<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Jointings.org &#187; 科技</title>
	<atom:link href="http://jointings.org/cn/tag/%e7%a7%91%e6%8a%80/feed/" rel="self" type="application/rss+xml" />
	<link>http://jointings.org/cn</link>
	<description>Joint Effect, Joint Power</description>
	<lastBuildDate>Thu, 30 Apr 2026 10:56:36 +0000</lastBuildDate>
	<generator>http://wordpress.org/?v=2.9.1</generator>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
			<item>
		<title>DS做科普：大脑始终可塑</title>
		<link>http://jointings.org/cn/2025/12/a-guide-to-your-cognitive-immune-system/</link>
		<comments>http://jointings.org/cn/2025/12/a-guide-to-your-cognitive-immune-system/#comments</comments>
		<pubDate>Sat, 20 Dec 2025 21:19:04 +0000</pubDate>
		<dc:creator>JBank</dc:creator>
				<category><![CDATA[教育与成长｜Education and Development]]></category>
		<category><![CDATA[教育与成长]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=10485</guid>
		<description><![CDATA[【专栏】&#124; Columnists&#62;教育说
编辑：JM， 2025-12-12
（分别从脑科学和神经科学角度让DS输出，其正确性需要专业人士来鉴定）

JM让DeepSeek根据《用进废退，警惕AI接管我们的大脑》从脑科学角度做科普：

了解你的认知“免疫系统”

你的认知主权，始于理解大脑如何工作，以及AI正在如何改变它。
一、两种智力，两种影响：当AI遇上你的智能“账户”
晶体智力 vs. 流体智力：你的认知投资组合

晶体智力：你的“知识储蓄账户”

内容：词汇量、专业知识、历史事实、文化常识等已积累的知识库。
神经基础：主要存储于大脑皮层（尤其是颞叶和顶叶）的神经网络中。
AI的影响与风险：AI虽提供无限的“外部知识库”，但也可能让你产生“不必记忆”的心理依赖，导致知识难以转化为深层知识结构（即组织良好的知识网络）。研究发现，依靠自身记忆形成的知识，其大脑神经连接更丰富，也更易于提取。

流体智力：你的“思维操作系统”

内容：逻辑推理、模式识别、抽象思考及适应新情境的能力。
神经基础：主要依赖于前额叶皮层（执行功能）和白质纤维束（信息传递效率）。
AI的影响与风险：AI直接提供解决方案，剥夺了你锻炼“思维肌肉”的机会，可能导致前额叶的神经连接因缺乏挑战而“简化”。关键发现在于，流体智力高度依赖“刻意练习”，而AI外包可能中断这种练习。
核心区别：你可以用AI辅助晶体智力（如查找资料），但过度依赖会损害流体智力的发展——正如你可以购买现成的家具，却可能因此失去自己设计家具的能力。
二、两种记忆，两个系统：大脑如何存储“知道”与“会做”
陈述性记忆：大脑的“图书馆”
内容：事实、概念与事件（例如“巴黎是法国首都”、“上周三吃了什么”）。
神经基础：海马体作为关键转换中枢，将信息处理后存储于大脑皮层。
AI依赖的影响：

当形成“信息随时可查”的依赖后，海马体的深度编码功能得不到充分激活。
可能导致“谷歌效应”：只记得信息位置，却忘记信息本身。
神经变化：海马体体积与功能可能因使用不足而减弱，类似于依赖导航导致空间记忆区发生变化。

程序性记忆：大脑的“自动化程序”
内容：技能、习惯与条件反射（如骑车、打字、弹琴）。
神经基础：涉及基底神经节、小脑、运动皮层等，通过重复形成自动化神经通路。
AI依赖的影响：

可能影响思考的“技能”，如分析问题、构建论证等思考程序。
有趣的是，一些已自动化基础技能（如打字）可能不受影响。

关键区别：AI主要替代的是需要意识参与的认知过程，而非完全自动化的技能。
神经系统的智慧：大脑能区分“知道事实”和“掌握技能”。AI主要影响前者，但需注意，思考本身也是一种需要练习的“程序性技能”。
三、认知储备：大脑的“抗衰老基金”
什么是认知储备？
定义：大脑应对损伤或退化的能力储备，相当于神经的“备用网络”或“冗余系统”。
组成要素：

教育年限：学习经历创造更丰富的神经连接。
职业复杂度：复杂工作训练多任务处理与问题解决能力。
认知刺激活动：如阅读、下棋、学习新语言。
社会互动：复杂社交需要心理理论和情绪理解能力。

认知储备如何缓冲AI依赖？

提供更多替代路径：高认知储备者大脑中，相同功能常有更多神经通路支持。其神经表现为前额叶皮层更厚、白质完整性更好、默认模式网络效率更高。因此，即使某些思考习惯被AI改变，其他路径仍可支持深度思考。
具备更好的代偿能力：当一条认知路径效率下降时，其他路径可接管功能。研究发现，高认知储备者在执行认知任务时，大脑激活模式更灵活、分散。这意味着，在AI时代，你积累的“思考资本”越多，AI对思考能力的潜在侵蚀就越慢。
产生神经保护效应：认知储备高的大脑细胞更有弹性，对“废用性退化”抵抗力更强。在细胞层面，这常与更高水平的神经营养因子（如BDNF）相关，这些因子能促进神经元存活与连接。因此，在AI普及前建立良好的认知习惯，就如同为大脑接种“抗AI依赖疫苗”。

启示：你的教育背景、职业挑战和思维习惯，共同构成了对抗AI负面影响的认知免疫系统。
四、元认知：大脑的“AI使用监控器”
元认知是什么？
定义：对思考本身的思考，即对自己认知过程的监控、评估与调节。
包含三层：

元认知知识：了解自己的思维特点（例如“我在早晨思维最清晰”）。
元认知监控：实时评估思考过程（例如“我这样理解对吗？”）。
元认知调节：调整思考策略（例如“这个方法不行，换一种试试”）。

元认知的神经基础

核心脑区：前额叶皮层，特别是背外侧前额叶及执行控制网络。
关键功能：作为大脑的“指挥中心”，负责决定哪些任务自主完成，哪些可以外包。
与AI的关系：元认知即你大脑中决定何时使用AI、如何使用AI的决策系统。

AI时代，元认知是你的关键防线
缺乏元认知的AI使用：

表现为无意识地接受所有AI建议。
不评估答案质量，直接采纳。
忘记自身在思考过程中的责任。

神经后果：前额叶的监控功能被绕过，认知进入“自动驾驶”模式。
高元认知的AI使用：

使用前：自问“这个问题我需要独立思考到什么程度？”
过程中：评估AI输出的可信度与逻辑性。
使用后：将AI答案与自身思考整合，保持批判性距离。
长期：定期分析自身的AI使用模式，并调整依赖程度。

