攒塑料袋,究竟是如何刻进中国人DNA的?

最近,网络上流传着一个“中国人特有buff”,其中“攒塑料袋”一项,被网友们集体惊呼“快把我家摄像头拆掉”!

中国人到底有多爱攒塑料袋呢?

这一行为不分男女老少,只要妈妈辈来家里住上十天半个月,你就会收获一个塞满了塑料袋的柜子或房间。而这一切,已经开始在90后、00后身上上演了。此前有个热搜,“第一批90后开始收破烂了”,年轻人精致小资的现代生活中,同样囤积着各种塑料袋。

这也说明,攒塑料袋并不是单纯源于老一辈的“贫穷记忆”——因为过过苦日子而特别节俭,这届年轻人“断舍离”起来可毫不手软,也并不是都站在要做环保的道德高地,却总是忍不住将干净的塑料袋打包收纳起来。

网友们从攒塑料袋中得到的,甚至还有哲学层面的思考。

前段时间,北大网红李雪琴在一档节目中谈及“人生规划”,认为“人生就像攒塑料袋,不管什么外卖袋、买菜袋、买衣服袋,我都攒起来。当有一天,有个东西你不知道用什么装的时候,打开你攒塑料袋的柜子,总有一个袋适合你。”

“人生就是走在捡塑料袋的路上”,这句话戳中了年轻人“收破烂”的心情,被送上热搜。

这时候,就有许多小伙伴好奇了,外国人就不攒塑料袋吗?攒塑料袋到底是靠什么群体性心理在驱动呢?

换个角度想,或许,攒塑料袋,因为中国人就是全球工业时代里的一股清流呀!

塑料袋的滥觞

大家之所以会觉得,攒塑料袋是刻在中国人DNA里事情,因为从小开始,就能见到父母们有意识地多次重复使用塑料袋。这其中既有物质匮乏年代的时代烙印,也有不愿浪费“物尽其用”的中式生活哲学。

而在塑料袋的老家——西方现代国家,使用起塑料袋来那才叫一个狂欢,人们一度将便利、低廉的塑料袋视为20世纪世界上最伟大的发明之一。

在50年前,塑料袋都是一件稀罕物。1933年,英国北威奇的一家化工厂意外地制造了聚乙烯,最初被秘密在第二次世界大战期间使用。后来,工程师斯滕·古斯塔夫·图林认为当时商店普遍使用的纸袋导致成吨的树木被砍伐,于是发明了塑料袋。

今天我们使用的高密度聚乙烯(HDPE)塑料袋,则是由瑞典大提琴公司在1965年发明的,具有轻盈、可塑、坚固等特点,并且比纸袋的生产成本更低,能为零售商节省了不少钱。

在塑料袋首次推出后,它们在商店员工中并不受欢迎。静电会导致袋子粘在一起,这意味着员工需要更多的时间来包装货物。架不住塑料公司开始积极推销其产品,杂货店和百货公司很快就意识到塑料袋更坚固、更便宜。于是在1965年,塑料袋在欧洲很快开始取代布袋和纸袋。1979年,塑料袋已经控制了欧洲80%的袋子市场,并被广泛引入美国。

1982年,美国最大的两家连锁超市Safeway和克罗格也开始改用塑料袋,更多的商店纷纷效仿。

直到1997年,水手查尔斯·摩尔发现了大太平洋垃圾区,堆积着大量的塑料垃圾,威胁着海洋生物,塑料袋对生态环境的威胁才开始引发广泛关注。

2002年,孟加拉国成为世界上第一个实施塑料袋禁令的国家,此前塑料袋对该国排水系统堵塞,导致了灾难性的洪水。随后,全球其他国家也开始跟随,寻找重复利用塑料袋、环保替代品等方法。

有国外媒体的数据显示,美国人每年使用1000亿个塑料袋,丹麦人平均每年使用四个塑料袋。所以,其他国家同样能看到酷爱攒塑料袋、改造DIY的身影。

比如他们会将塑料袋改造成跳绳、灯具,作为宠物垃圾袋等,以重复使用。对了,他们也会将塑料袋塞在家中各种空间里,有博主夸张地表示,谁能找到一个绝妙的存储塑料袋的方法,就能得到诺贝尔奖。这些都说明了,储存塑料袋是一个全球性难题。

攒的不是塑料袋,是文化

塑料袋如今已是全球无所不在的产品,年产量达1万亿。它们可以出现在幽暗的海洋深处,从珠穆朗玛峰顶到极地冰盖,造成了一些重大的环境挑战。

而从塑料袋的起源中不难发现,这一制品全球泛滥,主要有两个原因:

1.工业规模化制造的供应链。塑料袋生产方便、成本低、利润空间大,获得了塑料厂商、零售商、百货公司的联手推广,他们并没有意识到塑料袋广泛使用对环境的影响是灾难性的,消费者被推动着拥抱塑料袋,从上世纪七十年代到本世纪初,放弃了传统的纸袋。 

2.发达国家低端制造转移的连锁反应。塑料制品等产业被转移到发展中国家,比如中国就是从改革开放之后,大规模地从国外进口乙烯装置,在全球市场中形成了塑料制品的比较优势。产业转移让塑料制品得以低成本、高产量地快速在全球范围内覆盖。

这时,大家想必已经发现了,塑料袋的泛滥,并不是中国原创的“现代化问题“。反而,由于中国人普遍惜物、减少浪费的心态,在庞大的人群基数之下,不仅没有像其他发达国家那样形成类似的环境危机,还很快就进入了战略性调整阶段。

具体表现为三个方面:

1.塑料制品行业的质变。中国塑料包装材料从量到质,发展得很快。从1990年产量高速增长,到新千年相继发布了多项塑料行业的法律法规,推动塑料产品向可降解、无害化转变,转型升级称得上迅速。

2.惜物以养德的中华智慧。塑料袋在中国没有被不停地购买、任意地浪费,反而是重复利用、用心收藏。早在西周时期,《周易》中就曾提到,“节,亨,苦节,不可贞”,认为节制可致亨通,但过分节制也不可取,主张理性地看待物质生活。比起一味追求过剩、超前的消费文化,中华传统文化中“俭以养德”的概念,也让祖辈们在无意之间消弭了一部分工业现代化的负面影响。

3.当代年轻人的自信与自省。有学者认为,全球资本主义现代化带来的工业文明,走的是一条以破坏生态环境为代价的道路。而中国作为后发现代化国家,在还未完全实现现代化的时候,就开始了对生态困境与新文明的思考与探索。其中,当代年轻人也没有对西方消费主义生活方式的盲目模仿,所以才能出现“90后00后开始收破烂”“攒塑料袋”的有趣画面,这不正代表着一种绿色、生态的新消费文化吗?

不得不承认,工业化极速发展的时代,也是产能严重过剩的时期。当地球要求人类不再追求数量增长,当产业资本扩张走到尽头,也意味着要找到全新的方式去推动产业升级。

在这个过程中,或许中国几千年农耕文明的发展中,那份人与自然共生的DNA,催生了“攒塑料袋”的我们,也是在为人类的未来积攒变革的力量。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值