《人类的演化》书摘

本书作者罗宾邓巴是演化心理学家牛津大学认识及演化人类学院前院长所著的《人类的演化》这本书从人类的起源、更替、进化、演变等方面逐一为我们呈现了一部演化进程史。


本书共分九章。第一章为开篇前奏几个事先的说明”;第二、三章介绍了灵长类社会化的基础和基本的架构从第四章到第九章分别介绍了人类演化的五次过渡分为第一次过渡南方古猿第二次过渡早期古人第三次过渡古人第四次过渡解剖学意义上的现代人血缘关系、语言和文化是怎么来的第五次过渡新石器时代及以后。


第一章中作者介绍我们人类属于大猿猴科与我们同类的还包括两种黑猩猩、两种大猩猩、两种红猩猩。大猿猴科后来分化为现代人类和其他猿类现代人类属于人亚科此后逐步演化为双足行走的猿类乍得沙赫人图根原人南方古猿自己人包括匠人期和直立人期)—古人现代人也称智人),现代人的显著特征是身材纤细脑容量增加。接下来作者一步一步按照时间顺序拼接了这幅演化的图像把每个物种面临的新的危机和困扰放在他们前辈的处理方式之中来研究逐渐深入以此得出一幅比之前更加合理的完整的画面。


第二章和第三章作者介绍了灵长类社会化的基础和基本的架构。灵长类动物最显著的特征是高度的社会化个体之间特殊的纽带关系使得这个物种能够组成经得起时间考验的稳定团体。缓解群居的压力和单配偶形态的制度的进化使得灵长类社会化进程进一步加强。在人类演化的故事中大脑容量和时间分配是两个最为关键的原则。大脑容量决定了应对环境变化而生成的群体大小群体大小和环境因素决定了时间的分配这些需求必须得到满足否则新的进化就不会产生。作者用社会大脑关系假说测定相关物种的群体规模然后用时间分配模型来揭示这个物种为了生存所必须做出的改变以此勾勒出无论是化石人亚科还是现代人类都适用的基本架构。


第四章至第七章作者介绍了第一次至第四次的过渡南方古猿的出现和形成、南方古猿的生存世界、南方古猿的群体进化、食物解决时间分配的危机以及南方古猿的社交生活和由于气候环境的变化而导致南方古猿逐渐消失取而代之的是第二次过渡悄然开始早期古人走出非洲、大容量大脑成本、用火、欢笑和烹饪。其中时间分配在进化的过渡阶段起了变化早期古人进化到古人的第三次过渡时期大脑容量有一个跳跃性的增加故事更加错综复杂从第一个家庭到洞穴人的生活、尼安德特人的视觉和歌唱这个时期解决了脑容量增加的一个主要瓶颈解剖学意义上的现代人是人类演化进程的第四次过渡作为现代人的新物种之所以能够成功是因为基因中的历史、语言的进化、生育繁殖的进化、以及优于尼安德特人的文化适应性。


第八章和第九章分别介绍了血缘关系、语言和文化是怎么来的以及人类演化进程的第五次过渡新石器时代及以后。人类文化的最终绽放是经历了六百万年漫长的生物演化之后才站在这个高度。文化是后天的行为是好奇和创新的产物。在这个进程中人类演化的最后一次过渡开始萌芽从新石器时代开始标志着文化创新取代了生物进化侧重于认知和社会方面而非传统上更受青睐的化石和遗骨。


人类演化的故事是一个不断寻找适应压力的新方案的过程需要从生理角度、社会角度和认知角度三个方面共同解读只有当这三个角度融合在一起才拉开了现代人类关系的浩瀚场面。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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