财新传媒
位置:博客 > 集智俱乐部 > 文章归档 > 2018年五月
2018年05月30日 13:30

做科研做到绝望是一种什么样的体验?

做科研做到绝望是一种什么样的体验?
文 | Schwartz  编译 | 集智翻译组
导语
10年前,一篇发表在Journal of Cell Science 上的文章,引发众多科研者的共鸣。有位学者曾写道,在他做Science做到快绝望的时候看到了这篇文章,让他大呼“我不是一个人!”是的,科研让自己觉得好愚笨,但是当解决问题的一刹那,整个世界都亮了,也许这就是科研的美丽吧!
 
最近我遇到了一个好几年没见的朋友,我们当初一起读的博士学位,虽然我们都是在自然科学领域,但是我们的研究方向并不相同。她之后就辍学去了哈佛法学院,现在在一家大型环保组织里担任高级律师。很快我们就谈到到了她当初为什么要辍学。令我......
阅读全文>>
2018年05月29日 13:52

细胞需要多少基因?一个都不能少!

细胞需要多少基因?一个都不能少!
导语
一项关于酵母菌的研究显示,细胞的健康依赖于多基因高度复杂的相互反应,几乎没有基因可以被不计后果地删除。
通过一次敲除三个基因,科学家煞费苦心地推导出了使细胞保持活性的基因相互作用网图。很早以前,研究者就确定了使酵母细胞保持活性不可缺少的基因,但是这项发布于《科学》的新研究结果[1]显示,如果只关注这些基因,可能会产生误导性:很多基因单独存在时并不必要,但当其他基因消失时,就变得至关重要。这个结果表明,酵母细胞——或许也能推广到其他更复杂有机体——用于维持生存并繁衍的最小基因数目可能会相当庞大。
 
1.敲除基因的......
阅读全文>>
2018年05月28日 14:48

Nature最新论文解读:最小车队问题与“乌托邦”交通系统

Nature最新论文解读:最小车队问题与“乌托邦”交通系统
文 | 张江
导语:随着共享出行的普及,以及全路网的自动驾驶变得越来越可能,我们完全可以实现一个由算法管理的乌托邦式的城市交通系统。这样的系统可以做到按需交通(On-demand urban mobility),即根据每个人的需求动态地分配运载车辆,从而实现整体的最优化。从技术上说,作者首先把按需交通问题映射为一个理想化数学问题——最小车队问题,并在与实际纽约市出租汽车15亿条出行数据相结合的情况下,给出了该问题的最优解。结果表明,使用算法管理的交通系统可以将出租车使用数量减少40%左右。即使在考虑到出行需求可能实时提交处理的情况,这一缩减量也可以达到30%。因此,该问题的解决不仅可以大大提升共享出行系......
阅读全文>>
2018年05月25日 13:44

Nature | 自动驾驶调度算法有望将出租车数量减少一半

Nature | 自动驾驶调度算法有望将出租车数量减少一半
文 | Marcus Fairs
麻省理工学院 Senseable City Lab 主任Carlo Ratti主导的一项新研究表明,如果人类司机被自动驾驶取代,城市中的出租车数量将减少一半。
 
这项研究指出,如果自动驾驶汽车由算法调度,那么只需一半的车辆便能完成相同的旅客运输量。
 
然而,Ratti也警告称,自动驾驶的出租车最终可能导致“超现实的交通堵塞”,因为将会有更多的乘客为了获得自动驾驶车辆提供的优质服务而放弃选择公共交通出行。
 
1.算法主导下的高效出行
 
Ratti的这项研究发现,如果对出租车路线进......
阅读全文>>
2018年05月24日 13:42

走向“生长”机器人:从细胞到植物仿生机器人的历史演变

走向“生长”机器人:从细胞到植物仿生机器人的历史演变
文 |  Emanuela等
1.   “生长机器人”简介
1.1 生物界的生长
生物有机体的产生涉及了三个彼此紧密连接的变化过程:生长(质量上的改变),重塑(材料性质上的改变),和形态发生(形态的演变)。其中的生长,可以被看作一个物理过程,在这个过程中,通常随着身体的扩大或伸长,质量上产生永久性的增加。生长也可以被看作一个描述系统复杂性增加(例如知识的增长)的抽象过程。
 
动物与植物的细胞活动都与生长相关,然而,动物界的进化过程与植物界是完全不同的。动物有多个生长阶段,且只生长到成熟期,生长通常发生在全身。动物生长也被称为有限......
阅读全文>>
2018年05月23日 14:53

关系数据纷繁复杂,如何捕捉其中结构?

关系数据纷繁复杂,如何捕捉其中结构?
文| Matthew
1.图数据中蕴藏着秘密
事物之间的关联信息,人类已经积累了很多,但绝大多数人不知道如何利用它们。
社交媒体中的互动和关系网络图中,蕴含着深意。像WordNet这样的同义图表能够通过计算机视觉,帮助我们更好地理解和识别特定情形下研究对象之间的联系。从家谱到分子结构,我们周围世界中海量的信息都以图的形式呈现。
 
尽管普遍存在,图结构(Graph Structure)在机器学习的应用方面还是经常被忽视。比如“时尚潮流推荐问题”,其目标在于发现特定的能够形成凝聚趋势的一些衣服形式,也就是“风格”(style)。通常的做法是从社交媒体......
阅读全文>>
2018年05月18日 14:51

几何深度学习前沿

几何深度学习前沿
文 | 文雷
导语:随着深度学习的发展,人们已经不满足于将深度学习应用于传统的图像、声音、文本等数据上,而是对更一般的几何对象如网络、空间点云、曲面等应用深度学习算法,这一领域被称为几何深度学习(Geometric deep learning)。人们尝试在不规则的非欧氏的数据上扩展卷积神经网络模型,这便有了图卷积神经网络(Graph Neural Network)、PointNet等新的技术。
 
2016年,Bronstein的一篇名为《Geometric deep learning: going beyond Euclidean data》[1] 的文章来势汹汹,该文的后两位作者分别是Facebook前人工智能团队博士后成员Joan Bruna和现人工智能负责人Yann LeCun,这也算得上是全明......
阅读全文>>
2018年05月14日 16:04

斯蒂芬·斯托加茨:探寻宇宙的脉搏,解密同步的奥秘

斯蒂芬·斯托加茨:探寻宇宙的脉搏,解密同步的奥秘
本篇为译者后记。
秩序如何从混动中涌现?
为什么一群萤火虫会同步闪烁?为什么一群螃蟹会一齐挥舞蟹鳌?为什么夏天一群蟋蟀会齐声鸣叫?
 
《同步》这本书尝试揭露这些答案。此书从这些绚丽而又令人着迷的自然景象着手,讲述了宇宙中的同步现象。热力学定律表明,大自然会无情地走向更无序、更混乱的状态,然而,种种同步现象却又表明,秩序会从混沌中自发产生。
 
萤火虫的同步闪烁,人体生物钟内部的机制,女性经期的互相影响,超导体中耦合电子的同步振动,有节奏循环变化的神奇化学反应,伦敦千禧桥的垮塌,交通中节奏频率因素对道路畅通度的影响,歌剧......
阅读全文>>