讀

你能想象在一臺電腦上復制一個人類大腦和它的工作原理嗎？這就是人類大腦計劃（Human Brain Project ，以下簡稱HBP）的一項內容。

這個為期10年的項目始于2013年，歐洲100多所大學、教學醫院和研究中心的約500名科學家受雇參與其中。HBP是歐盟有史以來資助的最大科學項目——四個“未來和新興技術旗艦項目”（Future and Emerging Technology）之一。

HBP將人腦項目將神經科學家、計算機和機器人專家聚集在一起，為了大腦研究建立一個獨特的信息和通信技術（ICT）為基礎的腦研究基礎設施， 旨在增強腦部研究的能力，以了解人類大腦及其疾病，由此推動大腦醫學和計算技術的發展。

然而，這是一個復雜的挑戰，因為人的大腦包含860億個腦細胞（稱為神經元），每個神經元平均有7000個連接到其他神經元（稱為突觸）。目前的計算機能力不足以對整個人腦進行這種程度的相互連接建模。

神經元是神經系統內的細胞，將信息傳遞給其他神經細胞、肌肉或腺體細胞。大多數神經元都有一個細胞體、軸突和樹突。圖源Brain Facts

但HBP也沒有放棄構思全腦模型。在這些模型中，最小的單位不是一個神經元，而是一個神經元群，對應的是大腦成像的分辨率。這些全腦模型是針對小鼠和人腦做的，它們可以直接整合來自連接組的數據。這樣的模型可以用來預測和研究病理現象，如癲癇或中風等。

HBP在過去的七年間不斷致力于以數據為動力推動神經系統科學的藍圖。神經科學領域大數據如火如荼的現象早已備受矚目。

專注生命科學研究進展的媒體《生物通》在2018年發表標題為《2018年新技術：大數據時代的神經科學》的文章，描述了這項神經科學的新變化：當下成像技術和高通量記錄技術的進步正在以前所未有的速度生成神經科學數據。

文中也提出追問：人腦是一個智能而復雜的機器,而其中大多數神經元行為非常復雜。定量的大數據分析真的能完全模擬神經元活動，并且主宰我們的神經元科學，帶我們進入神經科學的大數據新紀元嗎？

日前，曾在美國德克薩斯大學奧斯汀分校擔任研究科學家，致力于研究機器學習和自然語言處理的美國作家（？）Erik Larson在國際期刊Inference上發布題為“Big Neuroscience”（大神經科學）的文章，深度刨析大數據研究對于神經科學的影響與未來。

在分析盤點了HBP及其前身“藍腦計劃”、美國Brain計劃、Mindscope等計劃后，Erik Larson提出了明確的觀點：大數據只能作為幫手，而無法作為神經科學的主宰。

Erik Larson認為，數據就是數據，就是觀察，就是經驗，它永遠不應該占據神經科學的核心地位。研究和實驗亦不應該讓位于數據收集和計算機分析。

世界頂尖科學家論壇以獲得授權編譯轉載。

大神經科學

大數據從一開始就被夸大其詞，而現在變成了一種過分吹噓。Viktor Mayer-Sch?nberger和Kenneth Cukier將他們最近出版的書命名為《大數據：一場將改變我們生活、工作和思維方式的革命》。映入眼簾的并不是非常謙虛的前景。

圖片上是《大數據：一場將改變我們生活、工作和思維方式的革命》作者之一的Kenneth Cukier，圖源Data Innovation

當然，如果能對大數據有一個準確的定義，那就更有幫助了。《福布斯》雜志2012年發表的一篇文章就說明了概念上的混亂："12個大數據的定義：你支持哪個？” 2001 年，早在這個術語本身還沒有進入詞典的時候， Doug Laney就將大量的數據集所帶來的挑戰描述為“由三個屬性的同時擴展所帶來的挑戰”：“數量”（volume）、“速度”（velocity）和“多樣性”（variety）。

