【菜科解读】

世界上最笨的恐龙是什么恐龙？剑龙为一种很大的草食性恐龙，是一种生存在侏罗纪晚期的食草性动物，它的背上有一排很大的骨质板，以及带有四根尖刺的危险尾巴来防御掠食者的攻击，大约7-9米长，2.35米至3.5米高，2至4吨重。

下面就跟一起具体看看世界上最笨的恐龙等相关内容。

世界上最笨的恐龙<1 />

剑龙是一种体型很大，生存于侏罗纪晚期的典型食草恐龙。

它们被认为是居住在平原上，并且以群体游牧的方式和其他食草恐龙一同生活。

剑龙大约全长7米，如果算上骨板的高度，身高可达3.5米，可重达7吨。

整个身躯如同现在的大象，但只有一个小得可怜的脑袋。

大脑只有一个核桃般大小，与它庞大的身躯极不相称。

科学家们由此认定，剑龙一定很笨。

有人认为剑龙的臀部还有一个脑子，这完全是一种谣传，任何动物绝对不可能有两个脑子。

实际上剑龙的臀部只不过是有一个脊索，里面是个膨大的神经节，能通过神经网络与脑相通。

这个膨大的神经节就像一个控制中心，这种控制中心对于像剑龙这样的大型动物来说，是至关主要的。

剑龙前肢短小，全身明显前倾。

颈部沿背脊直至尾巴中部，排列着两排三角形的板块，尾端有两对牛角状的尖刺，这是它的武器。

它靠臀部的神经节控制后肢和尾巴，遇到危险时，就用尾巴上的尾刺来打击来犯之敌。

外形特征

概述

剑龙长着个像鸟一样的尖喙，喙里没有牙齿，但嘴里的两侧有些小牙。

剑龙的背上有17块板状的骨头，在它尾巴的尖端还有着长刺。

这些刺有4英尺长。

剑龙的前腿比后腿短，前腿有五个脚趾，而后腿有三个脚趾。

剑龙走路时用4条腿。

它们可能是群居生活。

剑龙的脑袋非常小，所以不太聪慧。

剑龙生活在侏罗纪晚期。

它最著名──也最受爱慕的──是大型、骨质的板片分布在背脊以及尾部四个钉状脊。

它的脑部与头颅非常的小。

它以四足行走，可能觅食较低的植物，因为它的臀部位非常高而肩部却非常的低平。

剑龙也是侏罗纪中数量众多的著名恐龙，外观上最大的特征就是背部有一整排的三角形骨板及尾巴上的四枝尖刺，很大的剑龙头部非常小，脑容量甚至比小狗还小，因此科学家认为它们是一种很笨的恐龙。

