(chǎng)的新車銷量將達(dá)到其他國(guó)家的兩倍以上。另外,新冠疫情的肆虐也會(huì)加劇這種趨勢(shì)——人們由于擔(dān)心感染COVID-19而盡量避免乘坐公共交通工具。汽車多,制動(dòng)器就多,塑料微粒只會(huì)更多。情況的惡化將只是時(shí)間問題。
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,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。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)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(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。