2011年11月15日星期二

新能源真的清洁吗?

日本福岛核电站事故再一次把核电站的安全问题推到了世界公众面前,核能的利用看起来又要遭到一次重大挫折。

其实从安全记录和对环境健康的影响上来看,核电比目前普遍使用的火电有很多的优势。在温室气体减排方面,煤炭为主的火电每度电排放温室气体相当于约1千克二氧化碳;考虑原料开采、运输等过程的温室气体排放,核电每度平均只相当于60多克二氧化碳,温室气体减排效果非常明显。

从能源开发和运行过程造成的死亡人数来看,按照世界原子能协会的数据,从1969年到2000年间,每太瓦年的严重事故死亡人数,煤电在经合组织国家(OECD)是157人,在非OECD国家是597人;而核电在非OECD国家是每太瓦年48人,在OECD国家则是零死亡。

在最令公众担心的辐射方面,煤炭中放射性物质的辐射总量高出核电上百倍,实际上具有更大的健康危害。除此之外,核电更没有火电所涉及的二氧化硫、氮氧化物、颗粒物排放等环境问题。

核电的危险往往是被夸大了的,对核污染的恐惧只怕比核电实际造成的问题要严重得多。不过,造成的恐惧本身也算是一种社会成本,在决策的时候仍然需要考虑。

生命周期评价法

核电的发展受挫,而降低温室气体排放的事业仍然需要继续,因此有人预计国际社会对太阳能、风能、地热、小水电、生物质能等新能源形式的投资会进一步加强。

新能源开发的意义重大。传统的化石能源支撑人类工业化数百年,功劳不小,问题也不少,对环境和健康已经造成了不小影响,人类需要寻找更加清洁的能量来源。

一般认为,新能源有污染少的特点。听起来似乎结论很明显:可再生新能源的能量直接间接来自太阳,在使用形式方面一般以电为主,能源转化过程清洁,常规污染物普遍少,使用的时候也没有化石能源的各种排放问题。不过,事情并不是这么简单。

新能源的利用是需要使用各种各样设备的,日常维护也需要消耗各种各样的材料,这些材料与设备的制造、运输、使用过程,就不一定那么干净了。有的会排放出不少常规污染物,有的需要消耗大量能源;有的在转换过程中也会产生污染。这些污染、所消耗的能源都需要分摊到新能源当中去,才能得出某项技术是否清洁的结论。

前面比较火电与核电温室气体排放的时候,使用了叫做生命周期评价的方法。对于新能源领域来讲,就是考察整个生产过程各个环节所消耗的能量是多少,能量来源是哪些,影响是什么,污染物是什么等,从而对某个具体的新能源技术进行综合评价。一个新的能源利用形式,只有在其使用周期所贡献的能量大于其生命周期所消耗能量、其所排放的污染少于所替代的传统能源产品污染的时候,才是有价值的。

举个例子,美国国家可再生能源实验室总结过太阳能光伏电池的生产和应用能耗,结论是:制造电池全过程所消耗的电能大约需要这个电池运行3.7年的时间才可以收回。这个电池估计有30年左右的使用寿命。那么整体上算下来,在能量上就是赚的。

不同技术路线的能量回本期是不同的,如果某种技术落后的太阳能电池技术需要工作差不多十年的时间才能回本,同时使用寿命却达不到这么长时间,那么从能量角度来看就是亏的。这样的技术,在一些特殊环境下也许仍然有使用价值,但是对于解决能源问题,显然没有多大意义。

设备制造所消耗的能量只是问题的一个方面,制造使用过程造成的环境危害如何评价就比较复杂了。最近几年中国的太阳能电池产业发展迅速,但是因为技术相对落后、污染控制监管不到位等原因,生产的一些太阳能电池产品存在高能耗、高污染的问题,这也给太阳能产品的生命周期收益带来了很大影响。

环境健康危害的评价方法比较复杂,因为要把众多影响因素归结到一个单一的指标来衡量,主观性很强,结论也不一致。2009年美国科学院公布了一份名为《能源隐性成本:能源生产和使用过程中的后果》的报告,分析了以美国为背景的各类能源在生产和使用过程中的环境和健康代价,把各种环境健康危害换算成美元进行比较。这个报告认为,整体来说,使用先进技术、在有严格污染控制的情况下,以电力为最终产品的各种新能源,在环境、健康、温室气体排放方面相对火电都是有益的。

运输领域的健康环境代价就比较复杂了。这个报告研究了一些轻型汽车的技术和燃料路线,发现车辆每行驶一英里的环境健康代价在1.2到1.8美分之间。这里面最差的是使用玉米为原料的湿法乙醇路线,这个路线得到的85%乙醇含量的汽油,每行驶一英里代价达到1.8美分,而传统汽油仅有1.3美分。全电车在这个报告里面的表现也不好,环境健康代价接近每英里1.7美分,高于汽油车不少。

造成这个问题的原因是美国的电力供应仍然是以化石燃料为主,这样电动车的清洁程度就受到电力本身清洁性的影响,同时电池和电动机的制造也都是高耗能的,制造过程以及回收过程都存在污染问题。

当新能源遭遇中国国情

在中国也有类似的生命周期研究。2010年有一篇关于中国的全电车环境影响的文章,得到的结论是:因为目前中国电力中煤炭比例很高,污染治理也没有跟上,行驶同样里程全电车的生命周期二氧化硫排放是汽油车的3到10倍,氮氧化物排放也要翻一番,同时却不一定能够实现二氧化碳减排,看起来环境好处非常有限。

当然,全电车在使用终端没有污染,对于缓解城市污染仍然有正面意义,如果把全电车作为一个发展方向,那么就需要在发电的清洁方面和污染治理方面下不少工夫,以免被扣上转移污染的帽子。

清华大学进行过基于中国国情的各种车用燃料替代技术的生命周期分析。这项研究认为,在中国2005年的技术水平下,传统汽车比大多数替代燃料路线都有更好的能源效率以及更低的温室气体排放。

以已经在国内部分地区开始应用的粮食乙醇为例,在考虑了生命周期各个环节之后,行驶同样的里程,粮食乙醇路线的温室气体排放竟然高出汽油路线30%以上,生产粮食乙醇所消耗的外来能量,也超过了粮食乙醇产品中所含有的能量。

这样的乙醇,在能源利用效率和温室气体减排两个方面都没有新能源应该有的好处。很显然,在美国合适推广的内容,在中国不一定合适推广。造成这个不同的原因大约有两方面:一是在种植阶段,中国有非常普遍的滥用化肥和农药现象;二是中国相关加工工艺的技术水平与国际仍有差距,能耗高。这并不等于生物质的液体燃料前途就不光明,只不过在利用生物质作为资源生产各类液体燃料的时候,需要全面考察其清洁性,扶持真正节能减碳的路线。

所以说,一些听起来不错的新能源概念,并不一定比传统能源更加环保,甚至有的新能源生产过程消耗的外来能量高于其所产出的能量。所以,在新能源的推广和应用过程中,一定要切实作好翔实分析,搞清楚利弊,尽可能降低其环境影响,使新能源真正起到清洁能源的作用。

(本文已发表于《南都周刊》)

电吹风是高辐射的杀手吗?

