wanwan
karma值:0
solidot新版网站常见问题,请点击这里查看。
wanwan( 42055 )
登录
大阪市立大学研究生院研究人员提供的证据表明,鱼类具有镜中自我识别能力(MSR),这是一种用于确定动物是否具有视觉自我识别能力的行为测试。当动物“触摸或刮擦身体上只能在镜子中间接看到的位置的标记” 时,就可以确定动物具备 MSR 能力。Masanori Kohda 教授表示:“以前我们在清洁鱼(裂唇鱼,Labroides dimidiatus)的喉部做上了棕色的标记,看到四分之三的清洁鱼在游过镜子之后,会多次清喉咙,数量与大象、海豚和喜鹊等其他动物在类似的研究中表现出的相当。”对研究结果的批评意见之一是样本的规模和需要重复研究显示阳性结果。与德国马克斯普朗克动物行为研究所和瑞士纳沙特尔大学的研究人员合作,这项研究将样本量增加到 18 条清洁鱼,其中 17 条清洁鱼(94%)结果呈阳性,表现出与先前研究发现的相同的行为。Kohda 教授表示:“之前的研究证明了裂唇鱼的 MSR 能力,对其他动物的研究表明,简单移动镜子会重新引发攻击性行为,表明这些动物只学到了空间偶然性,而不是 MSR。”为了解决这个问题,研究小组将经过镜子训练的清洁鱼转移到一侧有镜子的鱼缸中,然后在三天之后又转移到另一侧有镜子的鱼缸中,发现鱼没有对两个鱼缸中镜子里的自己表现出攻击性。此外为了确保通过标记测试的裂唇鱼真的认出了自己,他们将经过镜子训练的鱼放在由透明玻璃隔开的相邻鱼缸中。两三天之后,鱼在很大程度上减少了对彼此的攻击性行为后,它们会在第二天晚上被以标准的方式标记。第二天早上,在彼此接触的 120 分钟之内,没有一条鱼清喉咙。
全球监管机构警告,华尔街机构与加密市场的联系日益密切,可能会威胁到金融稳定,引发信贷紧缩金融危机。金融稳定委员会(FSB)表示,随着大银行和对冲基金等机构投资者更深入的参与 1.9 万亿美元的加密货币市场,他们需要对这些机构“持续保持警惕”。FSB 在一份报告中表示:“如果当前的规模增长和加密资产与这些机构相互关联的势头持续下去,可能会对全球金融稳定产生影响。”尽管加密货币只占全球资产的一小部分,但随着数字金融和传统金融的联系愈加紧密,FSB 担心加密货币市场的波动会产生影响。它表示:“如果金融机构继续更多地参与加密资产市场,可能会以意想不到的方式影响资产负债表和流动性。”监管机构将加密货币事件的风险与引发 2008 年金融危机的信贷紧缩进行比较。它表示:“就美国次贷危机而言,少量已知的敞口并不一定意味着风险很小,特别是在缺乏透明度以及监管覆盖不足的情况下。”它指出,“具有系统重要性”的银行和其他金融机构越来越热衷于参与其中并获得加密资产敞口。具有系统重要性的机构如果失败,可能会引发金融危机。FSB 指出,随着机构的参与,加密货币市场的总价值在2021 年增长了 3.5 倍,达到 2.6 万亿美元规模。随着价格的暴跌,其价值在 2022 年头几个月大幅下挫。
十年后办公室将用于而且只用于一件事:与同事共度美好时光。这个看似大胆的预测来自于哈佛商学院教授、远程工作专家 Prithwiraj Choudhury。我们可能将在十年内停止称其为远程工作(âremote workâ),而是简单称为工作。他的研究表明,混合劳动力的生产力更高、更忠诚,而且离职的可能性更低。从 Twitter 到普华永道,很多公司现在为员工提供了永久性远程工作的选择,Choudhury 表示,不适应的企业可能会面临着更高的流失风险。“对雇主来说,他们也是赢家,因为你不用局限于在有办公室的地方的劳动力市场进行招聘。这是一个千载难逢的时刻,人们不会被迫住在他们不想住的地方。有些人会找到永久的住处;有些人则会四处搬迁。数字游牧革命正在进行中……”“我们不应该关心人们工作了多少天或者多少个小时。每项工作和任务都应该有客观的指标,这些指标是基于产出的,如果员工可以在两天内完成这些指标,那就这样吧。我坚信我们应该停止计算时间。我们应该让人们在他们想工作的时候灵活地工作,无论他们想在什么时间,无论他们想在什么日子都可以,只关心他们的工作就好了。”
发表在 PNAS 期刊上的一项研究调查了深度伪造(deep fakes)的有效性,发现人类真的很容易迷上机器生成的面孔——甚至会认为它们比真实的面孔更值得信赖。研究合作者、加州伯克利分校教授 Hany Farid 表示:“我们发现,合成面孔不仅高度逼真,而且显得比真实的面孔更值得信赖。”这一结果引发了担忧,“这些面孔在用于邪恶目的时候可能会非常有效。”第一组在区分真假人脸方面的表现不比抛硬币决定更好,平均准确率为 48.2%……该组给合成人脸的可信度评分平均为 4.82,略高于给真实人脸的可信度评分 4.48。研究参与者确实压倒性地识别出了一些假脸。研究合作者 Sophie Nightingale 表示:“我们并不是说每张生成的图像都和真的人脸没有区别,但是里面有不少图像确实如此。”研究作者强调,深度伪造的欺骗性应用将继续构成威胁,他们得出了一个明确的结论:“我们鼓励开发这些技术的人思考相关的风险是否大于收益。”“如果是这样,我们不鼓励开发此类技术。”