资料图:丝绸之路上的甘肃永靖县炳灵寺石窟。中新社发 杨艳敏摄
从“仰视”到“平视”,
是东方文化自信回归
中新社记者:我们以往经常说“崇洋”,但现在很多中国年轻人喜欢“国潮”“华流”,从东西文化吸引力的变化,能看出哪些历史逻辑?
邢广程:我年轻的时候,还能听到很多老年人将煤油叫“洋油”,火柴叫“洋火”。“洋”字代表了一种我们说不出的洋气感,其实就是文化吸引力。之前我们是仰视西方,现在不再仰视,而是平视,对西方的认识更客观,将西方文化作为一种和我们平等交流的文明载体来看待,东西文化吸引力不是单向的,而是双向、多向的。
这种心态的变化,最主要的支撑就是中国崛起。我们尝到了改革开放的甜头,尝到了全球化的甜头,尝到了文明互鉴的甜头,开放的大门会越开越大。同时,文化自信的程度越高,我们就越能感到有理由也有义务为人类文明做出更多中国贡献。
中新社记者:伊朗年轻一代有没有对于本民族文化或者东方文化的“自信回归”?
纳思霖:我非常认同邢教授的观点,我们强调保护自己的文化、语言和文明,但这不意味着封闭,我们要与其他文明在互相尊重的前提下密切交往。
近十年,越来越多伊朗年轻人对东方文化感兴趣,大学有中文系,每年都有很多新生选择学中文。从现实看,中文是世界第二大语言,不少学生认为学中文未来可以找份好工作,有不错的收入。从更深层次看,他们是被中华文化吸引,学习汉语时,也会想接触中国的文化和艺术。
“自信回归”是个非常好的提法。其实,我们现在常说的美国文化,历史不是很长,只有几百年,甚至都无法称之为文化。东方有深厚的文明积淀,伊朗和中国作为因丝绸之路结缘的两大文明,如今应该有更好的文明交流示范。
美国为何对“一带一路”如此纠结?
中新社记者:近年来,中国与部分西方国家之间的人文交流受限,如何看待政治操作对文明交往交融的影响?
冀开运:中国经过40多年的改革开放融入全球化以来,西方的自利心态就凸显出来:你不能比我富裕,不能比我平等,全球化的好处只应属于我。因此,当中国成为国际秩序建设者、维护者时,这样的国际秩序他们宁可不要。
另外,欧美一些人对中华文化、东方文化始终有傲慢与偏见。他们固执地认为东方文化就是愚昧、落后、专制,在意识形态偏见下产生了文明上的傲慢,而这种傲慢又进一步加深偏见。
中新社记者:有观点认为,美国在欧亚地缘政治上的频繁动作只有一个目的,即阻碍欧亚大陆经济整合,如何解释?
邢广程:今年,美国在乌克兰危机背后下了很大功夫,客观上对丝绸之路经济带,对欧亚“五通”产生影响,因为已经打起仗来了。同时,他又在海上搞印太经济框架,在21世纪海上丝绸之路上再做堵点。美国不断在陆上和海上给亚欧制造新堵点,这种战略意图非常明显。
“一带一路”没有排斥美国,也希望美国参加,但是“你不当头就不参加,你要参加必须当头,必须听你的话”,这种帝国思维已不适合21世纪的发展。
资料图:2022年12月12日,中欧班列(齐鲁号)第1900列顺利开行。图为开行的“齐鲁号”班列。山东高速 供图
中新社记者:如何让美国和西方理解超越意识形态的文明交流互鉴?
冀开运:全球化时代,中国离不开世界,世界也离不开中国。回顾古丝绸之路上的文明互鉴,有利于增进东西方在民族心理和文化信仰上的沟通理解。“脱钩”绝不符合世界人民的利益,也不符合中美两国利益。鼓噪“脱钩”言论,说明美国政客的狭隘和短见,事实上,也脱不了钩,不是中国人不想“脱钩”,美国的利益也要求无法“脱钩”。
邢广程:我们提出人类命运共同体理念,因为当今人类面临一大堆共同问题,包括气候、灾害、贫困等等,应对这些威胁只能团结协作、命运与共。上升到文明层面就要强调文明对话,强调文明是平等的,没有优劣之分。西方一定要消除“文明优越”的偏见,如果认定盎格鲁撒克逊民族天生高人一等,这就是对文明认识的扭曲。
提速近10倍!基于深度学习的全基因组选择新方法来了******
近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。
全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。
统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。
相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。
该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。
与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。
该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。
学术支持
中国农业科学院作物科学研究所
记者
宋雅娟
(文图:赵筱尘 巫邓炎)