性的研究2

机器之心分析师网络分析师：立早编辑: H4O一直以来，深度网络在图像识别，检测，语言等领域都有强大的能力。研究者们的重点都在如何提升网络性能上，很少有人能说清楚深度神经网络为何能够得到较好的泛化能力，有的研究者习惯从原理上来说明这个问题，有的研究者则会从中间结果来解释，当然这些观点都各有千秋。在 NeurIPS 2019 上，有些学者在网络的可解释性上发表了自己的研究。以下就两篇论文从两种不同的角度来描述研究者们对于泛化能力的理解和解释。论文 1：Intrinsic dimension of data representations in deep neural networks论文链接：https://arxiv.org/pdf/1905.12784v1.pdf对于一个深度网络，网络通过多层神经层渐进的转换输入，这其中的几何解释应该是什么样的呢？本文的作者通过实验发现，以固有维度（ID：intrinsic dimensionality）为切入点，可以发现训练好的网络相比较未训练网络而言，其每层的固有维度数量级均小于每层单元数，而且 ID 的存在可以来衡量网络的泛化性能。1 首先，ID是什么？ID 是描述数据信息所需要的最小的且不造成重要信息损失的维度。目前的深度神经网络中，我们普遍的都知道过量的参数导致了模型的过参数化，带来了冗余信息，神经网络压缩就是由此产生的。那么，有没有什么定量的统计量来显示网络的复杂度或者评估网络呢，本文就是以固有维度为切入点来探索该统计量和模型泛化能力之间的关系。2 ID 的评估方法作者用 TwoNN 这个方法来估计 ID，TwoNN 的简单流程如下图所示。图 1：TwoNN 估计 ID 的流程。图 1 左图表示的是某神经网络第二层的两个维度的数据点集，右图是运用 TwoNN 算法简要估计 ID 的流程。首先，TwoNN 算法随机采样一个数据点，并通过计算距离选取出这个数据点对应的最近邻（r1）和其次近邻（r2），计算这两个邻居之间的比值。通过概率分布估算出这个比值的分布，最后通过多次采样计算估算出数据的 ID，例如，在图 1 中的数据中 ID 约为 1。当 ID 在 20 以下的时候，TwoNN 算法可以无限的逼近真实的 ID。而 ID 的真实数值较大，且仅有有限的采样数据的时候，TwoNN 估计出来的 ID 是小于真实值的。因此，在这个情况下，利用 TwoNN 估计出来的 ID 值可以看做一个真实 ID 值的下界。3 实验结果和结论以上是对 ID 的介绍以及评估方法的介绍。利用这个估算方法，本文。但是，总的来说本文的重点部分就是通过对 ID 的研究，回答如下的几个问题。在 CNN 网络中，不同的 layer 之间，ID 是否会变化？ID 和网络的线性维度是否有区别？ID 和网络泛化性能之间是否有联系？接下来，我们来一个个的回答如上的三个问题。问题 1：在 CNN 网络中，不同的 layers 之间，ID 是否会变化？首先，作者在 VGG-16 上用 ImageNet 预训练，并在一个 1440 张的综合数据集上微调，得到如下图所示的曲线。图 2：ID 在不同的 layer 之间的变化。从图 2 中，我们可以明显的看到，ID 在不同层之间是有个先上升后下降的过程。尤其是在最后一层，ID 达到一个最小的量级。图 3：ID 和绝对深度、相对深度的关系。在图 2 中，我们已经发现 ID 在层级之间是够「驼背」的样式，那么这个驼峰的出现是和绝对深度还是相对深度有关呢？图 3 可以回答这个问题，在图 3 的右图中，我们可以发现这个趋势跟相对深度有关，基本的驼峰出现在 0.2-0.4 的相对深度之间。当然从图 3 的大量实验，也更能佐证图 2 的 ID 和层之间的趋势。问题 2：ID 和网络的线性维度是否有区别？为了回答第二个问题，作者选用了 PCA 作为线性降维的方法来和 ID 对比。图 4：PCA 和 ID 与模型数据降维之间的关系。在图 4A 中，PCA 的特征值谱中出现了一个间隙，这个可以表明数据降维之后并不在一个线性的空间中，而是一个弯曲流形中。问题 3：ID 和网络泛化性能之间是否有联系？图 5：网络最后一层 ID 和精度之间的关系。图 5 是作者在一系列的网络实验中，以精度为衡量指标，计算不同网络最后一层的 ID。我们可以看到这个趋势大概是一个线性的关系。这就表明，最后一层的 ID 跟网络的测试精度之间是存在这紧密的联系的，那是否也可以换句话说，该层的 ID 可以表明网络的泛化性能。4 讨论作者还做了很多的其他辅助的实验，比如以上的结论在未训练的网路上不成立，在随机的标签 labels 上训练出来的网络中也不成立等等。但是，总的来说作者还是集中在是三个问题。ID 可以用来表明网络中的信息。其趋势表现为层级之间的先上升后下降。网络的泛化性能可以用 ID 来衡量，也就是最后一层的 ID。深度网络的降维过程将数据降维到一个弯曲流形的空间，而不是线性空间，这也可以在一定程度上表明网络的泛化性能。笔者认为，仅仅用 ID 这个统计量来解释网络性能当然还是不够的，但是这并不妨碍通过 ID 来指明之后网络训练或者测试的提升方向。比如说，我们是否可以用 ID 的趋势来判断一个网络设计的是够合理，训练的是否充分呢，或者又比如说，我们还能够通过最后一层的 ID 来初步评估网络的泛化性能呢？论文 2：This Looks Like That: Deep Learning for Interpretable Image Recognition论文链接：https://arxiv.org/pdf/1806.10574.pdf当人遇到图像判断的时候，总是会分解图片并解释分类的理由，而机器在判断的时候总是跟人的判断会有些差距。本文旨在缩小机器分类和人分类之间的差距，提出了一个 ProtoPNet，根据人判断的机理来分类图像。本文网络通过分解图像，得到不同的原型部分，通过组成这些信息最终得到正确的分类。1 人怎么分类？This looks like that图 1：怎么判断这个鸟的种类?图 1 显示的是一个褐雀鹀，那么你怎么判断出来的呢？通常来说，我们会回答，它的头部、它的翅膀部分很像一个典型的褐雀鹀。这个时候，你会发现在人类的判断机制中，我们是着重关注图像的几个部分并且跟给定的物种典型的部分来对比。这就是所谓的「这个看上去像那个」。2 ProtoPNet怎么学习人？既然人是通过 this looks like that 来解释的，那么机器学习的模型是否可以模仿这个过程来解释模型推理的依据呢？本文提出的 ProtoPNet 就是从推理的可解释性角度来处理图像。该网络的结构如下图所示：图 2：ProtoPNet 网络结构。如图 2 所示，输入一张推理图片，输出分类的结果。该网络主要由卷积网络 f，原型层（prototype layer）以及一个全连接层 h 组成。卷积网络 f：在卷积网络部分，网络可以是 VGG，ResNet 等经典结构，并且以 ImageNet 的预训练参数初始化。假设输入图像的大小为 224*243，通过卷积网络输出的大小为 HWD（e.g H=W=7），令 z=f(x) 表示卷积输出。这一部分也就是常见的特征提取作用。原型层（prototype layer）：在 prototype layer 部分，网络学习了 m 个原型 P，这些原型 P 以卷积层的特征图为输入，经过 m 组的卷积网络得到不同 patch 的原型激活值，该原型激活图的大小在本文中为 h=w=1。不同的原型 p 可以表示不同的典型部位，计算 pj 和 z 之间的 L2 距离，并将这个距离转换为相似度分数。这种由分数表示的激活图表明了图像中的典型部分的显著强度。全连接层 h：经过前面的提取特征并聚类到原型得到相似度分数后，m 个相似度分数通过全连接层 h，得到最终的输出单元，经过 softmax 之后得到预测概率，分类图片结果。本文在训练这个网络的时候，通过对以下三个步骤迭代的进行优化完成网络更新。除了最后一层前面运用 SGD典型特征的映射过程最后一层的凸优化3 网络的可解释性在第二部分，我们概述了这个网络的结构部分并且解释了每个部分的作用和组成，但是我们并不知道这个网络为什么能学习人的解释机制呢？那么接下来，我们来看看如何通过这个网络的前向来描述这个网络的解释原理。图 3：网络的解释过程。如图 3 所示，最上面的是一张测试图片。在网络的推理过程中，为什么可以判定为一个红腹啄木鸟而不是红顶啄木鸟呢？图 3 的左半部分是网络判断测试图片为红腹啄木鸟的依据。第一列的三张图为测试照片的经过网络圈出来的典型部分，第二列和第三列表示的是训练图片中的原型，第四列为激活特征图显示测试图像中的原型所在的显著性位置。在第二列和第三列我们可以看到三个典型的特征部分，头部，翅膀以及喙。当网络通过卷积层 f 提取特征之后，并通过原型层得到这些显著特征之后，网络通过对这些典型分数进行加权求和（也就是全连接层），最终网络得到判断为红腹啄木鸟的置信度得分 32.736。同样，图 3 的右边是判断为红顶啄木鸟的置信度分数为 16.886。通过选取最大的 softmax 的数值，网络可以得出这个测试图像的最终分类。这一个过程也就是网络在推理过程中，looks like 可以得到很好的解释。4 实验对比作为一个解释性的网络，并不代表网络本身的推理（识别）能力不强，作者在这个角度上做了如下的对比实验。