对于各种家用电器的辐射问题,首先要说的是几条基本的知识:只要电器两端接上了电压,就一定会有电场存在;只要电器中有电流流过,电流周围一定会有磁场存在;而电器中的电压和电流常常是变化的,变化的电场会产生磁场,变化的磁场也会产生电场。所以,家用电器无论大小,不管是电脑、电视、微波炉,还是手电筒一类的“家用电器”,只要和电扯上了关系,使用时都会或多或少地向外辐射出电磁场。

电吹风作为其中的一员,自然也不例外。每次洗完头发后在享受温柔暖风的时候,您可能没想过,这件小小的电器每秒的耗电量其实是很大的,功率可以达到1000瓦,甚至高过了电冰箱这样的庞然大物的工作功率。相比于依靠一块小小的电池以毫瓦级别功率工作的手机,或者相比于工作时大门紧关来屏蔽辐射的微波炉,电吹风这件大功率电器工作时,辐射出的电磁场强度超出这些“辐射重点嫌疑对象”并不出奇。

可是电吹风辐射出的电磁场强度大一些,并不能说明它对人体健康的危害也就大。此辐射、彼辐射之间,差别很大。

首先和X光比较。X光是一种电离性的辐射,而家用电器辐射出的电磁场都是非电离性的辐射。X光辐射类似于核辐射,可以造成人体内细胞的分子键断裂,有致癌的可能,绝对不能小视,运用中对剂量的控制非常重要。而非电离性的辐射却没有这般本领。衡量X光辐射强弱的单位是伦琴,表示身体单位质量接受到的电荷数,而衡量家用电器的辐射强弱通常是电磁场的强度。可以看出,电吹风的辐射量和拍X光片的辐射量之间无法换算,也就无从进行直接比较。说“连续三次使用家用电吹风的辐射累积量等于医院照一次X光的辐射量”,估计是脑补的结论。退一步说,即便是想就对人体的影响来比较,也因为作用不同而无法比较。

再具体分下去,虽然电器发出的辐射都属于非电离性的辐射,也大都属于电磁波里的无线电波波段,但是不同电器辐射出的电磁场如果频率不同,还各有差异。对于电吹风来说,使用的是50Hz的交流电,相应的,电吹风周围产生的电磁波频率也是50Hz左右的。而手机发出的用于通信的电磁波频率是在0.8GHz到2GHz的范围内(通信制式不同会有区别,1GHz是109Hz)。微波炉里的微波也大致是这一频率,而电脑CPU里电路工作频率为几GHz,辐射出的电磁场频率大致也在这一范围。单就频率的数值大小而言,可知电吹风的辐射频率值比这几个哥们低许多。

频率的不同使得它们对人体影响的机理是不一样的。射频的电磁场(也就是手机、微波炉、电脑机箱那一类的)被人体吸收后会转化为体内分子快速运动的能量,快速运动的分子之间产生摩擦而温度升高,微波炉正是利用这种热效应加热食物。这种热效应相比于刚刚说的X光的电离效应,就是小巫见大巫了,需要电磁场能量比较大(比如微波炉内部的电磁场强度),才可以对人体真正造成威胁。但是对于这种热效应,科学界也不敢小视。在用微波炉热食物时,有时会发现食物的内部已经热了,表面却还是凉的。如果电磁场以这样的方式影响人体内部的组织也是很可怕的,所以对于这一频段的电磁场制定了相应的强度标准,一般手机、电脑、微波炉周围的辐射强度都是远远低于安全标准的临界值的。
低频的电磁场(也就是像电吹风一类的)不会有射频的电磁场的那种加热的作用,对人体健康可能的威胁主要在于:低频电场和低频磁场会在人体内产生出或者感应出电流,电流如果足够大,可对神经和肌肉产生刺激。不过要产生这种刺激,电磁场本身的能量要足够大才可以。 综合了各种因素,国际非电离辐射防护委员会(ICNIRP)制定了包含有射频电磁场和低频电磁场的各个不同频率的无线电波的最大安全值[1]

其中,电吹风辐射的频段和手机、电脑、微波炉辐射的频段的结果如下:

不同的电磁场 安全的最大电场强度(V/m) 安全的最大磁感应强度(µT)
电吹风(50Hz) 5000 100
手机/电脑/微波炉(0.8-2GHz) 39-61 0.13-0.2

可以看出,不同频率的电磁场对人产生危害所需的强度是有很大不同的。电吹风所在的频率与手机微波炉所在的频率就相差巨大,直接拿电吹风的辐射值和手机比较过于简单粗暴了。由于相关知识的缺乏,报道中会出现这样的言辞:“据上海环境辐射研究监测中心一项数据显示,一台普通家用1000W电吹风,辐射值竟达350毫高斯(等于35µT)。”[2] 而事实上,35µT还远低于安全的最大磁感应强度,实在不需要惊慌。

综上可知,尽管电吹风的工作功率比较大,的确可以辐射出比较强的电磁场。但是由于电吹风的辐射属于低频率的电磁场,辐射强度虽看似巨大,但仍低于会对人体产生危害的强度。把电吹风说成是高辐射的杀手,更多的是危言耸听。

扩展阅读: 
沐右:辐射伤害知多少?(上) (下)

参考资料:
[1] GUIDELINES FOR LIMITING EXPOSURE TO TIME-VARYING ELECTRIC, MAGNETIC, AND ELECTROMAGNETIC FIELDS (UP TO 300 GHz) , International Commission on Non-Ionizing Radiation Protection

[2]当心身边的辐射< 本文已发表于 果壳网 谣言粉碎机主题站电吹风是高辐射的杀手吗?

天花病毒是去是留

作者:周舟

30多年前,世界卫生组织宣布天花病毒,这个在20世纪夺走了3亿人性命的病毒,已经被人类消灭,这是人类抗病毒历史上的伟大胜利。

宛如梵高名画的天花病毒

天花也是唯一一个被人类消灭的病毒。目前,世界上最后两个天花病毒样本分别被保留在了美国和俄罗斯。人们一直在讨论是否要将这最后的两个样本销毁以使得人类不再对天花病毒有后顾之忧。最终在1996年,世界卫生大会决定销毁最后的样品,只是销毁的最后期限一直没有决定。

2007年,政府人员和科学家在一起经过激烈讨论后,世界卫生组织宣布把销毁病毒样本的期限延长四年,而四年之后的今年,2011年5月24日在世界卫生大会两轮的磋商之后,大会决定将这个销毁期限再往后推迟三年,但同时大会再次重申,在有关研究机构完成“有必要”的研究之后,病毒样品必须被销毁。

那么为什么科学家和政府工作人员对销毁最后的天花病毒库存的日期争论不休呢?让我们来分析一下给天花病毒判“死缓”的理由。

天花病毒有多可怕

大天花病毒感染人体后将会引起严重的致病反应,并且死亡率高达30%。如果患者在接触到病毒四天内接种疫苗,一般可以抵抗病毒侵染。

天花病毒主要有两种类型:大天花(variola major)和小天花(variola minor)。当人被这两种病毒感染时将会造成类似的皮肤损伤疱疹。大天花病毒感染人体后将会引起严重的致病反应,并且死亡率高达30%;但小天花病毒感染后的病理反应则要轻很多,致死率也仅有1%。还有另外两种极不常见的天花病毒,它们的共同特征是几乎有完全的致死率。

被天花病毒感染后,病毒潜伏期一般为12至14天,临床上没有任何症状,并且不具有传染性。潜伏期过后,会有突然的类似流行性感冒的症状出现,如高烧、疲惫、头疼等。

两三天后患者高烧症状消失但伴随而来的是皮疹的出现,从面部、手和前臂开始一直到身体躯干。疱疹也会在鼻黏膜和口腔黏膜出现,并且迅速破裂释放出大量的天花病毒。皮疹会最终形成脓包并且会流出含有病毒的液体,然后脓包会软化结痂,最终脱落后形成无色素的疤痕。

患者在被完全治愈之前一直保持有传染性,但是最高传染性的时期是皮疹出现之后的一个星期。病毒的传染主要通过空气,如人与人面对面时唾液飞沫的传播,同时病毒还可以通过污染的衣物和床单传播,虽然后者的传染性较前者低。

如何治疗天花病毒感染呢?如果患者在接触到病毒四天之内接种天花病毒的疫苗,一般可以抵抗病毒侵染。而且,目前为止,除此之外并没有有效治疗方法。

疫苗:唯一的救命稻草

在接种天花疫苗后十年之内是不会被天花病毒感染的,不过即使超过了十年,被感染的几率和感染后的症状也会轻很多。

既然疫苗是天花病毒感染者的唯一“救命稻草”,那么我们简单介绍一下疫苗是如何起作用的。

一般来说,疫苗就是灭活或者减毒之后的病毒,换句话说就是以毒攻毒。当没有活性的病毒——即疫苗被注射或接种到人体之后,人体的免疫系统会迅速识别这些异己的物质,作出分析并进行一系列的下游反应,最终血液内的淋巴细胞产生抗体,用以中和病毒。

当人体成功产生能够生产有效抗体的淋巴细胞后,若此时真正的天花病毒入侵到体内,淋巴细胞将更迅速地识别天花病毒颗粒,并产生大量抗体以对抗天花病毒,从而使得人体不被天花病毒感染。

