堵车时为什么不能频繁变道？| 科技周览

整理 | 周舒义、平生

猴子也会“吸宠”？427起跨物种交往，13次以死亡收场

人为什么要养宠物？这是一个看上去温情、实际上相当棘手的演化问题：耗费大量资源去照顾一种“既不能吃、也不干活”的动物，从适应性上并不容易解释。长期以来，一个流行的说法是，与其他物种建立长期亲密关系，是人类独有的能力。

7月21日发表在《灵长类》（Primates）杂志上的一篇综述，给出了更复杂的答案。

这项研究的灵感源于一次偶然观察。牛津大学演化人类学家西里尔·格鲁特（Cyril C. Grueter）曾在上海动物园看到一只雌性北白颊长臂猿轻轻抱着、抚摸一只误入笼舍的老鼠；后来在中国西南进行野外工作时，他又目睹了野生滇金丝猴幼崽反复试图爬上家猪的背。格鲁特意识到，这些行为显然无法用觅食或防御天敌等常规生存需求来解释。

雌性北白颊长臂猿轻轻抱着一只老鼠 | Cyril Grueter from Primates (2026).

格鲁特带领国际研究团队对科学文献、媒体报道以及灵长类动物学家的野外记录进行了系统梳理。他们共记录到427个跨物种社会互动的案例，涉及88种作为主要观察对象的灵长类动物和127种互动对象物种（其中55种为非灵长类）。结果显示，猴子和类人猿经常与其他物种的个体玩耍、梳理毛发、拥抱、携带，甚至会“收养”它们。

在新研究中，科学家们记录了许多令人惊叹的跨物种互动案例：短尾猴会为家犬梳理毛发；灰叶猴会温柔地抚摸巨松鼠；环尾狐猴为竹狐猴梳理毛发；日本猕猴骑在梅花鹿背上。

跨物种互动案例 | Primates (2026).

更不可思议的是，2006年科学家在巴西首次记录到野生卷尾猴收养幼年狨猴的案例。这只小狨猴先后由两只成年雌性卷尾猴抚养，在猴群中生活了至少十个月。在此期间，它像其他卷尾猴一样参与迁移、觅食，对警戒叫声作出反应，甚至与猴群一起围攻蛇类；而群里的年轻卷尾猴也会和它玩耍。

研究发现，玩耍（139例）和梳理毛发（136例）是最常见的互动形式。在群体特征上，未成年个体更有可能与其他物种的成员玩耍，而成年雌性则更倾向于为它们梳理毛发。相比之下，成年雄性参与友好跨物种互动的可能性最低。

虽然灵长类动物最常与亲缘关系较近的物种建立社会联系，但许多互动也涉及亲缘关系较远的动物，包括狗、鸟类、松鼠和爬行动物。而且，大多数互动都是由灵长类动物主动发起的。

格鲁特教授表示：“长期以来，人类一直被认为在与其他物种建立密切社会关系方面是独一无二的。我们的研究表明，许多灵长类动物对非同类动物也表现出了非凡的好奇心、包容度甚至照顾行为。虽然这些行为还算不上我们所定义的‘饲养宠物’，但它们可能代表了人类与动物陪伴关系最终形成过程中的某些进化基石。”

不过，并非所有跨物种接触都有童话般的结局。过度的“好奇”和“照顾”有时会演变为粗暴的对待。研究团队记录了13起互动物种死亡的案例。例如在沙特阿拉伯，一只雄性狒狒曾“绑架”了一只家养小狗，并带着它到处跑了很长时间。作者提醒，这些跨物种的情感纽带并不总是以喜剧收场。

相关论文：
https://dx.doi.org/10.1007/s10329-026-01281-0

一次严重热浪，身体可能“老”半年

7月15日发表在Cyborg and Bionic Systems上的一项研究显示，反复经历热浪除了增加心血管、呼吸系统疾病及认知功能障碍等急性健康风险，还可能加快人体的生物衰老进程。