在這個3V的模型上，IBM又增加了“真實性”（veracity）。不滿足于4V的模型，其他人還進一步擴大了框架，表現出對Laney最初的構思不屑一顧。甲骨文公司將大數據定義為 "從傳統的關系型數據庫驅動的商業決策中衍生出的價值，并輔以新的非結構化數據來源。"在 2012 年的一項研究中，英特爾設定了大數據的界限，即以“組織每周產生中位數為300TB的數據”為參照。另一方面，微軟將大數據定義為一組用于分析大量的數據集的技術。數據可能是海量的；分析才是最重要的。

Doug Laney是Gartner數據和分析研究和咨詢小組的副總裁和杰出分析師。他是信息管理和分析領域的杰出實踐者和公認的權威人士。圖源Coursera

這些都甚至不能算定義，而是一系列的說法。混合和匹配:大數據指的是對數據集在一定規模上的存儲和分析，而在這個過程中數據的分析使得新的見解的誕生成為了可能。

毫無疑問，這樣的規模是存在的；數據分析確實能帶來新的洞察力；但這些洞察力是否有很大的價值是另一回事。

在科學史上，大數據的光輝性是新的，但它深層的思想卻不是。

經驗主義如果不是這種將科學本質上看作數據的收集和分析的觀念，那它又能是什么呢？科學的職責其實是觀察。這是一個可以追溯到英國的經驗主義者們：洛克、喬治·貝克萊、大衛·休謨的論點。經驗主義就好像休謨所理解的那樣，是一個出人意料的嚴厲的大師。

蘇格蘭歷史學家和哲學家大衛·休謨的肖像畫，由Allan Ramsay 1754年創作，現存于蘇格蘭國立肖像美術館，圖源OUP Blog

休謨認為，因果之間沒有必然的聯系。正如我們所知道的那樣，下一個吞下一口馬錢子堿的人可能會發現它是有營養的。如果因果之間沒有必然的聯系，那么在經驗中也無法辨別。有吞食毒藥，也有隨之而來的死亡。它們之間的因果仍然是隱藏的。

休謨的結論是，正是事件之間的不斷結合，為經驗主義者提供了他所能知道的關于它們的因果結構的一切。

這個結論并不是給科學議程注入了樂觀主義色彩。休謨觀察到：

“當然，我們必須允許，自然界使我們與她的所有秘密保持著很大的距離，只給我們提供了物體的幾個表面質量的知識；而她對我們隱瞞了那些完全依賴于這些物體的影響的力量和原則。”

英國的經驗主義者雖然早已消亡，但在二十世紀上半葉又死灰復燃。邏輯實證主義者認為，我們在科學中所擁有的，就是休謨所說的我們所擁有的：經驗的多元性，回過頭來看，就是數據的記錄。一些科學屆的哲學家們認識到了隨之而來的討論的無菌性。

卡爾·漢普爾認為，即使是簡單的現象，也不能用觀察來解釋。木頭漂浮在水上，而不是鐵。還有什么比這更簡單呢？但是，木頭有時會下沉，鐵有時會浮起來。只有比重的概念才能讓物理學家解釋為什么一個有水的棺材會下沉，而一個空心的金屬球體會浮起來。物體的比重就像事件之間的因果關系：兩者都不能直接把握；兩者都在面紗的背后；每一個都在解釋中有重要的意義。

現代神經科學有賴于計算模型和模擬。令人印象深刻的計算資源是廣泛存在的。這樣的研究環境經常被稱為腦觀察站。位于西雅圖的艾倫腦科學研究所(AIBS)就是一個例子。

Mindscope是目前AIBS的一個項目，它所關注的是建立現實的動物和人類大腦的以神經元為基礎的模型。大腦觀測站使大腦地圖或地圖集成為可能。這些是大型的、計算生成的模型。沒有一個腦圖集是不完整的，它是代表神經元、神經元回路和大腦區域之間的連接的網絡圖。

2011年由卡夫利基金會贊助的腦活動圖譜（BAM），旨在開發小鼠、猴子和人類等動物腦活動的動態圖譜。這個項目已被歸入美國政府的 "通過推進創新神經技術研究計劃"（BRAIN計劃）——一個起始于2014年并且預計在接下來的十年里花費30億美元的長期項目。AIBS也正在完成艾倫小鼠腦連接圖譜的工作，哈佛醫學院有全腦圖譜，而密歇根大學有人腦圖譜。

