嫦娥四号,去更稳妥的地方,还是去未曾去过的地方?

本文为2019年3月23日“我是科学家”年度盛典——科学与你,探寻万物的联结 | 张熇 演讲实录:

在人类探索月球的历程中,关于月球背面的阴谋论和谣言甚嚣尘上,阿波罗登月是假的?世界各国都不探月了?月球背面有外星人?月球内部是空心的?当然,这些都是不存在的。那么,这里为何值得嫦娥四号“走一趟”?中国空间技术研究院嫦娥四号探测器项目执行总监、副总设计师张熇为大家带来演讲《嫦娥四号:去月亮背面,去未曾去过的地方》

我是张熇,来自中国空间技术研究院。很荣幸,因为这张照片,我在网络上火了一把。

其实,我从2001年就开始从事我们国家探月工程探测器的设计研制工作,参与了我们整个探月工程“绕落回”发展战略(即绕月探测、月球软着陆和自动巡视勘测、月球样品自动取样返回探测)的论证,参与了嫦娥一号、嫦娥三号、嫦娥四号几个探测器的研制。

要说到我跟航天的结缘,可以追溯到1986年。上初三的时候,我订了一本杂志,这个杂志叫《航天》。从那个时候,我就从内心非常喜欢航天这样一个“有点未知、有点冒险”的事业。后来也一直从事相关的工作。

今天我主要和大家分享一下嫦娥四号的故事。大家知道,嫦娥四号是人类首次着陆到了月球背面。其实,最初决策着陆地点的过程,挺漫长,也挺艰苦。

2013年,嫦娥三号任务圆满完成后,我们就开始论证:嫦娥四号的目标到底是哪儿?

当时,我们也提出过:继续落在月球正面另一个地方,或者落在月球背面,甚至于可以落到月球的极区。

从科学探测的角度来说,落到任何一个地方都可能有新的发现,都很有意义。但是,月球背面——没有国家的探测器在那儿着陆过,那么我们有可能有更多新的、首创的科学发现,意义更大。

作为航天工程师,我们的任务就是权衡我们的设计是不是能够满足这样的一个任务需求。

演讲嘉宾张熇:《嫦娥四号:去月亮背面,去未曾去过的地方》

当时有很多专家说,既然月球背面全都没有国家去过,应该有两种可能:一种是,去背面没有什么意义,所以大家都不去;要不然,就可能是技术难度太大了,大家都去不了。

我们经过充分的分析论证,经过一段时间终于提出来合适的方案:增加一颗新的中继星,然后对原来嫦娥三号研制的着陆器、巡视器进行适应性的改进、优化。我们认为可以实现着陆到月球背面这样一个目标。

但当时,还是有很多质疑。每次科学家们提出不同的疑问,我们就要做相应的分析仿真,然后解答其中的问题。

2015年,在一次决定“嫦娥四号最终去哪儿命运”的评审会上,专家们还是有一些不同的意见。我们的叶培建院士,他凭着多年的工程经验和敏锐的战略思考,说,月球背面没有人去过,这就是最大的意义,因为我们空间探索的目标就是要探索未知,那么,“没有人去过”这个本身就已经是很大的意义。

最终,决定了嫦娥四号要着陆到月球背面。这从科学上和技术上都有很大意义。

从科学意义上说主要是有三个方面:

第一,因为月球背面挡住了来自地球的辐射,同时它自身没有电离层、没有大气层,是一个非常洁净的电磁环境,非常适合开展月基的天文观测——这也是世界各国开展射电天文观测的天文学家们梦寐以求的地方。

第二,月球背面的地质年龄比月球正面要古老几亿年,我们到这个地方探测,就有可能发现更多、更早期年代的一些物质。

第三,月球背面撞击坑非常密集,有我们太阳系最大的撞击盆地,叫“南极-艾特肯盆地”。探索这个盆地有可能发现一些月球深部的物质,为月球的起源演化研究提供很多数据。

从技术上,主要的挑战分两个方面:第一,怎么实现高精度地、安全地着陆,第二,怎么实现和地球的通讯。

其实月球本身是一个球体,它没有所谓的正面背面。月球是地球的一个卫星,围绕地球来运动;但是由于潮汐锁定的效应,月球自转的周期和它公转的周期基本上一致。这样月球始终一面朝向地球,一面背向地球。由于月球自转轴有天平动(指天文学中观察所见到的非常缓慢的周期性振荡)的运动,所以不是完整的50%看不到,而是只有大概40%看不到,60%可以看到。

在这张图上,左上是月球的正面,就是冲向地球的这半边。我们嫦娥三号就是着陆在月球正面西北的虹湾地区。右上这张,红的、蓝的颜色很丰富的,就是月球的背面。从这两张图可以看出正面相对地形比较平坦;背面的高地很多,撞击坑非常得多,很难找到一块比较平坦的、大的地方。最下面这张图是嫦娥一号——当时我们国家第一颗月球探测卫星——获得的一个全月面的地图。

在月球正面和背面地形有一定差别的情况下,左一图是月球背面我们希望着陆的南极艾特-肯盆地内部的一片区域,红色、蓝色、黄色代表的是月面的高程(即某点沿铅垂线方向到绝对基面的距离),蓝色偏深的是地势比较低的,红的是地势比较高的。从这张图上可以看到比较大的、平坦的地区是很少的,所以我们后来选的主着陆区,就是红色的冯·卡门撞击坑(位于艾肯特盆地中部,是整个太阳系最古老的撞击坑)里的能够安全着陆的一个平地,大概只有50×30公里这样一个范围。

再往右,左二是嫦娥三号当时的着陆范围。可以看到,大片蓝色的都是很平坦的地区,我们就可以在一个很大范围内着陆,对控制的精度等等要求相对低;到了背面,只能在很小的区域着陆,对整个飞行过程的控制、着陆的控制,就提出了更高的要求。

背面地形起伏还带来一个问题,就是航迹地形起伏剧烈。在着陆的过程中(右一图),先经过高地,中间经过一个凹坑,然后又经过这两个坑之间的高地,最后再进到坑里边。这个航迹的起伏,中间这条曲线最多可以达到四五公里。这个过程中,我们要对月面进行测距测速,地形起伏带来很大的影响,会带来很大的导航误差,给我们带来了很多困难。所以,在嫦娥三号基础上必须要做改进和创新,才能实现在这样一个复杂崎岖地形的安全着陆。

我们主要是做了四个方面的工作:

第一,优化、精细化轨道的设计和控制。我们要在轨道每一次变轨之后进行精细的控制,最终能够让它进入到刚才图中画的比较小的框里边。

第二,做精细化的发动机推力的在轨标定。着陆的过程主要是靠着陆器上的发动机的推力来提供减速的能力,这个推力有1%的偏差,着陆点就会偏出几公里的量级。而在轨发动机在一个真空的复杂环境下工作,和在地面上做测试标定还不完全一样,所以我们要在轨标定,精确地标定推力到底是多少,来保证最终精确着陆。

第三,对整个动力下降、整个着陆过程的策略进行了优化。上图中,左边是嫦娥三号的着陆轨迹,右边是嫦娥四号的着陆轨迹。主要的变化在于主减速段结束的时候,嫦娥三号从15公里减到3公里左右,而嫦娥四号优化之后的效果就是到8公里以后,我们已经到了着陆区的冯·卡门撞击坑的上方,再进行对月面的测距测速,面对的目标已经是未来的着陆点,就不再受比较大的地形起伏的影响。

第四,接力避障。因为月球背面撞击坑非常多,如果没有地形识别没有避障的策略,很可能会着陆在斜坡上等等,就会有翻倒的危险。我们是设计了先是光学避障,后面还有激光三维成像避障、两轮的避障来实现选择安全着陆区,最终实现了一个“定点、定时、精确”的着陆。

这张图中,左上角的图片,就是嫦娥四号在着陆过程中,距月面100米高度时有一个悬停。所谓“悬停”,就是相对月面的速度基本上是0。在这几十秒的时间内,我们用一个激光三维成像敏感器生成了右上这张图,可以明显看出有两个大坑,右边也还有坑。我们着陆器上的计算机会自主根据这张三维图像来识别坡度凸起和凹陷,来寻找满足要求的地点着陆。最终,我们选择了右上图中红十字的地方,在几个坑中间找了一个相对平坦的地方。

下面两张图片,都是光学相机成像,通过图像匹配最终定位着陆在三个坑中间的一个位置。右下角这张照片是我们人类获得的第一张月球背面近距离的一个图像。这些图像,在普通人眼里可能只是图像,但是在搞月球科学的科学家眼里,可以由此分析一些石块撞击坑的分布,等等,都会让我们对月球的起源和演化有更多的科学认识。

到了月球的背面,我们看不到地球了,而通讯都是要通过直接可见的微波通讯,所以就需要一颗中继星:着陆器、巡视器的信号先发给中继星,中继星再发给地球。

中继星工作在什么样的轨道?这需要精心的选择。它可以绕着月球运转,也可以选择一个更好的地点,也就是我们现在选的在地月L2点的HALO轨道。

月球和地球是一个地月系,在任何两个天体之间存在若干个引力平衡点。L2点是“拉格朗日2点”的缩写,这个点也是一个引力平衡点。航天器如果工作在这个地方,需要很小的一些控制的能量就可以让它保持在这附近运动。

L2点距离月球平均6.5万公里,选择在L2点工作有几个好处:一个是L2点工作的探测器始终可以看到月球的背面;第二就是我们可以设计这个L2点轨道的浮值(即浮动值)——卫星并不是站在L2点,而是围着L2点一个大的椭圆轨道转圈。现在我们设计的这个圈,大概浮值有1到3万公里,是比较大的一个圈——这样一个圈的好处就是它始终还能看到地球,地球并不会被月球遮挡。中继卫星工作在这个轨道,就能实现着陆器、巡视器把信号传给中继星,中继星再传给地球这样一个准实时的数据中继。

但这个轨道,也有一个唯一的缺点:离月球相对比较远,平均最远的时候可以达到8万公里,近的时候也有4万多公里。距离远,信号衰减比较厉害,那信道能传输的数据量就会比较受限制。

针对这种情况,我们采用了一种叫“再生数据转发”的方式,就是着陆器、巡视器发送的数据,发到中继星,中继星要进行解码,然后再编码传送到地球,这样我们就可以获得更多的信道增益来提高我们传输数据的数据量。

中继星采用了一个小平台加一个大天线的方式。右边这个大图,我们的中继星平台,就是下边这个银色的部分,一个一米见方的立方体,顶了一个直径4.2米的中继天线,我们把它叫做“伞状天线”。左边是它收拢状态,右边是展开状态。它由16根肋作为支撑,中间的这些网面是用金属丝编织的一个网面,口径大就有利于传输更多的数据。

这样一个天线在月球L2点轨道运行,要经历近300度的温差。低温到零下190度,高温到零上100度。如何在这么大的温差范围内保证天线型面的精度,也是很困难的一个问题。所以,我们这个天线在调试的时候也需要很费力的工作,工人师傅要精细地调整网面,调整以后,要把这个天线放到真空罐里面去做高低温的循环,让这些金属网的应力得到释放,做几遍以后得到一个型面精度非常好的天线。

目前,整个中继星在轨的工作的指向,整个天线的型面保证都非常好,实现了我们着陆器、巡视器的对地的终极通讯。

经过着陆的设计和通讯的设计,终于到了月球背面,接下来我们做些什么事情?