如果人体没有注射过疫苗而被暴露在天花病毒中,或者注射了疫苗但身体没有来得及产生有效的淋巴细胞,天花病毒将可以逃过免疫系统并侵染人体,造成一系列感染症状甚至死亡。即使逃过死亡的命运,也会留下满身的疤痕,并且很大程度上病毒会导致失明。可见感染前期治疗和预防的最有效的手段就是疫苗的接种。

如果我们留心会发现,年纪较长的人的手臂上方大都有一个大小不等的疤痕,这就是小时候接种天花疫苗留下的证据。

天花疫苗接种后反应,图片来自CDC

大家可能认为,天花疫苗一旦接种将终身有效,但是这个说法被证明是不准确可靠的。

一般来说,在接种天花疫苗后十年之内是不会被天花病毒感染的,不过即使超过了十年,被感染的几率和感染后的症状也会轻很多,同时传染性也会明显下降。

也许大家会问,天花疫苗的接种可以保证至少十年有效,那么流行性感冒也是由病毒引起的,为什么我们每年都需要注射流感疫苗呢?那是因为疫苗诱导免疫系统产生的抗体只能针对和疫苗相同或类似的病毒进行防疫,但是流感病毒具有极高的变异能力,每年流行的都是不同的病毒株。意思就是说,你体内的抗体可以对抗去年的流感病毒,但是无法识别今年的流感病毒。而对于天花病毒来说,虽然也会有变异,但却整体比较稳定。

消灭天花的全球运动

早在1959年,世界卫生大会就开展了全球性的消灭天花运动。最终,1979年12月9日,科学家宣布,天花病毒已经被消灭。

由于接种天花疫苗对预防天花病毒感染和扼制天花病毒传播如此有效,人类消灭天花病毒的武器就是疫苗。早在1796年,英国医生爱德华·詹纳(Edward Jenner)证明了牛痘疫苗的有效性之后,人类采取了很多手段展开对天花病毒的进攻。

从19世纪开始,欧美国家在本土和其殖民地都开展了局域性的疫苗接种项目。1950年,泛美健康组织在西半球范围内大规模展开了消灭天花病毒的行动,除了阿根廷、巴西、哥伦比亚、厄瓜多尔,这次行动在大部分美洲国家非常成功。

最终1959年,世界卫生大会接受了前苏联的尤日·丹诺夫(Viktor Zhdanov)教授的建议,开展全球性的消灭天花运动。那么具体这项任务是如何实施的呢?

每次天花流行都是从一个区域扩散开来,在世界卫生组织领导下,每个国家和地区必须对每次疫情都进行早期汇报,然后对疫情地区进行环状疫苗接种以迅速控制疫情。最终,1979年12月9日,科学家宣布,天花病毒已经被消灭,次年世界卫生组织证实了这个说法。全世界仅存的天花病毒样品被保存在了美国疾病预防控制中心和俄罗斯国家病毒学和生物技术研究中心。

1980年,世界卫生组织建议全球停止天花疫苗接种。在我国,上世纪50年代也开展了消灭天花运动,并且强制接种天花疫苗,当时,我国还不是世界卫生组织的成员国。而在上世纪60年代,我国也成功消灭了天花,比世界卫生组织所宣布的1979年提前了近十年。

那我们现在是否有可能感染天花病毒呢?几乎不可能,除了以下两种情况。第一种情况就是在进行天花病毒研究的实验室的工作人员,在未受到良好保护的情况下而感染天花病毒。世界上最后一例因为天花病毒感染而身亡的人就是这种情况。珍妮特·帕克(Janet Parker)是一位医学摄影师,她在英国伯明翰大学医学院感染了天花病毒,并因此死于1978年9月11日。而后负责该实验室研究的教授亨利·贝德森(Henry Bedson)因此自杀。

Janet Parker,迄今最近一例天花死亡病例

第二种情况就是遭受生物武器攻击后某地区的人群中出现天花感染的病征。在历史上有很多战争中都使用了以天花病毒为媒介的生物武器。当然了,这两种情况发生的可能性是微乎其微的。

但是一旦发生,后果将不堪设想,因为仅仅50至100例的患者就完全足以引起国际社会的严重关注,并很有可能爆发世界性的大流行,同时还因为世界其他主要国家以及我国都在上世纪70年代和80年代初期停止了天花疫苗的接种,病毒将可以在没有免疫力的人群中肆虐造成严重后果。

这就是很多人支持立即销毁所有现存的天花病毒样品的主要原因。尚不发达的某些非洲国家对销毁天花病毒的进程尤为关注,因为他们曾经被天花病毒严重侵扰,并且尤其担心恐怖主义活动会利用天花病毒。

为何给天花“缓刑”

虽然在1979年天花病毒就已经被人类所消灭,但是科学家并不清楚天花病毒是如何进攻人体的。而研究清楚这些是开发抵抗类似病毒的药物所必需的。

为什么很多科学家和政府人员反对立即销毁最后的天花病毒呢?很多人认为人类没有权力决定一个物种的生死存亡,无论该物种对人类有利或有害。当然更多反对者是来自于科学界。我们目前所拥有的天花病毒的疫苗虽然有很好的效果,但是科学家仍然会追求完美,他们想进一步提高天花疫苗的有效性,而这样的研究必须借助于天花病毒的样本。

同时,保存病毒并进行研究可以更好地防止将来可能发生的生物恐怖主义。另外,有一个更重要的保存病毒的原因就是科学家可以通过研究天花病毒进攻人体的机制来防治其他病毒所引起的人类疾病,比如艾滋病等。

事实上,虽然在1979年天花病毒就已经被人类所消灭,但是科学家并不清楚天花病毒是如何进攻人体的免疫系统以及天花病毒到底是如何导致人体死亡的。而研究清楚这些是开发抵抗类似病毒的药物所必需的。

仅仅在一年前的2010年,美国疾病预防控制中心的研究人员以及他们在欧洲的合作者将天花病毒进攻人体免疫系统的机制发表在《美国实验生物学学会联合会杂志》上。让我们来看看人体是如何对抗病毒的:面对不同种类的病毒,人体细胞有不同的方式进行对抗。

比如,乙肝病毒和人类免疫缺陷病毒(艾滋病毒),这些病毒会将自身的RNA逆转录成DNA然后整合在人体细胞的基因组上,造成敌我不分的状况,此时细胞将会表达一系列蛋白质并且利用染色体的结构将整合在人细胞基因组上的病毒基因组稳住,从而得以对抗病毒的侵染。

而对于更广泛的致病性病毒的入侵(包括逆转录病毒),人体可以产生干扰素用以对抗。干扰素可以激发一系列细胞的复杂生理反应,最终激发人体免疫系统抗病毒功能,例如抑制病毒DNA的复制。

干扰素的作用是没有特异性的,意思就是说干扰素可以用来对抗任何病毒,因为干扰素本身的作用就是动员人体的免疫系统全面作战。然而天花病毒中有一种被称作干扰素结合蛋白的蛋白质,这种蛋白质可以使得干扰素失效,从而使得免疫系统放弃对天花病毒的抵抗,在没有抗体的人体内,人体细胞将迅速面临四面楚歌的境地。

美国军队传染病医疗研究中心的科学家2010年底在《临床疫苗免疫学》杂志上发表了针对干扰素结合蛋白的疫苗的研究成果,他们发现将针对干扰素结合蛋白的疫苗和DNA疫苗综合使用可以使小鼠对痘病毒(天花属于痘病毒)有更高的免疫力。

应当注意到,如此重要的科学发现是在天花病毒被消灭的1979年之后作出的。而这个发现将会对潜在的天花病毒的预防,对类似天花病毒的各种痘病毒的预防甚至对更多病毒性疾病的预防有着重要帮助。延长天花病毒的销毁期限将大大有助于类似的研究进行。

那么研究天花病毒对研究其他病毒引起的疾病到底有什么帮助呢?虽然不同病毒有着很大的差异,但是仍然有些病毒可能共享类似的结构或者类似的蛋白质,抑或攻击类似的人体靶标,而这些共同点将可以使我们把一种病毒中的研究成果转化到另外一种病毒上。

比如说,艾滋病毒和痘病毒(天花病毒属于痘病毒)共同将人类CD4+淋巴细胞和单核细胞上的CCR5受体作为结合靶点,这一个共同点使得天花病毒的研究成果可能可以对艾滋病的研究有所启示。