研究利用中国健康与养老追踪调查数据，纳入2318名45岁及以上人群。研究人员综合C反应蛋白、糖化血红蛋白、总胆固醇、甘油三酯、血尿素氮等8项临床指标估算生物年龄，并以生物年龄与实际年龄之差衡量衰老加速程度。同时，他们根据城市气象数据，统计参与者接受评估前12个月内经历的热浪事件及天数。

结果显示，参与者平均生物年龄从2011年的57.3岁升至2015年的62.3岁，58.8%的人在随访期间出现生物年龄加速。在控制生活方式、体重及抑郁症状变化等因素后，热浪暴露增加仍与生物年龄加速显著相关。

按照最严格的热浪标准，即体感温度连续至少4天超过当地第97.5百分位，每增加一次热浪事件，生物年龄加速值平均增加0.531岁；每增加一个热浪日，平均增加0.057岁。体重指数不低于23 kg/m²、居住在城市以及生活在中国南方或亚热带季风区的人群，关联更加明显。

生物标志物分析发现，热浪暴露与总胆固醇和糖化血红蛋白升高有关。老龄小鼠肝脏转录组分析还识别出29个相关差异表达基因，主要涉及脂质代谢、动脉粥样硬化和胰岛素抵抗等通路，支持热浪可能通过扰乱代谢稳态加速衰老。

研究提示，热浪不仅带来急性健康风险，还可能影响长期衰老轨迹。不过，该研究属于观察性研究，尚不能证明直接因果关系，城市气象数据也难以完全代表个人实际暴露。研究人员建议，未来结合个体温度监测、分子衰老指标和长期随访进一步验证，并加强对中老年人、体重偏高者及城市居民的高温防护。

相关论文：
https://doi.org/10.34133/cbsystems.0602

Claude参加模拟攻防，结果把三家真公司黑了

OpenAI曝出Hugging Face攻击事件后，竞争对手坐不住了。7月30日，Anthropic 在官方博客中披露：Claude模型在网络安全能力评估中越出测试环境，未经授权侵入了三家真实机构的生产系统。

Anthropic将此次事件定性为“操作失误”而非“对齐失败”。据披露，事件涉及三款AI模型：Claude Opus 4.7、Claude Mythos 5以及一个内部研究测试模型。最早的入侵案例可追溯至今年4月。

当时，这些模型正在无安全护栏的评估环境中进行“夺旗”（Capture-the-flag）挑战，AI被告知网络中某台机器上藏着一段“旗标”，任务是攻进去取回来，方法不限。尽管Anthropic指示Claude模型“该环境没有互联网访问”，但由于与第三方评估合作伙伴（一家名为Irregular的网络安全实验室）的沟通误解，导致系统实际上连接到了公共网络。

其中，Claude Opus 4.7被分配了一个虚构的目标公司，但该虚构名称恰好与现实世界中的一家企业重名。该模型随后不仅在真实互联网上找到了这家企业，还利用弱密码和未经身份验证的端点等基础黑客技术，获取了该企业的系统凭证并访问了其数据库。Opus 4.7甚至对自己的行为进行了“自我合理化”，它推断这些与真实世界相关的数据必定也是Anthropic设置的模拟测试的一部分。

另两起案例分别涉及Mythos 5上传恶意PyPI软件包，以及内部研究模型大规模扫描互联网目标。

Anthropic已于7月23日全面暂停网络安全评估，并在7月27日开始通知受影响的企业，其中两家在此之前对自己遭到AI黑客入侵一无所知。目前仍在设法联系第三家受影响企业，且第三方实验室Irregular已启动相应调查。

就在上周，Anthropic竞争对手OpenAI曝出旗下AI模型入侵了知名开源社区Hugging Face的基础设施。与Anthropic因为“人为失误”连上网不同，OpenAI的AI代理是“独立”利用漏洞连接到互联网的。OpenAI安全团队通过内部监测发现了异常活动；Hugging Face也独立检测并阻断了相关访问，随后双方交换信息并展开调查。

研究 AI 攻击能力的Palisade Research执行主任Jeffrey Ladish对路透社表示，他怀疑多家头部AI公司都发生过未被察觉或未被公开的类似事件，而且“随着模型变得越来越聪明，情况只会越来越糟。它们会变得更擅长作弊，也更擅长撒谎。”

