XiaoMi-AI文件搜索系统
World File Search Systemsapiens
命名和分类，
c lassification在英语中有两个含义：通过共享字符和这些类的排列将事物分为类的过程。识别是观察字符并从而对事物进行分类的过程。生物学分类是生物的布置。分类的能力对于所有动物来说都是共同的，为了生存动物，必须将其他生物分为至少三个类别：被避免食用的生物以及与之交往的人，尤其是自己班级的成员。对于科学家来说，分类被正式化为嵌套或分层的假设集：字符，群体（分类单元）和群体之间的关系的假设。观察到了器官的单个标本，并注意到了特征。因此，例如，我们可能会观察到有些人是黑色的，有些是黄色或白色的，并且像Linnaeus一样得出结论，有不同的人类（Homo Sapiens）。这是一个假设，即肤色是有用的特征。对该特征假设的进一步测试表明，人类的肤色不会界定天然群体。因此，我们拒绝肤色作为人类的角色以及该角色定义的那些群体。颜色对于对许多其他组进行分类是一个非常有用的字符。然后是一组的假设。组
人类细胞图谱的计算技术
当研究人员收集单细胞数据并将其细化为细胞图谱时，一项关键任务是对每种细胞类型进行表征和标记或注释。“这通常是一项非常耗时、繁重的任务，只有少数生物学专家才能完成，”计算生物学家、麻省理工学院和哈佛大学布罗德研究所 HCA 细胞注释平台负责人 Evan Biederstedt 说。研究人员已经开发了几种自动标记细胞的程序，但这些工具并不总是能得出相同的答案。popV 就是个例子。它的功能简单但功能强大：它将八种自动细胞注释工具整合到一个平台中，并且可以在有更多工具可用时添加 1 。“这是一个加速工具，”联合开发者、加州大学伯克利分校的计算生物学家 Can Ergen 说。拥有新鲜生成的单细胞 RNA 测序数据的研究人员可以将其加载到 popV 中，八种方法中的每一种都会对细胞身份进行“投票”——因此该工具的全名是 popular Vote。对于任何给定的细胞，用户可以检查所有八种注释是否一致，或者对可能的身份是否存在分歧投票。如果这些方法对某种细胞类型的判定一致，研究人员就可以对其身份充满信心；如果存在分歧，可能就没那么自信了。为了量化这一点，popV 提供了“不确定性分数”，以便用户知道在其鉴定中可以给予多大信任度。“这真的很酷，”Regev 说。PopV 使用来自 Tabula Sapiens 的数据进行训练，Tabula Sapiens 是一张人类细胞图谱，涵盖了近 500,000 个细胞，代表了 15 个人的 24 个器官。研究人员随后在来自人类肺细胞图谱 2 的数据库上对其进行了测试；根据最终论文，popV 的预测与大多数注释一致，比任何单个计算注释器都更准确。Biederstedt 计划将 popV 整合到 HCA 细胞注释平台用户界面中，科学家将能够在对细胞类型进行分类时查看 popV 的预测。“它确实让社区更接近自动细胞注释的梦想，并将极大地帮助研究人员，”他说。一旦研究人员发现了一种有趣的细胞类型或状态，他们可能会想知道它还会出现在哪里。Regev 和她的同事开发了 SCimilarity 来回答这个问题。该软件可以获取感兴趣的细胞概况
更新了再生设计和工程的宣言
是一个悖论，我们的社会无法按时计划和采取行动，面对越来越多的证据和知识，与智慧二十世纪著名的公共知识分子雅各布·布罗诺夫斯基（Jacob Bronowski）一样，与智人的世代相传的范式形成了鲜明的对比。与其他所有哺乳动物物种不同，人类孩子需要数年才能成熟。小鹿必须学会在出生后几分钟内走路以避免变成猎物，但人类婴儿通常会学会走向第一年的末期。将近二十年的家庭投资用于使人类儿童的成熟度致力于提高知识和磨练的推理技能，这将有助于成年。因此，我们是唯一一个漫长的童年专注于未来计划的物种。正是我们物种的区别标记，最终是对我们的星球改变能力的原因，尚未转化为社会层面。
超越有限理性 - eScholarship
错误的决定会带来灾难性的后果，大量文献表明，人类的判断和决策充斥着大量违反逻辑、概率论和预期效用理论规则的系统性行为。20 世纪 70 年代发现这些认知偏见，挑战了智人作为理性动物的概念，并深刻动摇了认知、神经和社会科学中经济学和理性模型的基础。四十年后，这些学科仍然缺乏能够解释人们认知偏见的严格理论基础。此外，设计有效的干预措施来纠正认知偏见并改善人类的判断和决策仍然是一门艺术，而不是一门科学。我在论文的第一部分和第二部分分别讨论了这两个基本问题。
Q2/2
三个ERC ADG去了Gerhard Herndl，Thomas Higham和Ulrich Technau进行以下项目：Gerhard Herndl（DEP。）将研究海洋碳循环的未知方面，即被称为“海洋雪”的有机材料，以及在气候条件变化的情况下，大西洋作为碳汇的作用。Thomas Higham（DEP。将集中于智人在黎凡特迁移到欧亚大陆的迁移的时机和频率，特别关注与其他人类的相遇。Higham和他的团队将重新开放并分析黎巴嫩一个重要的考古遗址。Ulrich Technau（DEP。将通过解密和比较cnidarians，海绵和梳理果冻的肌肉和神经细胞的分子特征来追踪神经肌肉系统在早期动物进化中的起源。在此处阅读更多