如何培养元认知“监控器”？

思考记录：每周回顾“我使用AI替代了哪些本可自主完成的思考？”
决策审计：重要决定后，反思“这个过程中，我的独立思考贡献占多少？”
元问题提问：在询问AI前，先问自己：“我为何要问此问题？我想借此锻炼什么能力？”

五、整合视角：构建你的“认知保护系统”
个人认知健康检查表

晶体智力保护：定期不借助AI，回忆与复述重要知识体系。
流体智力锻炼：每周主动挑战需要全新解决方案的复杂问题。
陈述性记忆训练：对重要概念，尝试用自己的语言复述并与已有知识关联。
程序性记忆维护：保持分析问题、构建论证等“思维程序”的刻意练习。
认知储备增强：持续学习新领域，从事具有认知挑战性的活动。
元认知培养：养成“思考自己的思考”的习惯，主动监控并调整AI使用模式。

好消息：大脑始终可塑
即便已形成一定的AI依赖习惯，通过有意识的认知训练，你仍然可以：

重新激活已弱化的神经通路。
建立替代性的思考路径。
强化元认知监控能力。
发展出更平衡、更智慧的人-AI协作模式。

最终目标：并非回到前AI时代，而是推动认知进化，塑造一个更智慧的大脑——既能充分利用AI的增强能力，又能牢牢保持人类独有的深度思考、创造性突破与价值判断能力。这需要你真正了解自己的认知系统，并像规律锻炼身体一样，有意识、有计划地训练你的大脑。

AI的上述输出，可正确？
 JM让DS以神经科学家的角度写一篇科普文章，核心内容为：
主动选择如何与AI共处将其作为拓展智能、处理繁琐的“脚手架”，从而释放大脑进行更高级的思考；而不是被动地任由其改变我们的认知习惯，降低我们从事深度、复杂、主动思考的意愿和能力。

