人们交谈时为什么很难保持目光接触也许你我都有这样的经历，跟他人交谈时，很难将目光与谈话者一直保持接触，有时甚至刻意躲避对方投来的直视。这一举动往往会让对方觉得你厌倦了长时间谈话，并引发尴尬。但事实并非如此。近日，日本京都大学的做了一项有趣的研究。研究者将26名志愿者作为研究对象，要求他们在注视计算机生成的脸部图像的同时，也进行词语联想。
研究人员发现，每当发生目光接触时，联想便会变得困难起来，这预示着目光接触和语言处理看似是相互独立的两个过程，但它们之间产生了干扰。同时该研究进一步表明，全面沟通功能的失调，必须考虑语言和非语言两个过程的相互干扰。因此，人们在交谈时，出现的目光移动很可能不是因为尴尬，而是人的认知系统超负荷运作。
星形药片打破服药传统思路
众所周知，药片与胶囊多为椭圆形或圆形，而最近英美两国的研究人员发明了一款六角星形的胶囊。该胶囊在未被服用时与普通胶囊外观相似，而在吞服入口后会展开为六角星形状。胶囊的特殊形状使其无法通过狭小的胃底幽门，因而可以在胃袋中滞留。其间，胶囊会有规律地不断释放药剂，并导致自身体积缩小，最终在十多天后彻底从患者的胃部消失，而患者也可以避免每日服药。目前，此种胶囊主要被研究人员装填伊维菌素以对抗疟疾。
青藏高原人类的出现早于先前认识青藏高原被称为“世界屋脊”，自然环境恶劣，极大地考验着人类的忍耐性。人类是如何迁入和适应这一低氧高海拔地区呢？近日，《科学美国人》上的一篇文章指出，人类比我们想象得要更加坚强。在这项最新的研究中，研究人员对38个藏族个体和39个汉族个体展开全基因组测序，将结果与已有的其他种族全基因组数据进行比较，重构了青藏高原人群的基因交流和迁移历史。
通过分析，研究人员发现，青藏高原人群的起源可追溯到4万年至6万年前，即便在气候最恶劣的时候，也一直有人迁入。未来有关这一问题的进一步研究，有助于我们更好地理解现代藏族人群的遗传结构和多样性，从而解开人类如何适应低氧高海拔地区的科学之谜。
英国白蜡树基因组助力真菌病抗性研究白蜡树枯梢病是由真菌（Hymenoscyphus fraxineus）引起的疾病，造成叶片病变受损，导致树木死亡。
该病最早在波兰白蜡树中被发现，进而蔓延至整个欧洲，使得大量欧洲大陆的白蜡树死亡，英国曾一度担心其白蜡树会因此灭绝。最近，发表在《自然》杂志上的研究，消除了这一顾虑。研究人员通过比较英国白蜡树与其他测序树木的全基因组数据发现，有四分之一的白蜡树基因具有特异性，这有助于抵抗真菌病。
另一方面，研究人员也发现植物体内较低水平的环烯醚萜苷类可使其免受一般虫害，不过它也可能会使其遭受窄吉丁甲虫的威胁，庆幸的是这一虫害目前并未到达英国。
深度学习人工智能可以“听”出机器的毛病开车赶时间忽然遇上车子抛锚，即使给机器做全面的检查，这也需要很长的时间，而且不一定能查出潜在问题。
近日，以色列一家创业公司3DSignals推出了一项新技术，他们用深度学习的方法训练了一个AI机器人，这个AI机器人可以分析机器的噪音，从而预测机器潜在的问题。它的大致原理如下，首先在客户的机器上安装一组超声波传感器，通过客户端处理后联网上传到服务器，并由AI机器人进行分析。当搜集到足够多的数据时，AI机器人判断机器问题的准确率可高达98%。
凭借这一技术，3DSignals公司已经得到了一批重工业领域的客户和高达330万美元的投资。
完整的人体动脉计算机模拟模型近日，来自荷兰阿姆斯特丹大学和俄罗斯ITMO大学的研究人员提出了一个新的多尺度计算机模型，来模拟完整的人体动脉系统。在此之前，研究人员只能对动脉系统的局部进行计算、模拟，虽然有些子模型已进入前期临床试验阶段，但很多模拟与实际数据的吻合度不高。
新模型结合了多个子模型，并且可展现各个子模型之间如何互相影响，可在高性能计算机上模拟整个血管系统的功能。未来新模型有助于对心血管疾病的研究。研究人员还希望，这个模型以后能替代一些动物药物实验。
会掉牙的恐龙
在我们的印象中，恐龙这一形象总是伴随着其硕大锋利的牙齿，中科院古脊椎动物与古人类所的研究人员却发现了一种会掉牙的恐龙——泥潭龙。10年前，泥潭龙这一物种被发现，随后相关的化石材料被不断地发掘出来。研究人员通过对19例各年龄段的泥潭龙化石样本进行分析，发现其幼体出生后长满了牙齿，而在成年后牙齿却会全部掉光。这一现象对我们认知恐龙向鸟类的演化有重要的参考意义。
Facebook研究人员提出新的人工神经网络语言建模方式在自然语言处理领域，目前主要的语言建模方式都是基于循环神经网络（RNN）。近日，Facebook的研究人员提出了一种新的使用卷积进行处理的语言建模方式：门控卷积神经网络。此前，LSTM方法也采用了门控机制，并且被认为是当时处理性能表现最好的方法。研究人员此次引入了种新的门控机制，缓和了训练时的梯度，取得了比LSTM方法更优秀的结果。
该方法在WikiText-103数据集上的测试创造了新的性能记录，并且在Google Billion Word基准上单GPU的运行速度也创造了新的最快纪录。受益于其良好的并行方式，在对延迟敏感的任务中，Facebook新模型的速度比其他模型快了一个数量级。截至目前，这是第一次在处理上述数据集中出现了非循环处理方式超越循环处理方式。