Anthropic博客：
https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals

睡前4小时不吃东西，大脑表现可能更好

一项小规模试验显示，在统一限制能量摄入的情况下，将每天进食时间控制在9小时以内，并在睡前4小时停止进食，除了有助于减重，还可能改善中老年人的部分认知能力。不过，研究人员强调，这一发现仍属初步结果，尚需更大规模研究加以验证。

美国罗格斯大学营养科学家苏·沙普斯教授带领团队，对47名年龄在50至79岁、存在超重或肥胖问题的女性进行了为期6个月的试验。所有参与者每日能量摄入减少约500千卡，其中26人被要求将进食集中在9小时内，通常为上午10时至下午6时；其余参与者每天的进食时间约为12小时。

试验结束时，两组参与者的减重效果相近，平均减重约7公斤。认知测试结果则显示，采取限时进食的参与者在空间规划和问题解决任务中的表现更好；在记忆和学习测试中出现错误的次数也有减少趋势。不过，在部分多任务处理和反应速度测试中，两组表现没有明显差异。

沙普斯表示，限时进食带来的认知改善幅度较为温和，但研究结果提示，这种饮食方式可能有助于人们记住处理日常事务所需的信息，并减少与记忆、注意力和问题解决有关的错误。相关研究结果已在美国营养学会年度会议“Nutrition 2026”上公布。

研究人员认为，限时进食对大脑的潜在影响，可能与昼夜节律、代谢和炎症反应之间的复杂联系有关。与只关注“吃什么”相比，“什么时候吃”也可能是影响健康的重要因素。此前研究还发现，延长夜间空腹时间、避免深夜进食，可能有助于改善体重、腰围、血压和多项代谢指标。

英国伦敦国王学院营养科学负责人温迪·霍尔教授指出，对于超重的中老年人而言，限时进食是一种具有科学合理性的认知健康干预方式。除帮助控制体重外，避免晚间大量进食还可能改善血糖调节、血管功能和炎症水平。

但专家同时提醒，这项试验样本量仅为47人，且参与者全部为超重或肥胖女性，因此研究结果尚不能直接推广至男性、体重正常者或更广泛的老年人群。此外，相关研究仍需经过完整的同行评议，才能判断观察到的认知改善是否具有实际临床意义。

相关来源：
https://nutrition2026.eventscribe.net/index.asp?posterTarget=811824

堵车时频繁换道，未必更快

堵车时最让人焦躁的场景，莫过于自己所在的车道纹丝不动，旁边的车却似乎一辆接一辆地往前挪。

许多司机此时都会产生同一个念头：赶紧变道。

然而数学给出的建议恰恰相反：频繁变道可能会适得其反，制造新的扰动，加剧整条道路的拥堵。

人们通常认为，堵车总该有一个明确原因，例如交通事故、道路施工或车道关闭。但现实中，很多拥堵既没有事故，也没有明显障碍。车辆只是莫名其妙地走走停停，过了一段路后，拥堵又突然消失。

这种现象被称为“幽灵堵车”。

2008年，日本研究人员让22名司机在一条环形跑道上行驶，要求他们保持稳定速度，并与前车维持安全距离。道路上没有红绿灯、施工或其他障碍，但几分钟后，车流中仍然出现了明显的走走停停现象，而且这种“拥堵波”不断沿着环形道路传播。