善用AI“脚手架”，为高阶思维腾出空间

导航软件让我们不再记忆复杂路线，而AI搜索引擎可能正在重塑我们获取知识的方式，人类大脑正在这个数字时代经历着一场静悄悄的重塑。
伦敦大学的一项神经影像研究发现，长期依赖卫星导航的驾驶员，其海马体（负责空间记忆的大脑区域）在处理复杂路线时的活跃度，确实低于那些依靠自身记忆导航的出租车司机。
但值得注意的是，出租车司机海马体的显著增大，源于他们持续进行主动、复杂的脑内路线规划和记忆整合，而非简单地“不使用导航”。
我们的大脑具有卓越的神经可塑性，能够根据我们的行为模式和频繁使用的工具进行自我重塑。这意味着，我们使用AI的方式，实际上是在训练我们的大脑朝某个方向发展。
01 大脑的可塑性，人类最非凡的适应能力
神经可塑性是大脑最根本的特性之一，它并非简单的“用进废退”，而是一个复杂、动态的重塑过程。当我们反复进行某种思维活动时，大脑会强化相关的神经连接；当我们减少某项技能的使用时，这些连接可能减弱，但并不会轻易消失。
与普遍担忧相反，智能工具的使用并不会直接导致大脑萎缩。关键在于我们如何与之互动：是被动依赖工具完成思考的全过程，还是主动将其整合到自己的认知策略中。
人类文明史实际上就是一部“认知卸载”史，从文字、印刷术到计算器，每一种工具都改变了我们大脑的工作方式。AI不过是这一历程的最新篇章。
真正的问题不在于是否使用AI，而在于如何保持对自身思维过程的主控权。当我们将记忆、计算等基础任务交给外部工具时，我们的大脑并非闲置，而是有机会转向更高层次的认知活动。
02 执行功能，大脑的指挥中心
前额叶皮层是大脑的“指挥中心”，负责执行功能——包括规划、决策、问题解决和认知灵活性等高级思维能力。这些能力决定了我们如何分配注意力、管理信息以及应对复杂挑战。
AI的影响核心正在于它如何与我们的执行功能互动。当我们主动、有意识地使用AI作为工具时，我们实际上是在锻炼自己的目标设定、策略规划和结果评估能力。
相反，如果我们被动地接受AI的推荐和建议，不加批判地采纳其输出，我们便削弱了自己批判性思维和独立判断的能力。这可能导致认知惰性的增强，降低我们处理复杂问题的意愿和能力。
更微妙的影响在于注意力系统。AI驱动的信息流（如短视频、个性化推荐）通常被设计为最大化用户参与度，这可能重塑我们的注意力模式，使我们更习惯碎片化、浅层的信息处理，而难以维持深度、持续的专注。
03 AI的两种面孔：脚手架还是拐杖？
将AI视为“脚手架”的视角极具启发意义。在建筑学中，脚手架是临时性结构，帮助工人到达原本无法触及的高度，一旦建筑完成便会拆除。
同样，AI作为认知脚手架，可以帮助我们处理繁琐的数据分析、信息检索或重复性任务，使我们能够将有限的认知资源集中在创造性思考、复杂决策和战略规划等高级思维活动上。
这种使用方式不仅提高了效率，还能增强我们的认知能力而非替代它。例如，研究人员可以使用AI工具快速筛选成千上万的学术论文，然后将节省的时间用于深入分析关键研究并建立新的理论联系。
而当AI变成“认知拐杖”时，情况则完全不同。拐杖暗示着一种依赖性——使用者因自身能力不足而需要外部支撑。被动依赖AI会导致“去技能化”，使原本掌握的能力逐渐退化。
一个明显例子是导航软件：偶尔使用者仍然保持方向感，但长期完全依赖者可能在软件失灵时完全迷失。这种依赖不仅影响特定技能，更可能改变我们与环境的互动方式和对自身能力的信心。
04 智能协作，而非智能替代
与AI建立健康关系的关键在于将其定位为“智能协作伙伴”而非“智能替代者”。这意味着明确哪些任务适合委托给AI，哪些应该由人类大脑主导。
简单规则是：规则明确、重复性高、数据处理量大的任务适合由AI处理；而需要情感理解、伦理判断、创造性突破和复杂系统思考的任务，则应保留为人类认知的核心领域。
例如，在写作过程中，我们可以用AI帮助整理资料、检查语法甚至提供初步大纲，但核心论点、叙事结构和独特见解应源自作者自身的思想和体验。这样，AI增强了而非取代了人类的创造性表达。
教育领域尤其需要重视这种平衡。学生应该学习如何将AI作为学习工具，同时培养无需外部辅助的批判性思维和问题解决能力。理想状态是能够灵活地在“使用AI”和“自主思考”之间切换。
05 重新掌控思维主动权的实用策略
保持思维主动权需要意识和方法。首先，设定明确的“认知边界”，确定哪些领域要保持完全自主的思考，即使AI能提供帮助。
例如，可以规定在做出重要人生决策前，先进行一段时间的无AI自主思考，形成自己的初步判断，然后再参考AI提供的补充信息。
其次，定期进行“认知锻炼”，有意识地进行无需AI协助的深度思考活动。这可能包括阅读长篇复杂文本而不搜索摘要、解决数学问题时不使用计算工具，或凭记忆绘制地图等。
第三，培养元认知能力——即对自己思维过程的觉察和调节。在使用AI时，时刻保持警觉：我在用它解决什么问题？我是否理解它的解决方案？我能否用自己的话解释这个过程？
此外，创造无干扰的深度思考环境也至关重要。每天安排一段时间远离所有数字设备，让自己有机会进行不受打断的连续思考。这种“数字安息日”实践已被证明能显著提高注意力和创造性产出。
正如GPS导航系统没有消灭人类的空间认知能力，却改变了我们与城市互动的方式一样，AI也不会简单地让大脑“萎缩”，但它正改变着我们分配认知资源的方式。
你手机里那些待处理的AI生成内容，大脑中那个渴望深度阅读却总被短视频打断的自我，以及手指滑动屏幕时那份对即时满足的期待——这些冲突恰好展现了当代人面临的认知选择困境。
选择权从未如此清晰地摆在我们面前：是将AI视为思维的延伸，还是让渡思考的主导权。大脑可塑性的秘密不仅在于它会改变，更在于它会按照我们主动、重复的选择而改变。
AI这次的输出，正确吗？
延伸阅读：
用进废退，警惕AI接管我们的大脑
]]></description>
		<wfw:commentRss>http://jointings.org/cn/2025/12/a-guide-to-your-cognitive-immune-system/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>用进废退，警惕AI接管我们的大脑</title>
		<link>http://jointings.org/cn/2025/12/beware-of-the-ai-hijack-our-minds-at-stake/</link>
		<comments>http://jointings.org/cn/2025/12/beware-of-the-ai-hijack-our-minds-at-stake/#comments</comments>
		<pubDate>Mon, 15 Dec 2025 03:22:57 +0000</pubDate>
		<dc:creator>JBank</dc:creator>
				<category><![CDATA[教育与成长｜Education and Development]]></category>
		<category><![CDATA[教育与成长]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=10464</guid>
		<description><![CDATA[【专栏】&#124; Columnists&#62;教育说
赞助稿酬
独立媒体人（Jointing.Media）一白, 上海， 2025-12-10
凌晨三点，陈薇的电脑屏幕同时亮着四个对话框——ChatGPT在调整论文框架，Claude在提炼文献综述，Notion AI在优化表达，而她自己，正对着空白的思维导图界面发呆。导师刚刚问了一个简单的问题：“请用你自己的话解释这个理论的核心矛盾。”她发现自己大脑中只有一堆AI生成的术语碎片，却无法组织成连贯的逻辑链条。
这不是个例，而是一场悄然发生的认知迁移：我们正将最重要的思考过程，外包给算法。
当我们外包思考时，大脑发生了什么？
大脑天然寻求最省力的路径，对AI的依赖正是这种本能的极致体现。加之多巴胺系统的作用，获取即时答案带来的快速满足，正在改变我们的学习动机模式。神经科学揭示了一个令人不安的真相：习惯性地将特定认知任务外包，可能导致支持该任务的神经回路使用频率降低，进而引发功能甚至结构上的适应性弱化。
自主思考好比工作记忆的“负重训练”，外包则让这块“心智肌肉”得不到充分锻炼。斯坦福大学2023年的一项脑成像研究显示，过度依赖AI进行决策的个体，其前额叶皮层在自主思考任务中的激活程度降低了37%。此外，麻省理工学院媒体实验室的最新实验数据也表明，长期依赖ChatGPT等生成式AI工具，会导致学习能力下降与神经连接减少。
人脑具有高度的可塑性，它会根据使用频率重塑自己。每次选择点击“AI生成”而非自己构思，大脑中负责深度分析的神经网络就失去了一次强化机会。
2023年《自然·神经科学》发表的一项研究发现，过度依赖导航软件的人群，其海马体（负责空间记忆）前部的体积，比经常使用纸质地图的人群平均缩小了8%。类似地，斯坦福大学认知实验室的追踪研究显示，经常使用AI辅助决策的学生，在独立解决问题时，前额叶皮层背外侧区域的激活强度降低了近40%——而该区域正是高级推理与复杂决策的核心。
“大脑遵循‘用进废退’的原则，”脑科学家埃琳娜·克劳福德指出，“当我们把认知工作外包，相应的神经连接就会弱化，就像不运动的肌肉会萎缩。”
效率的代价：AI如何改变我们的思维结构
AI无疑带来了前所未有的便利，它能瞬间整理信息、生成文本、解答疑问，将人类从繁琐的脑力劳动中解放。但这种“解放”暗含代价：当我们跳过需要前额叶持续控制与工作记忆深度参与的认知过程，直接获取答案时，我们也同时跳过了：

神经连接的强化过程——思考时的“卡顿”其实是大脑在建立新连接。
 错误中的学习机会——试错所触发的大脑纠错机制，是深度学习的关键。
 突破前的思维挣扎——创造往往诞生于长时间专注后的顿悟时刻，这涉及默认模式网络（发散思考）与执行控制网络（聚焦思考）的交替激活。

就像过度依赖导航会削弱空间记忆能力，过度依赖AI也在削弱我们的概念理解、逻辑建构与知识整合能力。我们获得了信息的广度，却可能失去了思考的深度。
记忆从“存储”变为“检索”。“我记得它在哪里，但不记得它是什么。”——这已成为数字原住民的常见现象。当任何信息都能瞬间获取，我们便不再费力记忆，海马体的记忆固化功能得不到充分锻炼。这不仅影响知识积累，更关键的是，记忆过程中的深度编码——这种将信息转化为可灵活运用知识的关键步骤——被跳过了。
思考从“过程”变为“结果”。AI直接提供答案，让我们错过了：

