破解飛行能力起源之爭 中國團隊透過「巴氏諾瑞龍化石」證恐龍與鳥類各自獨立演化

中國地質科學院地質研究所聯同多個海內外科研單位，對遼寧建昌出土的「巴氏諾瑞龍」化石進行深入研究。研究團隊透過骨組織學分析及演化模式重建，證實小盜龍亞科與鳥類的飛行能力為各自獨立演化形成，而非繼承自共同祖先，為古生物學界關於飛行起源的爭議提供了關鍵實證。

中國地質科學院地質研究所聯同多個海內外科研單位，對遼寧建昌出土的「巴氏諾瑞龍」化石進行深入研究。網上圖

從稱霸陸地的恐龍演變至翱翔藍天的鳥類，這場跨越億萬年的演化奇蹟長久以來一直吸引着科學界深入探索。關於恐龍的飛行本領究竟是如何獲得，古生物學界過往一直存在着「繼承說」與「獨立發明說」的激烈爭辯。

據《環球時報》報道，中國地質科學院地質研究所研究員王旭日夥拍河北地質大學等多個海內外學術機構，針對遼寧省葫蘆島市建昌縣出土的一具保存極為完好的小盜龍類化石展開了系統性研究，為這項困擾學界許久的古生物學謎題提供了關鍵性的解答。相關研究成果已於9月29日正式刊登於國際權威學術期刊《自然·通訊》之上。

中國地質科學院地質研究所聯同多個海內外科研單位，對遼寧建昌出土的「巴氏諾瑞龍」化石進行深入研究。《自然·通訊》圖

據了解，該研究團隊建立了一個屬於小盜龍亞科的新屬新種，並將其命名為「巴氏諾瑞龍」（Norellraptor barsboldi gen. et sp. nov.）。這具化石具備極為典型的小盜龍亞科解剖鑑定特徵，同時亦展現出許多有別於其他已知小盜龍亞科成員的獨特特徵組合。透過骨組織學的精細分析，研究團隊確定該隻巴氏諾瑞龍在死亡時剛滿三歲。

小盜龍類是鳥類在演化上最親近的親屬之一。《自然·通訊》圖

論文摘要與前言指出，作為近鳥類（Paraves）的演化成員，小盜龍類是鳥類在演化上最親近的親屬之一，其四肢構造與羽毛型態均展現出獨特且適應飛行的特徵，因此過往常被研究人員用作探討鳥類飛行起源的經典模型。然而，學界對於鳥類的飛行器官與小盜龍類所謂適應空中的特徵之間的演化關係，在功能學與系統發育學的觀點上始終存在分歧。其中一種觀點主張飛行能力是由近鳥類的共同祖先直接「繼承」而來；另一種觀點則認為兩者生物學上的相似性，可能僅是發育限制所產生的間接結果。

小盜龍類是鳥類在演化上最親近的親屬之一。網上圖

為了釐清這項核心問題，研究團隊透過對骨組織特徵與發育模式的對比分析，成功重建了飛行特徵的演化路徑。

研究結果最終確認，小盜龍亞科與鳥類並不具備共同的飛行起源，兩者的飛行能力是各自獨立演化發展而成，並非承襲自共同祖先。正如論文明確指出，雖然大約30%的小盜龍亞科共近裔性狀是由鳥類支系（Avialae）透過收斂作用獲得，但沿着這兩個支系所重建的飛行相關新穎特徵序列一直存在持續性差異，結合暗示特殊肢體生長模型的組織學證據，這些結果排除了驅動飛行恐龍演化的共享發育模式，強力支持了在近鳥類飛行類群起源過程中存在多個獨立選擇機制的論點。

研究結果最終確認，小盜龍亞科與鳥類並不具備共同的飛行起源，兩者的飛行能力是各自獨立演化發展而成。《自然·通訊》圖

這項突破性研究在國際學術界引發了高度關注。《自然》官方網站報道引述香港中文大學古生物學家麥克皮特曼（Michael Pittman）的評述表示，這項研究提供了極具份量的新證據，進一步支持了飛行能力曾歷經多次獨立演化的假說，證實了小盜龍類與鳥類是各自獨立演化出飛行技能。

研究結果最終確認，小盜龍亞科與鳥類並不具備共同的飛行起源，兩者的飛行能力是各自獨立演化發展而成。網上圖

澳洲科普新聞網站《科學快訊》（ScienceAlert）亦專題撰文指出，這項研究給出了無可置疑的清晰答案，即飛行能力在演化史上至少獨立出現了兩次，屬於極為典型的「趨同演化」——兩個彼此獨立的演化支系，透過截然不同的發展路徑最終達成了相似的適應結果，這就如同雖然都能依靠鰭部在水中游動，但進化路徑卻完全不同的鯨魚與魚類一樣。

科學家研發出一套極具突破性的「讀心」AI系統，僅憑分析大腦掃描數據，便能精準重建受試者當時所看見的圖像，即使AI此前從未看過相關相片亦能還原。新系統在還原畫面的內容細節上顯著提升，且適應新使用者所需的腦部掃描時間大幅縮減至約1小時，未來有望應用於解讀夢境。

科學家研發出一套極具突破性的「讀心」AI系統，僅憑分析大腦掃描數據，便能精準重建受試者當時所看見的圖像。資料圖

在實驗過程中，受試者被要求觀看多張涵蓋不同場景的照片，其中包括棒球比賽現場、小狗將頭部伸出車窗外，以及一整群人在雪地中徒步前行等豐富畫面。名為 Brain-IT 的人工智能系統透過精細分析受試者當時的大腦活動模式，隨後成功構建出對應的視覺影像，最終產出的結果與原始照片高度吻合。即便AI本身此前從未接觸過這些特定圖片，依然能夠準確地還原出內容細節。

受試者被要求觀看多張涵蓋不同場景的照片。網上圖

來自魏茨曼科學研究所（Weizmann Institute of Science）的教授 Irani 指出，雖然現時市場上已存在能將大腦活動轉化為影像的人工智能模型，且大體上能夠保留畫面的語意概念，但這些傳統系統往往會在構圖比例及色彩呈現等基本視覺特徵上產生誤差。她強調：「我們研發的全新模型，不論在重現圖像的整體內容抑或是細微細節方面，均顯著優於現有的各式系統。」她補充指，其他舊有模型通常需要累積長達數十小時的腦部掃描數據，方可學懂辨識一個全新的個體，而新系統僅需大約1小時的數據收集便能順利完成。

受試者被要求觀看多張涵蓋不同場景的照片。網上圖

新系統僅需大約1小時的數據收集便能順利完成。網上圖

研究團隊現階段正積極嘗試將這項突破性技術延伸拓展至聲音訊息的解碼範疇，並探討利用腦電圖（EEG）所記錄的大腦訊號進行深入分析。腦電圖主要透過佩戴於頭皮表面的感測器來量度大腦的電訊號變化，研究人員相信，隨着人工智能模型持續自我演進，運用這類訊號來解讀複雜的大腦活動將會變得愈來愈切實可行。

新系統僅需大約1小時的數據收集便能順利完成。網上圖

然而，現階段要解碼連續性的影片內容仍面臨巨大挑戰，例如嘗試解析夢境期間的大腦活動即屬一例。Irani 教授解釋道：「影片每秒鐘都有數十幀畫面在迅速變化，但執行一次功能性磁力共振（fMRI）掃描過程就需要耗時大約兩秒。若果未來能夠順利克服這些技術障礙，讀取夢境內容將極可能成為現實。」

現階段要解碼連續性的影片內容仍面臨巨大挑戰。網上圖