XiaoMi-AI文件搜索系统
World File Search System蚂蚁
何时以及为什么人的大脑尺寸减小？蚂蚁
人类大脑的大小在Homo上一次与黑猩猩共享一个共同祖先以来的六百万年中几乎相当三倍，但自从上次冰河时代结束以来，人的大脑被认为减少了体积。这种减少的时机和原因是神秘的。在这里，我们使用变更点分析来估计人类脑进化速率变化的时机。我们发现，人类的大脑在2.1和150万年前经历了正变化，这与考古记录中HOMO和技术创新的早期发展相吻合。，但我们还发现，在过去的3000年中，人脑大小的减少是令人惊讶的。我们的约会不支持有关减少脑大小的假设，这是体型减少的副产品，这是转向农业饮食的结果或自我措施的结果。我们建议我们的分析支持以下假设：脑大小的最新减小可能是由于知识的外部化和小组级决策的外在化而导致的，部分原因是分布式认知的社会系统出现以及信息的存储和信息共享。人类生活在社会群体中，其中多个大脑有助于集体智慧的出现。尽管很难研究HOMO的深刻历史，但可以使用ANT作为模型来阐明群体规模，社会组织，集体智力和其他潜在选择性对脑进化的影响。蚂蚁及其物种丰富度的显着生态多样性涵盖了人类社会性方面的收敛，包括庞大的群体规模，农业生活历史，劳动分工和集体认知。蚂蚁提供了广泛的社会系统，以产生和检验有关大脑大小扩大或减少的假设，并有助于解释人类确定的大脑进化模式。尽管人类和蚂蚁代表了社会和认知进化中截然不同的途径，但蚂蚁提供的见解可以广泛地告知我们影响脑大小的选择性力量。
蚂蚁、蜘蛛和 DNA：让无意识的生成
在蒂姆·英戈尔德 (Tim Ingold) 的《森林地表寓言》(2008) 中，蚂蚁和蜘蛛一起思考了当前关于现实构成和我们对现实的理解的讨论中最紧迫的一些问题。它们特别关注有关代理和关系特征的问题。蚂蚁认为是“网络”，而蜘蛛则坚持认为我们处理的是“网状结构”。蚂蚁显然是布鲁诺·拉图尔 (Bruno Latour) 的行动者网络理论 (ANT) 的拥护者，而英戈尔德则将自己塑造为以经验为导向的蜘蛛，提出了熟练的实践涉及发展性体现的反应性的观点。在同样的寓言体裁中，这篇文章让 DNA（脱氧核糖核酸）向两位理论家发起了挑战。DNA 认为，蚂蚁和蜘蛛都对像自己一样的隐形生物视而不见。他们强调时空即时性，这需要一种一维（平面）本体论，而这种本体论往往会将无意识的生成机制排除在视野之外。因此，ANT 和 SPIDER 错过了本体论构成的核心动态。实际上，两位思想家都从思想属性、DNA 电荷的角度来解释无意识的存在，并大喊不要将其视为人类！
蚂蚁作为全球变化影响的哨兵
生物多样性面临着人类行为的压力，包括栖息地转换和破碎，自然资源过度开发，污染和气候变化。这些环境变化现在在全球范围内清晰可见，因此名称为“全局变化”（图1）。全球变化，也许最著名的是气候变化和城市化。气候变化会影响气候变量（温度，降水等）的趋势以及气候事件的频率（洪水，干旱）。全球变暖在21世纪，与过去6500万年的全球变化相当。未来的气候预测预测了这种全球变暖的恶化，但海平面的上升和极端事件的频率和强度的增加。
蚂蚁社交行为的萌芽神经科学
蚂蚁生理学是由1亿年的社会发展来制作的。蚂蚁执行许多复杂的社会和集体行为，但在示意图和规模上与果蝇果蝇Melanogaster（一种流行的单独模型有机体）相似。蚂蚁是有吸引力的互补受试者，以研究与果蝇中没有的复杂社会行为有关的适应。尽管对蚂蚁行为的研究兴趣和社会性的神经生物学基础，但我们对蚂蚁神经系统的理解是不完整的。最近的技术进步已经以较少依赖模型选择的方式对神经系统进行了尖端调查，为机械社会昆虫神经科学打开了大门。在这篇综述中，我们重新审视了有关蚂蚁神经系统和行为的重要方面，我们期待蚂蚁的功能性电路神经科学如何帮助我们了解如何区分孤独动物与高度社交动物。
使用 CRISPR- 对蚂蚁 Lasius niger 进行基因改造......
图 7 实验示意图。1. 从蜂群中挑出蜂王放入产卵盘中。2. 将产卵盘放入气候室中 1 小时。3. 1 小时后检查盘中是否有卵。如果蜂王已经产卵，则将蜂王转移到新的干净盘中继续产卵。4. 继续收集卵 4-5 小时，然后将蜂王放回自己的蜂群。5. 用细刷将卵排列成一条线靠在盘壁上，准备注射。6. 玻璃毛细管针上装有六种 CRISPR-Cas9 构建体中的一种。7. 60% 的卵注射了 CRISPR-Cas9 构建体，20% 的卵注射了水，20% 的卵作为未注射的对照。8. 根据处理方法将卵转移到自己的饲养巢中，以便工蜂照顾它们并将它们养育成成年
基于蚂蚁的神经拓扑搜索（ANTS）用于优化循环网络
摘要。为循环神经网络 (RNN) 手工制作有效且高效的结构是一个困难、昂贵且耗时的过程。为了应对这一挑战，我们提出了一种基于蚁群优化 (ACO) 的新型神经进化算法，称为基于蚂蚁的神经拓扑搜索 (ANTS)，用于直接优化 RNN 拓扑。该过程从多种现代循环细胞类型中进行选择，例如 ∆ -RNN、GRU、LSTM、MGU 和 UGRNN 细胞，以及可能跨越多个层和/或时间步骤的循环连接。为了引入鼓励形成更稀疏的突触连接模式的归纳偏差，我们研究了核心算法的几种变体。我们主要通过制定不同的函数来驱动底层信息素模拟过程（模仿标准机器学习中的 L1 和 L2 正则化）以及引入具有专门角色的蚂蚁代理（受真实蚁群运作方式的启发），即构建初始前馈结构的探索蚁和从前馈连接中选择节点以随后制作循环记忆结构的社会蚁。 我们还结合了社区智慧，其中最佳权重由蚁群共享以进行权重初始化，从而减少本地训练候选 RNN 所需的反向传播时期数，从而加快神经进化过程。 我们的结果表明，ANTS 进化的稀疏 RNN 明显优于由现代记忆细胞组成的传统一层和两层架构以及众所周知的 NEAT 算法。 此外，我们还改进了实验中使用的时间序列数据集的先前最新结果。
交通拥堵？研究揭示了蚂蚁流畅流动流的秘密
这种策略可以使人类流动性更加有效。Guerrieri说：“将来，自动驾驶汽车的交通系统可能受到蚂蚁行为的启发。就像昆虫通过信息素一样，在智能道路上，连接和自动化的车辆（CAV）可以使用先进的通信技术与彼此进行交流，并与道路基础设施管理进行交流。以这种方式，它们可以形成协调的排，以高速移动，并在平行车道上近距离移动。这种方法可以提高交通效率，提高服务水平并减少气体排放。”