 试错中的学习：错误触发的大脑纠错机制是深度学习的关键。
挣扎中的突破：大多数创新诞生于长时间思考后的顿悟时刻。
建构中的理解：自己搭建逻辑框架的过程才是真正的掌握。

当AI提供十个选项让我们挑选时，我们训练的是选择能力而非创造能力。创造性思维涉及大规模脑网络的动态重组与交互，如执行控制网络（聚焦注意力）、默认模式网络（发散联想）、突显网络（切换注意焦点），这种能力需要持续练习来维持。
当表达越来越依赖AI生成的模板与套路，我们独特的思想便难以找到独有的语言形式。真正创新的起点——发现好问题的能力——正在被淹没在AI提供的“标准答案”海洋中。
四个危险的认知警报（测测你中了几条？）
警报一：深度注意力衰退
表现：难以连续阅读3000字以上的复杂文本，习惯性跳读、刷屏。
神经机制：前额叶皮层持续性激活能力下降，默认模式网络干扰增加；亦涉及丘脑-皮层回路的过滤功能及去甲肾上腺素系统的警觉调节。
自检问题：上一次你完全不被手机打断、沉浸阅读一小时是什么时候？
警报二：自主构思困难
表现：写邮件、做方案时，第一反应是找模板、问AI，而非自己起草。
神经机制：布罗卡区（语言生成）与背外侧前额叶（计划组织）的协同减弱；涉及小脑对思维序列的时序协调及基底神经节的习惯形成回路。
自检问题：能否不用任何模板，手写一份清晰的工作计划大纲？
警报三：批判思维钝化
表现：容易接受AI提供的第一个答案，缺乏多角度质疑和验证的习惯。
神经机制：前扣带回不仅监测错误，还编码冲突监测；腹外侧前额叶涉及反应抑制而非单纯判断。
自检问题：当AI给出结论时，你会主动寻找反例或替代解释吗？
警报四：知识碎片化
表现：知道很多“点”，但难以连成“线”和“面”，无法形成知识体系。
神经机制：角回（信息整合）与海马体（长时记忆固化）连接减弱；还涉及前额叶-颞叶连接的概念整合，以及皮层-海马反馈回路的记忆巩固。
自检问题：能否不借助任何外部资料，向他人系统讲解你专业领域的基本框架？
不需要彻底改变生活，从这些小实验开始：

下周的会议纪要：先手写记录，再整理电子版。
晚餐时的讨论：提出一个有争议的问题，约定所有人不准查手机，只能基于自己的知识辩论。
通勤路上的思考：不带耳机，观察周围，思考一个工作问题的三种解决方案。
阅读后的输出：读完一章书后，合上书，手写摘要。
决策前的暂停：做重要决定前，给自己24小时“无AI思考期”。

在算法时代，成为不可替代的思考者
问题的关键不是拒绝AI——那无异于数字时代的倒退——而是建立一种有意识、有策略的认知共生关系。AI可以模仿我们的风格，复现我们的知识，甚至预测我们的偏好。但它无法替代的，是人类思考中那些低效却珍贵的部分：在信息不足时的勇敢假设，在矛盾中的价值判断，在迷茫中的意义追寻，以及在漫长思考后的顿悟瞬间。
当我们站在认知进化的十字路口，选择权仍在我们手中。AI应该是我们思维的望远镜和显微镜，而不是我们的眼睛和大脑本身。真正的智能未来，不是人类思考的终结，而是人类思考的升级——我们将从信息处理中解放出来，专注于只有人类能做的事：提出真正重要的问题，建立跨领域的连接，进行价值判断，创造意义。
守护大脑中那片“野生思考区”，是对人之为人的核心特质的坚守：即在复杂世界中，独立判断何为重要、何为真实、何为值得追求的能力。毕竟，AI能够模仿一切，除了你思考时那独特而不可预测的轨迹——那正是创造力的源泉，也是我们在智能时代最后的、最宝贵的人类疆域。
用AI，但不要被AI所用；借AI之力，而不失我思之本。在这个算法日益渗透每个思考角落的时代，保持大脑的“野生状态”，或许是人类最后的、也是最重要的精神主权。
思考：你的生活中，哪项思考能力是你最不希望AI替代的？
为了保持它，你愿意付出什么代价？
欢迎在评论区分享你的“认知守护计划”。
编辑：Wind
延伸阅读：
善用AI“脚手架”，为高阶思维腾出空间
Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
从乡村到剑桥：一位哲学家教育践行的启示
从许垚投毒案反思健全的人格、完美的履历与幸福的人生的关联
自由之教育
当 AI 学会谈恋爱：一千万东亚年轻人正在被算法驯养成情感巨婴
AI时代，孩子“动心”能力和韧性的培养
查理·芒格：专业人士需要更多的跨学科技能
AI夫子的戒尺会发光
驯服多巴胺的自我实践
JM观察 ｜游戏成瘾机制在教育上的实践
爱因斯坦给数字教育工作者的启示
人的创造力与生俱来，创新关键看环境创设
人工智能时代的设计教育方向
JM观察｜数字化浪潮下，文科不死，只是需要进化
许小年：在信息泛滥的时代，多读经典书，保持思辨
]]></description>
		<wfw:commentRss>http://jointings.org/cn/2025/12/beware-of-the-ai-hijack-our-minds-at-stake/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>为什么说AI与清洁能源的发展相互促进?</title>
		<link>http://jointings.org/cn/2024/10/why-artificial-intelligence-and-clean-energy-need-each-other/</link>
		<comments>http://jointings.org/cn/2024/10/why-artificial-intelligence-and-clean-energy-need-each-other/#comments</comments>
		<pubDate>Wed, 16 Oct 2024 16:11:36 +0000</pubDate>
		<dc:creator>admin</dc:creator>
				<category><![CDATA[能源与环境 | EE]]></category>
		<category><![CDATA[环保]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=8601</guid>
		<description><![CDATA[【能源与环境】 &#124; Energy &#38; Environment
作者：Michael Kearney、Lisa Hansmann（MIT Technology Review）
2024-10-08