2010年,西班牙的雷蒙德温斯坦(Raymond Weinstein)教授带领的研究团队发现,如果将注射过天花病毒疫苗的健康志愿者的血清(含抗体)加到体外培养的细胞中,再用CCR5型艾滋病毒(一种艾滋病毒)去侵染这些细胞,病毒在这些细胞中的复制能力将下降五倍。简单说,就是接种天花疫苗有可能对艾滋病毒有预防作用,但是这些研究都是非常初步的,我们还需要更多的实验证据来支持这个观点。

总体说来,天花病毒是去是留都各自有理,目前世界卫生组织决定暂缓三年销毁天花病毒最后的样本将给科学家更多的空间去了解这个我们熟悉而又陌生的病毒。■

(作者系美国哥伦比亚大学医学中心微生物和免疫学系博士在读)

2011年11月14日星期一

《环球科学》2011年03期精彩导读

封面

肥胖浩劫副本

【封面故事】

肥胖浩劫

撰文/戴维·H·弗里德曼(David H. Freedman)

肥胖已成为席卷全球的灾难:从上世纪90 年代到今天,中国的肥胖人数增长了3 倍,美国的超重人数更是超过全国人口的2/3……伴随着肥胖而来的,是心血管疾病、糖尿病等一系列致命的并发症。但与此同时,肥胖疗法的研究却陷入停顿,安全有效的减肥药物迟迟未现,我们如何阻止肥胖浩劫?

肥胖研究简史

撰文/褚波

语言塑造思维副本

【心理学】

语言塑造思维

撰文/莱拉·博格迪特斯基(Lera Boroditsky)

在澳大利亚的一个原住民小部落里,5 岁的小女孩可以准确无误地指出各个方向;中国孩子能更快地掌握十进制;说希伯来语的孩子则会比说芬兰语的孩子早一年理解自己的性别。这就是语言的力量——不同的语言可以赋予人不同的认知技能。

人为什么会做手势副本

人为什么会做手势

撰文/苏珊·戈尔丁-梅多(Susan Goldin-Meadow)

不管对方能否看见,我们在讲话时都会做手势。甚至先天失明、从未见过别人做手势的人也不例外。我们为什么会使用手势,手势究竟传达了怎样的信息?

【自然】

自然保护区死于“自然”

nature副本

撰文/埃玛·马里斯(Emma Marris)

国家公园是自然保护区的形式之一,意在维持一个区域的原始自然景观。但是,气候变化让它们再也无法维持原生态。管理者必须进行抉择:是放任自然保护区的景观随气候变化而变化,还是进行大量人为干预,维持该区域生态系统的完整?但不管作出哪种选择,国家公园都不可能再保持“ 自然”的原始状态。

名不副实的海洋保护区

撰文/丹尼尔·克雷西(Daniel Cressey)

全球有5 000 多个海洋保护区,但它们或因太小而没有发挥作用,或仅仅做到“以邻为壑”,让渔业和水污染转移到了相邻海域。这些名不副实的海洋保护区,怎样才能发挥真正的作用?

科学家应该回应微博吗

撰文/阿普娃·曼达维利(Apoorva Mandavilli)

今天,科学家的论文一发表,不但要遭遇来自同行的批评,还必须面对来势汹汹的网络——尤其是来自微博的评论。全新的沟通方式,让科学家遭遇前所未有的挑战。

红外线能诊断精神疾病吗

撰文/戴维·奇拉诺斯基(David Cyranoski)

日本的医院开始运用近红外成像术(NIRS)来诊断精神疾病,但批评者认为这种技术尚不适合用于临床。

第三类视觉

撰文/柯里·洛克(Corie Lok)

眼睛里除视杆细胞和视锥细胞外,还存在第三种感光细胞。

它的发现将颠覆视觉研究的金科玉律。

【对话】

入侵物种副本

为“入侵物种”平反

采访/布仁丹·博聂尔(Brendan Borrell)

全球各处都能看到外来物种,传统观点常常把这些生物看作是破坏本地生态系统的可怕“入侵者”,必须全部清除。但生态学家马克·戴维斯认为,外来物种被妖魔化了,大多数外来物种都是良性的,不必对它们赶尽杀绝。

【天文学】

平民卫星副本

平民卫星

撰文/亚历克斯·方(Alex Soojung-Kim Pang)

鲍勃·特威格斯(Bob Twiggs)

人造卫星不再只是少数机构和超级财团才用得起的昂贵工具。标准化的微型卫星正在进行各种在轨实验,其费用非常低廉,任何一家公司、一所学校,甚至一般的航天发烧友,都可以用它们来开展自己的太空活动。

X射线新天眼副本

X射线新天眼

撰文/菲奥娜·哈里森(Fiona Harrison)

查尔斯·J·黑利(Charles J. Hailey)

133 个同心圆玻璃筒一层层嵌套在一起,构成了核光谱望远镜阵(NuSTAR)的一个镜头——这台X 射线空间望远镜将是天文学家窥探宇宙隐蔽角落的最新利器。

【医学·健康】

染色体副本

染色体动了 疾病来了

撰文/汤姆·米斯特利(Tom Misteli)

在我们的细胞核内,染色体的位置并非随机分布,它们与基因、蛋白分子和一些细胞机器构成了一个精妙的系统,在这个系统的作用下,每条染色体都在细胞核中占据着一个自己偏爱的、最适合发挥功能的位置。一旦系统中某个环节失常,染色体在细胞核内擅自移动,肌萎缩、癌症、早衰等疾病就会接踵而来。

灵魂副本

如果“灵魂”可以出窍

撰文/米格尔·A·L·尼科莱利斯(Miguel A. L. Nicolelis)

科学家畅想着一个疯狂而让人神往的“脑网络”时代:我们或许可以与同事脑对脑直接沟通;可以用脑电波将我们看到的激动人心的场景发射到移动硬盘里存储;瘫痪病人可以用脑电波控制机器,摆脱轮椅生涯;每一个人一生的所见所闻所想,以无可替代的第一人称视角保存下来,并可以随意下载。

运动副本

运动提高孩子智力

撰文/史蒂夫·阿扬(Steve Ayan)

坚持身体锻炼是否能够增强小学生的脑力?健康的孩子就会在学业上取得更高的成就吗?研究人员设计了很多测试,进行了多项实验,结果发现身体健康与优秀的学习成绩之间确实存在某种关联。

【科学史话】

杰斐逊的驼鹿副本

杰斐逊的驼鹿

撰文/李·杜盖金(Lee Dugatkin)

18 世纪法国著名的博物学家布丰伯爵认为,美洲大陆上的生物都是退化的物种,包括土著居民和移民的后代。美国的开国元勋们奋起反击这一理论,杰斐逊认为,一只大型驼鹿是击溃欧洲人“美洲物种退化”这一观念确凿无疑的证据。

【社会学】

假名牌的心理学成本

撰文/雷·赫伯特(Wray Herbert)

穿戴假名牌会让你说谎、骗人,变得尖酸刻薄。

【前沿扫描】

维生素D要补充吗

寄生虫能治病

住得越挤人越胖? / 为什么你不如朋友受欢迎

啤酒面糊 煎炸更美味 / 既非石墨 也非钻石

巴格达追鸟人 / 寒冬是万恶之源

透视流感病毒 / 成群结队的粒子

香臭因人而异

“全力”以赴 / 死于塑料

“雪球地球”引爆生物进化

【专栏】

【健康科学】

YouTube 疗法

撰文/凯蒂·莫伊斯(Katie Moisse)

治疗普通感冒

撰文/韦罗妮克·格林伍德( Veronique Greenwood)

【生命的壮阔】

“ 健康犬”会传播狂犬病毒吗

撰文/严家新

【天人集】

野性的呼唤 在水泥丛林中

撰文/王道还

【论坛】

僵局不僵

撰文/弗兰切斯卡·格里福(Francesca Grifo)

【技术档案 】

开放还是封闭?

撰文/戴维·波格(David Pogue)

【图表科学】

恋爱中的大脑

撰文/马克·菲谢蒂(Mark Fischetti)

【怀疑论者】

胡迪尼的怀疑论忠告

撰文/迈克尔·舍默(Michael Shermer)

【反重力思考】

倒霉蛋的生涯

撰文/史蒂夫·米尔斯基(Steve Mirsky)

【经典回眸】

金星大气 气候怀疑论 火花的乐趣

【特别专题】……变作者!