有意识进入和内省的大脑机制
简介γνῶθισεαυτόν：知道自己。这个著名的格言刻在德尔菲的阿波罗神庙的正音调上，我们将注意力引起了人们对人脑的非凡能力的关注：使我们意识到我们意识的最前沿的能力，而不仅仅是来自外部世界的感官信息，而且是我们内在的心理生活的各个方面。的确，智人智人的特征是我们有意识地有意识。弗拉基米尔·纳博科夫（Vladimir Nabokov）是一位才华横溢的画家，弗拉基米尔·纳博科夫（Vladimir Nabokov）在强烈的看法中抒情地总结了这镜子的迷人思考，看似转向了自己：意识到意识到自己……如果我不仅知道我是我，而且还知道我知道我，那我就属于人类。所有其余的都随之而来 - 思想的荣耀，诗歌，对统一的愿景。在这方面，猿和人之间的差距大于变形虫和猿之间的差距。意识如何工作？可以将其简化为大脑的操作吗？其神经生物学机制是什么？长期以来，这些问题被认为是认知心理学和神经科学的领域。意识被认为是不必要的术语。约翰·布罗德斯·沃森（John Broadus Watson）有力地拒绝了心理学科学的内省和意识，他在1913年在他的1913年宣言中概述了行为主义者的观点：心理学作为行为主义者认为这是自然科学的纯粹客观经验。其理论目标是对行为的预测和控制。内省没有其方法的重要组成部分，其数据的科学价值也不取决于他们在意识方面的准备就绪。尽管认知科学拒绝了行为主义，但反感染的观点留下了持久的标记。在认知革命（大约1960年至1990年）中，几乎没有提到意识，甚至没有研究（除了一些主要例外，例如Bisiach，Luzzatti和Perani，1979年；弗里斯（Frith），1979年； Libet，Alberts，Wright和Feinstein，1967年；马塞尔（Marcel），1983年； Posner，Snyder，Balota和Marsh，1975/2004； Shallice，1972年； Weiskrantz，1986）。
1 引言
我们称自己为智人（Homo sapiens）——智慧的人——因为我们的心智能力对我们非常重要。几千年来，我们一直试图理解我们如何思考；也就是说，如何用区区少量的物质来感知、理解、预测和操纵一个比它本身更大更复杂的世界。人工智能（AI）领域走得更远：它不仅试图理解，而且试图构建智能实体。人工智能是一门最新的科学。第二次世界大战后不久，人工智能的研究就开始了，它的名字本身也是在 1956 年创造的。与分子生物学一样，人工智能经常被其他学科的科学家称为“我最想从事的领域”。物理学系的学生可能会觉得，所有好的想法都已经被伽利略、牛顿、爱因斯坦等人采纳了。另一方面，人工智能仍然需要几位全职的爱因斯坦。目前，人工智能涵盖了各种各样的子领域，从学习和感知等通用领域到下棋、证明数学定理、写诗和诊断疾病等特定任务。人工智能使智力任务系统化和自动化，因此可能与人类智力活动的任何领域相关。从这个意义上说，它确实是一个通用领域。
人类世生物圈
摘要 地质记录保存了地球生物圈演化两个基本阶段的证据，即距今约 3.5 至 0.65 Ga 的微生物阶段和距今约 6.5 亿年的后生动物阶段。我们认为现代生物圈与之前的这两个阶段有很大不同，并显示出生物圈演化新阶段的早期迹象，该阶段的特点是：（1）全球动植物同质化；（2）单一物种（智人）占据了 25-40% 的净初级生产力，同时开采化石净初级生产力（化石燃料）以突破光合能量障碍；（3）人类主导的其他物种进化；（4）生物圈与技术圈（包括人类、技术产品以及相关社会和技术网络的全球新兴系统）的相互作用日益增强。当今生物圈的这些独特特征可能预示着地球历史新时代的到来，并且可能会在地质时间尺度上持续下去。
公众需要采取一种集成的全系统方法...
在“萨皮恩斯：人类的简短历史”中[1]，尤瓦尔·诺亚·哈拉里（Yuval Noah Harari）强调说：“智人在动物之间发展了前所未有的独特能力，可以灵活地合作，并集体地想象事物。”描述研究的好方法！科学的历史充满了解决社会问题和高级人类的合作的例子。今天我们受到挑战，即面对自己的成长和对地球的影响，我们迫切需要激活和培养我们的综合技能，以实现更大的利益。科学的进步，更具体地说，植物遗传学的创新在过去100年中在支持作物改善方面发挥了关键作用，最终导致绿色革命和植物生物技术的进步，这导致主要农作物的产量显着提高[2]。虽然在增加整体粮食生产方面非常成功，但我们无法再负担得起的高环境成本。我们今天面临的困境如何提高农业生产力，同时在快速变化的气候压力下降低农业的环境足迹是我们最复杂的社会和技术挑战之一。挑战的紧迫性要求作物遗传学的创新速度明显更快，以支持在这些不断变化的环境中最佳运行的产品的可持续开发，而自然资源和投入最少。此外，此外，这些产品将需要在2到3年而不是10到15年内到达市场，并赋予一个多样化的生态系统，为农民提供选择，并使生产系统的所有参与者都能捕获其劳动和投资的价值。作物遗传学的创新正在努力满足这些紧急需求，这主要是因为难以整体地解决作物生长（即植物生物群）的生物群体的复杂性以及在创新生态系统中的忠实管理。，例如，在50多年的时间里，植物的研究在很大程度上依赖于模型植物[3]和在受控环境中的实验，这些环境不足以代表生物群落的全部复杂性，从而造成了一个很难克服的创新差距。