研究人員經常自豪地提到他們的數據集的規模。現在，大數據已經變得真的“非常”大了。人腦連接組項目預計將產生超過1PB的相對高質量的成像數據。AIBS在研究和映射小鼠大腦7500萬個神經元的過程中，已經積累了1.8PB的數據。雖然規模令人印象深刻，但這些數據集與大型強子對撞機每年產生的30PB的數據相比還是相形見絀的。

一些模擬已經得到了媒體的極大關注。也許最廣為人知的是Henry Markram的用來模擬老鼠大腦皮層柱的 "藍腦計劃"，是以IBM藍色基因超級計算機來命名的。盡管這個項目被廣泛認為“幾乎沒有告訴我們任何有關大腦如何引發行為”，但卻激發了一個被稱人類大腦計劃（HBP）的后續項目。

其他值得注意的大規模大腦模擬包括Dharmendra Modha的在神經形態自適應塑料可擴展電子項目系統（SyNAPSE）項目里開展的工作。IBM認知計算小組經理Modha將他的模擬工作描述為“通過Synaptronics和超級計算進行認知計算”。他的工作的目標是盡可能便宜和快速地構建大腦。Modha聲明他已經通過配備有147456個CPU和144TB內存的IBM 藍色基因的超級大腦逆向推理了一只貓的整個皮層。

正如一個人可能會想的那樣，Markram對這些聲明提出了批評，認為Modha的模擬不符合生物學的實際情況。公平至上。雖然比Modha的項目復雜得多，但即使是Markram的工作也簡化了實際神經元的行為。

HBP于2013年在洛桑聯邦理工學院（école polytechnique fédérale de La Lausanne）啟動，已在歐盟的批準下在10年內獲得超過10億歐元的資助。HBP致力于以數據為動力推動神經系統科學的藍圖。

HBP斷言，智慧來自于大腦神經元的復雜互動。智慧的出現，除了模擬神經元以及神經元之間的突觸連接的方案之外，不需要更多的東西。旨在發現我們知識中缺失的部分的分頭的努力是沒有必要的，并且事實上往往會使神經科學支離破碎，最終阻礙研究工作的進行。2010年，超過60000篇標題寫著“大腦”的論文被出版了。

在Markram看來，神經科學已經令人絕望地支離破碎。

科學史現在要重新確立自己的地位了。

“木頭會漂浮，但鐵會下沉”的陳述中幾乎沒有提到浮力的事情，而陳述中提到的那一丁點兒也是錯的。而關于神經元的陳述——它們有什么不同嗎？如果有，是怎樣的？如果需要用比重來解釋浮力，那么解釋大腦又可能需要用到什么樣的理論概念呢？這個問題的正確是：誰知道呢？幾乎所有的神經科學家，包括Markram本人在內，都承認我們還沒有具備那個能使大量的數據有意義的理論框架。

大腦起初所使用的產生復雜的認知，知覺和運動行為的復雜、多元神經代碼實際上到底是什么呢？這段代碼某種程度上與神經元突跳的行為有關，但我們尚不知道如何。

Markram認為神經元尖峰可以主要用由離子電荷差異引起的膜行為來解釋；因此，與振蕩等高階模式相比，時序的相關性更大。

一旦數據生成后，它們被用來擴大多變量模擬的規模。為了模擬生物學上逼真的神經元及其連接，需要建立一個神經元行為模型。Markram的理論基于Hodgkin和Huxley方程，這是一組描述動作電位的啟動和傳播的非線性微分方程，Alan Lloyd Hodgkin和Andrew Huxley以普通電路為框架在20世紀50年代提出了他們的模型。

20世紀90年代在耶魯大學開發的NEURON軟件是在H-H模型的基礎上開發出來的，今天在一系列神經科學項目（包括HBP）中使用。

1952年，Alan Lloyd Hodgkin和Andrew Huxley描述了該模型，以解釋烏賊巨軸突中動作電位的啟動和傳播的離子機制。他們因此獲得了1963年諾貝爾生理學或醫學獎。圖源Wikia