围绕人工智能的未来，一场地缘政治之战正在激烈展开。
赢得这场战争的关键是清洁能源革命。

我们正处于人工智能未来地缘政治竞争的早期阶段。赢家将主宰21世纪的全球经济。
但人们经常忽略的是，人工智能对集中和持续的电力的巨大需求，代表着扩大下一代清洁能源技术规模的机会。如果忽视这一点，美国将在未来人工智能和能源生产的竞争中处于不利地位，将全球经济的领导地位拱手让给中国。
为赢得这场竞赛，美国未来需要更多的电力为数据中心提供服务。预计到2026年，人工智能数据中心将为电网增加相当于三个纽约市的负荷，而到这个十年结束时，它们在美国电力消耗中的份额可能会增加一倍以上，达到9%。因此，人工智能的发展将导致美国几十年来从未有过的电力需求激增；据最近估计，其电力需求年增长约2.5%，其中数据中心推动了高达66%的增长。
高能耗的先进人工智能芯片是这一增长的背后推手。ChatGPT查询需耗费3瓦时的电力，而简单的Google搜索仅需0.3瓦时。这些计算需求使得人工智能数据中心具有独特的功率密度，每个服务器机架需要更多的功率，每平方英尺的功率比传统设施高几个数量级。据传闻，OpenAI首席执行官萨姆·奥特曼（Sam Altman）向白宫提出，人工智能数据中心需要5 吉瓦的容量，足以为300多万户家庭供电，需要7×24小时的稳定可靠电力，全年99.999%的时间运行。
这些吉瓦级用户对电网的需求正在加速增长，其增长速度远超我国扩大支持清洁电力发展的物理和政治结构的速度。目前，超过1500吉瓦的容量等待接入电网，而建设输电线路以输送这些电力的时间长达十年之久。整合新能源面临的挑战的一个例子是：联合能源公司（Constellation Energy）最近宣布重启三里岛核电站，最重要的原因是将其连接到电网所需的时间更短。（编者注：联合能源公司斥资16亿美元重启三里岛核电站，来满足科技公司发展人工智能的需要。核电站将于2028年投入使用）
面对扩大清洁电力供应的挑战，人们本能地做出了错误的选择：要么放弃美国在人工智能领域的优势，要么放弃我们对清洁能源的承诺。这种逻辑认为，满足计算经济不断增长的电力需求的唯一途径是扩张天然气等传统能源和保护燃煤电厂。
依赖更多化石燃料对生态的可怕影响显而易见，但经济和安全方面的影响同样严重。对化石燃料的进一步投资会威胁到美国的竞争力，因为其他国家在清洁技术方面取得了飞跃，这会带来了下一代的经济机会——数以万亿计的市场。
现实情况是，人工智能所需的电力规模和密度空前，需要一套新颖的发电解决方案，能够持续不断增加的、全天候提供可靠的电力。虽然传统能源的支持者历来诟病可再生能源的可变性，但大量、分布式和可中断燃料供应（如天然气）的电力来源也不是解决方案。比如，德克萨斯州2022年底的一场严重冬季风暴后，天然气发电厂的停电占到70%。随着气候变化加剧，此类事件只会增加不会减少。
与其在人工智能竞争力和气候之间做选择，不如将人工智能对功率密度的迫切需求视为技术创新的机会，利用新的买家和新的市场结构。如此，美国不仅能抓住人工智能的未来，而且还能为这些新技术创造市场。
目前一系列正在快速创新的清洁、可靠的新能源可满足数据中心对算力的持续需求。其中包括，可以小规模快速部署的先进核裂变能，和可以随时随地部署的下一代地热能。终有一天，核聚变也会成为一种“取之不尽，用之不竭”的清洁能源。这些技术只需占据相对较小的空间而产生大量的能源，以满足人工智能对电力的需求。它们有潜力提供稳定、可靠的基本负载电力，满足人工智能数据中心的全天候运营需求。虽然其中一些技术，如核聚变，仍在发展中，但其他技术，如先进的裂变和地热能，现已准备好部署。


人工智能的功率密度要求同样需要一套新的电力基础设施的增强措施，比如传输线的先进导体，可以通过更小的区域传输高达10倍的电力；冷却基础设施，可以解决大量高能耗芯片的热量；以及下一代变压器，可以有效地利用高压电力。这些技术可增加电力供应、减少传输延迟，对人工智能数据中心有着显著的经济效益。它们将使我们20世纪的电网快速扩张，以满足21世纪的需求。
此外，人工智能和能源技术的融合将使这两个领域加速发展。人工智能作为一种发明方法，加快了在整个清洁能源领域下一代材料设计的研发步伐；人工智能也是制造业的一个工具，降低了资本密集度，加快了规模扩张的步伐；人工智能已经在帮助我们克服下一代电力技术的障碍。譬如，普林斯顿大学的研究人员正在用它来预测和避免等离子体不稳定性，长期以来这是持续聚变反应的阻碍；在地热和采矿领域，人工智能正在加快商业级资源发现和开发的步伐，并降低成本；其他能源类公司使用人工智能来预测和优化该领域发电厂的性能，大大降低了项目的资本密集度。
从历史上看，新型清洁能源技术的部署不得不依赖于公用事业公司，而公用事业公司在采用创新和投资一流的商业项目方面的速度是出了名的慢。然而，现在人工智能为发电技术带来了新的资本来源：那些愿意为全天候清洁能源支付溢价、并渴望迅速行动的大型科技公司。
这些“新买家”可以在自家后院建设额外的“清洁”供给，或者部署创新的市场结构，鼓励公用事业公司以新的方式扩大新技术的使用规模。我们已经看到了一些例子，比如谷歌、地热开发商Fervo和内华达州公用事业公司NV Energy达成的协议，以确保数据中心溢价使用清洁、可靠的电力。这些对价格不敏感但对时间敏感的买家，能推动清洁能源技术的加速部署。
人工智能和气候之间这种联系的地缘政治影响显而易见：创新的社会经济成果将流向在人工智能和气候竞赛中都获胜的国家。
长远来看，能够扩大获得可靠基本负荷电力的国家将吸引人工智能基础设施，并将从人工智能将产生的市场中受益。首先进行这些投资的国家将处于领先地位，而且随着技术进步和经济生产力的相互促进，这种领先地位将随着时间的推移而不断扩大。
如今，清洁能源的“记分牌”开始向中国倾斜。在过去的十年里，中国已经启用了37座核电站，而美国只新建了两座。中国在核聚变方面的投入是美国的两倍，研发人员夜以继日地将这项技术商业化。鉴于人工智能优势的竞争归根结底是功率密度的规模，当竞争对手在建造高功率密度能源库时，建造一批新的天然气发电厂就像带刀去参加枪战一样。
美国和处于人工智能经济前沿的美国科技公司有责任，也有机会通过利用人工智能的电力需求，扩大下一代清洁能源技术的规模来改变这种状况。
问题是，他们会吗？


