鸟类的飞行能力却让人着迷而又感到困惑。飞行中的秃鹮总是小心地观察其周围同伴的飞行动作——并随时调整自己以利用上升气流——确保在长途迁徙中最大限度地节约体力。图片来源：Markus Unsold, Waldrappteam

　　“鸟类能摆脱飞行路线的束缚吗？” Bob Dylan问道。当然，这只是一个比喻（在Dylan的歌词中，指的是失去的爱情），但这句话对鸟类来说确实没错，这是由于鸟类迁徙的复杂性——从迁徙的航向到群体的动力学——长久以来一直是一个谜。猜测众多，却没有一个明确的答案。当然，作为大量趋同进化例子中的一个，昆虫和哺乳动物也进化出了飞行能力。但鸟类的飞行能力却让人尤为着迷而又感到困惑。

　　荷马和亚里士多德都对鸟类的迁徙做了详细的记录，但人类对于鸟类飞行能力的兴趣甚至可以追溯到很久以前。如果你仔细研究过史前人类的神话传说，你就会发现，只要人类能看见鸟儿的地方，就会有关于鸟类如何飞行以及飞行原因的解释。在当今时代，关于解释鸟类结群飞行及呈V字形飞行、迁徙的理论比比皆是，但最终答案却几乎没有。随着创新技术的使用，对八哥和秃鹮迁徙飞行的新研究显示，复杂的飞行动力学以及原先被认为是不可能存在于鸟类身上的基于传感反馈的快速调整能力，是确实存在的。

　　内置全球定位系统系统？没这么快吧

　　当研究解释了最大的问题之一——鸟类为什么及如何呈V字队形迁徙之后，秃鹮登上了2014年1月16日《自然》杂志的封面。

　　“近50-60年，关于鸟类如何形成V字队形的纯理论文章大量涌现。”在伦敦皇家兽医学院（London’s Royal Veterinary College，简称RVC）研究鸟类飞行的Steven Portugal博士说道。但是最基本的细节却很难获得，而且数据也不完整。“从前，人们利用照片和视频获得数据，但那些并不能提供足够的精确度，如果他们（人和鸟）飞行在同一平面，拍出的照片和视频会使高度失真，还会丢失信息。这种方式仅能提供飞行的截图，而不是动态影像。

　　安装在秃鹮身上的特制仪器的重量仅占秃鹮体重的不到百分之五，为的是不影响其正常的行为。由加速计和全球定位系统组合而成的仪器记录的结果证明V字队形理论是正确的。图片来源：Markus Unsold, Waldrappteam

　　Portugal的团队和RVC的结构与运动实验室一起制作出了一套全新的飞行记录仪。这种仪器将频率为300赫兹的加速器与频率为5赫兹的全球定位系统整合在一起，与此同时，它的重量很轻，足以安装在秃鹮身上（它的重量至少要低于秃鹮体重的百分之五，以保证不会过度影响秃鹮的飞行。）这两种仪器的组合使得研究者能够准确地知道秃鹮飞行的地点，以及在高频振动下测量秃鹮翅膀的运动情况。

　　该团队将记录仪放置在14只成年秃鹮身上，这些秃鹮被一个叫Waldrappteam的动物保护组织带回它们以前的居处——德国和奥地利。这些鸟儿将被训练如何跟在一架小型飞机后面呈一定间距按照它们的迁徙路线飞行。大多数鸣禽都会本能的按照迁徙路线飞行，较大一些的禽类，比如鹈鹕，仙鹤，鹅以及秃鹮，则需要跟着它们的父母——在这种情况下即指保护组织——学习飞行路线。这是一次独一无二的追踪这些鸟儿如何飞行的机会（从逻辑上说，这远比捕获野生秃鹮容易。）