问题的起点可能极其微小。

一名司机稍微多踩了一点刹车，后方司机因为反应存在延迟，刹车力度更大；再后面的司机为了避免追尾，又不得不踩得更重。微小的扰动就这样逐级放大。

最终，数百米外的车辆可能被迫完全停下。与此同时，最初引发扰动的车辆早已恢复正常行驶，以至于后来者根本找不到拥堵的原因。

反直觉的是，拥堵波的传播方向与车辆相反：汽车向前行驶，堵车现象却在向后移动。

为了理解这种现象，数学家通常不会逐一模拟每名司机，而是把道路上的车辆看成一种连续流体，类似研究水在管道中的流动。

交通流理论中有一个最基本的关系：交通流量＝交通密度×车辆平均速度。

其中，交通流量表示每小时通过某个地点的车辆数，交通密度表示单位长度道路上的车辆数。

道路比较空旷时，增加车辆通常会提高流量，因为固定时间内通过某个地点的汽车确实变多了。但车辆密度达到一定程度后，司机需要频繁减速、车距被迫缩短，平均速度开始下降。

当速度下降的幅度超过车辆数量增加的幅度时，道路的总通过能力便会降低。也就是说，道路上虽然塞进了更多汽车，每小时真正能够通过的车辆却变少了。因此理论上存在一个使道路通行效率最高的最优密度；超过临界点，继续增加车辆只会让所有人更慢。

这也是为什么一条接近饱和的道路，可能因为一次轻微刹车就迅速陷入拥堵。

回到开头问题，频繁变道为什么会更慢？

从单个司机的角度看，变道似乎是一个合理选择：旁边车道正在移动，而自己的车道停了下来。

但司机看到的只是局部和短时间内的变化。

不同车道中的走停波并不同步。旁边车道现在看起来更快，可能只是它正处于交通波的前半段；等司机完成变道，新车道也可能随即减速，而旧车道反而开始前进。

更重要的是，每一次变道都会迫使周围车辆作出反应。

后车可能需要刹车，被插入车道的车辆需要重新调整间距，相邻车辆也可能随之减速。如果大量司机同时寻找所谓的“快车道”，这些小扰动便会不断叠加，提高幽灵堵车的可能性。

因此，对一个司机来说“聪明”的决定，从整个交通系统来看却可能降低所有人的通行效率。

这并不意味着任何情况下都不能变道。为驶离道路、绕开障碍或进入正确车道而变道当然有必要。问题在于，为争取几分钟而反复穿梭于车流之中，通常很难带来稳定收益。

交通拥堵并非只能依靠拓宽道路解决。数学家和交通工程师也在研究，能否通过改变少量车辆的驾驶方式，让整个车流恢复稳定。

2018年，研究人员重复了环形跑道实验，但把其中一辆人类驾驶的汽车替换为自动驾驶汽车。这辆车没有试图不断抢占空隙，而是按照程序平稳加速和刹车。

结果显示，仅仅一辆车（只占全部车辆的不到5%），却足以削弱循环传播的走停波，使整个车队行驶得更加顺畅，并降低了所有车辆的总体燃料消耗。

这说明，自动驾驶汽车的价值可能不仅在于让自身驾驶得更安全或更高效。只要控制策略设计得当，少量自动驾驶车辆也可能充当交通流中的“稳定器”，通过吸收速度波动，改善周围大量人类驾驶车辆的行驶状态。

未来的智能交通系统还可以结合道路传感器、摄像头和联网汽车收集数据；使用随机模型处理驾驶行为、天气和交通需求带来的不确定性；利用机器学习预测拥堵位置；再通过控制理论调整红绿灯、动态限速和导航路线。

这类系统优化的对象不再是某一辆汽车，而是整个交通网络。

交通拥堵不可能彻底消失。人口增长、出行需求增加以及人类行为的不确定性，都会继续给道路系统带来压力。

但交通数学表明，司机的一些简单行为可以减少拥堵波的产生：

保持足够的跟车距离，不要紧贴前车；平稳加速和刹车，避免突然改变速度；不要为了微小而短暂的优势频繁变道。

这些做法看起来比较“窝囊”，甚至可能被其他车辆“加塞”。但从整个交通系统来看，稳定的车距和速度可以给扰动留下缓冲空间，防止一次轻微刹车演变成数公里的拥堵。

堵车路上，宁静致远。

相关来源：
https://theconversation.com/dont-change-lanes-the-maths-of-holiday-traffic-jams-287389

注：本文封面图片来自版权图库，转载使用可能引发版权纠纷。

特 别 提 示

『返朴』提供按月检索功能。关注公众号，回复四位数组成的年份+月份，如“1903”，可获取2019年3月的内容目录，以此类推。

版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。