图 4：ProtoPNet 和其他网络的性能对比。网络主要以没有解释功能的网络为主，也就是识别网络，比如常见的分类网络。图 4 上半部分对比没有可解释性功能的网络例如 VGG16，ResNet34 等等，ProtoPNet 精度下降约 3.5%。但是，通过增加合适的原型数量，ProtoPNet 还是可以提升性能的。而与其他研究者提出的解释网络相比，图 4 下半部分对比这些网络的识别性能，比如关注目标层面的 CAM，关注部分注意力的 Part R-CNN，ProtoPNet 利用部分层次注意力和原型之间的结合，能达到一个比较好的结果。总而言之，本文的解释性网络不仅仅在解释网络的判别原理，而且根据这个原理能够达到一个较好的识别精度。在我看来，通过对比 ProtoPNet 和不同网络性能，验证了作者论述的，ProtoPNet 不仅仅关注实例层或者仅仅关注部分信息，而是结合了部分层次以及原型 case 之间的信息，才能在解释和识别之间达到一个很好的平衡。5 总结本文的主要目的是探索机器模型在推理过程中的为什么这个问题，其比较别出心裁的参照了人类的「这个看上去像那个」的回答思路，提出的 ProtoPNet，在可解释性和分类精度上都有不错的表现。这两篇论文均是研究论文可解释性原理的，只不过论述的角度有所不同。论文 1 从统计学的角度，分析网络的固有维度，以此来展示网络的泛化性能。而论文 2 从可视化的角度来展示了这个网络的推理的功能。这些不同的角度都试图分析网络的可解释性，并给网络性能的提升提出不同的提升方向。分析师简介：立早，工学硕士，研究方向为模式识别。目前从事人脸识别、检测和神经网络压缩方向的工作。希望能够一直学习，多多交流，不断进步。

2020葫芦岛中考数学二次函数压轴题分析（今天状态不是很好，没睡够，书写不是很工整，请见谅！）： 第1问，求二次函数解析式，用待定系数法求函数解析式，解二元一次方程组，每一个学生都需要掌握的题目，这也是每一个参加中考学生的底线，必须拿到分。对于数学成绩不好的学生争取把第一问分数拿到。第2问：二次函数与角度问题，二倍角问题，∠DCB=2∠ABC，我们先构造平行线，然后构造二倍角，找到D点。对于D点坐标的求法，有两种方法，①几何法，利用三角形相似求解② 代数法，先求直线CD解析式，求出直线CD与x轴交点M的坐标，然后直线方程与二次函数联立求解D点坐标第3问：平行四边形的存在性问题，首先我们需要分析点的类型，D，F为定点，M,N为动点，两定两动，点N在直线上，点M在抛物线上。接下来，我们需要定解法，平行四边形存在性问题两类解法，具体解法如下①几何法，以D,F两定点组成的边进行分类讨论，以DF为边，以DF为对角线分类讨论，以DF为边，利用一组对边平行且相等，在坐标平面内利用直尺平移，画出图形。画出图形，然后求解，求解过程我们利用坐标平移公式，找到坐标之间的关系，设点，列方程求解。②代数法，也就是我们经常提到的对点法，分别以DF为对角线（MN为另一条对角线）DM为对角线（FN为另一条对角线），以DN为对角线（MF为另一条对角线）三种情况列方程。③对点法公式的推导，可以用坐标的平移，或者中点坐标公式来推导。总结完毕，视频录制已经在专栏，如果觉得总结到位，麻烦关注，点赞，转发，评论。如果您有其他的想法，或者还是其他的疑惑，欢迎留言！

每天耕耘最有趣、最实用的心理学根据达尔文提出的进化论，人类一切行为和目的，都只有一个，那就是物种延续。而要实现物种延续，最为重要的步骤就是人类必须 发生性行为，以合成后代。性行为（Sex behavior）是生物学上的基本术语，它是指同性或异性之间，为了满足性欲和获得性快感，而相互合作开展的动作与活动。性行为多种多样，其中包括性交。所谓性交，广义上是指两个雌雄异体的生物之间，通过生殖器接触而达到繁衍后代目的的行为。动物之间的性行为，通常主要是为了繁衍后代。而人类成年男女之间的性行为，则不一定是为了繁衍后代，还会出于其他目的而进展开性交。相关奇葩研究和试验出于科学研究目的，人类科学家曾对人类的性行为展开了大量观察与研究。当代性学权威、美国著名性学家马斯特斯和约翰逊，则是这项研究的先锋派人物。【马斯特斯《人类性反应》与相关试验】1966年，Ｗ·马斯特斯和Ｖ·约翰逊合著的《人类性反应》一书刚一出版，就轰动了整个西方社会，这部著作旋即被认为是一部标志着人类性研究里程碑的著作。闯入危险禁区的科学家1930年，在罗切斯特大学就学的马斯特斯，对性行为问题产生极大兴趣。但在当时那个时代，性行为是不能被公开提及的，人们甚至绝口不提身体的各种器官名称，更别提性器官。而学校中的图书馆有相关性问题的书则被严加保管，想要阅读必须经特别许可。马斯特斯对此非常吃惊，他认为，性行为在人类生活与活动中如此重要，但人类对性行为以及性知识却少得可怜。性学在当时是一个完完全全的禁区。为什么人类对身体的其他功能不遗余力地进行研究，却偏偏要忽略繁衍后代极其重要作用的性功能呢？马斯特斯决心向性行为禁区挺进。四处奔波寻访1940年代末和1950年代初，马斯特斯决定从妓女入手调查和研究。因为马斯特斯认为，他们至少从数量和经验上来说最富有经验。从1954年秋天起，他一共走访了近118名妓女和27名妓男。由于马斯特斯过早的秃顶，使他看上去非常成熟而富有权威性，是个极端严肃而正经的人。所以，依靠他不同凡俗的外表与学识风度，总能在调查寻访过程中克服对方的冷漠与怀疑，得到采访人的信任。因此，只要有可能，马斯特斯就先请中间人提前代表他作初次接触。如果自己要去陌生的地方，就会通知警察他在干些什么。通过筛选，马斯特斯从她们中招收了少数人参加了后来的实验室研究，并把她们根据性经验提供的一些性技巧，成功地运用到后来的性治疗案例中。马斯特斯从实验调查中发现，从生理上来说，妓女都不太正常。因为他几乎很难找到一个拥有正常骨盆，且骨盆区域不过分充血的妓女，因为她们的器官总是因过度使用而扩张。他在走访中也顺便纠正了以往人们在这一领域的偏见，比如外界普遍认为妓女不会有真正的快感，妓女几乎都是同性恋，她们出卖自己身体的目的，无一例外都是为了钱。但是马斯特斯通过走访调查发现，某些妓女的第二动机，其实是性渴望。渴求理解科学研究的合作人1956年12月，一位特殊的性行为合作人弗吉尼亚·约翰逊出现了。约翰逊是一位朴素的密苏里人，她学过音乐和社会学，做过广告和管理研究，还有商业写作经验。离了婚的约翰逊有两个子女，她从小在农场长大，从没有人告诉她月经或任何类似事情。并且，约翰逊看上去温柔漂亮，雾蒙蒙的褐色眼睛里储存着热情的火花。马斯特斯一眼看中了她。尽管约翰逊当时对性科学一无所知，但她已下决心献身于这一科学研究。（后来这两位性学大师结成终身伴侣，但据说晚年离异）。在实验过程中，许多人对马斯特斯和约翰逊提出了种种指责。因为，这种性行为表面看来是在以科学研究之名展开的，但事实上，在明亮的灯光下，在其他人的注视下，身旁还有各种仪器不停运转、摄影机也逐渐靠近，实验双方的行为其实是非常有压力的。因为，毕竟，人们会思考：这样的实验，以及眼前实验者的行为结果，究竟对普通人有什么意义和价值？是否值得这样做？而周围围观的研究者到底是不是窥淫癖，还是什么其他心理上古怪不健康的人？面对实验团队的质疑，以及外界的流言蜚语，马斯特斯和约翰逊并未过多关注，而是坚持完成自己既定的实验行为。两人除了将自己的性行为过程和体验，以及各项数据完整记录下来，还研究了将近382名女性和312名男性受试者的，以各种方式进行的性行为，以及他们所达到的上万次高潮，并使用精密仪器对各种性反应过程进行了详细的数据记录。在详实而具体的实验数据和资料基础上，两人冒着被社会舆论指责的风险，发表了一篇又一篇的性学研究报告，而这些性学报告对学术界造成了一次又一次的冲击。性学实验的历史性贡献天道酬勤，实验团队的辛勤付出最终获得了巨大的成功。马斯特斯与他的团队以客观详实的实验和独家结论，改变了当时人们的观念。在他们的不懈努力下，人类性行为终于揭开了它神秘的面纱：1. 人们开始愿意公开讨论性；2. 不仅充分肯定性对婚姻的重要作用，还破天荒地出现了夫妇同时接受治疗的事；3. 大多数医学院开始设置有关性行为的课程；4. 研究人员通过进一步实验，确定了人类的性反应周期；5. 证实了女性也同样拥有欲望和高潮；6. 修正了导致“羊尾”的精神病学说；7. 肯定了不同姿势的行为的正常性；8. 认识到人类手部运动并非有害，某种程度上是人的自我拯救与纾解。而以上种种研究结论，悉数都记录在马斯特斯的性学著作《人类性反应》一书中。- The End -作者 | 神奇小小编辑 | 一粒米第一心理主笔团 | 一群喜欢仰望星空的年轻人参考资料：《Human Sexual Response》Lalasz, C. B.; Weigel, D. J. (2011). "Understanding the relationship between gender and extradya dic relations: The mediating role of sensation seeking on intentions to engage in sexual infidelity". Personality and Indivial Differences. 50 (7): 1079–1083. doi:10.1016/j.paid.2011.01.029.