这些名字你大概不会陌生:

当彩色的声音尝起来是甜的、吃的真相、一百种尾巴或一千张叶子、专题合集《冷浪漫》……还有抢搞译稿到手软的“小红猪翻译组”、以海外华人科学家访谈为主打的“科学圈圈坐”、以“耳机线为何缠在一起”为代表的互动节目“Dr.U”,当然,也少不了那些图文并茂的小姬看片会和达文西行走中队的精彩回顾。

但在松鼠会成立3周年之际,我们还想和你分享这样一组数据:3000多篇文章,9万多条评论,1500万访问量,3500万页面流量……

现在的科学松鼠会群博已成长为这样一个公益性科普网站。

今年3月23日北京时间中午12点,正忙于为“日本地震与核辐射危机”查阅资料、撰写文章、翻译名博以及参与门户网站在线交流的松鼠们,发现自家网站遭遇了代价高昂的大流量DDoS(分布式拒绝服务)攻击。这是松鼠会发展史上值得记录的一笔,这次风波,令我们付出3天当机的代价,也令我们真正意识到自身的成长。

对了,除了以上各项网络指标数字,我们还有一个消息愿和大家分享:4月19日这天,松鼠会迎进了第108位成员。不过,我们可不是要列一套天罡地煞。在松鼠会之外,我们有的是研究院所里的在读研究生,有的是高校教师,有的是国内媒体中的科学记者或编辑,甚至还有日常工作和科学关系并不密切的都市白领……但在松鼠会,每一位成员都站在自己的ID背后,在一个线上的平台中,平等交流、共同探讨,以期写出更多有容、有趣的科学文章,同你一起分享科学之美,之乐趣,因为我们共同的愿景是:让科学流行起来!

你呢,想和我们一起吗?

还在犹豫?或是苦于找不到引路人?或是怵于传说中苛刻艰险的层层考验?

那么,现在我们请出10余位松鼠总结自身经验,分析国际国内形势,磕开科学写作的果仁,如何?

这一期的特别专题,请看松鼠们和大家分享私人经历,讲讲自己怎么从Geek走上科学写作之路的故事。

——文/白鸟 杨杨

专题策划/执行:白鸟 偷拍

首先,要高调抛出我们的松鼠会明星:

  • 高产劳模云无心现身说法《我的写作之路》,讲述自己如何从实验达人变身为畅销书作者。
  • 松鼠会创始人、果壳网CEO姬十三爆料自己的成长经历《科学写作之“求变”》,一个科学青年怎么琢磨着用正交试验把自己包装成了文学青年。

回头再看,过去几年里,随着科学在大众媒体上的曝光率增加,松鼠会也在这个过程中逐渐成长起来,部分八卦请参看猛犸的《松鼠会大事记》。而科学写作,在国内国外究竟呈现怎样的状态,它能够成为靠谱的谋生手段吗?

  • 海外松鼠水龙吟和歪歪联合编译了英国科普作家协会的《如何成为一名科学作者》,和你一起看下,在英国,理工科学生如何通过一些培训课程和实习机会成长为科学作者,除了平面媒体还有哪些选择,以及这份职业的前景。

松鼠会内也不乏国内媒体工作者,他们更清楚国内这个行业的现状与未来:

  • 《解放日报》科学记者某鱼从媒体人的视角剖析《科学媒体与科学记者》,帮助理工科分析进入这个行业的方法。介绍了可能刊载科学内容的媒体类型,文风要求,特别是如何在主流媒体中介绍科学内容。
  • 《科学世界》副主编史军,指导大家《做美味的“科学甜点”》,评点行业现状,讲述从兰花博士华丽转身的经历。
  • 松鼠会产品经理量子熊猫同时还是一位研究生,他走出了《科学训练之后——科研之外的另一条道路》。
  • 心理学小美女0.618大学毕业后就成为果壳网驻站编辑,在她看来,科学写作是《一件困难的容易事》,如何制造有料的文章?需要的是练习与热情。
  • 果壳网主编拇姬,则通过《如何写一篇科学随笔》一文,从一名文科出身的资深媒体从业者角度出发,希望为科学写作者,特别是初入行的的科学写作者提供一些清晰的写作建议。

看完编辑们的成长经历,你一定有些跃跃欲试了,科学写作可以是谋生手段,可以是兴趣爱好,可以好玩,可以尝试。下面我们给出了一些写作建议:

  • 在松鼠会联合翻译的《科学写作指南》中,emma-lanpinihuayuan@yahoo.com.cn 翻译的这部分《写好科学:科学写作教师技巧谈》(P36-46)给出了一些便于快速掌握的写作技巧。
  • 松鼠会第一次征文的头牌获奖者色人从选题、资料搜集、到动笔、修改,把自己的《写作心得》共享给了大家。

如果你觉得这样看起来还是有些难,没有关系,来松鼠会里寻找帮助和乐趣吧:

  • 猛犸在《流年·松鼠会》里透露了不少我们的八卦哦。
  • 姬十三的《如何在科学松鼠会里学写作》手把手告诉你科普文章的诞生过程。
  • 云无心说《加入松鼠会,是过程而非结局》,在他看来,这是一个“松鼠进阶游戏”。

那么,你有兴趣来闯关吗?

附《科学松鼠会新会员入会流程


[小红猪]真理在缩水--现代科学研究方法并不尽善尽美?(下)

译者:红色甲壳虫

校对:桔子

小红花等级:4朵

原文:点击这里

书接上文:[小红猪]真理在缩水--现代科学研究方法并不尽善尽美?(上)

到底怎么回事呢?

澳大利亚西澳大学的生物学家利 西蒙斯( Leigh Simmons)提出了他自己的解释。当他跟我讨论他曾经对波动性不对称理论的狂热时,他说:“我曾经对波动性不对称感到非常兴奋。在早期研究中,波动性不对称的效果显得特别显著。” 当时他决定自己也做几项研究,来看看天牛的对称性。“然而不幸的是,我的研究没有发现波动性不对称效应,“西蒙斯说 ,”但最糟糕的是,我的研究结果是“无意义的”,这是很难发表的。因为大多数科学杂志只想要确定的结果。能确定地证伪一个理论是挺轰动的,如果不能证伪,至少要能确定地支持一个理论。 对于西蒙斯来说,窜红并渐渐过气的波动性不对称理论是科学发展模式的一个典型例子:作为一个曾经的学术明星,它既指导又限制了科学研究:当这个学术超新星理论被提出来的时候,论文的同行评议者们总是对阳性结果的作证性论文更宽容。风水轮流转, 曾经的明星理论面临着身败名裂的危机,证其为伪的论文开始受欢迎。

与西蒙斯的解释相似,詹尼恩斯认为递减效应受了“发表偏见”影响。或者说,科学家和学术论文杂志编委会更喜欢佐证性的阳性结果而不是“无意义的结果”。1959年,统计学家西奥多 斯特林( Theodore Sterling)确定了“发表偏见”的影响。 斯特林发现97%的心理学论文都是有显著统计学意义的。显著的统计学意义的解读是:研究数据是偶然获得的概率小于5%。这个测试科学研究是否具有”统计学意义”的方法是由英国数学家 罗纳德 费希尔( Ronald Fisher)在1922年创立的。 费希尔选定了5%作为“统计意义”的阈值。也有人认为5%的选择不过是让笔算更容易些而已。斯特林认为,97%的心理学论文都在证明假设而不是证伪,说明要么是心理学发展走狗屎运要么是学者们只发表阳性结果(译者,显然后者的可能性更大)。最近几年,医药界研究人员认为“发表偏见”极大地影响了临床研究。因为利益驱动的制药公司不愿意发表他们不喜欢的结果:即那些证明药物效力低或者无效的临床研究结果。即使那些利益纷争较少的学科---比如心理学和生态学---也逐渐受到“发表偏见”效应的负面影响。(别忘了,他们也是一群追逐文章数量的悲催团体)