英文原文
作者简介：
迈克尔•科尔尼（Michael Kearney）是Engine Ventures的普通合伙人，该公司投资于将突破性科学和工程商业化的初创公司。
丽莎·汉斯曼（Lisa Hansmann）是Engine Ventures的负责人，曾在拜登政府担任总统特别助理，负责经济政策和实施。
翻译：网易有道、Wind
延伸阅读：
AI靠核电拯救：微软计划重启三里岛计划
三哩岛核电站将重启为微软AI供电，曾发生美国史上最严重核事故
AI is an energy hog. This is what it means for climate change
$2 H100s: How the GPU Rental Bubble Burst
对不起，AI无法“解决”气候变化问题

国际能源署：若在2050年实现净零排放，预计6年后热泵占全球供暖能力20%

构建智能代理，实现2050年净零

刘世锦：绿色转型在根本上还是要换技术
]]></description>
		<wfw:commentRss>http://jointings.org/cn/2024/10/why-artificial-intelligence-and-clean-energy-need-each-other/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>人道智能&#124; Humane Intelligence</title>
		<link>http://jointings.org/cn/2024/09/humane-intelligence/</link>
		<comments>http://jointings.org/cn/2024/09/humane-intelligence/#comments</comments>
		<pubDate>Mon, 30 Sep 2024 04:14:04 +0000</pubDate>
		<dc:creator>admin</dc:creator>
				<category><![CDATA[可持续发展｜Sustainability]]></category>
		<category><![CDATA[教育与成长｜Education and Development]]></category>
		<category><![CDATA[ESG]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=8557</guid>
		<description><![CDATA[【公益词典】&#124; Lexicon


官方网站：https://www.humane-intelligence.org
该组织由拉姆曼-乔杜里（Rumman Chowdhury）博士领导，正在为模型评估师和寻求更多模型评估知识的个人搭建一个编程平台。通过创建这个社区和实践空间，我们的目标是使算法审核和评估实践专业化。Humane-intelligence.org是一个供组织和个人结盟、创建社区、分享最佳实践的平台，是创建技术评估的一站式商店，有助于推动基准、标准等的制定。我们积极致力于开发实践性强、可衡量的方法，对人工智能模型的社会影响进行实时评估。
人道智能起初是一个主持算法偏见悬赏的小型组织。这些项目一般在网上举行，是提高人们对算法偏见悬赏的兴趣和认识的一个很好的起点。2023 年，我们将活动扩展到主办面对面的红队活动，包括在 DEFCON 31 上举办的有史以来规模最大的生成式人工智能红队演习、与英国皇家学会合作举办的科学误导和信息失真红队演习，以及在欧特克大学举办的建筑红队活动。
Humane Intelligence is a tech nonprofit building a community of practice around algorithmic evaluations.
The organization, led by Dr. Rumman Chowdhury, is building a programming platform for model evaluators and individuals seeking to learn more about model evaluations. By creating this community and practice space, we aim to professionalize the [...]]]></description>
		<wfw:commentRss>http://jointings.org/cn/2024/09/humane-intelligence/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>行业前沿 ｜ “魔法添加剂”让“液体电池”技术更进层楼</title>
		<link>http://jointings.org/cn/2024/06/a-%e2%80%98liquid-battery%e2%80%99-advance/</link>
		<comments>http://jointings.org/cn/2024/06/a-%e2%80%98liquid-battery%e2%80%99-advance/#comments</comments>
		<pubDate>Wed, 26 Jun 2024 17:05:21 +0000</pubDate>
		<dc:creator>admin</dc:creator>
				<category><![CDATA[能源与环境 | EE]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=8211</guid>
		<description><![CDATA[【能源与环境】 &#124; Energy &#38; Environment
作者：John Tibbetts，Stanford  Report，2024-06-13
译者：JM茉莉
斯坦福大学的一个研究小组正在研究一项新兴技术——液态储氢技术，来改善可再生能源储存的选择。

图：Getty Images / tommy
随着加州迅速向可再生能源转型，太阳能夜间减少、风力季节性波动，该州需要新技术来储存电力，它需要新技术储存电力。因此，该州严重依赖天然气来缓解可再生能源供电的高峰和低谷。
“电网使用的能源与你发电的速率相同，如果发的电当时用不完，又不能被储存，就不得不扔掉，”人文与科学学院的化学教授Robert Waymouth指出。

（编者注：根据能量守恒定律，机械设备将风能、水能、光能等种种能量转化为电能，然后把电能运用在各种电器上。同样地，电能或者多出来的、没有用完的电，最后都会转换成另一种能量。每一座发电厂都会和电网相连接的，电力被发电机运输到电网上，电网便通过各种电压的线路把电能运送到全国各地。因为多余的电力无法被大量储备，所以在电网的调配下，发电量与耗电量达到了一个平衡。）
Waymouth正带领斯坦福大学的一个团队开发一种可再生能源的储存技术：液态有机氢载体(LOHCs)。氢已经被用作燃料或发电，但储存和运输氢气依然棘手。
“我们正在研发用于选择性转换和长期储存电能于液体燃料中的技术，”Waymouth说，他是此项研究的资深作者，该研究详细介绍了这项工作，发表在《美国化学学会杂志》上。“我们还发现了一种新型的选择性催化系统，可以将电能储存在液体燃料中，而不会产生气态氢。”
液体电池
加州能源委员会指出:“从2018年到2024年，加州的电池储存容量从500兆瓦增加到10300兆瓦以上，到2024年底计划再增加3800兆瓦。美国预计到2045年将需要5.2万兆瓦的电池存储。”
锂离子技术广泛应用于电网储存电力的电池、智能手机和电动汽车的电池，但由于其存储的能量规模有限，研究人员继续寻找可以补充这些技术的系统。
候选材料包括LOHCs，它可以通过催化剂高温储存和释放氢气。总有一天，LOHCs可以广泛作为“液体电池”储存能量，并在需要时有效地转化为可用的燃料或电力。
Waymouth团队研究了异丙醇和丙酮作为氢能量储存和释放系统的成分。异丙醇，也就是常说的外用酒精，是一种高密度液态的氢，可以通过现有的基础设施储存和运输，直到需要时被当作燃料电池的燃料使用，或者在不排放二氧化碳的情况下释放氢气。
然而，用电生产异丙醇的方法效率很低。水的两个质子和两个电子可以转化为氢气，催化剂可以从这个氢气中产生异丙醇。“但你不需要这个过程中有氢气，”Waymouth说。“它每单位体积的能量密度很低。我们需要一种方法，直接从质子和电子中制造异丙醇而不产生氢气。”
此项研究的主要作者Daniel Marron解决这个问题。他最近刚拿到斯坦福大学的化学博士学位。Daniel Marron开发了一种催化剂系统，两个质子和两个电子与丙酮结合时，可选择性地生成LOHC异丙醇，而不产生氢气。他用铱做催化剂。
关键的惊喜是一种被称为钴环戊二烯（cobaltocene）的“魔法添加剂”。钴二烯是一种非贵金属钴的化合物，长期以来一直被用作简单的还原剂，价格相对便宜。研究人员发现，在这个反应中，钴二茂烯作为辅助催化剂参与反应，直接将质子和电子传递给催化剂铱，而不是像之前预期的那样释放氢气。
根本性的未来
钴在电池中已经是一种常见的材料，需求量很大，所以斯坦福大学的研究小组希望他们对钴二烯性质的新认识可以帮助科学家开发出用于这一过程的其他催化剂。例如，研究人员正在探索更丰富的非贵金属金属催化剂，如铁，以使未来的LOHC系统更实惠和规模化应用。
相关故事
“这是基础的基础科学，但我们从此有了选择，可以将电能储存在液体燃料中，”Waymouth说。
随着这项研究的推进，人们希望LOHC系统可以改善工业和能源部门或个人太阳能或风力发电场的能源储存。
尽管研究过程复杂而富有挑战性，但整个化学反应过程其实相当优雅。正如Waymouth所总结的那样:“当你有多余的电，而电网对它没有需求时，你就把它储存为异丙醇。当你需要能量时，你又可以把异丙醇转换成电能。”
斯坦福大学的其他共同作者是Conor Galvin,（23届博士）和Julia Dressel（博士生）。
Waymouth也是斯坦福Bio-X和斯坦福癌症研究所的成员，是Sarafan ChEM-H的教员，也是斯坦福伍滋环境研究所的附属机构。
此项研究由国家科学基金会资助。
英文原文
编辑：一白
 