图片来源网络，非内文人物海伦·费舍尔（Helen Fisher），美国生物人类学家、金赛性学研究所资深研究员，以研究性、爱和婚姻出名，她在TED上关于爱情的演讲，点击量超过千万。今年3月，她的新书《我们为何结婚，又为何不忠》在中国出版。她分析了80多个国家的离婚数据；42种文化中外遇出轨行为的起因；还把100多个不同种族的人塞进大脑扫描仪里。我们电话采访了海伦·费舍尔博士，并采访了3个发生在中国、日本的现代婚姻故事。我们为何明明深爱，却依然会出轨？为何我们在婚后第4年扎堆离婚，而且多数带有幼子？从生物学角度，维护亲密关系有什么新思路？一夫一妻制落后了吗？婚姻制度会变得更加多元吗？撰文 | 倪楚娇图片来源网络，非内文人物身处无性婚姻，在老公的默许下，我有一个长期“男友”……喵喵，女，29岁，上海人，结婚4年我以前是一个挺传统的人，从小没人给我普及性教育或者婚姻观，我也从来不知道性对于婚姻是重要的，直到我经历了无性婚姻……我和老公是大学同学，是彼此的初恋，毕业后就结婚了。学生时代，我们血气方刚，会去开房，会钻小树林。只是我从来没有高潮过，他时间也不长。他告诉我，调查显示大部分女性是没有高潮的。因为是初恋，我也没有对比，所以就觉得正常。（事后想来，如果当初能同居一段时间，或有更多恋爱经验，我也能更了解自己和婚姻的真谛吧。）他是互联网行业的，婚后一直加班，可能真的很累，压力也大。每次做爱都间隔超过一个月，去年一年只有2次，疫情期间做了两次，也算是进步了。我老公的观念是比较开放的，结婚以后来到上海，这里的整体环境也是开放的，所以我也受到了影响。在性爱上，我成了主动的那方。每次，我主动要求做爱的时候，他通常会像小女生一样说：“不要。”时间久了，老公就跟我说：“性是人类的本能。既然我满足不了你，那你可以去找其他人，不要怀孕就好了。”我当时都傻眼了。我一再地问他，到底介不介意。他就说：“你真的想去做的话，就不要一直问。”摄影：敏子同学图片来源网络，非内文人物第一个“男友”是我在工作中认识的。刚好是万圣节前夕，两个人做完公司的活动就聊了起来，还一起去了鬼屋。在鬼屋里自然就有了一些肢体接触，后面他就说喜欢我。当天晚上就去开房了，我说我已经结婚了，下次吧。他说：“下次就没机会了。”就这样子，发生了关系。摄影：ZW711图片来源网络，非内文人物我和我老公是无性婚姻这件事，我告诉过我妈。她就问我：“是不是不能生小孩？”我就说，要生肯定能生。我妈就说：“那你生两个小孩带，就没关系了。”我就说我一辈子不是说为了生小孩，我觉得应该要享受这个权利的。后来我就下载了“探探”，我跟他们讲清楚我是已婚的，只是出来找个固定的伙伴。希望对方比较干净，不要太多经验，不能老，不能丑，不能胖。现在有一个相对稳定的对象，他的女友在国外工作。我感觉自己变了，对老公的愧疚感在减少。我和老公非常认真地谈过，也告诉过他如果得不到解决，我会考虑离婚的。后来我发现他有在努力做改变，比如在减肥，听说肥胖会影响性欲。然后虽然性上依然不行，但他会像谈恋爱时一样，经常约我出去吃饭。我觉得有在变好，他依然很爱我，对我的家人也很好，将来也能成为好父亲，所以就不考虑离婚了，打算明年和老公要个孩子。图片来源网络，非内文人物我离婚两次，有2个孩子，还是要提高收入，幸福全靠自己Christina，34岁，女，上海，人力资源我今年34岁，目前单身，有两个孩子，之前结了两次婚，也离了两次。现在我一个人住着，房子刚装修完，觉得很好。前不久，我和比自己小14岁的男友分手了，我觉得可以多多享受恋爱，但幸福还是要靠自己吧。25岁第一次结婚时，其实对婚姻没有什么概念。只是说时间到了，对方也没有什么大的问题，父母也没有阻拦，就结了。我的第一任爱人条件特别差，结婚后我住在他们上海外环的宿舍里。我每天要去市里上班，单程一个半小时的通勤。他对我非常不好，当时我收入也不高，所以没啥底气。最初是觉得他还比较聪明，是有前景的，但后来就非常失望。很偶然，我就认识了第二任老公，他的总体条件都比较好，在上海有三套房子，对我也好。一经对比，我才知道我的老公对我有多糟糕。我当时还没离婚，就有点精神出轨。我很快就和前夫说了这件事，然后搬了出去，在市区租了一个小房子生活。但他拖了我半年，就是不肯办手续。后来还是我们的大学老师出面调停，才离了婚。28岁的时候我和第二任丈夫结婚了，他的父母一直不知道我离过婚。结婚第二年我们就生了一对双胞胎。生完孩子以后，我有种完成了任务的感觉，觉得可以以比较男性化的身份进入职场，好好搏一下了。在孩子两岁半的时候，我就辞掉了原来公务员的工作，转行做HR。老板比较赏识我，让我做到了中层偏高一点，收入从3000多元变成了13000多元。图片来源网络，非内文人物日子一直过得很有声色，没想到去年7月，我发现他出轨了，而且这已经不是第一次了。我当时就问了自己一个问题：以后这种提心吊胆的日子还想不想过了？我妈当年跟我爸很多年，就过这种每天准备捉奸的日子，我看得太清楚了，不想像她那样活着。我就把自己的感情关闭掉，立马着手离婚。那天从发现小三的短信、断定他出轨、决定离婚、拿到录音证据、咨询律师、做好要房子不要孩子的决定（他们全家都在上海，照顾孩子更方便）、拟好离婚协议、让他签字，一共6个小时。期间，我还哄睡了自己4岁的儿子。我也在想，他为什么会出轨，可能就是照顾孩子们太辛苦，而我一直在成长，他不太爱变化。他还是喜欢当年小女孩的那个我吧。我觉得婚姻就是一个协议、合同。签了它，对方就可以在你做手术的时候签字，你甚至把自己的生命处置权一定程度赋予了他，代价很大。我有一个小我9岁的亲妹妹，她非常渴望有一个孩子。但我觉得她并不适合婚姻，我建议她借精生子，并不一定非要进入一个婚姻关系。这次离婚以后，我觉得婚姻不是必要的，但可以多谈恋爱。然后我一直在保持学习，最近也在筹备法考，我觉得我的人生在慢慢往上走，我要对所有人负责。西山一家“最后我们选择3个人一起生活”西山嘉克，男，39岁，日本人，艺术家我们的家很特别，由我、两个女友、6个孩子组成。我主要负责赚钱养家。一个女友叫西山由香里，今年39岁，她主要负责打扫、换洗。另一个是西山裕子，今年43岁，主要负责做饭和照顾孩子。9年前，我还只有一个老婆。当时我和由香里是一对夫妻，而裕子是我工作上的伙伴。因为工作上经常有接触，我就渐渐对裕子产生了好感。我当时其实很困惑，不知道该怎么处理，一方面不想隐瞒、伤害妻子，一方面也不想欺骗自己。西山一家我朋友就和我说，我其实也没有做出什么有悖人伦的事情，可以和妻子实话实说。我就和由香里坦白了。她虽然十分惊讶，但也能理解这种工作上的日久生情。我也把自己的心意告诉了裕子。我当时就想，如果被拒绝就可以彻底放下，继续现在的生活了。后来裕子告诉我说，她一开始是想要拒绝的，觉得对由香里太不公平了，但又很羡慕我和由香里之间的相处模式。我们每天都会聊天到很晚，什么都彼此分享，但她和前夫之间就不会这样交流。所以她就告诉我：“我也喜欢你。”接下来的三个月，我们每个人都很迷茫。经常是一边哭一边吵，一边寻找解决办法。由香里从来没想过要和我离婚然后离开，我也还爱着由香里……最后我就提出了一个想法——三个人一起过。这种模式我们谁都没试过，肯定会有很多问题，但三个人都决定要试试。因为我们都觉得，哪怕结了婚，一方也不是另一方的所有物，我们就想要一起去探索，婚姻到底应该是什么样子。为了绝对平等，我先和由香里离婚、又和裕子结婚并再次离婚，我们的孩子都跟着我姓。法律上是不承认我们这种家庭的，但我们自己心里认同家庭的存在。西山一家8年前，我们一起搬到了日本佐贺県的深山里开始了隐居生活。我和由香里生下了两个孩子，和裕子生下了三个孩子，还有一个11岁的大儿子是裕子和前夫所生。因为在深山了，所以接生只能靠彼此。由香里和裕子就互相接生，成了生死之交。