虽然几乎可以确定“发表偏见”推动了递减效应的发展,但它并不能解释一切。比如,某些项目的早期研究结果是阳性的,但并它们从来没被发表过。显然这些数据不会受“发表偏见”影响。还有,斯库勒的悲剧也不能用“发表偏见”解释。曾经研究波动性不对称的阿尔伯塔大学生物学家 理查德 帕尔默( Richard Palmer)怀疑:有人选择性汇报数据,帕尔默的主要证据来自一种统计学工具:应用漏斗图统计分析法。一般而言,某一领域会集中许多研究项目,理论上,这些项目的研究结果是可以按图索骥的:样本量大的研究结果集中在一个数值附近;而样本量较小的研究结果应该是随机分布的,因为它们更容易受到抽样误差影响。如果用一个点代表一个研究项目的结果,并做出一张二维图,这些点的分布有点像一个漏斗。

利用“应用漏斗图”作图分析可以直观地发现“选择性报告”的影响。帕尔默收集了所有的波动性不对称研究,并作“应用漏斗图”分析。他发现小样本量的研究数值分布并不随机,而是向阳性结果的方向剧烈倾斜。帕尔默在其他领域也发现了类似的问题。他说:“当我意识到“选择性报告”在学术界其实很普遍的时候,我的确很沮丧,做为一个研究学者,你知道总会有一些非随机因素或多或少地影响研究过程,但你却不知道这些影响有多大。” 帕尔默最近的一篇综述文章总结了“选择报告”效应在他研究领域的影响:“我们不能逃避这个困境:一些,甚至很多被奉为圭臬的“理论”,其生物学意义其实不过是被过分夸大了;最糟则可能仅仅是重复的主观偏见累计而成的错觉。

帕尔默总结到,“选择性报告”效应并不是科学方法的错误,而是学者们在努力解释数据时犯的一种微妙的过失,或者说,是无心的错觉。斯蒂分 杰伊 古尔德则把这个过程类比为用鞋拔子穿鞋。西蒙斯说“科学测量过程确实很难。比如波动性不对称理论的主要内容是观察动物身体左右两部分间的微小区别,比如一片尾羽毛上毫米大小的差异。进一步说,很多研究者知道他观察的雄性个体基因是好的----因为它经常成功交配----所以他们就假定这个y染色体动物的身体是对称的。所以,波动性不对称理论的研究很容易受主观偏见影响。这么说并不是诚心挑刺,它是人类的自然本性的表现”

这里有一个典型的“选择性报告”的案例:即在不同国家进行的针灸实验。大多数亚洲国家中,针灸的应用和接受度是相当广泛的。而西方国家中,使用针灸还存在争议。这点深深影响了针灸临床实验。1966到1995年间,中国,台湾,日本等地一共进行了47项针灸研究,而且每一个研究都证明针灸是完全有效的。同一时期,美国,瑞典,英国等西方国家举行了94项针灸临床实验,只有56%的研究得到阳性结果,即针灸作为医疗手段是有效果的。按照帕尔默的假设,针灸临床实验结果的分歧佐证了一个推测:科学家总想证明他们喜欢的假设,并且选择性地忽视掉不喜欢的假设。所以说,我们的信念是盲从的

斯坦福大学的流行病学家约翰 ·艾奥尼迪斯(John Ioannidis)认为,选择性报告等主观倾向极大地影响了生物医学研究。他说“这些解释了递减效应广泛发生的原因。其实如果初始的研究给了一个准确的结论就够了,但是现实往往事与愿违。而现在,由于被前期论文结果误导,我们浪费了很多财力在医疗和追踪研究上。”  2005年, 美国医学学会期刊上发表了艾奥尼迪斯的一篇文章。这篇文章总结了三大主流医学杂志中49篇被引用次数最多的临床研究文章。其中45%的文章汇报了阳性结果:说明这些项目研究的治疗方法是有效的。而且这些研究都是随机对照实验--医学研究的葵花宝典---这些研究结果往往会深刻地影响临床治疗,并让某些治疗方法迅速推广。比如更年期妇女的激素替代疗法,日常服用低剂量阿司匹林以预防心脏病和中风。但是, 艾奥尼迪斯得到的数据却有些令人不安:49篇文章中,34%的研究需要重复实验验证,还有41%的研究要么被后来的研究否定要么效应量下降。

那些流行的研究课题现状更糟。比如,最近很流行的一个课题是:男女两性因基因差异导致的疾病风险差异研究。被研究的基因包括增加精神病风险的突变基因和控制高血压的基因。流行病学家 艾奥尼迪斯和他的同事研究了432个课题,发现大多数研究都有严重缺陷。当他调查实验的重复性的时候,他发现 问题更严重:432份研究中,只有1个研究被认为是可重复的,艾奥尼迪斯说:“这并不说明所有的研究都是不对的,但因为这些研究做得那么差,我还是保留意见。”

根据艾奥尼迪斯的说法,主要的原因是很多学者在追求“具有统计学显著意义”的数据,或者说仅仅是为了那些通过统计学显著性检验的数据找科学解释而已,即那些通过罗纳德费希尔( Ronald Fisher)设立的95%置信区间检验的(就是那个5%的底线的另一种说法)。艾奥尼迪斯说:“科学家急切地希望数据能通过统计学显著性检验,所以他们开始用自己的数据做文章,搜肠刮肚地试图找到一些看似有道理的科学解释。”  最近几年,艾奥尼迪斯开始越来越严苛地批判这种风气。他被引用的最多的一篇文章的标题有些挑衅味道:《为什么大多数发表的论文都是假的》。

“选择性报告”其实源于人类的基础认知缺陷:因为我们喜欢被证明正确而不喜欢被证明错误。 艾奥尼迪斯说:“证明一个假设为真的感觉真的是太好了——特别是当你的职业发展和个人经济条件都与这个新发现有关的时候。这就是为什么,一个假设被系统地证明为伪,你还是能看到一些不到黄河不死心的顽固学究引用早期研究文章的显著性阳性结果,因为他们想相信这个假设是对的。” 比如,现在仍有很多人执着于激素替代疗法或者那些维生素功能的研究。

所以斯库勒认为,发表文章之前学者必须更严格地收集数据。他说,“我们为追踪过去那些不完善的研究和设计缺陷的科研项目浪费了太多时间。我们对重复性验证的纠缠不休,正干扰我们解决真正的问题。” 斯库勒解释说,很少有人尝试去重复研究那些已发表的论文,因为数量太大了。(《自然》杂志说,迄今为止,三分之一的论文从来没有被引用过,更别说被其他重复性验证了)。斯库勒说,“ 我学到的教训是:研究中必须一直很小心。所以,每一个研究者应该提前说明他们的实验设计,比如:将用多少被试,他们的测试项目是什么,有效论证数据应该由什么组成。这样,我们的实验研究才会更透明。”

斯库勒的下一篇论文将建议建立一个开放数据库。这个数据库要求科研人员们概述实验设计并记录所有的数据。斯库勒说,“我认为建立了这个数据库,会提高科学研究工作的门槛,也会让我们更好地判断实验质量,这个平台能最终帮我们解决递减效应造成的问题”。

这些建议可能会减轻“发表偏见”和“选择性报告”的影响,但这些并不能完全消除递减效应。因为科学研究其实更多地被一些人力不可控制的力量影响:比如,不能做到100%纯粹的随机取样研究。目前关于研究中随机和偶然事件的负面影响的研究并不多,现存的相关研究也并没有解决问题。

1990年代,俄勒冈卫生科技大学的生物学家约翰克拉布( John Crabbe)通过实验证明,未知随机因素的确可以颠覆重复性验证的可靠度。约翰克拉布在三个不同的实验室——分别位于美国纽约州的奥尔巴尼,俄勒冈洲的波特兰,加拿大亚伯达省埃德蒙顿市——做了同一系列的实验研究老鼠行为。实验启动之前,克拉布尝试把所有他能想到的变量都调整成一模一样的。比如,老鼠是一个品系的近亲,同一天从同一个供货商出发,它们在一样的环境中长大;老鼠住的盒子底层铺的锯末是同一个牌子;荧光灯的照明量是一样的;每一窝老鼠的数量是一样的;饲料的量和品种也是一样的;接触老鼠时戴的手套是同一个牌子;测试的设备也一样,测试研究的时间都是在早上的同一时间。

