【菜科解读】

每当谈起远古人类史，我们习惯于用“史前史”称呼那段漫长的无文字记录的亘古时空。

“史前史”这个概念为历史局限了一个起点，然而这个“起点”亦成为“断点”。

文字的诞生如一道壁垒，切断了人类的过去，使我们缺少一个全观的视角，无法形成整体景深下的广阔视野。

英国国家学术院院士、英国皇家人类学学会前会长克莱夫·甘布尔摒弃了“史前史”的概念，代之以“深层历史”，他将关于人类过去的一切都看作历史，勾勒出一部长达几百万年的人类史诗。

宏大的视角带来了全新的叙事，人类的大脑进化与全球迁徙成为最重要的两条情节主线。

我们会看到，在百万年的时间跨度下，人类最明显的活动是不断开拓栖息地，直至占据整个地球；

而在此过程中，人脑进化起着关键的推动作用。

克莱夫·甘布尔的《定居地球》一书，是上述研究成果的集中体现。

作者综合利用各学科的前沿理论与发现，建构起一个全新的考古学框架，提供了一种重新认识人类历史的方式，揭示出人类全球迁徙背后的复杂动因。

《定居地球》译本近期已经出版，值此之际，新京报书评周刊联合出版方汉唐阳光，在5月5日（周五）19:00，邀请许宏、缪哲、郭建龙，与主持人张萌一起，举办一场线上读书会。

让我们一起走进那个久违的深层历史世界，去追踪人类惊心动魄的历险。

游荡与想象

人类的漫长迁徙与大脑进化

嘉宾

许宏

中国社会科学院考古研究所研究员

缪哲

浙江大学艺术与考古学院教授

郭建龙

自由作家，《定居地球》译者

主持

张萌

复旦大学文物与博物馆学系、科技考古研究院青年副研究员

时间

5 月 5日 周五19:00

—— 直播平台入口 ——

预约各平台直播间

视频号

微博

快手

抖音

——

运营团队

策划执行 新京报书评周刊 汉唐阳光

本文编辑 吕婉婷

海报设计 汉唐阳光

本文校对 陈狄雁

新京报书评周刊/文化客厅

隶属于新京报的文化领域垂直媒体，自2003年创刊以来，新京报书评周刊深耕于文化出版动态，向读者提供有关文学、社科、思想、历史、艺术、电影、教育、新知等多个领域的出版动态与学界动态，提供诸如专题报道、解释性报道、创作者深度访谈等深度文化内容。

2019年，新京报书评周刊基于现有内容资源，推出了“文化客厅”系列活动。

文化客厅线下活动，旨在通过与读者的真实交流，建构立体的内容传播方式，与真实的个体共同理解并见证时代的流变。

科学家发现唤醒大脑机制：大脑中的觉醒开关

　　文章来源：煎蛋 　　睡眠是由好几个部分组成的。

一个晚上的睡眠包括N-REM（非快速眼动睡眠）和REM（快速眼动睡眠）以及各自的许多分支。

恰当的说，它的结构和模式被称为"睡眠结构"。

　　60多年来的研究，让我们了解睡眠的基本框架。

今天，怀抱着科学知识，研究人员对构成我们睡眠结构的底层神经系统进行研究，试图识别和了解对大脑进行控制的神经回路——不同阶段睡眠的开始、持续和停止。

例如研究人员发现控制REM周期开始和终止的神经开关。

一号店恐怖故事,狼蚁奇闻趣事,利用激光和药物操纵神经元的活动（一种叫做光遗传学的方法），他们了解了大脑如何控制梦境。

　　其他研究人员利用光遗传学鉴定夹在下丘脑和丘脑之间的神经回路，当这组神经回路变得活跃时表示睡眠结束。

是的，这很吸引人，同时也很有用：因为如果这部分的神经过于活跃或缺少活性，分别会导致失眠和嗜睡，大脑中的电路可以帮助研究人员研究出治疗睡眠障碍的方法。

　　现在，来自瑞士和德国的研究人员发现了唤醒大脑的机制。

研究小组在小白鼠的大脑中发现一条神经回路，当小白鼠清醒时这条神经回路变得很活跃，而当其变得不活跃时小白鼠进入了深度睡眠中。

他们将研究结果发表在了《自然神经科学》杂志上。

　　研究人员发现，激活这条神经回路小白鼠很快从睡眠甚至是麻醉的状态中清醒过来。

　　论文的合著者Antoine Adamantidis在一份新闻稿中说道："这是一个令人兴奋的发现，因为将植物人或具有微弱意识状态中唤醒的治疗方法效果是有限的。

" 　　掌握这条控制觉醒的神经电路能够帮助研究人员发明出更有针对性的治疗睡眠障碍和设计出更好的唤醒植物人以及具有微弱意识人的方法。

人类大脑：宇宙最强CPU

例如，不管字母A的外形、质地和背景怎样，或者不管同事的头上戴着帽子还是变了发型，我们总能认出来。

我们也能根据事物露出的一部分，比如床的一角或门的铰链，来认出它们。

这到底是怎么实现的呢？人类是不是使用了特别简单的技巧来完成这些复杂的任务？这些技巧是不是能用来改善计算机视觉，提高机器学习能力或机器人性能呢？ 人类大脑：宇宙最强CPU 乔治亚理工学院的研究人员发现，国美奇闻怪事,湘120灵异故事,人类能使用不到百分之一的原始信息来给数据分类，他们还确认了一种能够解释人类学习行为的算法，这种方法也能用于提升机器学习能力、数据分析和改善计算机视觉。

"我们怎么能够感知我们周围的这么多数据呢？怎么就能区分这么多种类型，这么快速，这么笃定？"乔治亚理工大学计算机科学的特聘教授桑托什·万帕拉说，"人类那么做的基础是什么？这是一个计算问题。

" 该大学负责研究人类行为的研究人员做了"随机投影"试验，来理解人类的学习行为。

他们把原始的抽象图像呈现给测试对象，然后询问他们是否能够识别出那些只显露一小部分特征的图像。

"我们假定随机投影是人类学习的一种方式，"阿里亚加说。

他是资深科学家和发展心理学家。

他解释说："最简洁的答案是，预测可能总是对的。

只要给人类百分之零点一五的数据，人类就能做到准确预测。

" 接着，研究人员测试了一个计算机算法，让机器（非常简单的神经网络）计算同样的测验。

机器的表现跟人类一样。

"我们发现，人类和机器的神经网络非常相似。

" 科研人员想找出一个数学定义，找出典型和非典型的公式，然后，据此预测出对人类和机器学习来说最困难的那种数据。

人类和机器的表现差不多，这表明随着时间的过去，人们将能预测出最难获悉的数据。

这个研究成果刊登在《神经计算杂志》上，被认为是对"随机投影"的首次研究。

为了测试他们的理论，研究人员做了三组150X150像素的抽象图像，然后把那些图像缩小到最小的随机投影。

被测试人员看到所有图像的时间是10秒钟，然后会随意给出某一个图像的16张草图。

使用抽象图像的目的是，确保人类和机器都不会提前获得该测试物的相关知识。

"我们惊奇地发现，简单的神经网络和人类的表现是如此接近，"万帕拉说，"通过研究人类学习模式，我们发现机器神经网络的设计太了不起了，不过它还很薄弱。

发现它跟人类的行为匹配，真是太让人惊讶了！那是一种几何学、机器神经计算和机器学习能力的创造性组合！" 虽然研究人员不能明确声称人类大脑的识别能力就是随机投影，但是研究结果随机投影看起来是个有道理的解释。

另外，随机投影是使数据不必丢失主要内容而得到有效管理的一种方法，至少对完成分类和做决定这样的基本任务来说是这样。