孩子的出生，加深了我们三个的关系。当然会有嫉妒。裕子有过非常多的嫉妒，痛苦了有三四年，反而是由香里先想开了。裕子说过很多次要离开，但其实我们都保持开放的态度，留下也很好，离开也很好。西山一家公用的日程本我平时会做一些书法创作，在全国各地进行活动、售卖作品，以此赚钱。这也是家庭的主要经济来源。所有财产都是公共的，钱都归由香里管着。谁能赚钱就把所得放到三人的共同账户上，每一笔钱花在哪里三个人都要知道。比如，想买衣服要向其他两个人报备。裕子和由香里的性格很不同。裕子性子很急、容易生气；而由香里的性格很温和，几乎从来不吵架。一旦我们中有2个人开始吵起来，第三个人就会来调解。由香里打过一个比喻，当初和我过日子，时间久了可能会像老爷爷老奶奶一样没有刺激感，但有了裕子就不一样了。之前就像坐旋转木马，现在像是过山车一样，人生有了变化，这样很有趣。社会对我们家庭有很多负面的评价，有人写信来说我们的孩子很可怜，老婆也很可怜，到头来最可怜的会是我自己。但这是我们自己的选择，我们还是会过好每一天，因为知道一家人的心在一起，就不会害怕。我们现在一致觉得婚姻状态可以三年更新一次。三年后大家都有选择权，如果都觉得生活很开心，就继续在一起；如果到时候双方都遇到了更适合的人，或者对这段关系失去了信心，那么就互相感谢三年来的付出和陪伴，就此别过。海伦·费舍尔博士《我们为何结婚，又为何不忠》的作者“这书名绝了，简直是灵魂之问。”一位读者在豆瓣上这样评价《我们为何结婚，又为何不忠》。从书里的一些数据看，有大约 20~40%的已婚男性和20~25%的已婚女性曾有过婚内出轨历史。而那些正处在热恋阶段的情侣中，约70%的人承认自己曾有过不忠行为。而另有一篇报告称：出轨的人当中，56%的男人和34%的女人说，依然觉得自己的婚姻很幸福。我们的大脑对不忠非常宽容作为生物人类学家，海伦·费舍尔并不满足于出轨者给出的种种表面原因：“老公出差了，我觉得很寂寞”、“我有点厌倦自己的妻子了”……她也不认为所有的问题都该归咎到原生家庭上。她认为，我们的大脑既然早在百万年前就已形成。那人类不忠的秘密，就可以从祖先和动物身上找到答案。她观察、研究了鸟类、哺乳类动物；走遍全球110个国家，和地球上现存的狩猎采集社会一起生活了数月。她还给来自世界各地的100多个人做了脑部扫描，发现人类进化出了三种引导求偶和繁衍的脑系统。一种控制性欲，一种反射浪漫爱情，另一种掌管深深依恋的情绪。这三套系统彼此有互动，有影响，但并不完全同步。你可以对A有性欲，对B有爱情，对C有依恋。从生物学上看，“脚踏几条船”是可行的。而从达尔文的进化论角度来看，出轨更利于繁衍后代，而繁衍是动物本能。男人如果出轨，就能生下更多的孩子。女人也能通过出轨，为自己和孩子获得更多的食物和保护。因此滥情的人普遍子嗣更多，这种基因便一代代传递了下来。既然如此，为何又要有一夫一妻呢？自从人类的祖先从树上下来，孩子就成了女性的负担，一旦生育了孩子，女性便不能独立外出觅食，必须依靠丈夫的照顾，这便逐渐演化出了一夫一妻制。所以说几百万年来，我们发展出了一种双重繁衍策略：既坚持一夫一妻制，又不忘偷情出轨。图片来源网络，非内文人物现代人的离婚蓝图，2/3的离婚由女性提出很多人都听过“七年之痒”的说法，之所以流行是因为玛丽莲·梦露主演的电影《七年之痒》。但其实，婚姻出现问题的时间比这个更早。海伦·费舍尔博士分析了由联合国统计局在2012年发布的年鉴，里面包含了80个国家的离婚数据。她发现人们的平均婚姻年数确实为7年，但最多人离婚的时间却是在第4年。“我当时特别难过，我本来是想要验证7年之痒的。这可能是我整个职业生涯中，第一次想要篡改数据，当然我没那么干。”她一共找到了3个现代离婚的趋势：1. 奔三和30岁出头的夫妻离婚风险最高。2. 离婚通常发生在婚姻早期，婚后3到4年达到高峰。3. 离异时都带有幼子。海伦·费舍尔认为，当孩子到了3、4岁左右便脱离了最危险的时期，可以和其他的孩子或者亲人建立联系，不再那么依赖父母。如果这段婚姻并不理想，夫妻就会在此时选择离婚。说到造成婚姻不稳定的主要因素，最重要的一条可总结为四个字:职业女性。大约有2/3的离婚由女性提出，虽然这无法判断是谁把谁抛弃了，但至少可以证明一点：随着女性进入职场，她们越来越有底气结束一段差的婚姻了。多数人在首次婚姻破碎之后还会再婚，离婚与再婚是一种普遍趋势。我们似乎都相信，下一位会更好。图片来源网络，非内文人物一夫一妻适合未来吗？人类从来都不曾停止过对不同婚恋模式的探索。海伦·费舍尔博士在书里，记录了人类尝试过的多种婚恋模式：一夫多妻、一夫一妻、群婚、复数恋爱等等。在美国，这几十年来有大批“性公社”不断涌现，也就是所谓的群婚。最经典的例子当属19世纪的奥奈达社区。这个公社在鼎盛时期，有超过 500 名男女、儿童生活在其中。所有人都住在一栋名叫 “府邸”的楼里。每个成人都有自己的房间，但其他一切均需要共享，甚至是带进“公社”的孩子、所穿的衣服，乃至性伴侣。如果你只爱上了一个人，这是自私而可耻的，人人都有义务与其他人性交。但是，社区成员之间矛盾日深。年轻男子被要求与年长妇女做爱，而社区的领袖却能行使“初夜权”。最后，人们揭竿而起，社区分崩离析。这个实验最有趣的地方在于：无论多么专断独裁，都无法阻止男女之间萌生爱意，不管发明多少“公社”，家庭总还是会悄悄地回来。现在也有复数恋爱的形式，一个人同时和多个人恋爱、发生性关系，并保持平等、透明的相处模式。海伦·费舍尔曾在网站上做了一个问卷测试，发现有68%的人能够理解并且接受这种方式，但只有6%的人曾经这样做过。“我认为这是非常难的一件事情，因为人会嫉妒。而嫉妒这种情绪，是几百万年来人类进化出来的，用来维持一夫一妻制度的情绪。”图片来源网络，非内文人物一夜情、同居、婚前协议：我们在变得越来越谨慎“我坚信，在人类进化过程中，我们最有机会结成恩爱伴侣的时刻，就是现在。”海伦·费舍尔说。在这个离婚率居高不下的年代，她最欣赏的是千禧一代（82年~99年出生的人）。“在他们的成长过程中，有些见证了自己父母的离婚，也见证了这个世界疯狂的变化。而且大部分是家里的独生子女，压力非常大，也因此更谨慎。他们花了很多时间完成教育，拼搏事业。为了在结婚前了解对方也了解自己，会和很多人约会，也会有婚前性行为，会进行爱情长跑。他们不会在20岁出头就结婚，而是接近30岁。我认为这是谨慎的。数据显示，你越晚结婚，你的婚姻就越稳定。这就是千禧一代人在做的事情。”一夜情、炮友、同居、婚前协议的出现，都说明了当今世人普遍保持的谨慎态度。在过去，婚姻是共同生活的开始；如今却成了结局。图片来源网络，非内文人物关于亲密关系的新思路“有一些人听完我的演讲，跑过来和我说，既然出轨是人类的本能，那就说明不是我的错呗？当然不是，本能不能成为借口。我只是试图解释这么多人出轨的原因，而不是给你提供一个借口。21世纪男女关系最大的问题是，我们如何处理相互冲突的欲望。”海伦·费舍尔说。关于如何维护好亲密关系，心理学家可能会给一些建议，比如不要动不动就提离婚，要多倾听，多妥协。“这些都没错，但是让我来给你一个新的思路，首先要让大脑中的那3个系统运转起来。”1. 一定要做爱，做爱对你有好处。大脑中负责性爱的区域一旦调动起来，就会驱动浪漫爱情的产生，也会增加依恋感，然后就会让你想做更多的爱。生殖器的任何刺激都会驱动大脑中的多巴胺系统，从而让你对某个人产生深深爱，然后高潮再加上催产素液，会激发依恋感。所以一定要有计划地去做爱，再忙也要列个时间表给它。2. 如果要维持浪漫的感觉，就要和另一半一起去做些新鲜的事情，比如读一本新书，看一部新的电影，在家里不同的区域做爱，骑车去饭店而不是开车，去没去过的地方度假……3. 关于增进依恋感，可以试着走路的时候手牵手，学习在另外一个人的臂弯里睡觉，所有的抚摸、按摩都能激发催产素的产生，从而形成依恋感。摄影：ZW711“另外，我们扫描了中国和纽约一些拥有长期幸福关系的人，发现他们的4个脑部区域尤其活跃，也就是说，拥有这4种能力就可以获得稳定的关系。”1.共情的能力。2.能控制和调节自己的压力、情绪。3.能忽略所有负面的东西，只关注积极的一面。4.说好话，这不仅能让对方愉快，还能提升自己的免疫力。“以上7点，就是大脑透露给我们的秘密。”部分图片来源网络，均已购买版权