延伸阅读：
 
How to achieve speed and scale in the clean energy transition

液态储氢行业研究

国内外液氢贮存、运输的现状及发展
行业前沿｜能否大规模利用再生塑料建楼铺路？

构建智能代理，实现2050年净零

行业前沿 ｜瑞士研究人员成功将纳米管植入蓝藻，生物光伏发电性能有望提高

行业前沿｜微藻胞外代谢物可作为新型生物肥料

行业前沿｜可持续城市和社区的能效设计与优化

刘世锦：绿色转型在根本上还是要换技术

]]></description>
		<wfw:commentRss>http://jointings.org/cn/2024/06/a-%e2%80%98liquid-battery%e2%80%99-advance/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>行业前沿 ｜瑞士研究人员成功将纳米管植入蓝藻，生物光伏发电性能有望提高</title>
		<link>http://jointings.org/cn/2022/09/biotech-photosynthetic-cyanobacteria-nanobionics/</link>
		<comments>http://jointings.org/cn/2022/09/biotech-photosynthetic-cyanobacteria-nanobionics/#comments</comments>
		<pubDate>Thu, 15 Sep 2022 01:23:35 +0000</pubDate>
		<dc:creator>admin</dc:creator>
				<category><![CDATA[能源与环境 | EE]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=5859</guid>
		<description><![CDATA[【能源与环境】 &#124; Energy &#38; Environment
生辉Agri Tech，北京，2022-09-13
生物光伏（biophotovoltaics, BPV）为太阳能利用提供了一条生物学路径。它使用含氧光自养生物（如蓝藻）或其部分来收集光能并产生电力。光合作用不仅利用了太阳能，还具有负碳足迹，同时解决了太阳能转换和二氧化碳封存两个问题。BPV 有望成为环境更加友好的新一代太阳能发电技术。
尽管蓝藻等光合微生物具有很高的光合效率，但产电活性很弱，BPV 系统的输出功率目前仍然很低。
近日，瑞士洛桑联邦理工学院基础科学学院的一组研究人员在这一领域取得一项突破——成功将人造纳米材料与生物结构（蓝藻活细胞）连接，由此产生的“纳米生物”技术结合了生物和非生物的优势，有望提高 BPV 的发电性能。
这一成果以“Carbon nanotube uptake in cyanobacteria for near-infrared imaging and enhanced bioelectricity generation in living photovoltaics”一文发表在 Nature Nanotechnology 期刊。
“将纳米管放入细菌中，表面上看起来并不是很令人兴奋，但这实际上是一件大事。”该文通讯作者、洛桑联邦理工学院化学科学与工程学院教授 Ardemis Boghossian 说。虽然还有很长的路要走，但 Ardemis Boghossian 正在展望细菌发电的潜在未来：“研究人员一直在将纳米管放入哺乳动物细胞中，这些细胞具有内吞作用等机制。但细菌没有这些机制，并且在让颗粒通过其坚硬的外部时面临着额外的挑战。尽管存在这些障碍，我们还是设法做到了这一点，这在应用方面非常令人兴奋。”
多年来，Boghossian 团队一直致力于单壁碳纳米管（single-walled carbon nanotubes，SWCNTs，以下简称“纳米管”）的纳米材料应用，SWCNT由一层以圆柱形排列的单层石墨组成，具有其他纳米管所不具备的某些机械和光学性质。
这些特性使该纳米管成为纳米生物技术领域许多新应用的理想选择。例如，它已被放置在哺乳动物细胞内，以使用近红外成像监测其新陈代谢。在哺乳动物细胞中插入纳米管也导致了将治疗药物递送到其细胞内靶标的新技术；而在植物细胞中，它们已被用于基因组编辑。纳米管也被植入活体小鼠体内，以证明它们能够对体内深处的生物组织进行成像。
在该研究中，Boghossian 的团队及其国际同事能够通过用带正电荷的蛋白质（这些蛋白质被细菌外膜的负电荷所吸引）“装饰”细菌来“说服”细菌自发地吸收纳米管。