剑龙是典型的食草恐龙。

全长7米，如果算上骨板的高度，身高可达3.5米。

整个身躯如同大象，但只有一个小得可怜的脑袋，大脑只有一个核桃般大小。

它的背上长着两排三角形的骨板，宛如一把把插着的尖刀。

剑龙是完全用四足行走的恐龙，大小与象差不多，前肢短，后肢较长，整个身体就像拱起的一座小山。

最初，科学家们估计这些骨板是像护盖一样平铺在恐龙身上的，后来，经过仔细的研究，最后确定骨板是竖立的。

当气温降低时，剑龙就会张开骨板，吸收阳光的热量，气温升高时，又会将骨板转一下，利用凉风散热。

剑龙的头尾长大约是12公尺，高度则大约5公尺。

对人类来说，剑龙是相当庞大的动物。

但是在它们所生存的年代中，还有许多更为很大的蜥脚类恐龙。

另外沿着弓起的背部脊线，有两道形状类似风筝的板状物平行排列；

在尾部靠近末端的区域，则有两对尖刺向水平方向突起。

这些装甲，可以用来防御一些属于兽脚类的掠食者，例如异特龙与角鼻龙。

剑龙有4支脚，它们的后脚有3个脚趾，而前脚则有5个。

四肢皆由位于脚趾后方的脚掌支柱。

剑龙的后脚比前脚更长也更强壮，使姿态变得前低后高。

它们的尾部明显高于地面许多，而头部则相对地较为贴近地面，能够离地不超过1公尺。

狭长的颅骨在整个剑龙身体中只占一小部分。

与大多数的恐龙不同，在剑龙的眼睛与鼻子之间，并没有一个称为眶前孔（antorbitalfenestra）的洞口。

这种特征出现在大多初龙类（Archosauria；

包含鸟类、恐龙、翼手龙与鳄鱼等动物的分类群）动物中，其中现存的鳄鱼已经失去了这个特征。

位置较低的头部，可能可以用来观察低矮的植物，并且以这些植物为食。

剑龙的门齿消失，取而代之的是喙状结构，这也显示了它们的食性。

剑龙的牙齿较小，并且呈三角形，因为缺乏研磨面，所以这些牙齿用来进行研磨的作用不大。

此外，牙齿在下颌的排列方式，显示出剑龙拥有突出的脸颊（腮帮子）。

剑龙的脑容量不比狗的脑容量更大，因此与整个身体相比之下便显得相当地渺小。

剑龙的命名者奥斯尼尔·查尔斯·马许，曾经在1880年代获得一具保存完善的颅骨，显示出剑龙的脑容量非常小，可能是所有恐龙中最小的一个。

事实上，当动物的体重大于4.5公吨时，其脑部重量将不会超过80公克。

这个现象使过去的人们认为恐龙是相当愚笨的动物，不过这种想法已经被广泛地否定。

大多数关于剑龙的信息是来自成熟的个体，直到较晚近的年代，才发现了一些幼年时期的剑龙化石。

美国的怀俄明州在1994年发现了一具半成熟个体的标本，头尾长4.6公尺，高度为2公尺；

活着时的体重则估计大约是2.3公吨。

这具标本目前收藏在怀俄明大学地质学博物馆（UniversityofWyomingGeologicalMuseum）。

在丹佛自然古代博物馆（DenverMuseumofNature&Science）展出的一个较小标本，身长2.1米，背部高度为0.8米。

剑龙的前肢与后肢相较之下非常地短，由腓骨（fibula）与胫骨（tibia）所组成的下半部比股骨（femur；

前肢的一部分）更短。

这显示它们并不能非常快速地行走，因为后肢的脚步会受到前肢的限制，最快大约每小时是6到7公里。

第二大脑

有些古物种学家推测，剑龙应该有两个大脑：一个在它那小小的脑袋里，另一个则在它的臀部，头上的那个大脑是“主脑”，臀部那个是“副脑”。

两个大脑相互配合，才使剑龙能够适应复杂的生存环境。

马许曾经在描述剑龙不久之后指出其臀部区域的脊髓，拥有较大的通道，能够提供空间给一个比脑部大20倍的构造。

这种是一种著名的想法，认为如剑龙一般的恐龙，在尾部拥有一个「第二大脑」，而且可能用来控制身体的后半部。

同时这颗「脑」也可能在剑龙遭受略食者攻击时，暂时性地帮助它们抬高身体。

后来则出现另一种想法，认为这个空间（也出现在蜥脚类）事实上是肝醣体（glycogenbody；

或糖原体）的所在。

这种构造出现在现存鸟类身上，其详细功能还不明了，可能是用来帮助神经系统的肝醣供给。

科学家发现唤醒大脑机制：大脑中的觉醒开关

　　文章来源：煎蛋 　　睡眠是由好几个部分组成的。

一个晚上的睡眠包括N-REM（非快速眼动睡眠）和REM（快速眼动睡眠）以及各自的许多分支。