我们的科学家主要配置了这样一些载荷:一个是着陆器,着陆器上主要包括地形地貌相机、降落相机、低频射电频谱仪,就是刚才我说到的针对月球背面电磁环境,来做低频射电天文观测的。目前我们主要是做太阳爆发产生的低频的电场,还有着陆区上空的月球电离层的观测;同时我们还带了一个月球中子及辐射剂量探测仪,来探月球附近的能量中性粒子的一个计量,还有可能探测着陆器附近月壤中的羟基的含量,因为羟基可能跟水的存在有关。现在这些载荷都已经开机工作了,但是数据的积累和分析还需要一定的时间。

这个是巡视器,大家可能都知道它叫“玉兔二号”,我们叫巡视器。它的上面装了包括全景相机、红外成像、光谱仪、测月雷达、中性原子探测仪。相机主要是拍月面的图像;红外光谱仪主要是测月球背面月壤的成分;测月雷达它是向月面发射电磁波,通过回波反射来反演月球的浅层的地壳结构;中性原子探测仪是测月球表面的中性原子的通量等等。

目前这些科学载荷都在正常工作,但科学数据的分析积累、科学成果的产生还是有一个过程。现在我们需要做的,就是让它们继续探测数据,给科学家一定的时间来分析积累这些数据。我们希望会有更多非常好的科学成果产生。

另外,我们嫦娥四号还做了一件比较有意思的事情:到月球背面测了一下月壤的白天和晚上的温度。因为在月球背面晚上是没有太阳光的,月壤没有大气层的保护,温度会降得很低。

以前我们都是靠国外的资料,这一次我们自己亲自实测了一下。我们把测温的敏感器放在巡视器梯子的端头上,这个端头最终在月面会接触到月壤,就可以有效测量月壤的温度。现在我们也测出来了,月球背面月壤在月夜期间的温度达到了零下190多度,我们和科学家也正在进一步分析,这可能跟月壤本身的特性,跟月壤的热特性有密切的关系。

为了实现这个月夜测量,我们还用了一个新的技术叫“同位素温差电池”。因为没有太阳光可以进行能量供应,所以用了同位素温差电池给这些测温装置供电——这也是国际上深空探测器普遍采用的技术:利用同位素元素衰变产生的热,再利用半导体材料热电转换效应把它转换成电。现在我们做的深空探测同位素温差电池提供的电能还比较少,但是等相关的技术突破之后,会给未来同位素电池的应用垫定一个比较好的基础。

这是嫦娥四号着陆器拍的着陆区周围的全景拼接的全景图,这是其中的一部分。可以看到中间竖着杆子,还有右边,左前边伸的杆子,就是我们月机低频射电频谱仪三根各五米长的测量低频射电谱的天线。

为了确保在飞行过程中的成功,每一个航天器在地面其实都经过了千锤百炼。在地面充分验证,这是我们航天任务成功的一个最基本的要求。

这是包括我们做光照实验、热真空实验、点火悬停实验,还有着陆冲击实验以及振动实验等等这样一些实验的图像。很多时候,大家看到的是我们航天任务成功、大家激动欢喜的场面。但是对于我们设计师来说,其实最难忘的很多时候,是我们出了问题、遇到挫折的这些情况。

举一个例子。我们整个着陆器有非常复杂的推进系统,有发动机、有储箱,要带2000多公斤的推进剂。整个一套系统我们在地面都要做充分的验证,要做所谓叫“全系统试车”。我们的整个着陆器固定在一个实验台上,出于安全的考虑,我们在大概两三百米外的一个测试间。在我们研制的过程中就出现过,在做全系统试车的时候,刚刚开始让发动机点火,几十秒之后,试车那边就着了火,推进剂四氧化二氮浓烟冒得很厉害,火苗都已经出来,当时我们大家也真的是都吓坏了,赶紧终止实验,浇水来灭火。

事后我们经过仔细地排查,发现其实是非常小的一个疏忽,但是这样一个疏忽造成了我们一套产品,包括推进系统的产品,包括我们碳纤维的结构都全报废了。在这之后,大家找到问题的原因,大概经过半年以后,我们再重新组织了新的一次试车,取得了圆满的成功。

为了这次试车,我们很多同事一个月都没有回家,全都扑在这个工作上。这些挫折,可能是我们航天设计师更加刻骨铭心的一些故事。

很多时候,我们说把航天器当做自己的孩子。其实我觉得,除了当成孩子,我们对我们的航天器心里还有一丝敬畏。

我们有一位最后要把航天器总装到一起的老师傅,总装班组组长刘师傅,他就说“航天器也是有感情的,你认真对待它,它上天就好好工作;如果你糊弄它,它到时候就会糊弄你”。我非常相信刘师傅的话,只要我们特别用心地对待工作,一定会有更多人类的前所未知能够被我们突破。

最后我想说,深空探测充满未知,也充满挑战,我喜欢。

谢谢大家。

演讲嘉宾张熇:《嫦娥四号:去月亮背面,去未曾去过的地方》

张飞和先进制造有关系吗?有,3D(三弟)打印啊!

|· 本文来自“我是科学家”·|

办公室里的打印机,为什么只有脑子最笨的张飞会用,而刘备和关羽不行?

——因为3D(三弟)打印呀。

今天,咱们聊聊这项技术。

什么是3D打印? 3D打印,我们或多或少地都听说过,甚至也见过一些3D打印出来的精巧构件。不过要往深了说,大部分人都说不出个所以然。

一个典型的3D打印作品,图片来源:Sina.com

这几年来,加诸于3D打印的名头实在太多——“引领下一次工业革命”、“颠覆传统制造业”、“未来科技”等等。

在试图了解一项技术之前,最好是先拨去笼罩在它之上的光环。

3D打印本质上只是一种制造技术,它还有一个学名,叫增材制造,以前它还有个更土的名字,叫快速成型[1]

是不是瞬间感觉没什么气势了?

那么,去掉炫酷的名字,3D打印技术和传统制造技术有什么区别呢?

这里有一个不算特别贴切的比喻:传统制造方式是做雕刻,不断切掉你不想要的部分,最终得到想要的;3D打印有点像蚕吐丝,通过一根根细丝的相互堆叠、积累,最终成为一个光洁的蚕茧。

3D打印的诞生

3D打印技术出现在1983年,发明人叫查克·赫尔(Chuck Hull)。

当年的赫尔在一家小企业工作,这家企业的主营业务是做桌子的硬质涂层。具体来说,就是把一种液态的小分子涂在桌子表面,在使用紫外灯去照射时,这些小分子会相互连接,聚合成大分子,从而发生固化,变为坚固的保护层。

这些小分子叫做“光敏聚合物”,这个反应过程就叫做“光固化”[2]

赫尔每天在公司里拨弄着各种各样的紫外线灯,日复一日地看着那些分子见光凝固。有那么一天,他突然想到,如果能够让紫外线一层一层地扫在光敏聚合物的表面上,将这成百上千的薄层叠加在一起,他就能够制造任何可以想象的三维物体了。

此情此景,像极了牛顿挨了苹果砸,瓦特见到了烧水壶。

“这真是个碉堡的主意!”虽然没有历史记载,但当时赫尔心里一定浮现的是这句话。因为他立刻投入到了实践中。

经过一年的努力,终于,他把那个乍现的灵光变成了现实:他开发了一个系统,通过控制光线的射入,让光敏聚合物在容器中逐渐的固化,从而形成预先设计的形状。

他将这种工艺命名为立体平版印刷[1]

就这样,带着这个土气的名字,第一件3D打印的模型,诞生了。

2014年, 查克·赫尔作为“3D 打印之父”入选了美国的发明家名人堂。这份名人堂的名单中,还包括爱因斯坦、爱迪生和乔布斯。

赫尔和他的3D打印系统,图片来源:3D Systems

五花八门的3D打印技术

随着人们逐渐意识到这项技术的潜力,故事也开始朝着有趣方向不断演进。

如果说3D打印是一个江湖,那么,几个名门大派,都有着自己的独特功法。

首先,在赫尔申请专利的同一年,美国Helisys公司发明了分层实体制造技术,简称为LOM,工艺流程是把片材切割并粘合成型[2]

不知道你们看没看过科技馆里的人体组织切片,就是把标本切成一片片的再展示出来。分层实体制造与这个过程恰好相反,就是先做好一片片材料的形状,之后直接把这些片层整合到一起。

LOM工艺的一个问题是需要把原材料预先做成薄片,于是这项工艺的使用范围就变得十分有限,大多时候,只是用来做些纸的模型。

5年之后,也就是1988年,美国人斯科特克伦普发明了熔融沉积成型技术(FDM),从而把3D打印推广到了金属领域。[3]他先把材料加热到刚刚熔化的状态,之后把液态材料直接喷出来,迅速冷却成型。这听起来有点像做糖人。

FDM虽然简便了很多,但是也存在着局限,就是所用的材料熔点不能太高,要不然设备都烧着了,材料还没成液态呢。以至于FDM只能用在一些塑料和低熔点金属上。

不过仅仅一年之后,美国德克萨斯大学奥斯汀分校的学者就解决了这一问题,他们发明了选择性激光烧结技术(SLS)[1]。 SLS的原理也很粗暴,它的原料是粉末状的,之后直接利用高强度激光把粉末烧结在一起。这谁顶得住啊?再牛的金属也架不住激光啊!

后来SLS经过改进,已经能轻松实现钛合金、钴镍合金等材料的3D打印过程,而这些合金都是飞机或飞船上的关键材料。

激光3D打印金属零件示意图,图片来源:Machine35.com

近些年,3D打印技术更是不断地改进与完善,原材料已经囊括了塑料、金属、陶瓷,甚至生物细胞等。

虽然这些技术五花八门,但内核仍然是赫尔的思路,即——把材料直接堆叠成自己想要的形状。

百花齐放的3D打印应用

当3D打印能够处理任何原料之后,剩下的限制,就是人类的想象力了。

如今,我们迎来了3D打印应用百花齐放的时代。

首当其冲的就是工业领域。很多产品的设计之所以不能量产,是因为量产的模具太贵了,经不起试错。有了3D打印,直接一次成型,极大降低了试错成本,如此一来,很多小众的设计都能有了尝试的机会。

再有就是个人订制产品,比如衣服和鞋子等等。人生来各异,买衣试鞋总免不了反复寻觅。有了3D打印,就能够做到量体裁衣。

阿迪达斯推出的3D打印球鞋,图片来源:adidas.com

当然,科学家们把目光放得更远,他们甚至想打印生命。

2017年,日本的科学家们3D打印了一个肝脏,并成功移植进了大鼠体内[4]。2018年12月份,俄罗斯宇航员在空间站中打印了一份生物器官——一个老鼠甲状腺。据说效果还不错,因为失重的状态有利于控制材料的成型[5]

2018年,3D打印人体领域也取得了一个大突破。来自英国的研究人员成功做出了一批3D打印的人眼角膜。他们发明了一种由藻酸盐和胶原蛋白组成的“生物墨水”,把这种生物墨水与人类的角膜干细胞混合在一起,就可以作为原料,3D打印出人类的眼角膜[6]

3D打印人工眼角膜和它的发明者,图片来源:腾讯

来自中国的可穿戴3D打印设备

3D打印在很多特种微型设备上,也有着巨大的应用潜力。近日,Wiley旗下的《先进科学》杂志(Advanced Science)发表了中国科学院苏州纳米所与天津大学合作的一篇论文。

研究人员用3D打印做出了一种纤维状的集成电子器件[7]。这种电子器件,看起来就是一根“线”,但却能实现准确的温度测量。与大块的平面器件相比,它更具柔性且更节省空间。

为了做出这根电子器件,首先要有电源。一般来讲,基本的电源至少有三部分,分别是正极、负极和电解液。在一根线上怎么做出这三种结构呢?这里就需要借助3D打印技术。

(a)3D打印做纤维状电源的示意图,(b、c)工作中的3D打印机,(d)打印出来的纤维状电极材料,直径不到半毫米。图片来源:参考文献[6]

首先,将正负电极的原料分别配成溶液,也就是3D打印的“墨水”。随后,使用3D打印机,直接绘制出纤维状的电极。紧接着,在这两根“线”电极的外表面打印上一层固态的电解质。

于是,我们就得到了两根“线”,分别是包裹了电解液的正极和负极。我们再像拧麻花一样,把这两根线拧到一起,就成了一个完整的电化学电源。

电源有了之后,再如法炮制,做出一条纤维状的传感器。虽说是传感器,但本质是一根还原氧化石墨烯的纤维。这种还原氧化石墨烯,简称叫rGO,具有在不同温度下的电阻会发生变化的特性。将富含rGO的“墨水”通过3D打印的喷头,我们就能得到一根打印出来的传感器“线”。

将上面组好的电源和这根氧化石墨烯缠绕在一起,就可以做成一套完整的温度传感器了。

直接将3D打印出来的电源与传感器拧在一起,就得到了一个完整的电子器件。图片来源:参考文献[6]

研究人员发现,这根“线”能够对30℃-80℃范围的温度变化做出很好的反馈,每摄氏度的误差只有不到2%。

把这种纤维状器件,编织进贴身衣物,就可以实时监测人的体温变化,帮助我们了解自己的身体健康状况,在疾病预防方面发挥潜力。

这种快速、低成本的3D打印技术为柔性、可穿戴纤维状器件提供了新的机遇[7]

当然,你也可以

现如今,3D打印已经从王谢堂前燕,飞入了寻常百姓家。

打开购物网站,搜索“3D打印机”,就能买到小型的家用机,价格跟一台电脑差不多。

不过,家用的型号只能以塑料和一些小分子为原料,因为这些材料加工起来更为容易,也更安全。

外国网友自制3D打印远古三叶虫,图片来源:ZOL.com

如果你想打印些更酷炫的金属零件的话,那么,你需要一台激光金属3D打印机。

可能会贵一点。

emmm…

只要300万。

不过,包邮啊……

(编辑:Yuki)

参考文献:

  1. Ambrosi, A., & Pumera, M. (2016). 3D-printing technologies for electrochemical applications. Chemical Society Reviews, 45(10), 2740-2755.
  2. Ligon, S. C., Liska, R., Stampfl, J., Gurr, M., & Mülhaupt, R. (2017). Polymers for 3D printing and customized additive manufacturing. Chemical reviews, 117(15), 10212-10290.
  3. Layani, M. , Wang, X. , & Magdassi, S. . (2018). Novel materials for 3d printing by photopolymerization. Advanced Materials, 1706344.
  4. 九州大学科学家成功将生物3D打印肝芽移植到大鼠体内, 搜狐网, http://www.sohu.com/a/201375456_105964
  5. 历史性突破!俄在太空首次3D打印生物材料,人民网,http://sn.people.com.cn/BIG5/n2/2018/1207/c346932-32380440.html
  6. 首个3D打印人类眼角膜问世 未来大批量移植不是梦,腾讯网,http://tech.qq.com/a/20180531/045584.htm
  7. Zhao, J., Zhang, Y., Huang, Y., Xie, J., Zhao, X., Li, C., … & Li, Q. (2018). 3D Printing Fiber Electrodes for an All‐Fiber Integrated Electronic Device via Hybridization of an Asymmetric Supercapacitor and a Temperature Sensor. Advanced Science, 1801114.

