1. 浙江大学开发反人脸识别技术

图源：Zhu et al.

人脸识别技术是现代AI技术发展最成熟、应用最广泛的分支之一，但是技术门槛的不断降低也带来了隐私泄露和数据滥用的风险。为了保护人们的面部隐私，许多研究者提出了反人脸识别（AFR）的方法，通过修改图像中的人脸，使其无法被人脸识别系统辨认。然而，这些方法都需要对图像进行后处理，而原始的图像仍然可能被泄露。浙江大学的USSLAB研究团队在新提交的预印本中，提出了一种新的方法CamPro，可以在相机传感器层面实现AFR，生成的图像既可以保护用户的面部隐私，又不影响其他应用，如行人检测。

CamPro的核心思想是利用相机内部的图像信号处理器（ISP），调整其中的颜色校正矩阵和伽马校正，使得生成的图像中的人脸颜色和亮度发生变化，从而降低人脸识别的准确率。同时，CamPro还设计了一个图像增强器，可以提高图像的对比度和清晰度，使得图像对于人类观看者仍然具有一定的可视性。这种技术不需要改变相机的功能，也不需要对图像进行后处理，还可以根据用户的需求选择不同的应用场景。

农牧互动网络（“高速公路“）与考古遗址分布的比较

图源：四川大学

近日，四川大学考古科学中心联合美国圣路易斯华盛顿大学考古学家共同完成了一项关于青藏高原史前文化交流格局的研究论文，结合了陶器类型学、GIS建模及陶器社会网络分析三种手段，定量分析了研究时段内文化交流模式与农牧互动路线的关系，解释了文化交流的动因。

多学科的科技考古成果表明，在距今3600年前后，驯化动植物的广泛传播，农牧业在青藏高原的史前生计中逐渐占据主导地位。基于器物类型学的文化谱系研究及多年考古工作所积累的遗址空间分布数据也显示青藏高原在该时间段的文化交流强度和广度明显增加，基于牧民“逐水草而居“的假设，新研究中的农牧互动模型采用了卫星遥感数据库提供的植被分布数据，模拟了古人沿最好的牧草向农区移动的最优路径。这一农牧互动网络与3600-2200BP青藏高原的遗址分布高度吻合，显示理论最优的生业移动路线与聚落空间分布模式呈正相关。

综合而言，农牧互动所频繁利用的牧草丰茂的通道正如现代所常用的高速公路一般：离这条“高速路“越近，文化交流的速度应当越快，遗址的文化面貌就应当具有更强的相似性。同时，由于青铜至铁器时代古人拥有牧业动物的帮助，具备了大规模跨越喜马拉雅山的动机和能力，因此跨越喜马拉雅的农牧互动可能导致了该时期西喜马拉雅地区遗址中陶器的广泛相似性。这一互动模式改变了该时期青藏高原的整体文化交流的格局。

参考来源：

https://cas.scu.edu.cn/info/1014/1211.htm

图源：John Liggio、Andrea Darlington 和 Andrew Elford

加拿大的油砂矿蕴藏着大量的石油，已探明的储量约有1700亿桶，这个蕴藏量仅次于沙特和委内瑞拉。但是这种混杂在沙砾和粘土中的石油提取难度很高，同时会消耗大量的能源和水，也是加拿大最大的碳排放源之一，占加拿大总排放量的11%。但是新的研究发现，关于开采中产生的空气污染还是被大大低估了。

耶鲁大学和加拿大环境与气候变化协会组成的联合团队，第一次使用一种能够测量所有碳基分子的技术，即全碳分析（TCA），整个系列涵盖了数以万计的化合物，从丙酮等小分子到柴油中可能发现的重碳基分子。在油砂区上空进行的30多次飞机测量收集的数据中，他们发现了很多从未纳入监测目录中的污染物，揭示了油砂区排放的污染气体的总量非常高而且成分非常复杂，带来的环境影响不可低估。

参考来源：

https://www.nature.com/articles/d41586-024-00203-8