美洲人历史比预想要早十万年；如何用虫子解决塑料污染 | 每周科技播报

No. 1 美洲人历史比预想早十万年

在现有知识体系中，历史上的美洲大陆曾长期没有人类生存。美洲原住民最早应是在距今一万八千年之前才利用地球冰期下降的海平面，从亚洲迁徙至美洲，成为了美洲第一批人类居民。然而，《自然》杂志最新发表的一项研究称，美国加利福尼亚州一处遗址中出现了人类活动的痕迹，而该处遗址历史距今有13万年之久。在此项研究中，古生物学者与考古学家发现一些乳齿象的骨骼表面有被工具加工过的痕迹，而另一些石器表面则有加工骨骼所留下的印迹。显然，这样的行为只有人类才能做到。因此，这一考古发现很可能会将人类在美洲的历史向前推十万余年。

论文链接：https://www.nature.com/nature/journal/v544/n7651/full/nature22065.html；图片链接：http://www.sciencemag.org/news/2017/04/were-humans-americas-100000-years-earlier-scientists-thought

No. 2 如何用虫子解决塑料污染

自人类利用高密度聚乙烯来制作轻便、实用的塑料袋后，塑料袋就已经成为我们生活重要的一部分。但随之而来的是，塑料污染无处不在，它已成为人类环境的最大威胁之一。如何解决白色污染，成为各国科学家关注的焦点。最近，西班牙发育生物学家和养蜂人找到了解决这一问题的新方法。他们发现，大蜡螟的幼虫能够吃掉塑料袋，并且能够将常见的塑料袋使用材料聚乙烯转变成乙二醇，乙二醇可作为防冻剂，重新再利用起来，这项研究发表在最新的Current Biology杂志上。

文章来自：http://www.cell.com/current-biology/fulltext/S0960-9822(17)30231-2；图片来自: science

No. 3 哺乳动物排泄有共性，普遍只需12秒

近期，佐治亚理工学院的研究人员发表了他们对于哺乳动物排泄过程的流体力学研究成果，他们发现，哺乳动物体重不论是４吨还是４千克，也不论其直肠长度多少，其排泄所需时间都稳定在12秒左右。并且，这一过程最短为５秒，最长为19秒。该研究还提到，粪便的长度通常是直肠的两倍，这意味着结肠可能也有储存粪便的功能。

文章链接：http://pubs.rsc.org/en/content/articlelanding/2017/sm/c6sm02795d/unauth#!divAbstract; 图片来自：500px.com

No. 4 机器人可按需求快速搭建房屋

最近，美国麻省理工学院（MIT）的研究人员提出一种新的数字化建筑平台，可根据定制现场搭建出建筑物，降低传统建造技术打造建筑的危险和巨大能耗。近年来，我们已经见到能够搭建小型建筑物的机器人，如垒砖机器人或用混凝土3D打印出建筑物的机器人。最近，MIT研究人员设计了一个新的建筑系统，可3D打印出整个建筑物。这个系统的核心是一台有一大一小两根手臂的打印机器人，可打印2768立方米体积的建筑。与之前的打印机器人不同，该系统打印的范围不局限于机器框架内，而是在小型胳膊喷嘴上，将两种化学物质喷出来并迅速凝固。这一新的平台使用太阳能进行驱动，还可就地取材作为建材。研究人员相信，这一平台适合于部署到偏远地区进行快速灾后重建或类似的支援任务。

文章及图片来源:

http://spectrum.ieee.org/automaton/robotics/industrial-robots/robotic-construction-platform-creates-large-buildings-on-demand

No. 5 古为今用，传统宗教仪式被用作难民精神治疗手段

马克思曾有一句名言：宗教是人民的鸦片。但实际上，宗教仍可在现代社会中发挥许多积极作用。《当代人类学》杂志发表的一项研究称，科罗拉多大学等研究机构的学者考察了印度北部难民群体的传统宗教仪式，发现此类仪式在维护难民群体精神健康方面非常有效。这一难民群体原有的居住地因建设野生动物保护区而被征收，其后，该群体内部心理与精神问题比较多见。不过，在经历了两次为期９天的印度教传统仪式后，其精神状况明显好转，个人的安全感恢复。研究者认为，这一发现非常值得参考，并可以应用在其他难民群体之中。

文章链接：http://www.journals.uchicago.edu/doi/full/10.1086/691212; 图片来自：pd4pic.com

No. 6 神经网络自动生成程序而无需编程

近日，微软研究人员公布了一项新的研究成果：他们训练了一个深度神经网络 RobustFill，这一神经网络可学会遵循用户的意图来自动生成计算机程序。对于 RobustFill，用户只要提供一些简单的输出-输出对应范例，以表示自己希望获得的程序的功能，RobustFill 即可从中学习并通过域特定语言（domain specific language）生成用于执行任务的程序。RobustFill 使用了曾用于机器翻译的“Attentional sequence-to-sequence 神经网络”，可在输入输出存在明显噪音的情况下保持高精度的学习结果，在真实世界的任务基准测试中，达到了92%的准确率。研究人员认为，这一研究成果解决了可解释性的关键挑战，是通向通用人工智能的坚实一步。

文章及图片链接：https://www.microsoft.com/en-us/research/blog/deep-learning-program-synthesis/?wt.mc_id=MCR_378116_FB1

No. 7 新计算模型能显著提升机器翻译质量

近日，中山大学、中科大和微软亚洲研究院的研究人员联合提出了一种新的机器翻译方法，能显著提高机器翻译质量。受启发于生成对抗网络（GAN）的成功，研究人员实现了一种对抗机器翻译训练架构，即对抗神经机器翻译（Adversarial-NMT）。与以前的工作不同，Adversarial-NMT不使用最大似然估计原理来让机器翻译结果匹配人类翻译结果，而是希望最小化机器翻译结果与人类翻译结果的差异。因此，研究人员精心设计了一个卷积神经网络（CNN），这个CNN作为Adversarial-NMT模型的对手，判断Adversarial-NMT的翻译与人类翻译之前的差异。而Adversarial-NMT的目标在于生成高质量的翻译以“骗过”这一对手。在德语到英语和英语到法语的翻译测试中，Adversarial-NMT的翻译结果经BLEU标准评分后，都超过了现有的最好结果。

文章及图片来源: https://arxiv.org/abs/1704.06933