任冉/卫生部门He汀是一种具有良好抗炎作用的降脂药物，被认为是COVID-19的辅助治疗药物。然而研究表明他的汀药物可能通过诱导ACE2表达而增加风险。新型冠状病毒Castiglione和他类汀类药物的免疫调节作用表明，他们可能有助于对抗新的冠状病毒感染，Castiglione，等等；抗炎，哈利利，Fedson，等等。。然而这些药物已经被证明可以增加血管紧张素转换酶2（ACE2）的表达。因此迫切需要直接的临床证据来回答his汀类药物对住院COVID-19患者是否有害或有益的问题。的研究表明，感染ACEI抑制剂或ARB（ACEi/ARB）的患者比没有ACEI抑制剂或ARB的患者有更低的28天全死亡风险（Zhang等人，）。然而联合治疗对COVID-19个体的影响尚未被研究。为了解决这些重要的临床问题，我们进行了迄今为止规模最大的回顾性队列研究之一，作者强调这是一个回顾性研究，在许多方面都有其局限性，为了前瞻性地研究其他汀药物对COVID-19结果的影响，迫切需要进一步的研究。首先，结论如下对13981例COVID-19例中国湖北省患者进行回顾性研究，其中1219例接受他汀类药物治疗。根据倾向评分匹配后的混合效应Cox模型，我们发现匹配他汀类和非他汀类药物组28天全的死亡率分别为5.2%和9.4%，风险比调整为0.58。在Cox时变模型和边缘结构模型分析中也观察到他汀类药物的低死亡风险。研究概况：图1，概述参与者参与、排除和纳入标准的示意图。297名没有高血压病史或有高血压但没有服用抗高血压药物的参与者被排除在亚组分析之外。分析包括来自中国湖北省21家医院的13981例确诊病例。其中1219人在医院使用了他的汀药物组，其余12762人没有接受他的汀药物治疗（非他汀药物组）胸部CT显示汀组双侧病变较非汀组更常见（89.5%比83.7%，P入院时，his汀组的LDL（LDL-C）和总胆固醇（TC）比非他汀组更频繁地增加。在整个住院期间，两组的血脂水平相似。与非汀组相比，使用其他汀药物治疗的患者从症状出现到住院的天数更长，平均随访天数也更长。图2，PSM和非汀组的生存曲线在PSM队列中，汀组的死亡率（IR，0.20例/100人日；死亡率5.2%）显著低于IR，0.37100人·天）。死亡率为9.4%。对于COVID-19的次要终点，我们分析了他汀类药物的使用与有创机械通气、ICU、ARDS、感染性休克、急性肝损伤、急性肾损伤和急性心脏损伤的发生率之间的关系。经PSM校正基线差异后，his汀组有创机械通气发生率仍低于非他汀组（aHR，0.51；95%CI，0.34-0.78，P=0.002）。在PSM队列中，他的汀类治疗与其他次要结果（如急性肾损伤、肝损伤和心脏损伤）和血清CK或转氨酶水平升高无关。图3住院期间他汀类与非他汀类炎症因子的动态变化在基线差异匹配的受试者中，CRP的动态轨迹在入院后均呈下降趋势，在整个住院期间，his汀吸毒者的CRP动态水平较低。在整个随访期间，his汀组的IL-6水平低于非他汀组。同时，在住院期间，his汀药物组中性粒细胞计数动态曲线较非汀组有更显著的下降趋势。此外，为了消除审查制度或死亡造成的任何文物，对活着的参与者进行了分析。当在28天的随访期内死亡的人被排除在每组之外时，这种趋势是相似的。

撰文 | 唐小糖COVID-19自爆发以来已对全球公共卫生安全、社会稳定以及经济发展造成重大影响，世卫组织预测全球感染人数将会超百万人。近日，来自复旦大学姜世勃、纽约血液中心杜兰英和Christopher Hillyer三位研究者在Cell出版社的Trends in Immunology期刊上发表了一篇Review，对抗SARS-CoV-2和其他人冠状病毒的中和性抗体（nAbs）进行了全面总结。SARS-CoV-2感染主要导致肺炎和上/下呼吸道感染，主要的临床症状是发烧和咳嗽，但也伴随其他症状如呼吸急促、肌肉疼痛、头痛、喉咙痛甚至急性呼吸窘迫综合征以及多器官衰竭。对于患有糖尿病、高血压或心血管疾病等基础合并症的老年人，SARS-CoV-2感染可能更容易导致严重和致命的呼吸道疾病。目前为止，SARS-CoV-2对儿童的影响一直比较温和。病毒可以通过飞沫传播和接触传播。在感染期间，其S蛋白的S1亚单位的受体结合域（RBD）与宿主细胞表面受体ACE2结合，使S2亚单位构象改变，进而促使病毒和细胞进行膜融合侵入靶细胞，并在靶细胞内进行复制（图1A）。图1. 高致病性人冠状病毒的生命周期和抗病毒中和抗体由病毒或疫苗诱导产生的nAbs在抗病毒感染过程中起着至关重要的作用。对SARS-CoV和MERS-CoV的nAbs的研究主要包括单克隆抗体（mAbs）、其抗原结合片段（Fab）、单链可变区片段（scFv）或单域抗体（Nbs），他们通过靶向S1-RBD、S1-NTD或者S2区来阻止S2亚单位介导的S1-RBD与宿主细胞的膜融合，进而抑制病毒感染，SARS-CoV和MERS-CoV的这些nAbs的靶点和机制如图1B所示，有代表性的SARS-CoV和MERS-CoV的RBD特异性nAbs如表1所示，目前还没有SARS-CoV-2特异性的nAbs被报道。表1. SARS-CoV和MERS-CoV的RBD特异性nAbsSARS-CoV nAbs所有的抗SARS-CoV的抗体都是针对其S蛋白，大部分是RBD区域，也有S2区或是S1/S2裂解部位。例如，从SARS-CoV感染的患者中分离出来的mAbs如S230.15和m396，可以通过与病毒RBD区相互作用阻止RBD与ACE2受体结合进而改善人和果子狸的感染情况。其他的人mAbs如S109.8和S227.14对人、果子狸和狗感染均有交叉中和活性，可以保护小鼠免受四种不同的SARS-CoV毒株感染。人nAb 80R（scFv或mAb）也可以通过阻止RBD与ACE2结合而具有中和作用。尽管有很多nAbs在细胞中或动物模型中显示出很强的中和性和保护性，但仍然没有进入临床研究，所以这些抗体是否对SARS-CoV-2具有潜在的交叉中和活性还需更深入的研究。MERS-CoV nAbs此前有很多MERS-CoV特异性的nAbs被报道，大部分也都是靶向S蛋白的RBD区域，有小部分靶向S1-NTD和S2亚单位。在这些nAbs中，人mAbs或Fabs（从患者分离出的MERS-27、m336、MERS-GD27和MCA1）、人源化mAbs（hMS-1、4C2 h）、小鼠mAbs（从小鼠分离出的Mersmab1、4C2和D12）和Nbs（从骆驼分离出的HCAb-83和NbMS10-Fc）均识别RBD区域，可以中和假病毒或活病毒感染。一些人分离出的或人源化的mAbs和Nbs可以保护小鼠、兔子或猴子免受MERS-CoV感染。目前为止，只有一个从转基因牛分离出的MERS-CoV nAb（SAB-301）进入临床一期试验。这些抗体是否对SARS-CoV-2具有潜在的交叉中和活性同样需更深入的研究。SARS-CoV-2 nAbs近期，从SARS-CoV-2感染的康复病人体内分离出的多克隆抗体已经被用于治疗SARS-CoV-2感染，但还没有SARS-CoV-2特异性的nAbs被报道。