肥胖对男性更危险******
图片来源:pixabay
近日,英国科学家发表的一项研究揭示了肥胖相关疾病中性别差异的生物学基础。研究人员观察到,雄性与雌性小鼠脂肪组织中构建血管的细胞存在显著差异。相关研究近日发表于《交叉科学》。
约克大学运动与健康科学院教授Tara Haas说,男性比女性更容易患上与肥胖相关的疾病,如心血管疾病、胰岛素抵抗和糖尿病等。
“人们使用啮齿动物模型研究肥胖,以及与肥胖相关的疾病,如糖尿病。但他们通常只研究雄性啮齿动物,因为雌性对同样类型的疾病有抵抗力。”该研究负责人Haas说,“我们对探索这种差异非常感兴趣,这说明女性体内发生了一些可以保护自己的非常有趣的事。”
Haas团队在早期的一项研究中观察到,当小鼠变胖时,雌性会长出许多新的血管,为扩张的脂肪组织提供氧气和营养物质,而雄性新增的血管则很少。在最新研究中,Haas和约克大学博士生Alexandra Pislaru、助理教授Emilie Roudier等合作,重点研究了脂肪组织中血管内皮细胞的差异。
该团队使用软件筛选了数千个基因,以锁定与血管生长有关的基因。他们发现,雌性小鼠体内与新血管增殖相关的过程较多,而雄性小鼠体内则是与炎症相关的过程较多。Haas说:“其他研究表明,当内皮细胞有这种炎症反应时,雄性会出现功能异常,对刺激的反应也不正常。”
“通过观察,我们发现女性内皮细胞即使长期在高脂肪饮食的压力下仍能表现出持续的弹性,这令人兴奋。我们的研究结果可以帮助研究人员更好地理解为什么肥胖在男性和女性中表现不同。”该研究共同第一作者Pislaru说。
研究人员还检查了从人体内取出的内皮细胞在培养皿中的表现。Haas解释说:“即使把它们从体内取出来,没有了循环性激素或其他因素,男性和女性的内皮细胞仍有很大差异。”
女性内皮细胞复制更快,而男性内皮细胞对炎症刺激更敏感。通过与之前公布的数据集进行比较,研究人员发现,与雌性相比,老龄雄性小鼠的内皮细胞也表现出更多的炎症特征。
“不能假设两性对同一系列事件的反应是一样的。”Haas解释说,“这不仅是一个与肥胖有关的问题,而且是一个更广泛的概念性问题,包括老龄化对健康的影响。我们的研究结果意味着,在某些情况下,对男性理想的疗法对女性并不理想,反之亦然。”
虽然人类和小鼠有不同的基因,但Haas认为这些发现可能适用于未来的研究。他对在人身上研究这类细胞很感兴趣。(李木子)
聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛,12月5日在清华大学以线上线下结合方式举行,中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题,发表主旨演讲建言献策,并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为,大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练,难以开发出具有可解释性的算法框架,深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外,由于数据可以带来巨大的规模效应,当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中,因此,未来对“机器换人”的预测非常具有挑战性,需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题,使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出,由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性,导致当前人工智能研究中面临着一系列挑战,因此,需要加强人工智能基础研究工作,这需要跨领域、跨学科的共同努力。当前,理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面,理解人工智能机理需要构架“感知-思考-行动”的智能模型,加强对大脑思维机理的理解,建议借鉴神经科学研究联合体的有益经验,建立全球性的人工智能研究数据库,形成全球共享的研究社区。另一方面,构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上,建议建立类似于自由协作式的知识库,通过全民民众参与,推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示,由于深度学习等算法存在不可解释性,导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法,开发安全、可信、可靠、可扩展的人工智能技术,以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台,赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导,并需要政策法规对数据使用的正确规范,充分利用知识、数据、算法和算力四个要素结合,推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为,当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段,至2030年,中国人工智能发展总体要达到世界领先水平。从战略问题看,中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈,当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势,而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看,人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求,鼓励各种可能的强人工智能探索,“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图;在安全问题层面,强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性,人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护,重视探索人工智能伦理问题,并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示,AI已经应用于生活和工作的方方面面,目前甚至在法律上也具有一定的应用,比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑,包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”,应该打开“黑箱”,探究和理解其中的具体内容和因果关系,我们一定要做可解释性的AI。同时,他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点,作为新兴领域,还需要向其他领域学习,从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出,“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择,又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网,智联网可以赋能绿色计算,助力“碳中和”。智联网助力“碳中和”主要包括三个环节:首先,由数据驱动和人工智能优化引擎来实现智能决策。其次,多参数全链系统配置优化。最后,通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架,该平台包括人工智能驱动节能减排和高能效人工智能系统,应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办,清华大学人工智能国际治理研究院承办,国际支持机构为联合国开发计划署。论坛为期两天,设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
(文图:赵筱尘 巫邓炎)