恰当的说，它的结构和模式被称为"睡眠结构"。

　　60多年来的研究，让我们了解睡眠的基本框架。

今天，怀抱着科学知识，研究人员对构成我们睡眠结构的底层神经系统进行研究，试图识别和了解对大脑进行控制的神经回路——不同阶段睡眠的开始、持续和停止。

例如研究人员发现控制REM周期开始和终止的神经开关。

一号店恐怖故事,狼蚁奇闻趣事,利用激光和药物操纵神经元的活动（一种叫做光遗传学的方法），他们了解了大脑如何控制梦境。

　　其他研究人员利用光遗传学鉴定夹在下丘脑和丘脑之间的神经回路，当这组神经回路变得活跃时表示睡眠结束。

是的，这很吸引人，同时也很有用：因为如果这部分的神经过于活跃或缺少活性，分别会导致失眠和嗜睡，大脑中的电路可以帮助研究人员研究出治疗睡眠障碍的方法。

　　现在，来自瑞士和德国的研究人员发现了唤醒大脑的机制。

研究小组在小白鼠的大脑中发现一条神经回路，当小白鼠清醒时这条神经回路变得很活跃，而当其变得不活跃时小白鼠进入了深度睡眠中。

他们将研究结果发表在了《自然神经科学》杂志上。

　　研究人员发现，激活这条神经回路小白鼠很快从睡眠甚至是麻醉的状态中清醒过来。

　　论文的合著者Antoine Adamantidis在一份新闻稿中说道："这是一个令人兴奋的发现，因为将植物人或具有微弱意识状态中唤醒的治疗方法效果是有限的。

" 　　掌握这条控制觉醒的神经电路能够帮助研究人员发明出更有针对性的治疗睡眠障碍和设计出更好的唤醒植物人以及具有微弱意识人的方法。

人类大脑：宇宙最强CPU

例如，不管字母A的外形、质地和背景怎样，或者不管同事的头上戴着帽子还是变了发型，我们总能认出来。

我们也能根据事物露出的一部分，比如床的一角或门的铰链，来认出它们。

这到底是怎么实现的呢？人类是不是使用了特别简单的技巧来完成这些复杂的任务？这些技巧是不是能用来改善计算机视觉，提高机器学习能力或机器人性能呢？ 人类大脑：宇宙最强CPU 乔治亚理工学院的研究人员发现，国美奇闻怪事,湘120灵异故事,人类能使用不到百分之一的原始信息来给数据分类，他们还确认了一种能够解释人类学习行为的算法，这种方法也能用于提升机器学习能力、数据分析和改善计算机视觉。

"我们怎么能够感知我们周围的这么多数据呢？怎么就能区分这么多种类型，这么快速，这么笃定？"乔治亚理工大学计算机科学的特聘教授桑托什·万帕拉说，"人类那么做的基础是什么？这是一个计算问题。

" 该大学负责研究人类行为的研究人员做了"随机投影"试验，来理解人类的学习行为。

他们把原始的抽象图像呈现给测试对象，然后询问他们是否能够识别出那些只显露一小部分特征的图像。

"我们假定随机投影是人类学习的一种方式，"阿里亚加说。

他是资深科学家和发展心理学家。

他解释说："最简洁的答案是，预测可能总是对的。

只要给人类百分之零点一五的数据，人类就能做到准确预测。

" 接着，研究人员测试了一个计算机算法，让机器（非常简单的神经网络）计算同样的测验。

机器的表现跟人类一样。

"我们发现，人类和机器的神经网络非常相似。

" 科研人员想找出一个数学定义，找出典型和非典型的公式，然后，据此预测出对人类和机器学习来说最困难的那种数据。

人类和机器的表现差不多，这表明随着时间的过去，人们将能预测出最难获悉的数据。

这个研究成果刊登在《神经计算杂志》上，被认为是对"随机投影"的首次研究。

为了测试他们的理论，研究人员做了三组150X150像素的抽象图像，然后把那些图像缩小到最小的随机投影。

被测试人员看到所有图像的时间是10秒钟，然后会随意给出某一个图像的16张草图。

使用抽象图像的目的是，确保人类和机器都不会提前获得该测试物的相关知识。

"我们惊奇地发现，简单的神经网络和人类的表现是如此接近，"万帕拉说，"通过研究人类学习模式，我们发现机器神经网络的设计太了不起了，不过它还很薄弱。

发现它跟人类的行为匹配，真是太让人惊讶了！那是一种几何学、机器神经计算和机器学习能力的创造性组合！" 虽然研究人员不能明确声称人类大脑的识别能力就是随机投影，但是研究结果随机投影看起来是个有道理的解释。

另外，随机投影是使数据不必丢失主要内容而得到有效管理的一种方法，至少对完成分类和做决定这样的基本任务来说是这样。