△ 蓝藻门细菌的形态多样性（图源：维基百科）
该研究利用了两种蓝藻门的细菌，分别为 Synechocystis 和 Nostoc, 作为革兰氏阴性菌，其细胞壁很薄，具有革兰氏阳性细菌所缺乏的外膜。研究人员观察到，蓝藻通过被动、长度依赖性和选择性过程“吸收”了纳米管。该过程允许纳米管自发地穿透 Synechocystis 和 Nostoc 细胞壁。有趣的是，纳米管植入蓝藻后，当细胞分裂时，纳米管会留在子代细胞。
在此之后，研究小组想看看纳米管是否可以用来成像蓝藻——就像在哺乳动物细胞中发挥的作用一样。“我们首创了一个定制设备，能够对细菌内部的纳米管获得的特殊近红外荧光进行成像。”Boghossian 说。
实验证明，细菌内部的纳米管可以被清楚地看到，即使细菌本身也同时发光。这是因为，纳米管发射的为近红外线，该信号清晰而稳定，是目前任何其他纳米颗粒传感器都无法媲美的。通过使用纳米管就可观察细胞内部发生了什么，这令研究人员很兴奋。因为这些细胞难以使用传统的颗粒或蛋白质成像；而纳米管发出的光是天然生命物质所不具备的，遂使其脱颖而出。
实现了对细菌的实时监测后，研究人员通过跟踪细胞的生长和分裂发现，纳米管可由细菌分裂后形成的子细胞共享。“当细菌分裂时，子细胞继承了纳米管以及纳米管的性质。”Boghossian  说，“我们称之为&#8217;遗传纳米生物&#8217;。这像一个假肢，赋予细胞超出自然限度的能力。我们不仅将此赋予了细菌，而且也被它们的后代遗传。这是我们对遗传纳米生物的首次演示。”
另一个有趣的现象是，当纳米管置于细菌内部时，细菌在被光照亮时产生的电量显着增强。因此，该实验室正致力于将这些纳米生物细菌用于生物光伏发电。
Boghossian 设想了一种基于蓝藻的 BPV 设备，该设备可以自动控制不依赖于添加异物颗粒的电力生产。“在实施方面，现在的瓶颈是大规模将纳米管放入蓝藻体内的成本和环境影响。”Boghossian 和她的团队正在为扩大规模寻求合成生物学的解决方案。
“我们的实验室现在正致力于生物工程蓝藻，这种蓝藻可以在不需要纳米颗粒添加剂的情况下发电。合成生物学的进步使我们能够重新编程这些细胞。我们可以对它们进行工程设计，使发电这一功能存在于它们的 DNA [...]]]></description>
		<wfw:commentRss>http://jointings.org/cn/2022/09/biotech-photosynthetic-cyanobacteria-nanobionics/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>行业前沿｜微藻胞外代谢物可作为新型生物肥料</title>
		<link>http://jointings.org/cn/2022/09/new-biological-fertilizer/</link>
		<comments>http://jointings.org/cn/2022/09/new-biological-fertilizer/#comments</comments>
		<pubDate>Sun, 11 Sep 2022 13:46:43 +0000</pubDate>
		<dc:creator>admin</dc:creator>
				<category><![CDATA[可持续发展｜Sustainability]]></category>
		<category><![CDATA[能源与环境 | EE]]></category>
		<category><![CDATA[科技]]></category>

		<guid isPermaLink="false">http://jointings.org/cn/?p=5639</guid>
		<description><![CDATA[【能源与环境】 &#124; Energy &#38; Environment
生辉Agri Tech，2022-09-09
近日，最新科研成果显示了将微藻相关应用拓展至农业领域，发掘微藻尾液用作生物改良剂（bio-stimulant）的潜力。研究发现并验证了微藻尾水中胞外代谢产物作为新型生物肥料的可行性，增强了微藻工业化生产全流程的经济价值、环境友好性及可持续性。

△ 图1. Graphical abstract（来源：研究论文）
现代农业作物生产在很大程度上依赖于化肥，但化肥的过度使用容易引起土壤、水、空气的环境污染和食品安全问题。绿色农业是我国近年提出的可持续农业发展模式，以“绿色环境”、“绿色技术”、“绿色产品”为主体，促使过分依赖化肥、农药的化学农业向主要依靠生物内在机制的生态农业转变。
微藻是在淡水和海洋系统中存在的一种微小光合生物，它们能够产生许多不同的生物活性物质，如蛋白质、脂类、类胡萝卜素、维生素和多糖。研究报道了普通小球藻、四尾栅藻、蓝藻、莱茵衣藻等微藻可用作甜菜、番茄、苜蓿等农产品的生物改良剂，帮助提升作物的种子发芽率、活性物质积累和生长发育等。
原始小球藻（Auxenochlorella protothecoides）是一种单细胞的真核微藻，既能利用光和二氧化碳自养生长，又能利用葡萄糖异养生长，是产油脂和蛋白的重要微藻之一。原始小球藻可积累大量的脂肪酸、蛋白质和叶黄素，而异养培养的细胞密度可达自养培养的 100 倍-1000 倍左右。原始小球藻发酵后的废水（尾水）一般会通过水处理后进行排放，增加了生产成本。
为了变废为宝，实现尾水的再利用与增加经济价值。研究团队研究了原始小球藻尾水（EAp）对高等植物生长的影响，结果表明微藻尾水对多种高等植物的生长表型有显著促进作用，并且可以提高其抗逆性。

△ 图 2. EAp 对模式植物生长的影响（来源：研究论文）
团队合作对尾水中胞外代谢产物进行了鉴定与分析，发现 EAp 中有超过 84 种化合物，包括 50 种有机酸、21 种酚类化合物及寡糖、多糖等活性物质。
为 EAp 开发新型生物肥料、在农业中的综合利用提供了依据，并对其可能的作用机制作出分析：1）有机酸的释放可促进土壤中金属氧化物的溶解，从而提高铁、锌、铜等微量元素的有效性；2）酚类化合物具有抗菌或抗氧化作用，加强细胞壁，防止水分流失，或作为信号分子功能，在细胞分裂、激素调节、光合活性、营养矿化和生殖等发育过程中发挥着关键作用；3）微藻多糖能提高植物抗坏血酸含量，提高 NADPH 合成酶和抗坏血酸过氧化物酶的活性，从而影响植物的光合作用、细胞分裂和非生物胁迫耐受。

△ 图 3. EAp No.2 代谢组分分析（来源：研究论文）
微藻工业化生产过程中，原始小球藻的胞外代谢物（EAp ）通常会被作为废弃尾液处理，本研究发现 EAp 对植物展现促进生长、丰富营养价值和提高非生物抗逆性的作用。其中 EAp No.2 和 No.3 在高稀释倍数下也能促进植物生长，为其实际运用提供运输便利性。EAp 的商业应用不仅使微藻行业产业链更完整、价值效益最大化，而且能为农业发展提供新的环保方案、同时实现生产端和应用端的绿色可持续。对 EAp 的成分研究和机理分析更是为微藻尾液的应用提供了理论依据，为研究团队后续开发新型更经济、更绿色的微藻农业生物改良剂打开了新的思路。
 
参考资料：Qu, Y.; Chen, X.; Ma, B.; Zhu, H.; Zheng, X.; Yu, [...]]]></description>
		<wfw:commentRss>http://jointings.org/cn/2022/09/new-biological-fertilizer/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