研究者正在努力试图寻找具有中和作用的nAbs，找到之后下一步将进行体外的中和或交叉中和实验以及体内的动物保护试验，检测其安全性和有效性为进入临床试验做准备。SARS-CoV-2与SARS-CoV密切相关，并且其S蛋白具有高度同一性，研究人员试图在SARS-CoV nAbs中寻找具有潜在交叉中和活性的抗体以对抗SARS-CoV-2感染。值得注意的是，SARS-CoV RBD特异性的人中和mAb CR3022，可以与SARS-CoV-2的RBD区结合，但中和性未知。此外，康复的SARS患者血清或SARS-CoV S1特异性的动物血清可以交叉中和SARS-CoV-2感染。SARS-CoV RBD特异性多克隆抗体与SARS-CoV-2 RBD蛋白也可以发生交叉反应，在表达ACE2的HEK293T细胞中可以交叉中和SARS-CoV-2感染，为针对SARS-CoV RBD疫苗的开发提供了一定的策略。在目前缺乏SARS-CoV-2特异性疫苗和抗体的情况下，靶向SARS-CoV RBD的nAbs也有用于预防和治疗SARS-CoV-2感染的潜力。基于SARS-CoV和MERS-CoV的nAbs的研究，靶向S蛋白RBD区域的抗体在中和方面具有更好的效力，暗示SARS-CoV-2的RBD区域应当作为研究重点，除了RBD区域，与S蛋白的其他区域的特异性抗体的鸡尾酒组合可能提高效力和具有应对突变株的能力。康复者血清被用以治疗COVID-19，但要谨慎靶向非RBD区的非中和抗体带来的抗体依赖增强（ADE）现象。总的来说，SARS-CoV和MERS-CoV的nAbs研究为SARS-CoV-2的特异性抗体设计和发展提供重要的指导作用。制版人：珂

雷锋网 AI 科技评论按：本文为 BIGSCity 的知乎专栏内容，作者王小贱。北航智慧城市兴趣组 BIGSCITY是隶属于北京航空航天大学计算机学院的一个学术研究小组，小组致力于研究机器学习与数据挖掘在城市科学、社会科学等领域的交叉应用技术。AI 科技评论获得 BIGSCity 授权转载，敬请期待更多后续内容。非常开心本文成为 BIGSCity 兴趣组的第一篇投稿，《深度学习的可解释性研究》系列预计包含 3-4 篇内容，用尽可能浅显的语言带领大家了解可解释性的概念与方法以及关于深度学习可解释性工作的研究成果，不定期更新内容（欢迎催更）。可解释性是什么？广义上的可解释性指在我们需要了解或解决一件事情的时候，我们可以获得我们所需要的足够的可以理解的信息。比如我们在调试 bug 的时候，需要通过变量审查和日志信息定位到问题出在哪里。比如在科学研究中面临一个新问题的研究时，我们需要查阅一些资料来了解这个新问题的基本概念和研究现状，以获得对研究方向的正确认识。反过来理解，如果在一些情境中我们无法得到相应的足够的信息，那么这些事情对我们来说都是不可解释的。比如刘慈欣的短篇《朝闻道》中霍金提出的「宇宙的目的是什么」这个问题一下子把无所不知的排险者卡住了，因为再高等的文明都没办法理解和掌握造物主创造宇宙时的全部信息，这些终极问题对我们来说永远都是不可解释的。而具体到机器学习领域来说，以最用户友好的决策树模型为例，模型每作出一个决策都会通过一个决策序列来向我们展示模型的决策依据：比如男性&未婚&博士&秃头的条件对应「不感兴趣」这个决策，而且决策树模型自带的基于信息理论的筛选变量标准也有助于帮助我们理解在模型决策产生的过程中哪些变量起到了显著的作用。所以在一定程度上，我们认为决策树模型是一个具有比较好的可解释性的模型，在以后的介绍中我们也会讲到，以决策树为代表的规则模型在可解释性研究方面起到了非常关键的作用。再以用户最不友好的多层神经网络模型为例，模型产生决策的依据是什么呢？大概是以比如 1/(e^-(2*1/(e^(-(2*x+y))+1) + 3*1/(e^(-(8*x+5*y))+1))+1) 是否大于 0.5 为标准（这已经是最简单的模型结构了），这一连串的非线性函数的叠加公式让人难以直接理解神经网络的「脑回路」，所以深度神经网络习惯性被大家认为是黑箱模型。17 年 ICML 的 Tutorial 中给出的一个关于可解释性的定义是：Interpretation is the process of giving explanations to Human.总结一下就是「说人话」，「说人话」，「说人话」，不以人类可以理解的方式给出的解释都叫耍流氓，记住这三个字，你就差不多把握了可解释性的精髓所在。我们为什么需要可解释性？广义上来说我们对可解释性的需求主要来源于对问题和任务了解得还不够充分。具体到深度学习/机器学习领域，就像我们上文提到的多层神经网络存在的问题，尽管高度的非线性赋予了多层神经网络极高的模型表示能力，配合一些堪称现代炼丹术的调参技术可以在很多问题上达到非常喜人的表现，大家如果经常关注 AI 的头条新闻，那些机器学习和神经网络不可思议的最新突破甚至经常会让人产生 AI 马上要取代人类的恐惧和幻觉。但正如近日贝叶斯网络的创始人 Pearl 所指出的，「几乎所有的深度学习突破性的本质上来说都只是些曲线拟合罢了」，他认为今天人工智能领域的技术水平只不过是上一代机器已有功能的增强版。虽然我们造出了准确度极高的机器，但最后只能得到一堆看上去毫无意义的模型参数和拟合度非常高的判定结果，但实际上模型本身也意味着知识，我们希望知道模型究竟从数据中学到了哪些知识（以人类可以理解的方式表达的）从而产生了最终的决策。从中是不是可以帮助我们发现一些潜在的关联，比如我想基于深度学习模型开发一个帮助医生判定病人风险的应用，除了最终的判定结果之外，我可能还需要了解模型产生这样的判定是基于病人哪些因素的考虑。如果一个模型完全不可解释，那么在很多领域的应用就会因为没办法给出更多可靠的信息而受到限制。这也是为什么在深度学习准确率这么高的情况下，仍然有一大部分人倾向于应用可解释性高的传统统计学模型的原因。不可解释同样也意味着危险，事实上很多领域对深度学习模型应用的顾虑除了模型本身无法给出足够的信息之外，也有或多或少关于安全性的考虑。比如，下面一个非常经典的关于对抗样本的例子，对于一个 CNN 模型，在熊猫的图片中添加了一些噪声之后却以 99.3% 的概率被判定为长臂猿。在熊猫图片中加入噪声，模型以 99.3% 的概率将图片识别为长臂猿事实上其他一些可解释性较好的模型面对的对抗样本问题可能甚至比深度学习模型更多，但具备可解释性的模型在面对这些问题的时候是可以对异常产生的原因进行追踪和定位的，比如线性回归模型中我们可以发现某个输入参数过大/过小导致了最后判别失常。但深度学习模型很难说上面这两幅图到底是因为哪些区别导致了判定结果出现了如此大的偏差。尽管关于对抗样本的研究最近也非常火热，但依然缺乏具备可解释性的关于这类问题的解释。当然很多学者对可解释性的必要性也存有疑惑，在 NIPS 2017 会场上，曾进行了一场非常激烈火爆的主题为「可解释性在机器学习中是否必要」的辩论，大家对可解释性的呼声还是非常高的。但人工智能三巨头之一的 Yann LeCun 却认为：人类大脑是非常有限的，我们没有那么多脑容量去研究所有东西的可解释性。有些东西是需要解释的，比如法律，但大多数情况下，它们并没有你想象中那么重要。比如世界上有那么多应用、网站，你每天用 Facebook、Google 的时候，你也没想着要寻求它们背后的可解释性。LeCun 也举了一个例子：他多年前和一群经济学家也做了一个模型来预测房价。第一个用的简单的线性于猜测模型，经济学家也能解释清楚其中的原理；第二个用的是复杂的神经网络，但效果比第一个好上不少。结果，这群经济学家想要开公司做了。你说他们会选哪个？LeCun 表示，任何时候在这两种里面选择都会选效果好的。