这个实验的预期就是每个实验室的独立实验能得到相同的结果,克拉布说:“如果真的有一种实验设计能通过所有的(可信度)检验,那必然将是这次,但事与愿违。”按照实验设计,克拉布给被试老鼠注射了可卡因。老鼠嗑药后会很兴奋,活动量会增加,研究人员测量老鼠活动的距离来衡量活动量,即兴奋程度。实验的结果是:在波特兰嗑药的老鼠比平时多活动了600厘米,而它们在奥尔巴尼的亲戚则多运动了701厘米,但是在加拿大埃德蒙顿市嗑药的老鼠则比正常状态多活动了5000厘米(没错,三个零)。而后续的老鼠焦虑行为实验,也出现了相似的问题。而且这些出入并不能用已知的理论解释:在波特兰实验室中表现得最焦虑的老鼠是一个品系,而在奥尔巴尼确是另一种。

克拉布的实验很不厚道地指明了一点:很多名声一时的数据不过无意义的背景噪音。埃德蒙顿市“药来疯”老鼠的过分活跃并不能证明什么:这组数据不过是一个无意义的离群数据;一个被未知变量所影响的副产物。问题是,这个数据很有可能发表在有声望的杂志上,因为这个结果又惊异又具有“显著的统计学意义”。可以想像,这个数据发表后,很多跟屁虫会出现,然后申请经费,进行后续研究什么的。这可能导致科学上的错误,指不定多少年才会被人发现。

所以说,所谓“递减效应”不过是错觉的递减。卡尔波普爵士(Sir Karl Popper)认为一个确定的实验就可以证伪一条理论,比如伽利略用一个下午就推翻了亚里士多德力学,可现实中的情形却更为复杂。更糟糕的是,很多被多次证伪的假设依然被视为正确的:语言屏蔽效应也许遭遇了递减效应,但它的影响力并没有“被递减”。除了本文开头讨论的第二代抗精神病类药物,递减效应也影响了物理学研究:1969到2001年,物理学家发现中子衰减时的弱耦合比率已经降低了10个标准偏差;万有引力似乎不再“万有”:物理学家曾在美国内华达的沙漠钻深洞研究万有引力,得到的实验数据与理论值有2.5%的偏差。但是,第二代抗精神病药物依然广泛地用于治疗,中子模型也没有变。万有引力理论依然是原来的样子。

这些不正常的结果都展现了经验主义变化多端的一面。尽管一些科学假设最终走向效应量下降或者自我矛盾的死胡同,它们还是被写进了教科书,并左右当今的医疗准则。为什么?因为这些观念看起来是“正确的”。因为它们“有道理”。因为抛弃这些我们的代价会很大。这才是递减效应非常棘手的原因。不是因为递减效应揭露出科研中的人类天性犯下的错误:比如数据被调整,主观偏见影响客观结果(科学家也是人,他们犯这种错误并不奇怪);也不是因为递减效应打破了我们误信的“真理”的光辉。(这种想法可以上溯至科学哲学家托马斯库恩(Thomas Kuhn)对科学概念演化的思考)。递减效应之所以棘手也因为它提醒了学者:想证明一个理论是有多难。我们喜欢假装认为我们的实验证明了真理,事实证明这不过是我们的一厢情愿。真理并不一定会被证明,被证明为真的假设也并不一定是真理。分析实验数据时,我们还是得做出选择:到底该相信什么。

[小红猪]算法:人工智能的新曙光

译者:DLM (Miller),Mr. YXD 也有贡献于此译文

翻译组合介绍:DLM, 80后业余科学小野人,流连 New Scientist, National Geography,Economist,接收杂七杂八的信息。失业期间偶遇松鼠会小红猪,便想停下来学着剥一下“果壳”。Mr. YX D,来自火星的地球科学怪人。

校对:苏椰

小红花等级:3朵

原文地址:I, algorithm: A new dawn for artificial intelligence

--从核弹到早产婴儿,人工智能技术已经最终成为足够可靠的监视一切的手段。

在一个有血有肉的医生和一个人工智能系统之间,两者选择其一来作出疾病诊断,佩德罗·多明戈斯更乐意把自己的生命押注到人工智能系统上。佩德罗·多明戈斯是西雅图华盛顿大学的一名计算机科学家,“我宁愿相信机器也不要相信医生,”他说。考虑到人工智能(AI)通常获得的差劲口碑——过度炒作,乏善可陈——如此强烈的支持声音确实鲜见。

回到二十世纪六十年代,AI系统在复制人脑的某些关键方面似乎大有前途。通过使用数理逻辑,科学家开始重现和推理现实世界的知识,但是,很快这种方法沦为AI的枷锁。尽管数理逻辑在模拟人脑(解决问题)方面富有成效,但是它在本质上并不适合处理不确定性。

然而经过因自我枷锁造成的漫长封杀之后,AI这个广受诟病的领域却重新兴盛起来。多明戈斯并非唯一对其抱有全新信心的科学家。研究者希望通过成熟的电脑系统来检测婴儿疾病,把口头语言翻译成文本,甚至是找出恶意核爆。这些由成熟的电脑系统展现出来的早期能力就是最初在AI界引起人们广泛兴趣的东西:即使在纷繁复杂的世界,电脑仍具有像人类一样的推理能力。

处于AI复兴核心的是一种叫概率性程序的技术,它在旧有AI的逻辑基础上加入统计概率的应用。“它是两种最强大的理论的自然统一,这两种理论已经被发展来理解和推导这个世界。”史都华·罗素说,他是加州大学伯克利校区现代人工智能方面的先驱。这套强大的综合体终于开始驱散笼罩在AI漫长严冬上的迷雾。“这肯定会是一个(AI的)春天。”麻省理工学院的认知科学家约什·田纳邦说。

“人工智能(artificial intelligence)”一词于1956年由MIT的约翰·麦卡锡创造。那时,他提倡使用逻辑语言开发能进行推理的电脑系统。该方法随着所谓的一阶逻辑的应用趋于成熟。在一阶逻辑中,现实世界的知识通过使用正式的数学运算符号和标记进行模化。它为客观体世界和客观体间相互关系而设,能够用来解析他们之间的联系并得出有用的结论。例如,如果X(某人)患有高传染性的疾病Y,患者X与某人Z近距离接触,那么用这种逻辑便可推导Z患有Y疾病。

然而,一阶逻辑最大的功劳是它允许越来越复杂的模型由最小的结构模块构建起来。例如,上述情况可以轻易地延伸到建立流行病学的致死传染病模型,以及对其发展进行结论性推导。这种把微小概念不断扩展成概念集合的逻辑功能意味着人类大脑中也存在类似的思维模式。

这个好消息并没有存在得太久。“不幸的是,最终,逻辑没能实现我们的期待。”加州斯坦福大学的认知科学家诺阿·古德曼说。由于使用逻辑来表现知识并进行推理的过程要求我们对现实世界的实际知识有精确的掌握,容不得半点模糊。要么“真”要么“假”,不存在“也许”。而不幸的是,现实世界,几乎每一条规则都充满了不确定性、干扰和例外情况。简单地用一阶逻辑构建的AI系统不能处理这些问题。举例来说,你想分辨某人Z是否有疾病Y,这里的规则是清晰明白的:如果Z与X接触,那么Z患病。但是一阶逻辑不能处理Z在或者已经感染或者没有之下的情况。另一个严重的问题是,一阶逻辑不能逆向推导。例如,如果你知道Z患有疾病Y,你不可能完全确定Z的疾病是从X那里感染的。这是有医学诊断系统面临的典型问题。逻辑规则能够将疾病和症状联系起来,而一个医生面对症状却能逆推出其病因。 “这需要转变逻辑公式,而且演绎逻辑并不适合处理这种问题,”田纳邦说。

这些问题意味着到了二十世纪八十年代中叶,AI的冬天到来了。当时流行的看法是:AI毫无发展可言。然而,古德曼私下相信,人们不会放弃AI,“AI转入地下发展了,”他说。

1980年代末神经网络的到来让AI的解冻露出第一线曙光。神经网络的想法之简单让人惊叹。神经系统科学的发展带来了神经元的简单模型,加上算法的改进,研究者构建了人工神经网络(ANNs)。表面上,它能够像真正的大脑一样学习。受到鼓舞的计算机科学家开始梦想有上百万或者上万亿神经元的ANNs。可是很快地,事实证明我们的神经元模型显然过于简单,研究者都分不清神经元的哪些方面的性质是重要的,更不用说模仿它们了。

不过,神经网络为新的AI领域构筑了一部分基础。一些继续在ANNs上奋斗的研究者终于意识到这些网络可以被认为是在统计和概率方面对外部世界的重现。与“突触”和“动作电位”这些生理学上的称呼不同,他们称之为“参数化”和“随机变量”。田纳邦说,“现在,ANNs听起来更像一个庞大的概率模型而不是一颗大脑。”