填写调查问卷,能诊断自闭症吗?

|· 本文来自“我是科学家”·|

孤独症又称自闭症,主要表现为语言障碍、极少与外界沟通、重复刻板行为、智力低下等,是一种持续终生的发育障碍性疾病。但是在低收入国家和地区,高达95%的自闭症患者无法被诊断。这些患者很难得到有效的治疗,他们的一生或许将在孤独和他人的不解中度过。

小问卷有大用处

伦敦国王学院的一项研究发现,在北美和欧洲以外的一些对孤独症的了解和救治不是很完善的国家和地区,一份经过科学设计的调查问卷可以在一定程度上诊断孤独症。

填写的问卷中包含许多潜在的信息。图片来源:Pixabay

罗莎·胡克斯特拉在伦敦国王学院研究精神病学。她和她的同事们做了一项研究:她们把在英国普遍使用的一套50题的孤独症检测问卷复用于日本和印度的1400多名儿童,通过对不同年龄阶段儿童的分析比对,评估这50个问题中哪些是最有效的。

11月5日发表在《分子孤独症研究》上的一项研究发现,虽然孤独症问卷中的一些问题不符合当地文化背景,但典型的问题在不同国家和地区都表现出很好的调查效果。这一发现表明了创造国际通用的孤独症诊断工具的可能性,这对于低收入的国家和地区非常重要。

一位父亲在婚礼上拥抱他的自闭症儿子。图片来源:Pixabay

设计问题的绊脚石

关于孤独症的研究多基于高收入的西方国家,这意味着人们对孤独症在其他文化环境中的表现知之甚少。罗莎强调,这份问卷需要父母根据儿童的行为做出回答,因而只能作为辅助诊断手段,不能独立做论断。

但问卷仍可以用作初步筛选,筛选出的儿童可以做进一步精细化的测评。罗莎在研究中发现问卷中至少有15个问题都足够准确,这让大家看到创造一个国际通用的孤独症检测手段的希望。

自闭症的治疗。图片来源:Pixabay

问卷中有个关于儿童行为规律的问题出现了一个语义分歧——enjoy doing things spontaneously。英语中“spontaneously”这个词可以有两种相反的含义,第一种是“自然而然地”、“顺其自然地”;第二种是指“主观地”、“自主地”,其中第二种更接近于孤独症儿童的行为。在英语国家,人们会把这个词理解为第一种说法,而印度和日本的父母则倾向于理解为第二种。

佩雷拉认为,像这样尝试同时在三种文化环境中寻找通用的有效问题是勇敢但莽撞的。她认为这是一项不可能完成的任务由于表达和词汇的巨大差异,关于行为和沟通的问题无法呈现出一致的意义。

胡克斯特拉在一定程度上同意她的观点,并表示不会将这个问卷用于对埃塞俄比亚农村人口的调查(她目前正在此地调查自闭症)。类似于“更喜欢去生日聚会还是更喜欢去图书馆”这样的问题完全无效,因为这里没有图书馆。

尽管如此,胡克斯特拉仍然对创造一种全球通用的自闭症诊断工具抱有希望。她说:“虽然可能需要一些额外的调整,但我认为我们可以在制定一项能同时用于若干文化环境的测试方法中取得进展。如果我们能创造一个适用于亚撒哈拉或者中等收入国家的筛选机制,那将是十分有帮助的。”(作者:Andy Extance;翻译:白薇;编辑:天扬;审校:Yuki)

原文链接:

https://www.scidev.net/global/health/news/one-simple-questionnaire-could-help-spot-autism-in-many-countries.html (本文由Storythings供稿)

为什么自闭症的诊治如此困难?

|· 本文来自“我是科学家”·|

之前网上流行“我自闭了”的表情包,网友们用了一个花骨朵的图,配上“我自闭了”的字样来调侃自己的负面情绪,表示自己不想说话,不愿意与外界交流。

负面情绪人人都有,而自闭症却是一种实实在在的疾病。并且可能给个人健康和家庭带来一系列问题。

去年年底,广州怀有身孕的32岁母亲谭某携患有自闭症的7岁儿子烧炭自杀。

那么,到底什么是自闭症?自闭症跟负面情绪有关系吗?

自闭不是你想得,想得就能得

自闭症也叫孤独症(autism),是一种神经发育障碍,发病于婴幼儿时期,男孩的发病率约为女孩的三到四倍,而女孩的症状一般更为严重一些。

自闭症患者的症状主要表现为语言发育障碍,人际交往障碍和刻板行为。我身边就有这样的例子。一个小姑娘被诊断为自闭症,她分不清“你”“我”“他”的区别,比如她饿了,她不会说“我饿了”,反而会说”你饿了”。在幼儿园的时候她躲在角落面朝墙壁一个人玩玩具很开心,完全不跟同班同学交流。听不懂老师的指令,有时候会不由自主的哭起来,然后突然停下不哭,又兴奋的跑来跑去。她完全没有大小便的概念,不会像别的孩子那样想上厕所的时候会跟妈妈说。

自闭症患者活在自己的世界里。图片来源:Pixabay

自闭症的患者没有办法(而不是不想)与家人或者周围的小伙伴进行沟通,这不单纯是语言障碍的问题,而是他们不会改变自己的行为方式来适应环境的要求。他们活在自己的世界里,对周围人和事物有自己独特的反应。他们不能理解我们,我们也没有办法理解他们。

由于人们跟自闭症儿童无法相互理解,一小部分的自闭症患者又能在智商测试中拿到比较高的分数,所以不少人对自闭症的儿童有浪漫化的理解,称他们为“星星的孩子”,认为自闭症的儿童是常人无法理解的天才,或者具备某方面的“天才能力”。

1988年汤姆克鲁斯主演的电影《雨人》(Rain Man)里面的主人公雷蒙是一个自闭症患者,他有超人的记忆能力,能够过目不忘,靠着这个本领在赌场里赢了一大笔钱。很多自闭症患者的家人是不喜欢电影里塑造的这个角色的,这个角色加深了大家对于自闭症这种疾病的刻板印象,这不利于对这种疾病进行正确的认识。而正确的认识疾病,才是接纳、包容、干预、治疗的前提。

《雨人》剧照。

事实上,绝大部分的自闭症孩子根本没有这样的天赋,“天才型”的自闭症患者在生活中难得一见,有人说爱因斯坦是自闭症患者,我对此表示深切的怀疑。大多数的自闭症患儿都没有生活自理能力和独立行为能力。对于自闭症的错误理解与认识,在一定程度上也耽误了及时的治疗和干预。

自闭症的发病原因到底是什么?

自闭症产生的原因现在科学界还没有公论。遗传原因可以解释一部分,比如高龄产妇的孩子自闭症患病率比较高,自闭症儿童的直系兄弟姐妹患病率高。孕期服用过某些药物或者有病毒感染,生出的小孩自闭症患病率比较高。但是没有任何一个原因能够解释所有甚至大部分的病例。可能是因为自闭症是一种谱系障碍(spectrum disorder),谱系障碍指的是一系列程度不同的相似症状的总称。比如社交障碍,症状严重的会听不懂别人说的话,无法跟人交流。稍微轻一点的,能理解语言本身,但是却感受不到语言里面包含的情绪,比如大家都熟悉和喜欢的《生活大爆炸》里的谢尔顿同学。至于谢尔顿同学是不是自闭症患者,那就需要通过权威的量表打分才知道了。

《生活大爆炸》剧照。

自闭症有语言发育障碍,人际交往障碍和刻板行为这三个特征,每个人的每种症状严重程度都不一样,有的不典型孤独症患者只有这三种症状中的一种或者两种。自闭症这种谱系障碍里包含了无数个特殊的个体,症状不一样,因此发病原因各不相同也就不奇怪了。

自闭症的鉴别

由于自闭症是谱系疾病,所以对自闭症的诊断通常采用根据行为和表现进行打分的方式。美国精神医学学会制定的《精神疾病的诊断和统计手册》(DSM-IV-TR,Diagnostic and Statistical Manual of Mental Disorders)里有目前比较通用的自闭症诊断标准,里面对社交障碍,人际交往障碍和刻板行为进行了详尽的细分。但是由于这个手册里面的行为标准符合的是西方人的行为方式,国内有不少学者也在根据中国人自己的行为习惯和亲子方式将这个标准进行汉化。另外诊断自闭症的量表还有“自闭症诊断观察量表”(ADOS)和幼儿自闭症检查表(CHAT),这些量表都不是完美的。有极少数儿童在不同的医生那里诊断,有可能得到不同的结果。但这是好事,这说明症状很轻,这样进行行为干预要容易得多。

对自闭症的诊断通常根据行为和表现打分。图源:Pexels

自闭症的预防与治疗

由于自闭症患者的症状各不相同,发病原因极为复杂,目前还没有从自闭症患者身上确认出一种共同的医学成因,这导致研发针对自闭症的药物格外的困难。换句话说,我们现在对自闭症这种疾病还没有完全认识清楚,说一无所知也不过分。

我们不知道自闭症患者身体里发生了什么,不知道自闭症的靶点(target)是什么,在哪里,长什么样子,也就不知道针对什么来设计药物。因为理想的自闭症动物模型很难建造,针对自闭症设计临床试验也极其困难。这些因素导致目前还没有能够有效治疗自闭症的药物。

我们不知道自闭症患者的身体里发生了什么。图源:Unsplash

自闭症的治疗要遵循几个原则,最重要的原则是“早发现早治疗”。目前的研究发现治疗的年龄越小,症状的改善程度越明显。所以家长在孩子的幼儿期就要密切观察,一旦发现孩子长期有自闭症的症状,要及时去医院就诊。

由于没有独特的药物,对患儿家长来说,所能做的只有行为干预,多陪孩子聊天,亲密接触,训练他们的生活自理能力,在跟孩子交流的时候一定要耐心,并且持之以恒。同样,目前有限的行为干预手段也都是由美国设计的,“汉化”以后形成统一的治疗方案还任重道远,能不能形成也是一个问题。

所以,目前来说,自闭症的诊治对我们来说依然是困难重重。不过令人欣慰的一点是,有一部分患者,随着年龄的增长,自闭症的症状会减少甚至消失,虽然我们还是不知道为什么,但这也算是黑暗中的一点光明吧。(编辑:Yuki)

参考文献:

  1. http://open.163.com/special/opencourse/autism.html
  2. https://www.psychiatry.org/psychiatrists/practice/dsm
  3. Kathleen Wong. The search for autism’s roots; Nature, 411, 882-884(2001)
  4. Serah DeWeerdt. Culture: Diverse diagnostics; Nature, 491, S18-S19

作者名片

让自闭症小鼠告别“社恐”,仅需一瓶乳酸菌?

|· 本文来自“我是科学家”·|

今天是“世界自闭症日”(4月2日)。自闭症,作为一种在儿童中越来越高发的精神类疾病,近些年引起了越来越多的关注,可是它的诊断和治疗一直以来都非常困难。然而如果我告诉你也许某些自闭症用乳酸菌就可以改善,你八成会觉得我和卖保健品的有什么交易。

$9.19买一送一的罗伊氏乳杆菌片,会改善自闭症吗?