就像很多年里虽然我们不知道药物里的成分但一直在用一样。但是不可否认的是，可解释性始终是一个非常好的性质，如果我们能兼顾效率、准确度、说人话这三个方面，具备可解释性模型将在很多应用场景中具有不可替代的优势。有哪些可解释性方法？我们之前也提到机器学习的目的是从数据中发现知识或解决问题，那么在这个过程中只要是能够提供给我们关于数据或模型的可以理解的信息，有助于我们更充分地发现知识、理解和解决问题的方法，那么都可以归类为可解释性方法。如果按照可解释性方法进行的过程进行划分的话，大概可以划分为三个大类：1. 在建模之前的可解释性方法2. 建立本身具备可解释性的模型3. 在建模之后使用可解释性方法对模型作出解释在建模之前的可解释性方法这一类方法其实主要涉及一些数据预处理或数据展示的方法。机器学习解决的是从数据中发现知识和规律的问题，如果我们对想要处理的数据特征所知甚少，指望对所要解决的问题本身有很好的理解是不现实的，在建模之前的可解释性方法的关键在于帮助我们迅速而全面地了解数据分布的特征，从而帮助我们考虑在建模过程中可能面临的问题并选择一种最合理的模型来逼近问题所能达到的最优解。数据可视化方法就是一类非常重要的建模前可解释性方法。很多对数据挖掘稍微有些了解的人可能会认为数据可视化是数据挖掘工作的最后一步，大概就是通过设计一些好看又唬人的图表或来展示你的分析挖掘成果。但大多数时候，我们在真正要研究一个数据问题之前，通过建立一系列方方面面的可视化方法来建立我们对数据的直观理解是非常必须的，特别是当数据量非常大或者数据维度非常高的时候，比如一些时空高维数据，如果可以建立一些一些交互式的可视化方法将会极大地帮助我们从各个层次角度理解数据的分布，在这个方面我们实验室也做过一些非常不错的工作。还有一类比较重要的方法是探索性质的数据分析，可以帮助我们更好地理解数据的分布情况。比如一种称为 MMD-critic 方法中，可以帮助我们找到数据中一些具有代表性或者不具代表性的样本。使用 MMD-critic 从 Imagenet 数据集中学到的代表性样本和非代表性样本（以两种狗为例）建立本身具备可解释性的模型建立本身具备可解释性的模型是我个人觉得是最关键的一类可解释性方法，同样也是一类要求和限定很高的方法，具备「说人话」能力的可解释性模型大概可以分为以下几种：1. 基于规则的方法（Rule-based）2. 基于单个特征的方法（Per-feature-based）3. 基于实例的方法（Case-based）4. 稀疏性方法（Sparsity）5. 单调性方法（Monotonicity）基于规则的方法比如我们提到的非常经典的决策树模型。这类模型中任何的一个决策都可以对应到一个逻辑规则表示。但当规则表示过多或者原始的特征本身就不是特别好解释的时候，基于规则的方法有时候也不太适用。基于单个特征的方法主要是一些非常经典的线性模型，比如线性回归、逻辑回归、广义线性回归、广义加性模型等，这类模型可以说是现在可解释性最高的方法，可能学习机器学习或计算机相关专业的朋友会认为线性回归是最基本最低级的模型，但如果大家学过计量经济学，就会发现大半本书都在讨论线性模型，包括经济学及相关领域的论文其实大多数也都是使用线性回归作为方法来进行研究。这种非常经典的模型全世界每秒都会被用到大概 800 多万次。为什么大家这么青睐这个模型呢？除了模型的结构比较简单之外，更重要的是线性回归模型及其一些变种拥有非常 solid 的统计学基础，统计学可以说是最看重可解释性的一门学科了，上百年来无数数学家统计学家探讨了在各种不同情况下的模型的参数估计、参数修正、假设检验、边界条件等等问题，目的就是为了使得在各种不同情况下都能使模型具有有非常好的可解释性，如果大家有时间有兴趣的话，除了学习机器学习深度模型模型之外还可以尽量多了解一些统计学的知识，可能对一些问题会获得完全不一样的思考和理解。基于实例的方法主要是通过一些代表性的样本来解释聚类/分类结果的方法。比如下图所展示的贝叶斯实例模型（Bayesian Case Model，BCM），我们将样本分成三个组团，可以分别找出每个组团中具有的代表性样例和重要的子空间。比如对于下面第一类聚类来说，绿脸是具有代表性的样本，而绿色、方块是具有代表性的特征子空间。使用 BCM 学到的分类及其对应的代表性样本和代表性特征子空间基于实例的方法的一些局限在于可能挑出来的样本不具有代表性或者人们可能会有过度泛化的倾向。基于稀疏性的方法主要是利用信息的稀疏性特质，将模型尽可能地简化表示。比如如下图的一种图稀疏性的 LDA 方法，根据层次性的单词信息形成了层次性的主题表达，这样一些小的主题就可以被更泛化的主题所概括，从而可以使我们更容易理解特定主题所代表的含义。Graph-based LDA 中的主题层次结构基于单调性的方法：在很多机器学习问题中，有一些输入和输出之间存在正相关/负相关关系，如果在模型训练中我们可以找出这种单调性的关系就可以让模型具有更高的可解释性。比如医生对患特定疾病的概率的估计主要由一些跟该疾病相关联的高风险因素决定，找出单调性关系就可以帮助我们识别这些高风险因素。在建模之后使用可解释性性方法作出解释建模后的可解释性方法主要是针对具有黑箱性质的深度学习模型而言的，主要分为以下几类的工作：1. 隐层分析方法2. 模拟/代理模型3. 敏感性分析方法这部分是我们接下来介绍和研究的重点，因此主要放在后续的文章中进行讲解，在本篇中不作过多介绍。除了对深度学习模型本身进行解释的方法之外，也有一部分工作旨在建立本身具有可解释性的深度学习模型，这和我们前面介绍通用的可解释性模型有区别也有联系，也放到以后的文章中进行介绍。如果对本系列感兴趣或有疑问，欢迎私信交流。关于 BIGSCity北航智慧城市兴趣组 BIGSCITY 是隶属于北京航空航天大学计算机学院的一个学术研究小组，小组致力于研究机器学习与数据挖掘在城市科学、社会科学等领域的交叉应用技术。BIGSCITY 的研究兴趣包括：城市计算，时空数据挖掘，机器学习可解释性，以及 AI 在交通、健康、金融等领域的应用等。本专栏将介绍 BIGSCITY 的一些研究成果，不定期更新与课题组研究相关的研究工作介绍，以及介绍与 BIGSCITY 相关的一切有趣的内容。关于 BIGSCITY 的详细情况参见研究组主页：https://www.bigscity.com/参考文献1. Google Brain, Interpretable Machine Learning: The fuss, the concrete and the questions.2. Kim B, Koyejo O, Khanna R, et al. Examples are not enough, learn to criticize! Criticism for Interpretability[C]. neural information processing systems, 2016: 2280-2288.3. Kim B, Rudin C, Shah J. The Bayesian Case Model: A Generative Approach for Case-Based Reasoning and Prototype Classification[J]. Computer Science, 2015, 3:1952-1960.4. Doshi-Velez F, Wallace B C, Adams R. Graph-sparse LDA: a topic model with structured sparsity[J]. Computer Science, 2014.