然后在1988年,加州大学洛杉矶校区的朱迪亚·珀儿写了一本里程碑式的书《智能系统的或然性推理》,里面详细地描述了AI的全新方案。支持这本书的理论是汤玛斯·贝叶斯提出的一个原理。汤玛斯·贝叶斯 是18世纪的一名英国数学家和牧师,他把以事件Q发生为前提下事件P发生的条件概率和以事件P发生为前提下事件Q发生的条件概率联系起来。这个原理提供了一个在原因和结果间来回推导的方法。“如果你能对感兴趣的不同事物用那样的方式描述,那么贝叶斯推论的数学方法会教你如何通过观察结果,然后逆推各种不同起因的可能性,”田纳邦如是说。

新方案的关键就是贝叶斯网络,一个由各种随机变量组成的模型,在这个模型里每个变量的概率分布都取决于其他变量。给定一个或多个变量的值,通过贝叶斯网络则可推导出其他变量的概率分布,换言之,得出他们的可能值 。假定这些变量表示症状、疾病和检查结果,给出检查结果(一种滤过性病毒感染)和症状(发热和咳嗽),则可给可能潜在的病因赋予不同的几率(流感,很可能;肺炎,不太可能)。

二十世纪九十年代中期,包括罗素在内的研究员开始开发算法,使贝叶斯网络能利用和学习现有的数据。这很大程度上跟人类基于早期理解的学习方式相同,新的算法却能通过更少的数据来学习更复杂和更准确的模型。对ANNs来说,这是前进的一大步,因为无需考虑先验知识,可以从头学习解决新的问题。

搜猎核武器

人们开始逐渐理解各种努力和尝试,去创造为现实世界而设的人工智能。一个贝叶斯网络中,各种参数是概率的分布,如果我们对这个世界知道得越多,这些分布值越有用。与一阶逻辑下构建的网络不同,不完整的知识并不会导致贝叶斯网络迅速崩溃。

尽管这样,逻辑也并非无用武之地。事实证明贝叶斯网络本身并不充分,因为它不允许以简单片段任意构建复杂结构,取而代之的是一个由综合的逻辑程序和贝叶斯网络组成的,进入热门话题领域的概率性程序。

这种新AI的最前端是少数合并基础元素和所有静止研究工具的计算机语言,其中有Church语言,由古德曼、田纳邦和同事开发,以某计算机程序逻辑的开创者阿隆索·丘奇命名。多明戈斯的团队开发了马尔科夫逻辑网络,融合了逻辑型网络和与贝叶斯网络相似的马尔科夫网络。罗素则和他的同事使用了一个直接明了的名字,叫“贝叶斯逻辑”(BLOG).

最近在奥地利维也纳召开的联合国全面禁止核试条约组织(CTBTO)大会上,罗素展示了Church语言的表达能力。CTBTO邀请了罗素,因为他们预感到新的AI技术可能有助于监测核爆炸。听过一上午的关于监测地震背景下远距离核爆引发的地震特征、穿过地球的信号传播异常和世界地震站的噪音探测器的演示报告后,罗素开始着手用概率程序的设计(神经信息处理系统前沿,卷23,麻省理工学院出版Advances in Neural Information Processing Systems, vol 23, MIT Press)。他说,“在午饭时间,我已能为整个问题编写一个完整的模型。”,这个模型足足有半页之长。

这类模型能整合先验知识,例如,对印度尼西亚苏门塔腊和英国伯明翰地区发生地震的几率做比较。CTBTO同时要求任何一个系统首先假定发生在地球上任何地方的核爆几率均等,然后才使用来自CTBTO监测站接收的真实信号数据。AI系统要做的就是获取所有数据,对每组数据最可能的解释作出推断。

挑战就在其中。像BLOG这样的语言是由所谓的通用推理机组成的。已知某个现实问题的模型和众多变量及概率分布,推理机只能计算某种情况的可能性,例如,在已知期望事件的事前几率和新地震数据下,推断一次在中东发生的核爆。但是如果变量改成代表症状和疾病,那么它就必定能做出医学诊断。换言之,其中的算法必须是非常普遍的,这也意味着这些算法极其低效。

结果是,这些算法不得不根据每个新问题逐一定制。但正如罗素所说,你不能每遇到一个新问题就请一个博士学生来改进算法,“那并不是你大脑的工作方式,你的大脑会赶紧适应(新问题)。”

这一点让罗素、田纳邦和其他人缓下来仔细考虑AI的前途。“我希望人们会感到兴奋,但不是那种我们向他们推销蛇油(万灵药)的感觉,”罗素说。田纳邦也有同感,尽管已是一个年过40的科学家,他觉得只有一半的机会在他有生之年见证有效推理这一难题的解决。尽管计算机将运行得更快,算法会改进得更精妙,他觉得“这些是比登月或者登火星更艰深的问题”。

无论如何,AI团体的意志并没有因此消沉。例如,斯坦福大学的达菲·柯勒正在用概率编程解决非常特殊的问题并且颇见成效。他与同在斯坦福的新生儿学专家安娜·潘和其他同事一起开发了名为PhysiScore的系统,可以预测一个早产儿是否有任何健康问题。这是个众所周知的难题,医生不能作出任何确定程度的预测,“这种预测却是对那个家庭唯一要紧事,”潘回应。

PhysiScore系统把多方面的因素考虑进去,诸如孕龄、出生体重,以及出生后数小时内的实时数据,包括心率、呼吸率和氧饱和度(Science Translation Medicine, DOI: 10.1126/scitranslmed.3001304)。“我们能够在头3个小时内得出哪些婴儿将来会健康,哪些可能患上严重的并发症,甚至是两周后会出现的并发症,”柯勒解释道。

“新生儿专家对PhysiScore这个系统感到兴奋,”潘说。作为一名医生,对于AI系统具有处理上百个变量并作出决定的能力,潘尤其满意。这种能力甚至让该系统超越了他们的人类同行。潘说:“这些工具能理解和运用一些我们医生和护士看不到的信号。”

这正是多明戈斯一直对自动化医学诊断抱有信心的原因。其中一个著名例子是“快速医学参考,决策理论(QMR-DT)”,它是一个拥有600种重要疾病和4000种相关症状模型的贝叶斯网络,其目标是根据一些症状推断可能疾病的几率。研究者已经针对特殊疾病的推理算法对QMR-DT进行微调,并且教会该系统使用病人的档案。“人们对这些系统和真人医生做过比较,这些系统似乎更胜一筹,”多明戈斯说,“人类对自己的判断,包括诊断,不能保持一致的观点(态度),而医生们不愿意放弃他们工作中这一有意思的部分是唯一让这些系统不能广泛应用的原因。”

AI领域里的这些技术还有其他成就,其中一个瞩目的例子是语音识别,它已经由过去因经常出错备受嘲笑提升到今天令人惊讶的准确度(New Scientist, 27 April 2006, p26)。现在,医生可以口述病人档案,语音系统软件会把口述档案转换成电子文档,由此可以减少手写处方。另外,语言翻译也开始仿效语音识别系统的成功之处。

会学习的机器

但是仍然有重大的挑战显现在各个领域中。其中之一就是弄明白机器人的照相机看到什么,解决这个问题将为设计出自我导航的机器人缩短一大段距离。

开发灵活和快速的推理算法的同时,研究者必须提高AI系统的学习能力,无论是根据现存数据还是现实世界检测到的新数据。今天,大部分的机器学习是由定制算法和小心地构建的数据组完成的,为教会一个系统处理特定的任务而专门设计。“我们希望那些系统更加通用,这样你可以把它们投入到现实世界,同时它们也能从各种输入信息中学习。”柯勒说。

一如既往,AI的终极目标是建造出能用我们完全理解的方式复制人类智慧的机器。“那可能是和寻找外星生命一样遥远甚至同样危险的事,”田纳邦说。“‘拟人AI’是一个更广义的词,有谦虚的余地。如果我们能构造一个视觉系统,像人类能做到的一样,看一眼就可告诉我们那里有什么,我们将无比高兴。”

安尼尔·安娜索斯娃米是一位《新科学家》的顾问

文字编辑:霍森布鲁斯