不过,最近发表在神经科学界顶级期刊《神经元》(NEURON)上的一项研究表明[1],这也许不是在忽悠人。这篇由美国休斯顿贝勒医学院Mauro Costa-Mattioli实验室发表的论文,通过对罗伊氏乳杆菌在自闭症小鼠模型上的研究,为缓解自闭症提供了潜在的新思路。

图片来源:Pixabay

全球自闭儿童逐年增多

全世界大约1%人口患有自闭症(CDC, 2014),美国每59个儿童中就有1例自闭症患者(CDC, 2018),而这个比例还在逐年升高。中国在2013年的调查结果约为0.23%[2],虽然较美国更低,但受调查人群的覆盖率和诊断手段所限,这个数据很可能远低于实际值,而且在近年更新的调查中自闭症显示出较大增长[3],成为不容小觑的问题。

美国自闭症发病率逐年攀升。图片来源:tacanow.org

自闭症患儿的常见症状包括社交困难,重复行为等。过去几十年中,绝大多数关于自闭症的研究都着眼于大脑。毕竟大脑所在的中枢神经系统控制着人的认知功能和种种行为,社交也不应该例外。

神经学家们构建了多种基于中枢神经系统功能障碍的自闭症生物模型,基于此生产出浩如烟海的文献,也揭示了与自闭症相关的许多事实。与过去的主流神经学思路不同,这篇文章的研究者们另辟蹊径,把目光放在了肠道微生物上。

自闭症模型小鼠疯狂理毛,根本停不下来。图片来源:spectrumnews.org

自闭又拉稀?这并非偶然

人类的肠道中存在着丰富的微生物群,大多是不致病的厌氧菌,其中的一些种类甚至是肠道独有的。通常认为这些细菌有助消化,保护肠粘膜屏障,帮助降解有毒代谢物,支持免疫系统和抑制有害菌等作用[4],从而和宿主形成了牢固的共生关系。

其实肠道微生物与大脑活动之间的相互作用早已不是第一次被发现。这一相互作用被称为“大脑-肠道-微生物轴(brain-gut-microbiome axis)”。过去几年间,这一通路已经得到了科学家的广泛重视。

但是近年的发现表明,它们的作用远不止于此。人们发现大脑似乎可以用某种方式对肠道菌群施加影响。神经系统可以调控黏蛋白的分泌,进而改变肠道菌群。甚至紧张焦虑的心理状态也可能改变肠道菌群的构成[4](正是基于这些发现,大脑-肠道-微生物轴的概念才被提出)。

另外一些研究表明这个通路并不是单向的,肠道微生物可以反过来影响大脑。例如,抗生素处理过的肠道微生物缺失小鼠和无菌培养的小鼠在多种行为测试中与肠道微生物正常的小鼠存在显著差异[5-7]

此外自闭症与肠道健康之间的联系其实也已经被观察报道过。很长时间以来,人们在临床中经常能发现自闭症和消化问题的某种关联性。相当部分的自闭症患儿同时也罹患胃肠消化疾病,如腹泻、便秘、胀气、呕吐等等[4]

近些年的广泛研究,将一些特定的肠道菌种与自闭症关联起来。但过去的研究只是泛泛地从诸如肠道菌落生态失衡、有害菌产生的不良代谢物等较为宏观的角度进行解释[4],缺乏具体的机理研究。

乳酸菌片改善自闭?这也许不是梦

而这一次,研究者们通过一种常见的益生菌,揭示了肠道微生物影响大脑的另一种更为直接的途径。

故事的主角叫做罗伊氏乳杆菌(Lactobacillus reuteri)。它广泛存在于哺乳动物肠道中。如果你在搜索引擎中输入“罗伊氏乳杆菌”,会发现许多育儿经谈到它如何帮助婴儿消化吸收,解决肠绞痛等等。此外,它还常常作为“益生菌”添加到配方奶里。

那么,这种细菌是怎样和自闭症挂上钩的呢?

研究人员先对若干自闭症模型小鼠[见文末注释]粪便中的微生物种群进行了分析。他们发现这些小鼠的肠道微生物与正常小鼠相比都存在明显的差异。尤其引起研究者注意的是,自闭症小鼠中肠道罗伊氏乳杆菌的水平显著低于普通小鼠。

自闭症小鼠的肠道罗伊氏乳杆菌(右)水平显著低于正常水平(左)。图片来源:参考文献[1]

那么,缺乏罗伊氏乳杆菌与自闭症的症状间有没有因果关系呢?研究者做了一个很简单的实验。在自闭症小鼠出生三周后给它们喂食一定剂量的罗伊氏乳杆菌,持续四周,然后测试小鼠的社交行为。

神奇的是,和没有喂食罗伊氏乳杆菌的自闭症小鼠相比,实验组的社交行为完全恢复到了正常小鼠的水平。值得一提的是,罗伊氏乳杆菌似乎只特异地只影响小鼠的社交行为,其他活动水平并没有改善。

饲喂罗伊氏乳杆菌改善了自闭小鼠的社交行为。图片来源:参考文献[1]

那么它的作用原理是什么呢?

第一种可能性,是肠道益生菌通过保护肠粘膜屏障完整性来避免一些有毒代谢物进入血液。作者也首先检查了这一方面,然而研究中用到的自闭症小鼠,肠粘膜屏障通透性并没有比正常小鼠更差,细胞间连接也没有显示异常,因此肠粘膜屏障并不是原因所在。

于是作者把目光投向第二种可能性——罗伊氏乳杆菌也许会通过连接肠道和大脑的“桥梁”迷走神经(vagus nerve)来作用于大脑。为了验证这个假设,他们切断了自闭症小鼠的迷走神经,这一回,再对自闭症小鼠使用罗伊氏乳杆菌就完全无法改善它们的社交行为了。这个结果证实了罗伊氏乳杆菌确实是通过迷走神经的介导作用来影响大脑的。

那么,肠道的信号在大脑中产生了什么影响?在哺乳动物中,社交行为会激活大脑的奖赏中心——中脑腹侧被盖区(Ventral Tegmental Area,VTA)。此前的研究表明,中脑腹侧被盖区的活性可以受到一种名为催产素(Oxytocin)的激素的调控,从而影响着小鼠的社交行为。脑中催产素的释放则是受到传入迷走神经的信号的调控的!来自同一研究小组此前的工作表明罗伊氏乳杆菌影响小鼠大脑催产素的分泌水平[8],所以一个合理的假设是罗伊氏乳杆菌通过迷走神经影响了大脑催产素水平。

肠道的罗伊氏乳杆菌通过迷走神经影响大脑催产素水平。图片来源:作者绘制

研究者检测了自闭症小鼠脑中的催产素水平,发现果然比正常小鼠低了不少,而经过罗伊氏乳杆菌处理的自闭症小鼠则恢复到了正常水平。如此看来,确实是催产素的问题。为了进一步验证催产素的充分性,他们直接对切断迷走神经的自闭症小鼠的鼻内施加催产素,小鼠的社交行为也获得了改善。这说明催产素是真正影响行为的有效因素。

为了验证催产素的必要性,他们特异性地敲除了构成奖赏中心中脑腹侧被盖区的神经元的催产素受体基因。这样的小鼠即使在脑中出现了更多催产素,中脑腹侧被盖区也感受不到——可以说是“累觉不爱”了。研究者发现,这些小鼠虽然肠道罗伊氏乳杆菌是正常水平的,但依然出现了社交行为障碍!并且,这种“累觉不爱”的自闭症小鼠中即使补充罗伊氏乳杆菌也无法改善社交行为障碍。

敲除催产素受体后,无论使用乳杆菌或施加催产素都不再有效。图片来源:参考文献[1]

至此,研究者们揭示了“罗伊氏乳杆菌—迷走神经—大脑催产素—社交行为”这条重要的通路,也提出一种潜在的自闭症诊疗方向。但这条链中仍然有重要一环没有得到解释:罗伊氏乳杆菌是如何影响迷走神经的?是它们自己主动发出的信号,还是它们产生的代谢物?未来一个可以尝试的实验是看看保留代谢物的灭活乳杆菌萃取液是否也能“治愈”自闭症小鼠。

不过必须提醒读者们的是,这项研究并不意味着仅靠喝酸奶吃乳酸菌片就能治愈自闭症。

这项研究并不意味着仅靠喝酸奶吃乳酸菌片就能治愈自闭症。图片来源:图虫创意

首先,这篇研究的主要数据仅仅包括小鼠在两三种设定下的“社交”行为表现,虽然是被承认的研究范式,但究竟能有多准确地表征自闭症是存疑的。而且作者也在论文中提到,自闭症小鼠的另一行为表型——更低的活动性,就并没有被罗伊氏乳杆菌改善。因此文章的实验结果并不能直接解读为“治愈自闭症”。

第二,如前所述,自闭症患者有丰富的个体差异性,在某几种小鼠模型上有效不代表在所有自闭症小鼠模型都有效。

最后,从实验室小鼠转化到人类患者还有又有不少难以逾越的鸿沟。

但同时也要承认,这篇文章的发现为自闭症治疗提供了另一种思路。通常认为罗伊氏乳杆菌对人体是安全无害的,所以如果未来某天,真的将其应用到自闭症临床治疗中,想必会是安全又廉价的方法(就算治不好自闭症,缓解一下拉肚子的问题也能提高患者生活质量嘛)。

*本文由“科考夫瞭望”公众号供稿,感谢丁霄哲、陈欣泓、石悦琳对本文的帮助

[注释] 值得说明的是,这些自闭症小鼠的构建逻辑都是从中枢神经系统的角度出发的,与肠道微生物没有什么关系 。研究者敲除了小鼠的Shank3a、 Shank3b两种Shank3异构体基因获得该模型。科学家发现这种小鼠表现出重复的理毛行为,哪怕把自己的皮肤挠破了也还是停不下来。

(编辑:Yuki)

参考文献:

  1. Sgritta, Martina, et al. “Mechanisms underlying microbial-mediated changes in social behavior in mouse models of autism spectrum disorder.” Neuron 101.2 (2019): 246-259.
  2. Yumei Wan, Q.H., Ting LI, Lijuan JIANG, Yasong DU, Lei FENG, John Chee-Meng WONG, Chunbo LI, Prevalence of autism spectrum disorders among children in China: a systematic review. Shanghai Archives of Psychiatry. 25.
  3. Wang, F., et al., The prevalence of autism spectrum disorders in China: a comprehensive meta-analysis. Int J Biol Sci, 2018. 14(7): p. 717-725.
  4. Ding, H.T., Y. Taur, and J.T. Walkup, Gut Microbiota and Autism: Key Concepts and Findings. J Autism Dev Disord, 2017. 47(2): p. 480-489.
  5. Desbonnet, L., et al., Gut microbiota depletion from early adolescence in mice: Implications for brain and behaviour. Brain Behav Immun, 2015. 48: p. 165-73.
  6. Arentsen, T., et al., Host microbiota modulates development of social preference in mice. Microb Ecol Health Dis, 2015. 26: p. 29719.
  7. Desbonnet, L., et al., Microbiota is essential for social development in the mouse. Mol Psychiatry, 2014. 19(2): p. 146-8.
  8. Buffington, S.A., et al., Microbial Reconstitution Reverses Maternal Diet-Induced Social and Synaptic Deficits in Offspring. Cell, 2016. 165(7): p. 1762-1775.
  9. 原文链接:https://www.sciencedirect.com/science/article/pii/S0896627318310092

今天的人工智能,可以像人类一样独立思考了吗

|· 本文来自“我是科学家”·|

我们在前面的几篇文章中讨论了数学、逻辑、数字电路、机械计算机,一直到我们今天已经普及的电子计算机。这些凝结着人类智慧的耕耘,积累到了上个世纪50年代,终于开出智慧之花。人类开始尝试用计算的方式来理解智慧。

虽然今日“人工智能”这个概念在我们的生活中随处可见,但它仍然是高科技的代名词。这个技术中蕴含的伟大力量,到现在才开始逐渐释放。那么,人工智能这一概念究竟是由谁提出的呢?最初的人工智能与今天的人工智能又有哪些区别呢?

人工智能的萌芽

上个世纪50年代,在二战结束不久,战争中的很多军用技术蓬勃发展。在战后的美国,这些科学家和技术专家也不断推动这些技术的发展,甚至形成了新的学科。比如维纳(Norbert Wiener)的控制论和香农(Claude Elwood Shannon)的信息论。

在信息技术萌芽发展的大背景下,很多科学家开始考虑如何用自动决策系统或机械的方法来解释人的决策。1965年,达特茅斯学院的年轻助理教授约翰·麦肯锡(John McCarthy)在他的主场请来了包括香农在内的一些对“能思考的机器”有兴趣的科学家。包括MIT的明斯基(Marvin Minsky),卡内基工学院(今天卡内基梅隆大学的前身)的司马贺(Herbert Simon)等。

参与达特茅斯会议的科学家。

在这个会议上,麦肯锡与多位专家激烈讨论,最终将“人工智能(Artificial Intelligence)”确立为这一门新学科的名称。在几天的讨论中,这些在数学、逻辑学和信息学领域的专家同时也讨论了人工智能、神经网络等问题,会议后大家分别回到自己的大学把新的想法吸收创新,不但使其大学成为了人工智能研究的重镇,也为后来人工智能学科的发展奠定了基础。

“人工智能(Artificial Intelligence)”最终被确立为这一门新学科的名称。图片来源:A Proposal for the Dartmouth Summer ResearchProject on Artificial Intelligence。

参会的人中还有司马贺的学生纽厄尔(Alan Newell),虽然司马贺是纽厄尔的老师,但他们毕生的合作却是平等的。他们共享了1975年的图灵奖,三年后司马贺再得诺贝尔经济学奖。纽厄尔和司马贺代表了人工智能的另一条路线——“物理符号系统假说”。简单地说,就是智能是对符号的操作,后来简称为“符号派”。

他们和当时的数学系主任、第一届图灵奖获得者珀里思(Alan Perlis)一起创立了卡内基梅隆大学的计算机系,从此,卡内基梅隆大学(CMU)成为计算机学科的重镇,并一直持续至今。而最初的计算机系,也发展成了美国乃至世界计算机门类最齐全的计算机学院。作者以前访问学习的CMU机器人所(Robotics Institute)就是以两位先驱命名的:Newell-Simon Hall.