一、教育部推荐课题（2017年）1、清洁能源发展现状调查及推广2、家乡生态环境考察及生态旅游设计3、食品安全状况调查4、家乡交通问题研究5、关注知识产权保护6、农业机械的发展变化与改进7、家乡土地污染状况及防治8、高中生考试焦虑问题研究9、社区管理问题调查及改进10、中学生网络交友的利与弊11、研学旅行方案设计与实施 12、考察当地公共设施二、综合性课题 （一）环境保护13、对十堰地区废电池回收情况的调查及建议14、十堰空气中SO2对土壤的负面影响及治理措施15、环保筷的开发与推广16、十堰地区空气污染现状及对策17、汽车尾气的治理及再利用18、关于城市垃圾资源化的设想与调查19、塑料及其回收利用20、光污染与光能节约（二）生活中的化学问题：21、农用生物肥22、新型建筑材料的开发与利用23、生命之源——营养24、家庭包装25、以氢气（天然气）为燃料的灶具26、正确提取热量及饮食27、对化妆品成分的研究28、方便面可食性内分装29、油烟革命30、装潢材料的应用及改进　 （三）资源利用：31、太阳能发展前景及利用32、创造绿色电能33、未来能源技术 三、学科性研究课题（一）、语文研究性学习课题34、如何解读赏析外国小说35、追溯诗歌的源头—《诗经》艺术探究36、我眼中的孔子（老子、庄子、孟子……）37、交际中的语言艺术 38、追寻在（某地）留下足迹的文化名人39、寓言对生活的启迪 40、《三国》人物性格探析 41、现代流行语言的背后42、高考满分作文研究43、广告语的修辞分析 44、民俗文化研究45、记文学中的精神力量46、 朱自清的散文艺术探究47、冰心作品中的爱的哲学研究48、张洁作品中的人性美49、中国古典诗歌发展探讨等50、学生名著阅读情况调查及分析 （二）、数学研究性学习课题51、如何计算一份试卷的难度与区分度52、主要十字路口人行道宽度的科学设计53、生活中的数字问题 54、生活中的数学——贷款决策问题55、寻找人的情绪变化规律 56、促销中的打折与分期付款问题57、三角函数的应用问题 58、数学中的黄金分割59、向量方法解决数学问题 60、登高望远—数学中的测量在现实生活中的应用61、银行存款利息和利税的调查62、购房贷款决策问题63、投资人寿保险和投资银行的分析比较64、证券投资中的数学65、以“养老金”问题谈起66、中国电脑福利彩票中的数学问题67、如何存款最合算68、如何合理抽税69、出租车车费的合理定价70、哪家超市最便宜（三）、英语研究性学习课题 71、称呼中的英文与汉译方法探究72、中英美人之间的交际习惯73、性格与英语学习 74、饮食行业的英语规范75、趣味英语收集 76、旅游景区的标识英语77、西方国家节日谈趣 78、兴趣爱好与学习英语之间的联系79、英语口语训练 80、英语中的颜色与心情 （四）、物理研究性学习课题 81、温室效应的产生与影响 82、物理与能源开发83、防盗门的防盗原理 84、自行车上的力学知识85、鸡蛋身上的物理学 86、学校周围噪声的防治87、现代交通与噪声污染及防治88、魔术中的物理原理89、建筑中的物理原理90、音乐中的物理知识 （五）、化学研究性学习课题 91、家庭装修材料的取材研究92、用植物色素制取代用酸碱指示剂及其变色范围的测试93、过氧化钠与二氧化碳反应的实验改进94、汞是如何进入食物链的？95、对市场补钙药品的研究96、食用油脂与健康97、常用食品添加剂的成分98、各种水果的维C含量之比较99、调查医院化验室中化学知识的应用100、日用洗涤剂对人体和环境有害吗？ (六)、历史学科研究性学习主题 101、中国古代科举制度研究 102、辛亥革命的成功与失败 103、世界史上著名人物研究 104、十堰发展简史105、二中发展简史（七）、地理学科研究性学习主题106、冰川搬运设备制作107、从生态观点进行节能108、从地缘关系分析美国发动伊拉克战争的原因109、我国风水学中的科学地理成分110、地理素养对我们学习、生活、工作的影响(八)、 生物学科研究性学习主题111、制作真核细胞的三维结构模型112、利用废旧物品制作生物膜模型113、制作反射弧模型 114、设计小麦品种间杂交育种程序115、卧室内放绿色盆景多多益善吗？(九)、政治学科研究性学习主题116、如何使用信用卡促进十堰的消费117、对某某商品的销售情况的跟踪调查 118、中国保险业将何去何从119、个人收入分配方式的变化120、经济全球化与中国的发展编者按：发布高中综合实践之研究性学习课程相关知识，与学习、研究者探讨交流。12.5重点课题《研究性学习的探索与实践》研究平台及成果之一。创新的互联网+教育服务平台，时尚前卫的创客空间，让每一个人都在研究中快乐成长！

功能性二糖是一类具有特殊功效的低聚糖，由两个单糖通过不同糖苷键连接而成，具有高甜度、低卡路里、低升糖指数的特点，可作为益生元和功能性甜味剂用于食品领域。此外，某些功能性二糖还因其独特的功能，被广泛应用于化妆品、生物技术和制药等领域。二糖的传统制备方法是天然聚糖的酸解纯化，但对应的天然聚糖供应有限，且酸解产物复杂，纯化成本很高。随着酶催化技术的发展，人们愈发倾向于寻找合适的酶催化制备二糖。目前，在合成糖苷键方面拥有优良特性的糖苷磷酸化酶逐渐引起关注，但是其催化底物1-磷酸糖价格昂贵，导致合成二糖成本较高。中国科学院天津工业生物技术研究所研究员游淳带领的体外合成生物学中心研究团队，设计了将廉价底物淀粉转化为多种功能性二糖的体外多酶催化体系。在该体系中，α-葡聚糖磷酸化酶（α-glucan phosphorylase, αGP）和α-葡萄糖苷酶（α-glucosidase, αG）两种酶并行工作，将淀粉分别转化为葡萄糖1-磷酸和葡萄糖，随后葡萄糖1-磷酸和葡萄糖经不同的二糖磷酸化酶（disaccharide phosphorylase, DSP）催化合成各种功能性二糖。该研究利用动力学数学模型对体外多酶催化体系的反应进程进行学习并预测最佳反应条件，以淀粉为单一底物制备出昆布二糖、纤维二糖、海藻糖、槐糖等功能性二糖，产率均在80%以上。该研究中的功能性二糖的生产方式改变了现有二糖的传统生产模式，具有较大的工业应用潜力。相关研究成果发表在Journal of Agricultural and Food Chemistry上，天津工业生物所博士研究生孙尚尚为论文第一作者。研究工作得到中科院重点部署项目、国家自然科学基金、天津市合成生物技术创新能力提升行动的支持。催化淀粉制备功能性二糖的体外多酶体系【来源：天津工业生物技术研究所】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn