这种树进化成天然避雷针，并引诱天雷劈死竞争对手......

为什么油豆蔻树会主动“遭雷劈”

想象一下，被几百万伏的闪电劈中——对人类来说，这绝对是灭顶之灾，但对某些树来说，却可能是件好事。最近发表在《新植物学家》上的一项研究发现， 热带雨林中的某些树木不仅不怕雷劈，甚至还能从中获益。 它们可能进化成了天然的避雷针，专门吸引闪电来帮自己清理门户。

这项研究由Cary生态系统研究所的森林生态学家Evan Gora主导。他的团队在巴拿马热带雨林考察时，偶然发现了一棵被雷劈过的油豆蔻树（ Dipteryx oleifera ）。令人惊讶的是，这棵树不仅毫发无伤，反而活得更加滋润—— 闪电不仅帮它炸掉了缠绕在树冠上的寄生藤蔓，还顺带劈死了周围十几棵竞争对手。

Gora回忆道，当时看到这一幕简直难以置信。后来，他们又陆续发现多棵被雷劈过却越长越好的油豆蔻树，于是决定深入研究。

过去科学家曾猜测某些树木可能进化出了抗雷劈的能力，但一直缺乏证据。直到2022年，Gora团队首次证实，不同树种对闪电的耐受性确实存在差异。而这次的最新研究更进一步：某些树不仅能扛住雷劈，还能从中捞到好处。

团队在巴拿马巴罗科罗拉多自然保护区追踪了93棵被雷劈过的树，持续观察2到6年，记录它们的存活率、树冠损伤、寄生藤蔓数量以及周边树木的死亡率。结果发现，9棵被直接劈中的油豆蔻树全部存活，仅受轻伤；而其他被劈中的树种就没那么幸运了，树冠叶片损失量是前者的5.7倍，64%在两年内死亡。

更神奇的是，闪电还成了油豆蔻树的清场工具。每次雷劈平均会干掉9.2棵邻近的树，同时减少78%的寄生藤蔓，让这些抢阳光、抢养分的吸血鬼别再来烦自己。长期数据也显示， 油豆蔻树周围的树死亡率比森林平均水平高48%，而它自己的藤蔓数量却明显较少。

无人机测绘还揭示了一个关键细节：这种树通常比邻居高出4米左右。这很可能是因为闪电优先劈中较高的树，而它的竞争对手们一次次被天罚淘汰，最终让它独占阳光和生长空间。

综合这些优势，研究团队计算得出： 这种树被雷劈的概率比普通树高出68%，平均每56年就会挨一次劈。但它们的寿命可达数百年甚至上千年，一生要经历多次雷击 （研究中有一棵甚至在5年内被劈了两次）。这种雷劈增益让它们的繁殖成功率飙升14倍，堪称进化赢家。

那么，这些树到底有什么抗雷秘诀？是特殊的导电结构，还是独特的生理机制？Gora团队下一步计划深入研究它们的电学特性，并探索其他树种是否也有类似能力。

中央的树遭雷劈前（左图）与遭雷劈两年后（右图），可见树上的攀援藤蔓已经不见了，周围的邻居也少了很多

（图片来源：参考文献）

不只是猎物会伪装，捕猎者也会

布里斯托大学的科学家们最近发现，白斑乌贼（ S epia latimanus ）在捕食时会施展一套令人惊叹的视觉魔术。 这种头足类动物能够在接近猎物的最后时刻，通过皮肤上滚动的深色条纹完美隐藏自己的行动轨迹。 相关研究发表在Science Advances期刊上。

传统观点认为，伪装主要是猎物用来躲避捕食者的防御手段。然而这项研究 首次详细揭示了捕食者如何利用动态伪装来迷惑猎物 。论文主要作者Matteo Santon博士指出，乌贼的这套把戏特别适合在移动中隐藏自己。

研究人员通过模拟螃蟹的视觉系统发现，这些向下滚动的条纹会产生强烈的运动干扰。猎物虽然能看到条纹运动，却因此忽略了正在逼近的乌贼。 这种效应类似于人类观看魔术表演时，被明显的动作分散注意力而错过关键细节。