明斯基回到麻省理工后创建了人工智能实验室(AI Lab),他与西蒙·派珀特(Simon Papert)发表了《感知器》一书,提到了最早的神经网络模型在解决异或(XOR)问题方面的限制。他指出,神经网络被认为充满潜力,但实际上无法实现人们期望的功能。神经网络的研究迅速陷入了低谷,人工智能进入“暗淡”时期。

明斯基的经典著作《感知器》。图片来源:goodreads

20世纪60年代,明斯基又首次提出了“telepresence”(远程介入)这一概念。通过利用微型摄像机、运动传感器等设备,明斯基让人体验到了自己驾驶飞机、在战场上参加战斗、在水下游泳这些现实中未发生的事情,这也为他奠定了“虚拟现实”(virtual reality)倡导者的重要地位。

明斯基。图片来源:Sethwoodworth/Wikipedia

霍兰德(John Holland)是密歇根大学的计算机学家,他却另辟蹊径,开始研究随机的优化问题并提出了“遗传算法”。因为很多人工智能的问题最后都可以转化为优化问题(optimize problem)。而“遗传算法”本身又可以被直接拿来使用到任何问题,只需要定义好“染色体”和适应度函数即可,是非常方便的一种“即插即用”(Off-the-Shelf)的算法。

霍兰德指导他的学生们完成了多篇有关遗传算法研究的论文。1971年,Hollstien在他的博士论文中首次把遗传算法用于函数优化。霍兰德在1975年出版了《自然系统和人工系统的自适应》(Adaptation in Natural and Artificial Systems),这是第一本系统论述遗传算法的专著。霍兰德在该书中系统地阐述了遗传算法的基本理论和方法,并提出了对遗传算法的理论研究和发展极其重要的模式理论(schema theory)。在此基础上有各种的理论和应用研究不断产生,很多的期刊和会议也因此诞生,渐渐形成了“进化计算”(Evolutionary Computation)这个人工智能的重要分支。

壮志雄心与困难重重

达特茅斯会议之后,这些第一代的人工智能科学家都雄心勃勃。司马贺(Herbert A. Simon)甚至说:“在1968年之前,计算机就将战胜人类的国际象棋大师。”“在1985年之前,计算机就能够胜任人类的一切工作。”马文·明斯基也预言,“在1973-1978年,就能够制作出一台具有人类平均智力的计算机。”这些充满信心的话让当时的政府和军方非常感兴趣,向人工智能领域投入了大量的经费。

政府和军方向人工智能领域投入了大量的经费。图片来源:Pixabay

然而,这些人工智能领域的专家们似乎错误地估计了人工智能学科的难度,他们这些充满信心的预言中几乎都未实现。直到1997年,IBM的计算机“深蓝”才成功战胜了人类国际象棋的世界冠军。到了2016年,人工能“AlphaGo”才战胜人类的围棋冠军。而时至今日,也没有人工智能能够胜任人类的一切工作。因此在上世纪70年代,政府对于这些无法兑现预言的专家非常失望,纷纷减少了对人工智能领域的经费投入,人工智能领域的研究也陷入的低谷。

当地时间2016年3月15日,韩国首尔,人机大战第5局,李世石1-4谷歌AlphaGo。图片来源:图虫创意

尽管发展一个能够胜任人类所有工作的计算机是一件十分困难的事情,但利用计算机强大的计算能力和信息存储能力,让计算机在某一个领域超过普通人的水平是不难实现的。因此,专家系统应运而生。专家系统在设计时能够收集大量的专业知识,并且根据一定的程序,进行计算、分析、预测等功能。

例如,最早的专家系统“Dendral”是在1965年由爱德华·费根鲍姆(Edward Feigenbaum)设计的,“Dendral”是一款应用于化学领域的专家系统,它能够根据光谱的度数分析化合物的可能成分。在人类专家相对匮乏的时代,通过这个系统就能让更多的科学研究得以顺利进行。

爱德华·费根鲍姆。图片来源:Wikimedia Commons

除此之外,还有专门用于诊断疾病的专家系统,通过专家系统可以弥补人类医生在诊断时可能出现的疏忽。而预测型专家系统能够在综合多方面的专业知识背景的情况下预测出未来事物的发展趋势,例如对一条河流污染物的迁移扩撒进行预测,从而提前采取有效的措施。

“强人工智能”离我们还有多远?

而到了二十一世纪初,由于信息产业和互联网的普及,机器学习作为一种学习大数据背后的规律的方法成为了人工智能研究的主流。尤其是后来深度学习的发展,让我们重新看到了人工智能的希望,当然,也引发了人们的担忧,随之而来的是各种技术、哲学、伦理上的讨论。

人们看到了人工智能的希望,当然,也引发了人们的担忧。图片来源:图虫创意

其中讨论重点之一就是目前基于逻辑和计算的智能被称为“弱人工智能”。

“弱人工智能”是在某一方面能够表现出智能或者说看起来像是智能,而不希望研究出与人类相同的智力和思维。例如,图像识别、语音识别方面的人工智能,这些人工智能只能在特定的领域(图像识别领域和语音识别领域)具有智能。尽管目前图像识别和语音识别人工智能也具备了自我学习能力,但它们只会在自己的领域中去学习,而不会像人类那样产生自己的好奇心,从而去探索全新领域的内容。

虽然弱人工智能的名字中带有一个“弱”,但实际上,弱人工智能的实力可不容小觑。目前的主流研究都集中于这一类弱人工智能的研究上,且产生了巨大的研究突破。例如能够战胜人类顶尖高手的围棋机器人Alpha Go也是一款“不弱”的人工智能;在千万张人脸中一眼就看到目标人物的人脸识别软件也是弱人工智能;能够自己穿梭于亚马逊物流仓库中并且在电量不足时找到充电桩自动充电的物流机器人,以及能够看清路况自动将人员安全送到目的地的自动驾驶汽车,都是属于弱人工智能。

Alpha Go也是一款“不弱”的人工智能。图片来源:《AlphaGo世纪对决》

弱人工智能为我们的生活带来了极大的便利,并且能够最直接的将研究成果应用到生产生活的实践中,因此各国对于弱人工智能的研究都投入了巨大的经费。

相对“弱人工智能”的是“强人工智能”。尽管科学家们所希望的就是创造一个具有和人类一样能够独立思考具有自己的人格的人工智能,但这个方面的研究一直没有突破的进展,强人工智能还只能存在于科幻与文学作品中,例如《机器姬》里的艾娃,《黑客帝国》中的母体“矩阵”。

《机器姬》里的艾娃。图片来源:《机器姬》

强人工智能强调的是计算机需要具有自己的思维,而计算机在获得自己的思维之后,是否还会按照人类的思维方式和道德体系去思考,对于目前的科学家来说是难以确定的。因此,按照计算机思维的不同,又可以分为类人思维的人工智能和区别于人类思维的人工智能。例如《超能陆战队》中的大白,就属于前者,尽管外形并不是人类,但它的思维方式与人类一致。而获得了自主思考能力的“矩阵”(《黑客帝国》)和“天网”(《终结者》)系统,它们就属于后者,它们产生了区别于人类的价值观,以自己理解的方式去执行“保护人类”这一项任务。

《超能陆战队》中的大白属于类人思维的人工智能。图片来源:《超能陆战队》

毕竟从另一个角度上说,制造一个强人工智能就意味着制造了一个能够独立思考的生命体,这一难度是可想而知的。因此,也有不少的宗教学者、哲学家反对强人工智能的研究。如果说强人工智能是现代都市里的摩天大楼,那么目前人类在人工智能方面所取得的进展只能相当于原始人所穴居的洞穴,从当今的弱人工智能向强人工智能的发展还有很长的路要走。(编辑:Yuki)

作者名片

公子哥不务正业,整天与禽兽为伍,自称懒惰却抱走诺奖

|· 本文来自“我是科学家”·|

西方流传着关于所罗门王的传说:

他有一个神奇的指环,带上之后,可以跟所有动物自由交谈。

无论狮子与蛇,抑或飞鸟与鱼。

康拉德·洛伦兹,可能就有这样一个指环。

康拉德▪洛伦兹。图片来源:Pinterest.com

一个公子哥的选择

20世纪初,奥地利的维也纳,活跃着无数耀眼人物:

弗洛伊德、卡夫卡、哥德尔、薛定谔……

维也纳。图片来源:Pixabay

康拉德,就出生在这里。

他的父亲是极有名望的医生,会定期飞去美国,给美国总统看病。

康拉德从小就读贵族学校,成绩优异。出于子承父业的考虑,他大学学了医,25岁就成了助理教授。

这样的家庭,这样的背景,如同大部分所谓社会精英一样,康拉德或许会成为一位出色的医生吧,像他爸爸一样,为达官显贵听诊,给商贾名流开药。

但是,康拉德不喜欢医学,或者说,没那么喜欢。

与研究人体相比,他更喜欢动物。

30岁时,康拉德放弃了医学,开始了动物学研究。

青年康拉德。图片来源:Wikimedia Commons

世界上最悠闲的职业

康拉德认为自己适合研究动物,原因很简单:他很懒。

康拉德最喜欢研究的动物是雁鹅,原因也很简单:雁鹅也很懒。

雁鹅。图片来源:农村养殖网

雁鹅们至少有半天都在休息和消化,在觅食和消化之间的空挡,它们才稍微做一点正经事,而这只占它们清醒时间的八分之一。

不只是雁鹅,大部分的动物其实都很懒。

它们不会去做多余的工作。即使被比作勤劳象征的蜜蜂和蚂蚁,大部分时间也是闲在家里,只是一般人看不到罢了。

蚂蚁只有工作的时候才能被我们看到。图片来源:Unsplash

没错,蜜蜂和蚂蚁只要不工作,就会立刻躺在家里!

所以,如果你想观察动物们的真实面貌,就必须和他们同步。一个天生不懒的人,不可能花费一整个春天,窝在鹅群中,过着鹅一般的生活。

不过,巧的是,康拉德很懒。

用他自己的话来说:“我这个人非常懒,幸亏这么懒,才成为很好的观察家,我才懒得工作呢!”

就这样,康拉德每天带着一群雁鹅,来到多瑙河边,进行动物行为的研究。而研究的过程是,他在八分之七的时间里,无所事事地躺着晒太阳。等到雁鹅发出交配或者捕食的特定叫声,他才睁开眼睛,拍两张照片。

这种悠然的生活,一直持续到某个温暖的下午。

那天,一只初生的雁鹅,把康拉德当成了妈妈。

雁鹅母亲是怎样炼成的

当时,康拉德有了一批雁鹅蛋。于是,他找来一只大肥鹅来孵化这些蛋。原本的计划是,让这只肥鹅顺便来当雁鹅的妈妈。

虽然家鹅和雁鹅不是一个物种,但好在习性差别不大。

结果,有一只蛋,孵化的日子提早了一天。恰巧,当时大肥鹅没在,康拉德目睹了这只小雁鹅破壳而出的那一瞬间。

当然,这只雁鹅第一眼,看到的就是康拉德。

只是在雁鹅蛋里多看了他一眼,再也无法忘记他容颜。

康拉德给这只小雁鹅起名叫做玛蒂娜。刚出生的玛蒂娜只有10克重,但没想到这却是康拉德生命中不可承受之轻。

玛蒂娜一出生就只喜欢跟着康拉德走,而且她和同一窝的其他雁鹅完全不亲近,甚至充满敌意。

康拉德呢,为了照顾玛蒂娜,就得和她一起趴在草地上,教玛蒂娜一些基本的生存方法,还把鸡蛋和荨麻切成末,喂给玛蒂娜吃。

只要康拉德稍微走远点,玛蒂娜就会陷入绝望的恐惧,发出歇斯底里的哭声。

康拉德没办法,只好编了一个小篮子让她睡到里面。他夜里也不敢大意,要不断轻抚玛蒂娜,并不时模仿雁鹅的叫声,只为了让玛蒂娜安然入睡。

好在,忙碌的日子持续没有多久。对于雁鹅来说,童年很短,或许只能称为“童周”。

春天一过,雁鹅就发育匀称。随着玛蒂娜开始练习扑腾翅膀,康拉德也结束了他作为母亲的职责。

抚养小雁鹅的经历,让康拉德学会了更多。借由这段体验,他提出了一种动物行为理论——“印随”。

印随,简单来说,就是动物在出生早期,会把出现在眼前的第一个物体当妈妈。这个我们现在习以为常的理论,最早就是康拉德提出的。他认为这是动物在幼儿期,对环境刺激所表现的一种学习行为。

在随后的几年,印随理论被他不断加以完善,成为康拉德最重要的学术贡献之一。

印随行为。图片来源:study.com

他的家就是动物世界

当然,康拉德的研究兴趣不只是雁鹅,可以说,他喜欢一切动物。

从天上飞的燕雀、斑鸠和乌鸦,到水里游的斗鱼、乌龟和小虾,还有地上跑的兔子、猴子和狗子。这些动物,他都养过。

粗略算了算,他养过的动物不下数百只。

更要命的是,康拉德信奉:若要了解一只动物,唯一的方法是让它自由活动。

于是,不难想象康家的宅子里,是怎样的光景。

有段时间,他家里养了些体积较大的危险动物,比如,两只大的黄冠鹦鹉,两只孟高芝猴子,两只戴帽猿和一大群富有攻击性的渡鸦。

然而,当时康拉德的孩子还很小,不适合与这些动物独处。

于是,为了孩子的安全,康家夫妇在花园里造了个很大笼子;

然后,把孩子放了进去。

康拉德他爸退休之后,就搬过来住,老人家也是出了名的喜欢动物。

有一次,康拉德发现花园里自己养的24只鹅不见了。

原来,他爸把24只鹅放进了屋子,老人家一边喝茶,一边看着报纸,又一边把面包喂给鹅。

众所周知,鸟类的消化过程都特别迅速;

于是,这24只鹅,在那张名贵的波斯地毯上,留下了密集的“青黄色斑点”。

鹅:怪我咯。图片来源:Unsplash

家人们倒不必康拉德费心,真正让他犯愁的是,怎么跟这些动物交流?