　　引进到它们从前在奥地利和德国的生活和迁徙领地。图片来源：Markus Unsold, Waldrappteam

　　记录仪记录的长达45分钟的飞行数据，显示了一些此前人们确信，但没有得到最终证明的东西：鸟儿通过调整翅膀扇动的速度以及保持与其他鸟儿的相对位置来最大程度的提高飞行效率。“最重要的是我们发现它们不仅将它们自己置于可能是最好的位置以获取上升气流，而且这还是一个主动的动态过程。每一只鸟儿的飞行轨迹都采取与前一只鸟儿相同的路径，这样他们就能知道何时及如何调整飞行姿态以获得最大的上升气流。”Portugal说道。

　　针对鸟类的工程学

　　George Young博士是一个机械工程师，他仔细考察了八哥（那段广为流传的视频中结群飞行的鸟儿）以研究它们最理想的群体行为。不仅是为了解释这些鸟儿为何及如何结群飞行的问题，也是因为这些研究成果有助于他对于人工智能的设计工作。“我们正在研究如何设计集成传感器和机器人，使他们不话费多少代价就能从事复杂和智能的任务。”Young说道。

苏格兰格雷纳的八哥鸟群图片来源：Adam via Flickr

　　八哥可以提供Young所需的答案，因为它们已经解决了如何在嘈杂环境下进行群体交流的问题。杨称这种工作为“仿生工程”——用自然界的方法解决眼前的问题。

　　“现在我们已经知道，八哥结群飞行，每只鸟儿会注意离它最近的七只八哥的情况，但还不知道它们为什么这么做”，在《PLOS计算生物学》2013年1月的研究报告中，Young和他在普林斯顿（他在那里获得了博士学位）的博士生导师——Naomi Leonard，以及来自罗马萨皮恩泽尔大学（Sapienza University）的同事达成共识：七就是“群落中在凝聚力和个体行为之间取得优化平衡（按报告所说）”的数字。

　　“基本上，如果鸟仅仅将注意力集中在临近几只鸟儿身上，那它就不能在整个群体中传递信息。如果它关注太多，它只是多花了更多精力而没有获得更多的信息。六到七只是鸟在群体中保持交流所需的最少邻居数目。”Young说道。

　　为了知道这个最佳数字的大小，杨一帧一帧地分析了视频数据。群体中每一只鸟的位置和速度都被跟踪和测算。“我们采用了位置数据并用它构建了假想的交互网络，”Young说道。然后他们很有创意地使用了一些技术。

一个位于苏格兰格雷纳的八哥群落图片来源：Walter Baxter via Geograph

 
　　Matlab是一个在应力分析和流体力学工程中广泛使用的软件。作为一个工程师，Young对此很熟悉，但在他对八哥的研究中他用它来模拟生物系统。“我们构建了一个巨大的矩阵结构，每一个行和列代表一只鸟儿，但Matlab自带的程序语言能让我们快速编写大型计算程序，就如同那些种群中成百上千的鸟儿一样。”Young说道。

　　通过使用工程软件进行生物分析，奇妙的数字（最佳邻居数——7）被发现了。杨希望将这个发现用在处理信号和噪音的系统中，正如真正的鸟儿一样。“当种群大小和密度在一定范围内——同时，种群密度的为一般大小时，鸟群中的最佳邻居数是一样的，这一事实显示该数目可能是逐渐演化来的。”Young说道。

　　一个工程师可以使用软件来研究大自然解决问题的方法，最终将研制出更聪明的机器人，还有比这个更完美的例子可以表现人类在进化中的位置吗？

　　作者简介：斯塔瑞•瓦尔坦（StarreVartan）是一个自由撰稿人和对自然世界有一颗永不满足的好奇心的职业博主。她童年常去澳大利亚悉尼的潮池和纽约哈德逊山谷的湿地经历野外生活，正是这些经历激发了她对自然的热爱。莎拉以前在奥杜邦曾是一个专栏作家，曾为《纽约大都市》（New York, Metropolis）和《整体生活》（Whole Living）杂志撰文，目前正为MNN网站写作。关注她最新的作品《好奇的人类》（The Curious Human），你可以在推特上关注她@thecurioushuman. （翻译：张栋  审校：斑马线）