资深研究者Martin How博士补充道，乌贼皮肤的超强变色能力让它们拥有比其他动物更丰富的动态伪装选择。目前已知白斑乌贼至少掌握四种不同的捕猎展示方式，每种都像精心设计的魔术戏法。

特别有趣的是，这种条纹在人眼看来其实相当醒目。Santon博士解释说， 这恰恰证明乌贼深谙猎物视觉系统的弱点。 它们不是简单地隐藏自己，而是用精心设计的动态图案来操控猎物的感知。

研究团队计划进一步探究乌贼选择不同捕猎策略的规律。Santon博士回忆第一次在野外观察到这种捕食行为时，感觉就像目睹了一场完美的魔术表演。乌贼优雅地舞动着条纹，而猎物却浑然不觉危险将至。

这项研究不仅揭示了海洋生物的奇妙适应能力，也为动态伪装技术提供了新思路。或许未来的隐身材料就会借鉴乌贼的这套视觉干扰原理。

值得注意的是，乌贼的这套本领依赖于它们独特的 色素细胞系统 。这些细胞可以瞬间改变颜色和图案，堪称自然界最高效的动态显示屏。

这项发现改变了我们对动物伪装的传统认知。它证明在进化过程中，捕食者和猎物始终在进行着一场精妙的视觉博弈。而乌贼，无疑是这场博弈中的顶级魔术师。

乌贼的触须可以产生滚动条纹来掩饰自己

（图片来源：布里斯托大学）

自闭症也许与重复行为和特殊兴趣有关

自闭症的诊断通常依赖医生的临床观察和评估，但这一过程往往带有主观性，难以标准化。最近，一项发表在《细胞》上的研究尝试用大语言模型（LLM）来解析医生的诊断逻辑，结果发现： 重复行为、特殊兴趣和感知相关的行为可能才是自闭症诊断的最强信号， 而现行的诊断标准（如DSM-5）更强调社交障碍，有概率忽略这些关键因素。

研究团队由Mila Québec人工智能研究所和麦吉尔大学的Danilo Bzdok领导，他们训练了一个基于489万句文本的大模型，并让它分析4000多份临床报告。这些报告由医生撰写，记录了患者的观察记录和病史，但未包含最终诊断结论。

团队设计了一个特殊的LLM模块，能精准识别报告中哪些句子对预测诊断最关键。随后，他们将这些句子的数值化表达与DSM-5的标准进行对比，结果令人意外—— 社交能力缺陷虽然是现行诊断的核心，但AI认为重复行为、特殊兴趣和感知异常才是更可靠的指标。

例如，许多自闭症患者会对特定事物表现出异常专注（如反复排列玩具、痴迷于某个话题），或对声音、触觉等感官刺激异常敏感。这些行为在AI看来比“缺乏眼神交流”或“社交互动困难”更能预测自闭症。

这项研究的目标并非用AI替代临床诊断，而是量化医生的决策过程，帮助制定更符合实际经验的诊断标准。 目前的诊断指南可能过于依赖社交缺陷，而忽略了其他关键行为特征。

研究者希望这项研究能推动自闭症诊断标准向更实证化的方向发展，并帮助理解自闭症临床表现的多样性。毕竟，如果AI都能从医生的笔记中发现新线索，那人类医生或许也该重新审视自己的诊断逻辑了。

未来，AI+医生的组合，可能会让自闭症诊断更精准、更人性化。而在这个过程中，我们或许会重新认识自闭症——它不仅仅是“社交障碍”，更是一种独特的感知和思维模式。

自闭症需要早发现、早干预

（图片来源：人民日报）

玩游戏就能当刑警？教授：是真的

想象一下，戴上VR眼镜，你就能走进一个虚拟犯罪现场，拍照取证、采集指纹、标记物证——这不是科幻电影，而是 美国新泽西理工学院（NJIT）最新开发的刑侦训练工具CSIxR 。在今年的美国法医科学学会年会上，这项黑科技一亮相就吸引了全球法医专家的目光。

如果你是一个刑警学员，最快让你掌握破案技巧的方法就是多出现场。但问题是，没有那么多杀人案现场能供你学习。

传统刑侦训练中会有人工搭建的实体场景，不但成本高，还难以重复练习。而CSIxR通过虚拟现实技术，让学生沉浸式体验各类案件现场。

项目开发者Kevin Parmelee（前新泽西州检察官办公室侦探）介绍， 学生可以在虚拟环境中练习关键流程，比如拍摄现场照片、提取指纹、协调调查小组等。 犯错也没关系，点击重置就能重来，这种无压力的训练方式能快速提升实战信心。

开发团队称，CSIxR的独特之处在于跨学科合作——信息科学、建筑设计和技术开发的专家共同打造了这个灵活的平台。目前，它已用于NJIT的刑侦课程，初步数据显示，学生通过VR训练后，进入真实现场时的适应速度显著提高。

团队还在VR训练中引入了如何用科技手段识别虚假谋杀供词，这源于团队多年的侦探经验。

法医专业本科生Amber Luludis正在研究VR教学与传统课堂的效果差异。她发现，CSIxR的 实时反馈功能 是一大优势——教授能同步监控学生的操作错误，而传统课堂很难实现个性化指导。她的毕设项目将对比全美顶尖法医课程的教学方法，探索科技如何重塑刑侦教育。

尽管VR训练无法完全替代真实场景，但它让刑侦教育更高效、更安全。 正如Parmelee所说：技术不应是暴君，而应是推动法医科学变革的助手。从牙齿年龄鉴定到虚拟犯罪现场，NJIT的研究证明，未来的破案高手，或许真能从“玩游戏”开始练起。

（P.S. 想体验CSIxR？可惜目前仅限NJIT校内使用。也许不久的将来，刑侦课程也会像电竞一样。）

参观者现场体验这款游戏，好奇他们到底看到了什么

（图片来源：NJIT）

到底是下雨还是下雪？连AI都迷糊了

每到冬天，天气预报总让人又爱又恨——明明说要下雪，结果窗外飘的是雨；或者预测是雨，出门却踩了一脚雪。

如果你也和课代表一样生活在杭州，自然也会心怀着“晴西湖不如雨西湖，雨西湖不如雪西湖”的期盼，能看到白雪再次覆盖在湖心亭。然而，几次天气预报有雪所带来的激动心情，最后基本都毁在第二天的小雨中。

美国佛蒙特大学（UVM）的一项新研究发现，在接近冰点的温度下，气象数据很难准确区分雨和雪。这项发表在《自然-通讯》上的研究评估了传统降水分类方法和机器学习模型的性能，结果发现，在特定条件下对雨和雪的无法区分，确实不赖天气预报员，因为 无论是简单的温度阈值法，还是复杂的人工智能模型，在0°C附近都容易犯迷糊。

传统天气预报依赖气温、湿度、气压等数据来判断降水形态。在极寒或温暖天气里，这种方法很管用——零下10°C几乎肯定是雪，10°C以上基本是雨。但问题就出在 0°C到2.5°C这个区间，此时雨和雪的气象条件高度重叠， 就像两杯看起来几乎一样的水，一杯是清水，一杯是盐水，光靠肉眼很难分辨。

研究负责人Keith Jennings博士解释，在接近冰点时，雨和雪的湿球温度分布高度重合，导致传统方法难以精准区分。更让人意外的是，即使采用随机森林、XGBoost、人工神经网络（ANN）等机器学习模型， 准确率也仅比传统方法提高0.6%，仍然无法可靠识别混合降水或略低于冰点时的降雨。

这个问题在山区尤为突出。雪和雨的差别，对水资源管理、防洪、滑雪场运营甚至航空安全都至关重要。一场大雪可能补充水库，而一场雨则可能导致洪水。

所以下次看到“雪转雨”的预报时，别急着怪气象台——要怪就怪大自然，在冰点附近给科学家出了道难题。不过令课代表没想到的是，在AI发展远超人们想象力的今天，天气系统居然能让AI吃瘪，看来还是大自然能耐大啊。

雨夹雪落下形成的雪泥

（图片来源：Wikipedia）