动物没有语言,叫声只是在传递信号。为了理解这种信号,康拉德所做的,就是尽量模仿它们的叫声。

而这其中,最难模仿的,是黄冠大鹦鹉。

按照康拉德的记录,为了模仿这种鸟表达友善的叫声,需要“想想杀猪时,猪的嚎叫,再用扩音器放大几倍就得了”。

他每次都要使劲全身力气,把嗓门憋的尖尖的,对着他的大鹦鹉吼叫,直到那只叫“可可”的鹦鹉能够听懂。

可可为了回报康拉德的好意,有一次叼了只虫子,来喂康拉德。

康拉德没有办法,只能张嘴,接受这“混合了泥土和鸟唾液的半截蚯蚓”。

康拉德在野外观察鸟类。图片来源:wordpress.com

 “懒”出来的诺奖

康拉德有一段不愿意被揭开的过去——他当过纳粹。

也许是幸运吧,他很早就被苏联人俘虏了,所以在战争中没留下什么劣迹。

不过,他的这段经历,在战后广受诟病,给他带来了巨大的压力。于是,他更是不愿意理会这些人世间的事情。

1948年被释放后,他定居到了奥地利中部,就在他以前抚养雁鹅的浅草池边,度过了后半生。

老年康拉德和他的动物。图片来源:Searchmap.eu

1973年,康拉德▪洛伦兹,因为动物行为学研究,获得了当年的诺贝尔生理学与医学奖。

康拉德曾在自己的书中写下这样一段话,可能是对他体验最好的阐述:

“活泼的生命,无须借助魔法,便能诉说至美至真。

真实的大自然,比起诗歌中的描绘,更要美妙千倍。”

或许,康拉德不需要所罗门王指环;

他想要的,是活泼的生命和真实的自然。(编辑:Yuki)

参考文献:

  1. 《所罗门王的指环》,康拉德▪洛伦兹,1998年,中国和平出版社。
  2. 《洛伦茨的另一面》, 方在庆,中国图书商报,2002年11月15日。

宝宝出生了,我却一点儿抱她的欲望都没有

很多向往成为妈妈或者即将成为妈妈的人,期待的产后生活可能是这样的:每天抱着可爱的小宝贝,轻唱摇篮曲哄她入睡;穿着宽松而优雅的哺乳装,舒适地躺在摇椅里喂奶。

然而,真实的产后生活却画风迥异:伤口疼哺乳疼,没有一夜能睡整觉,还无时无刻不担心着孩子吃不好睡不好发育跟不上。每天焦头烂额,蓬头垢面,完全和想象里优雅的全能妈妈不沾边。

图片来源:图虫创意

因为各种生理心理和生活的变化,很多新手妈妈可能在产后那段时间里情绪低落、担心焦虑甚至脾气暴躁,如果这种情况持续很久,甚至不能和宝宝建立情感上的联结,就要考虑产后抑郁症的可能了。

产后抑郁症不是只存在于新闻里,它就在我们身边。

经历产后抑郁症是一种什么样的体验?

“我以前一直很喜欢宝宝,但是自己的孩子出生以后,我心里却无法对她产生一点点感情,任何想要抱起她的欲望也没有。我只想躺在床上,什么也不想做,偶尔起来换尿布,闻到尿布味儿我都觉得头晕想吐。我开始止不住地哭,完全无法控制自己。
“我开始觉得自己生孩子是一个错误,我想逃跑,想丢下责任。但同时,无法好好照顾孩子让我感到巨大的罪恶感。我觉得生活没有希望,我永远无法再拥有幸福和快乐。我坚信没有人能理解我的情绪,没任何人能帮助我,我对谁也不愿意开口。但我又非常害怕被留下一个人呆着,害怕无法控制自己的情绪,做出伤害自己或者孩子的事情。 
“过了几个月,情况一点好转也没有。周围的人开始提议让我去看医生,说我可能是产后抑郁了。但我觉得那是精神有问题的人的事,是新闻里那些杀害自己孩子的人。我怎么可能和这样的人属于同一类呢?”

以上是我接触过的一位患者的自述,这些体验在产后抑郁症患者中很有代表性。

名人开口谈论产后抑郁症,是让公众认识这种疾病的好时机。美国演员波姬·小丝写过一本书来详细讲述自己患产后抑郁的历程。图片来源:Amazon

产后抑郁的妈妈们最突出的改变是持久的情绪低落:可能一整天大部分时间都不高兴,而且基本上天天如此,还可能担心焦虑,容易发脾气。

此外她们会有强烈的自责自罪的想法:对自己的评价降低,觉得自己没有能力照看孩子,对不起孩子对不起家人。

她们的想法表现很极端化:会用“永远也不会”、“绝对不能”、“完全没有”这样极端的语言和态度对待事情,对事情的想象往往比实际情况糟糕得多。

她们还经常有逃跑幻想:幻想着跑得远远的,把一切痛苦留在身后,如此得到片刻解脱,然而往往又会为自己的想法感到自责,觉得自己是个坏妈妈,陷于一种极端的矛盾之中。很多妈妈会在压力过大或者过度劳累的时候偶尔有这种想法,但是一般不会每天如此,也不会陷入自责自罪之中。

抑郁症还会影响思考能力。曾经有一个患者描述说她站在超市门口,却完完全全想不起来自己想要买什么,就这样整整站了半个小时。

产后抑郁的妈妈也会有很多躯体症状,比如睡眠障碍、食欲下降、精力减退等等。然而由于宝宝刚出生的那段时间,很多妈妈本来就经常吃不好睡不好,因此躯体症状的表现往往容易被忽视。

为了分辨正常的劳累和产后抑郁,可以考虑以下几个问题:她睡不好是因为老被宝宝吵醒,还是即使宝宝睡着了她还是睡不着?她不吃东西是因为太忙了,还是对食物根本没有兴趣?同样的,她忽视个人卫生、衣着打扮,是因为想打扮但是忙得没时间,还是因为心情低落、对个人卫生根本不在乎?

得病了,要看病,要治疗

如果你觉得自己或者家人有上面这些症状,尤其是这些情绪变化完全不符合本人平常的表现,甚至让你觉得她完全是另外一个人,就应该去医院来确诊是不是得了产后抑郁症。也可以在网上找到爱丁堡产后抑郁量表(EPDS)事先做个评估。

得知自己有产后抑郁症时,相当一部分人的第一反应是否认,“不可能发生在我身上”,“我从来没有想过要伤害孩子,应该没有抑郁症”“这种感受很多人生完孩子都有,够不上抑郁症”。随之而来的是羞耻感。抑郁症往往被和“疯狂”、“精神有问题”联系在一起,社会偏见让许多人觉得有抑郁症的人是软弱无能的,有些妈妈会因此更加重自责自卑自罪。

而亲人和朋友得知消息时,否认也是常有的反应。他们可能会说“可是你现在什么都不用想,只用管孩子不是最幸福的事吗”,或者“你看起来很好呀,你看你的宝宝这么乖,肯定没问题呀”。有的人把抑郁症看得很轻,认为抑郁症仅仅是不开心,想开点就好了;还有人过度妖魔化抑郁症,认为抑郁症是极少数人才会得的精神病,自己的家人不可能得。

演员汤姆·克鲁斯曾指责波姬·小丝服用抗抑郁药是对孩子不负责任,他后来意识到自己的言论不妥,向波姬·小丝道歉。图片来源:图虫创意

这些误解和回避,会让情况越来越糟糕。其实,让产后抑郁症得到认识和诊断,意味着事情在往积极的方向发展,接受现实、获得帮助,意味着终于可以开始做些改变了。

产后抑郁症并不是说好就能好的,对康复有合理的预期也能帮助患者和家人更好地面对这个过程。恢复的过程是缓慢的,也会有起伏和反复,可能很多人会中途丧失信心和耐心,但这都是正常的,也是恢复的必经之路。

产后抑郁症和“婴儿忧郁”有什么区别?

据统计,大约每8到15个妈妈里会有1位(也就是7%到13%)被产后抑郁症击中,而“婴儿忧郁”(baby blue)要普遍得多,80%的人会有。

产后抑郁症和婴儿忧郁在一开始有很多相似之处,比如心情低落、易怒、担心、睡眠不好等等,但是产后抑郁症的严重程度要远远超过婴儿忧郁,对生活的影响也要严重得多,并且往往需要医学干预,因此早早识别产后抑郁症并尽早治疗是非常重要的。

图片来源:东方IC

产后抑郁症和婴儿忧郁的区别主要有三个方面:
第一是症状持续的时间。婴儿忧郁在产后几周后会慢慢好转,而产后抑郁症可以长达一年甚至多年。
第二是症状的严重程度。产后抑郁症会严重影响患者的生活,让生活自理能力受到影响。
第三是自知力。婴儿忧郁的妈妈往往能够相信自己会慢慢好起来,而产后抑郁症的妈妈往往无法客观看待自己,完全丧失对自己的信心,产生严重的认知偏差。 

多种因素导致产后抑郁

宝宝出生后,母亲体内的雌激素和孕激素水平急剧下降,相应的会引起其他激素和神经递质的变化。

有研究发现,与正常的妈妈相比,产后抑郁症的妈妈体内皮质醇激素有显著的增高,过高的皮质醇激素在与应激相关的抑郁症模型中是导致抑郁的主要因素。

雌激素水平的剧烈变化会导致血清素减低,而这是抑郁症的主要生理变化之一,这可能是产后抑郁症的另一个发病因素。至于为什么有的妈妈对激素下降的反应更敏感,这很可能和个体的易感性有关。有研究显示,产后抑郁的发生和调节细胞激素受体基因的过度表达有关。

此外,生产过程对于妈妈来说是一个巨大的应激事件,产后生活的变化也是一个应激,这些因素也是导致产后抑郁的诱因。和一般抑郁症不同的是,产后抑郁症不仅影响妈妈,也会影响新生儿的认知和行为的发展。

请别自己生扛

产后抑郁的治疗包括社会心理干预、正式的心理治疗以及药物治疗。具体的治疗方案需要患者和家人一起和医生沟通。

抗抑郁药物是治疗产后抑郁症最常见的药物方案,作用非常显著,可以帮助患者尽早恢复到正常状态。但很多人对服用药物充满疑虑,担心会被别人另眼相待,担心自己失去了自主权,完全依赖于外界的药物。其实,好比腿骨折后需要拐杖帮助度过不能正常行走的一段时期,抗抑郁药就好比拐杖,可以支持我们度过黑暗和艰难的时期,一旦恢复到正常的自己,药物就和拐杖一样可以抛在身后了。

抑郁的妈妈们往往不愿意见到别人,觉得一切可以依赖自己。恰恰相反,与社会隔绝会让病情变得更糟,对恢复非常不利。面对产后抑郁症,千万不能自己抗。

演员钟丽缇曾坦言生下二女儿后陷入抑郁,是家人的支持帮她很快走出阴霾。图片来源:凤凰网

告诉别人自己的感受,对于产后抑郁的妈妈可能是非常困难的。她可能会觉得,即使最亲近的人也不能理解自己的感受,还会害怕如果告诉了别人,自己会被否认被鄙视甚至被抛弃。因此家人的支持和鼓励更显得格外重要。

身为产后抑郁症患者的家人,我该怎么做

“我觉得我认识的妻子消失了,她脸上总是一副空洞的表情。记得有一天我们拍全家福,她抱着孩子坐在椅子里,睁眼看着镜头的方向,却仿佛哪里也没看,她的眼睛仿佛两个黑漆漆的空洞。每每回想起她当时的样子,我心里特别难受。我每天下班回家,咯咯笑的是宝宝,嘤嘤哭的是妈妈。家里乱七八糟,脏衣服满地都是,水池子脏碗碟堆成山。她怎么也不肯出门,拉她拽她也不行,整天除了喂奶就是呆呆坐着。
“我看到别人谈起自己的孩子都特别高兴,但是我妻子对我们孩子一天天的进步什么反应也没有。我心里很害怕,害怕失去她。我心里憋得慌,也想找人倾诉。我妈说让她振作起来就好了,我们的朋友说你给她买点漂亮衣服带她去健身房锻炼锻炼就好了,却没有人提起她可能有产后抑郁症。”

接受并认识妻子的产后抑郁症,对于新手爸爸来说也不是一件容易事。他一开始可能会不理解:为什么妻子像换了个人一样?别人生了小孩都高高兴兴的,为什么她却经常哭泣,完全没有笑容?

慢慢的,照顾新生儿的各种琐碎日常,加上自己也要适应作为爸爸的角色,他可能会变得没有耐心,甚至对妻子发脾气。

理解她的感受,换位思考,你可能会少一些愤怒和困惑。没有人是圣人,觉得很压抑也是非常正常的,尤其是妻子发脾气抱怨的时候。但其实在产后抑郁症中,她的负面言论很可能不是她因为真的想指责别人,而是她无法处理自己的情绪。

争吵并不能改善状况,请告诉她你理解她现在处境非常艰难,告诉她你愿意站在她身边。对于妻子的倾诉,请尽可能耐心倾听,鼓励她多说。当她能放心地把她最最负面的情绪和想法向你敞开,她的内心也会觉得更安全。

虽然产后抑郁症有一定社会家庭因素,但是单一的社会家庭因素并不能导致产后抑郁症,它是其他生物性因素、个体易感性因素等等多因素一起作用的结果。当事情发生了,家人完全没有必要互相指责是谁导致了抑郁症。反复纠结于过去,对于眼前的状况并没有帮助,理解她支持她帮她走过眼前的黑暗时期更重要。

多分担育儿责任,是丈夫能给妻子的极大支持。图片来源:图虫创意

给产后抑郁患者家人的一些交流建议

一个原则是,说话之前试着从患者的角度考虑。试想如果是你情绪低落、担心焦虑、没有精力、自卑自责,同时还要照顾一个新生婴儿,你会有什么感受。 

•    尽量减少批评性的言语,少提不受欢迎的意见,比如说“你这么抱宝宝蛮好的”,而不是说“你看你应该这样抱宝宝”。
•    对她的感受表示理解,而不是否定她的感受,比如“我知道你的感觉很糟糕”,而不是“你怎么可能抑郁呢?这么好的孩子,这么关心你的家人,你还想要什么”。
•    对她的付出表示肯定,这也会鼓励她愿意做更多的事,比如“家里这么多事你做得已经很好了”,而不是说“要是我像你家里这么多事,我可没时间抑郁”。
•    肯定她成为一个新母亲的角色转换,,比如“你是一个好妈妈”,而不是说“等你抑郁好了你会变成一个好妈妈”。
•    让她感觉她不是孤立一人,让她知道她仍然被关心爱护,这会带给她很大的安全感,比如“我们爱你,我们会帮你一起恢复”,而不是说“等你的抑郁好了,我们的关系才能好起来”。
•    让她觉得在这个特殊的时期你愿意帮助她,比如“我虽然不能把你的抑郁带走,但是我非常愿意给你帮忙”,而不是“我不管做什么在你眼里都是错的,你的忙我没法帮了”。

产后抑郁症不是妈妈的过错,也不是其他人的过错。它是一种疾病,是暂时的,大部分人会恢复,积极寻求帮助是有勇气的表现。独自扛过产后抑郁症很难,家人和朋友应该关心和理解有产后抑郁症的妈妈,并坚定地站在她们身边,一同走过黑暗。(编辑:odette)

参考文献

  1. Dalfen, A. (2009).When Baby Brings the Blues: Solutions for Postpartum Depresssion. Canada: John Wiley & Sons.
  2. Stewart DE, Vigod S. (2016). Postpartum Depression. N Engl J Med., 375(22):2177-2186.
  3. O’Hara,M. W., & McCabe, J. E. (2013). Postpartum Depression: Current Status andFuture Directions.Annual Review of Clinical Psychology, 9(1), 379-407. 

AI不能“取代”医生给我们看病,这并不是因为AI不够强大

约翰霍普金斯医学院的娜塔莉·特拉雅诺娃(Natalie Trayanova)教授,刚刚度过了魔鬼一般的一年。

在外人看来,她的科研道路仿佛是一帆风顺。她带领的心血管造影技术团队拿着来自美国国立卫生研究院(NIH)的研究基金,过去三年光论文就发表了50多篇;她的项目还频频在媒体上曝光,她本人甚至被邀请到TED Talk上做演讲。然而,当她着手将这套“领域内前所未有的解决方案”向临床应用推进的时候,却遭遇了前所未有的困难。

Your Personal Virtual Heart | Natalia Trayanova | TEDxJHU

她的方案在临床上的首要任务是治疗心颤。所谓心颤,指的是心脏不再有规律地按照周期跳动,而是无规律地快速“颤抖”;轻度的心颤有时本人都感觉不到,但严重的心颤可以让在几分钟内夺人性命。你可能在商场、路边或者影视作品里见过仪器装在红色盒子里,上面写着“AED”三个大字,还可能有红色的心形和闪电标记,这就是自动化的电除颤仪,依靠放电的办法结束心颤。这样的设备已经拯救了很多心脏病突然发作的人。

不过等到心颤发生再采取除颤,还是稍微有点晚。医学研究者开发出了一种心脏除颤手术,找到那些引发心律不齐的微小心肌纤维,把它们切除,从而根本上解决问题。麻烦的是,这些微小心肌纤维很难找,很大程度都靠医生经验,经常切不准地方还会误伤正常的部分。

特拉雅诺娃实验室就开发了一套结合了影像和人工智能的心脏造影方案,构建出全息3D的心脏模型,重建每一束心肌纤维、模拟心脏动态,精确地找出病灶,让手术“指哪打哪”。“我们还能顺便用这个影像,给心脏做3D打印,送给病人做留念。”来自保加利亚、已经在这个领域摸爬滚打了三十多年的特拉雅诺娃谈起自己的技术,仍然是一脸兴奋。而最近兴起的人工智能技术,更是有希望为这个技术添砖加瓦——例如,使用机器学习提高图像精度,优化计算流程,把时间和成本大幅降低。

图:特拉雅诺娃团队的“模拟心脏”

然而,谈到实际应用的前景,她的乐观减少了大半。病人的各类实际需求,总是不能与技术设计完美结合,她不得不一周三天跑医院、两天跑实验室,与医生和工程师反复沟通。更大的挑战来自美国食品药监局(FDA),任何一项技术想要投入应用,都免不了和 FDA 大战三百回合;要是不能将研究成果转换为审批标准,发了再多论文都相当于白做。“还不知道什么时候会通过审批。”她对我说,“明年或者后年吧?希望如此(Hopefully),希望如此。”

“希望如此”,成了她挂在嘴边的口头禅。在人工智能计算能力大幅提升的今天,乐观派们认为AI接管医院只是时间问题,然而从实验室到医院的这段路,依然困难重重。

1

“你拿一万张猫的图片训练一个机器,机器能够非常迅速地判断眼前的图片是否是猫,”约翰·霍普金斯生物工程教授杰弗里·希维尔德森(Jeffrey Siewerdeson)给我打了个比方,“但你要让机器从一张元素繁多的图片里找猫,难度就指数级增大了。”

他的实验室曾经是约翰·霍普金斯医院的病房,墙上还残留着当年的病床支架和插座。如今的实验室已经远离了医院的喧闹,被各类计算机和影像仪器所占据。生物医学领域,基于机器和数据,而不用和湿漉漉的培养基或组织器官打交道的“干科学”(dry science)逐渐成为了领域热门。据医药研究机构 Signify Research 的数据预测,5年内光医疗影像和AI这一个细分领域的市场就将超过20亿美元,其中深度学习技术更是占据了半壁江山。诊断正在逐渐从病人身上分离,转入机器。

图:作者和希维尔德森在他的实验室

然而,人们需要对机器能做什么、不能做什么有清晰的认识。目前AI的主要成就,是给人类医生的判断打底子,而不是自行下达判断。比如希维尔德森所做的工作之一,是利用机器来学习高精度图片的特征,然后据此把低清图片“算”成高精图片——换言之,就是去马赛克。有些时候医生手头的设备不够先进,另一些时候医生需要实时观察图像,这些时候的低分辨率图片都可以在机器学习帮助下变得高清。

的确,图像识别是目前的AI最擅长的事情之一。大概从2013年开始,AI在这一个领域的能力就开始飞速发展;2015年,在谷歌ImageNet数据库训练下的机器,人脸识别能力已经超过了人类。这得益于机器能够在相对短的时间内吃进海量的影像数据,并通过深度神经网络各个层级进行分析、学习,成为阅“片”无数、经验丰富的“老医生”。希维尔德森和特拉雅诺娃所做的事情,都是利用AI的这方面长处,给予医生以诊断辅助,让医生“看”得更清楚、判断更准确。

可这并不是我们平时想象的“AI看病”。AI是否能对疑难杂症做出独立的诊断?

对于有的疾病,让AI看到影像就做出相应判断其实不那么难。比如眼科教授尼尔·布莱斯勒(Neil Bressler)正在做的项目,是使用AI技术诊断糖尿病人的眼底病变。由于这种疾病十分常见,数据积累丰富,再加上对于病变的判定相对简单,目前这个技术已经有了相对成熟的应用场景。然而,触及到更难的领域,例如癌症、肿瘤等等,图像模式十分复杂,很难用一种或者几种机械的模式概括,机器往往会卡在这种人脑依靠模拟(analogy)判断的地方。而有的病变本身也十分罕见,根本无法形成值得信赖的数据库。换句话说,现在还无法像训练一个真正的医生一样训练AI。

而更根本的矛盾还在后面:就算数据够多、计算能力够强,AI能够取代人类判断吗?

图:电视剧《西部世界》

2

2011年12月,在美国麻省的一家医院,急救车送来了一个晕倒的老年男性。他立即被安置在了急救病房,安插上体征了监控设备——如果他的生命体征出现危险的波动,设备就会发出警告,召唤护士。这样一来,护士就不必时时过来查看他的情况了。

然而,第二天,这个老人却死在了病床上。死之前监控设备的红灯闪了一夜,但却被路过的护士一遍接一遍地摁掉。疏于料理的护士当然难辞其咎,然而在深入的调查之后,另外一个问题浮出水面:包括这套系统在内,许多医院用于自动化监控的装置所发出的警报,很多是误报

通常此类自动化系统,会把极其微小的波动当做风险来处理,毕竟,万一错过了一个风险,责任就大了,所以厂商都倾向于把机器调得“过度灵敏”,并产生一系列大惊小怪的误报;反过来,医护人员则在接连不断的误报冲击下产生了疲劳,忽略了真正的危险。这是一个现代版的“狼来了”。

狼来了问题本身看似是可以解决的:把自动化系统的敏感度调低就行(厂商无疑会不愿这样做,因为这样意味着他们自己要直接担负更多责任,不过这至少原则上是可解的)。但这是本质的问题吗?人类同样常常过度敏感,每一个医生都无数次经历过家属大呼小叫、护士匆忙跑来报告异常但最后平安无事的场景,但却无法想象有多少合格的医生会因为假警报太多而从此对它们彻底无动于衷、像对待自动系统那样一遍遍按掉。问题在哪里?

在于人并不信任机器

图:电影《机械姬》

科幻小说常常把人对机器的猜疑描述成没来由的非理性行为甚至是灾祸的根源,但现实中这样的不信任其实是有理由的:人和机器的决策方式并不相同。譬如一个简单的自动化系统也许会监控病人的心率,低于一定数值就报警,但不同病人静息心率原本就不同,对一个普通人而言危险的低心率,对职业运动员而言也许只是稍微异常。传统的自动化系统只能在事先设好的规则内行事,超出规则就无能为力了

今天最火的AI路线——深度学习看起来有望打破这个限制,但它带来了一整套新的问题。最近通过FDA审批的一个叫做“WAVE”的诊断平台,能够综合病人各项身体指标,通过深度学习的算法,给出“病人什么时候会进入病危状态”的预测。然而,《科学》(Science)2019年3月的一篇评论文章指出,不像是药品或者其它医药设备,机器学习为内核的算法并非一个逻辑确定的系统,里面涵盖了上千个互相牵涉的指标,也会根据训练数据的不同产生不同的效果,究竟是否存在确凿无疑、让人百分百信服的因果联系(就像你站在体重秤上的数字从不撒谎一样),很难说清。

而治病救人的医学,恰恰最需要稳定且可重复的证据支撑。

循证的过程需要控制变量,得出A和B之间确凿的因果联系,例如病人吃了A药之后,就是比吃安慰剂的效果要好,那么A药毫无疑问发挥了作用;而这种药在一小部分病人中产生的作用,和大部分病人相似,是可以重复的。深层到药物作用的机制和原理,则更需要有大量的动物实验打底,厘清一个化合物和病菌、器官、神经之间的具体联系。然而,目前主流的深度学习的技术却是吃进数据、吐出结果的 “黑箱”,很难照着这个方式循证。再加上机器学习的核心——数据本身就具有不确定性,更为人工智能的普适性和可重复性提出了问题。

在2019年2月华盛顿美国科学促进会(AAAS)的年会上,赖斯大学(Rice University)数据科学教授吉内薇拉·阿伦(Genevera Allen)用一系列事例直击了这个问题的核心。当下,有不少团队都在癌症相关的基因上做文章,输入癌症患者的基因组和病例数据,用机器学习的方式分析出几个不同的亚型(Sub-type),并在这个基础上开发靶向药物。这也是承袭乳腺癌的成功先例——根据基因表达的不同,乳腺癌可以分为10多种亚型,每一种的具体治疗方案和预后都不同。但是这种模式可以套到所有的癌症上吗?把大量数据“喂”给机器,机器真的能依靠数据模式给出靠谱的分类吗?

图:Genevera Allen,来源:EurekAlert!

她综合了一些研究结果,发现在某个样本的数据上表现出色的算法,不一定适用于所有情况,也并不能重复,在这种分类的基础上得出的诊疗意见,自然也是无意义的。“两个团队用不一样的数据,很可能得到完全不重合的亚型分类,”阿伦在会议报告上说。“这些‘发现’真的具有科学价值吗?背后是否有可靠的医学证据支撑?”

她表示,如果继续这样发展,医疗科学很有可能陷入“危机”。虽然有点悲观,但也不无道理。毕竟,不靠谱的算法在亚马逊上给你推荐一本你不喜欢的书,你不买就好了;但是“推荐”一个疗法,有时候却是关乎生死的。当然,这并不是说人类医生不会犯错误。但在面对错误的时候,医学诊断的循证基础,能够给我们提供充足的条件复盘错误、并探求避免的方法。而面对人工智能的黑箱,我们甚至很难知道机器为什么会错,应该如何纠正。

一边是人工智能领域大幅提高的计算能力与不断优化的算法,另一边却是临床医学对于证据的谨慎。在不同的学科进行交叉和对话的同时,两边是否在使用同一套语言体系,成为了解决问题的关键。

3

这个年代最常听到的一句话,是“什么专业都得写代码”。的确,像希维尔德森和布莱斯勒的实验室里,懂医学和懂计算机同等重要,甚至还需要统计等数据科学。越来越多的研究者开始恶补相关知识,注册线上课程,甚至去跟本科生挤教室。许多老教授也拉下面子,向年轻博士生和博士后取经。

而随着大数据和人工智能的广泛应用,医生们也要开始懂得怎样跑数据,即使不会编程也必须明晓其中的原理。“(数据科学)就像另一门语言,或者好几门语言,”英国惠康基金会桑格研究所的研究员蔡娜在接受 Mosaic Science 采访时的一席话,说出了生物、医药研究人员的心声。“我不得不把之前大脑中的生化路径、流程图,转化成编程代码。”

从某种程度上讲,编程和数据成为医学领域最重要的能力之一。然而,计算机领域和医学领域的学科逻辑和评价标准,却存在一些分歧。特拉雅诺娃说,“现在太多人醉心于技术细节的提升,你去参加一个学术会议,到处都是跟你吹嘘自己的技术表现有多好,算法性能有多棒,然后在核心期刊上发了多少论文——这是他们领域的‘语言’。但最后能达到什么效果呢?” 说到这里,特拉雅诺娃摇了摇头。

“现有的大部分算法,包括诊断和预测等,都不是在传统的医学范式下研究出来的,不能直接体现医学所需要的指标,即使一些已经投入应用了,但可靠度、可应用程度等,都需要进一步验证。”宾夕法尼亚大学医学院血液和肿瘤专家拉维·帕里克(Ravi Parikh)在电话里对我说。“他在《科学》期刊上发表的评论文章谈及了这个问题:当下的许多医疗人工智能相关的研究,都以计算能力、反应速度、概率分布曲线等作为指标,比如一个算法能够把判断某种征兆的速度提高百分之几之类。但是,这到底在临床上意味着什么?这对病人的治疗效果有多大增益?速度提高了,但误诊率呢?病人接受了这个诊断,是否病程变短、返诊率下降?这些所谓 “落脚点”(endpoint)才是医学关心的指标,也是监管机构是否给某个技术放行的依据。

一言以蔽之,人工智能想要治病救人,必须要接受医学标准的审视。特拉雅诺娃深知其中的不易,前文提到的3D造影技术即将投入大规模临床实验,最终的评判标准并不是技术、性能,而是手术的成功率。“接受了手术的病人,究竟有多少不用返工重来?返诊率是多少?”能够让临床医生彻底掌握这个技术,把除颤手术目前接近40%的返诊率大幅降低,才是这个技术成功的标志。

图:作者和特拉雅诺娃合影

希维尔德森也表示,算法必须要“翻译”成为医学实验的成果方才能称之为医疗,定量的测试和评估是一切的基础。而在临床实验中,需要照顾的不仅仅是数据,还有病人。“要验证现有技术的可用性、可靠性和效果,目前通用的方式是回溯性分析研究,这样才能在不影响病人的治疗水平的前提下得到好的结果,并且也需要伦理委员会的批准。”

而且,我们必须诚实面对算法的局限。所有的药物都有副作用和适用人群,同样,做人工智能的人也必须从“用算法去解决普适性问题”的思维中跳出,重视应用情景、数据来源和数据质量等等,学会医学语言的谨慎。监管也必须面对一些关键挑战——例如,如何保证数据的多样性,如何打开人工智能和机器学习的“黑箱”,确定一个算法的具体原理与医学证据之间的联系。 “目前可以做的是建立完善的事后审计机制(auditing system),追踪算法和数据之间的关系,以及可能出现的数据偏差。”帕里克说,“但最后,一定还是落在临床的表现上,保证效用和可重复性。

4

我在希维尔德森的实验室里看到了一个比乒乓球略小的3D打印模型,质感柔韧,中间的裂痕用细密的针脚缝了起来。“这是一个有着先天心脏缺陷婴儿的心脏的一部分。”希维尔德森对我解释道,“我们用当前的造影技术,结合人工智能技术为心脏建模,然后打印出来供进行手术的医生练手。”

图:心脏模型

看着这个小小的模型,我仿佛能看到主刀医生和助手们围在屏幕前讨论手术方案,仔细观察和打量模型,思考着从哪里入手——这才是人机的完美配合,也是当下的医疗技术带来的最实际的进步。“在诊断和治疗中,一个医生的训练、经验和观察依然是最重要的。即使是最好的技术,也只能是增强医生的知识和能力,而不是替代。” 希维尔德森说。

帕里克也认为,我们不应该拿人工智能和医生相比。关键并不在于人工智能本身的能力,而是人工智能和现有的医学条件结合,能够发挥多大的功效。医生多年所见、所识、所领悟的并不能完全被翻译成数据、变成机器学习的资料;而人工智能亦有更精准的观察、更快的速度和永不疲倦的眼。谈论“医生+算法”的效果,远比谈论如何替代、或者谁比谁好要更有意义。

未来的医疗场景,一定不是病人被送进机器人医生的诊所,进行全身扫描之后得到“智能”的诊疗,而是可复制、可量产的机器,为医生提供足够多有价值的参考,节省更多人力物力,让诊疗变得更普及、更平民、更快捷。医疗人工智能领域的科技树不是冲着天空、往高处长,而是伸开枝叶,为更多的人提供安全和健康的荫蔽。

这个未来甚至并不遥远,脚踏实地一定走得到。(编辑/Ent)

(拇姬对本文有重要贡献;感谢美国科学促进会AAAS提供访问支持。)

参考资料:

  1. Allen, G. I. (2017). Statistical data integration: Challenges and opportunities. Statistical Modelling, 17(4-5), 332-337.
  2. Parikh, Ravi B., Ziad Obermeyer, and Amol S. Navathe. “Regulation of predictive analytics in medicine.” Science 363.6429 (2019): 810-812.
  3. Razzak, Muhammad Imran, Saeeda Naz, and Ahmad Zaib. “Deep learning for medical image processing: Overview, challenges and the future.” Classification in BioApps. Springer, Cham, 2018. 323-350.
  4. Giger, M. L. (2018). Machine learning in medical imaging. Journal of the American College of Radiology, 15(3), 512-520.
  5. Tenner, E. (2018). The Efficiency Paradox: What Big Data Can’t Do. Knopf.
  6. https://www.bbc.com/news/science-environment-47267081
  7. https://www.wired.com/2017/03/biologists-teaching-code-survive/
  8. https://mosaicscience.com/story/how-big-data-changing-science-algorithms-research-genomics/
  9. https://www.signifyresearch.net/medical-imaging/ai-medical-imaging-top-2-billion-2023/

题图来源:图虫创意

我们的祖先生气了会说什么?别的我不知道,但很大概率不会以f开头

当你怒不可遏,想要爆出以“f”打头的某四字英文真言,是不是毫不费力?什么,你是胡建人?没事,不会也不用感到太过懊恼,因为很有可能人类的祖先也不会发f这个音。

《科学》杂志最近刊登的一篇苏黎世大学的研究指出,没有农耕文明带来的谷物、蔬菜和奶制品这些比肉类软和的食物,人类很可能就不会发f、v这类唇齿摩擦音了。在中文普通话里,这意味着所有以f开头的发音,比如飞、风、福可能都不存在了。

饮食为什么会对发音有这么大的影响?这一切要先从人类的牙齿讲起。

祖先的牙齿长得跟我们的不太一样

人类所发的声音可以分为两类:元音和辅音,也就是汉语拼音里的韵母和声母。F和v是辅音中的唇齿摩擦音(fricative consonant),需要上牙齿与下嘴唇两个发音器官配合形成间隙——将上切牙,也就是门牙,轻压在下嘴唇上。

可见,要发出f这个音,上牙的位置十分关键。你不妨自己感受一下,放松自然的状态下,你的上牙是不是比下牙略为前倾,下牙抵在上牙内侧大概一半的位置——这是大多数现代人具有的覆合/覆盖牙型(overbite/overjet)。

大多数现代人拥有的覆合牙形|Wikimedia Commons

我们的祖先就不一样了。现代人上牙前倾的牙形在旧石器时代人类身上十分罕见,史前猎人们大多拥有对切咬合牙型(edge-to-edge bite)——上下门牙的边缘是对齐的。

上下对齐的对切咬合牙型| Tímea Bodogán

苏黎世大学的研究指出,这两种截然不同的牙齿形态对于发f和v有着很大的影响。

上牙前倾更容易发出f音

研究员们通过建立生物力学模型发现,覆合牙型发f和v要比对切咬合牙型更容易,少用了30%的口腔肌肉力量。对于牙齿上下对齐的史前猎人们来说,发出f和v可能比较难。

我们可以自行模拟一下。要发出某f打头的英文四字真言,对大多数人来说轻而易举,因为在放松状态下,你的上牙几乎已经在下嘴唇的内侧边缘了。但是你把上牙稍稍往后移,和下牙对齐,再试一下。咦,怎么骂个人这么费力?

所以研究者推测,由于费劲,旧石器时期人类的语言里是没有唇齿摩擦音的。

那是什么造就了我们越来越前倾的上牙呢?研究认为,这与农耕文明带来的饮食改变密不可分。

吃的东西越软,上牙齿越是往前倾?

人类学家指出,无论是史前人类还是现代人,出生时大多有着上牙前倾的覆合牙型。只是在旧石器时代,人们依靠狩猎和采集获得食物,肉类是主要食物来源。为了能够更有力地撕扯、咬食肉类,史前人类的下颌骨和上颌骨逐渐变得能够对切咬合,上下牙齿逐渐对齐,无法保持天生的覆合牙型。

日本出土的新石器时代前的人类头骨,拥有对切咬合牙型|Blasi et al. 2019

新石器时代农耕文明的出现让人们的食物中有了更多谷物、蔬菜和奶制品。这些较肉类软和的食物使得人类的上下颌骨不需要再具备强大的咬合力,一生都能保持幼年时期上牙前倾的覆合牙型。

伊朗发现的新石器时代人类头骨,拥有上牙前倾的覆合牙型|Fatemeh Bahrami/Anadolu Agency, via Getty Images

所以,进入农耕社会后,人们吃的食物越来越软,导致了更加普遍的上牙前倾的覆合牙型,这个牙形相较上下对齐的对切咬合牙形,更容易发出唇齿摩擦音——f和v音很有可能是在这个过程中逐渐出现的。

研究者还对当今现存的7000余种语言进行了调查,发现当代的狩猎采集社会中使用f和v的频率只有其它语言的四分之一。

一个重大而有争议的研究结果

这一考古学-语言学跨界发现震动了很多语言学家。传统语言学一直传承着语言是人类独有,并且自产生之后就没有发生过巨大变化的理念。f、v比其他语音更晚出现,并且主要出现在农耕文明社会中,这一新的发现彻底地撼动了语言不变论。

传统语言学也不喜欢把语言这一文明的象征和人体的生理结构进行过多的连接,因此这一跨界发现引发了许多语言学家的争议。有人认为,如果这是一条必然的进化规律,那为什么中国,一个古老的农耕文明社会,没有v这个发音(根据个人经历,v还是存在在一些北方口音中的);日本,另外一个农耕文明社会,根本没有f、v这两个发音。

当然,苏黎世大学的研究者们也承认他们提供的只是一种可能性,而不是一条语言学进化规律。语言学界对于这一结论是否会有进一步地深入研究,我们拭目以待。(编辑:Edan,窗敲雨)

题图来源:Fatemeh Bahrami/Anadolu Agency, via Getty Images

参考文献:

  1. Blasi, D.E., Moran, S., Moisik, S.R., Widmer, P., Dediu, D. and Bickel, B., 2019. Human sound systems are shaped by post-Neolithic changes in bite configuration. Science, 363(6432), p.eaav3218.
  2. https://www.nytimes.com/2019/03/14/science/language-origins-agriculture.html
  3. https://www.smithsonianmag.com/science-nature/ability-pronounce-f-and-v-sounds-might-have-evolved-along-human-diet-180971710/