H-H模型并不能完全解釋神經元的尖峰行為，甚至是離子通道行為。盡管如此，還是取得了一些進展。Hodgkin和Huxley無法確定離子傳導的時間激活序列。他們只能對其進行近似。20世紀60年代和70年代的研究通過使用膜跨越蛋白的孔隙理論，部分地解決了這個問題。然而，除了這些相對較小的調整之外，至今在神經科學中仍占主導地位的是基本的H-H模型。

在他們最初的研究中，Hodgkin和Huxley提出了描述離子門處于開放狀態的概率的一階速率方程。他們的方程依賴于一些參數化的推理。他們是如何得出他們的具體推理的，Hodgkin和Huxley也承認這一點。

因此，一個典型的HBP協議具有以下形式：

a. 研究論文掃描其數值參數：應用刺激協議、離子通道的反向電位和滅活動力學。

b. 由于從經驗發現的參數建立H-H模型所需的方程往往從文獻中缺失，因此，曲線數字化是用來重現它們。這是一種將圖形圖像轉換為數值公式的技術。給出一條標準的激活曲線，在笛卡爾坐標系中繪制了一條標準的激活曲線，曲線數字化技術可以提取一個函數，在坐標系中重新創建曲線。目前，一個開放源碼軟件包Engauge Digitizer就是用于此目的。

c. 數字化和曲線擬合后，用另一個軟件包GenericFit來模擬H-H模型。

d. 由于生成的初始模擬通常是錯誤的，因此需要對參數進行重新調整。計算機模型是通過調整從參數識別中提取的數字來擬合實驗結果的，這個過程被稱為雙重推演。

這不是一個計算出來的方案，如果只是因為在單個神經元水平上引入的錯誤會傳播到下游模擬中的神經元組和電路中的神經元，那么這并不是一個激發信心的方案。

然后是預測性神經科學（PN），這是一種由研究人員使用HBP模擬神經元之間的連接的方法。利用歸納機器學習技術，從已知聯系中確定未知的突觸聯系。傳統的神經網絡，以及更強大的擴展網絡，即卷積神經網絡，都被使用。

Markram已經表明，機器學習函數可以正確預測大鼠大腦皮層柱中先前未知的連接。使用標準F度量統計量進行的分析得出的這種方法的準確性接近80％。雖然代表了將機器學習應用到生物數據集上的一個進步，但這種方法的平均錯誤率為十分之二。這對任何逆向工程人腦的策略都不是什么吉祥的含意。但撇開這個問題不談，在這里值得關注的是這種方法所固有的歸納性假設。

機器學習的方法首先是為模型提供一些已知的訓練實例。每個經過實驗驗證的神經元可能構成一個實例。某些參數被指定，然后模型通過訓練實例學習神經元之間的連接點。數值優化技術迫使模型收斂到最適合訓練實例的參數值。一旦訓練完畢，模型就可以在之前未見過的實例上運行。對測試或生產數據集上的連接點的預測通過與訓練集進行比較來測試。

機器學習技術是歸納式的。單純的歸納是保守的，即把我們已經知道的東西應用到新的實例上。但是，當一組觀察結果背后的基本原理不完整或基本未知時，這種方法就會失敗。

HBP對PN的接納特別容易受到這些危險的影響。我們對產生的關于大腦的數據的基本分布缺乏一個完整的或者甚至是充分的理解。如果說這種情況似乎令人不安，那么對大規模大腦模擬及其對數據驅動方法的依賴的更廣泛的看法就更令人不安。

考慮一下 "興起 "的概念—對這種“神經元層面的數據分析足以解釋認知、或者感知、或者意識又或者是觀念”的聲明的流行解釋。

只要有足夠的數據，必然會有新的東西出現。

正如Markram所指出的那樣，神經科學家們已經接受了模擬，希望這種模擬可以擴大規模，希望擴大規模本身就能產生洞察力。而如果擴大數據規模不可能產生任何感興趣的東西，那么為什么不擴大研究人員的規模呢？很顯然，關鍵是要擴大規模。Markram和國際神經信息學協調機構的主任Sean Hill都是蜂群科學的支持者。因此，Hill說：

"人腦項目的一個目標是引發和促進神經科學領域的新一輪全球合作。..............如果成功地讓社區參與進來，目標是讓成群的科學家一起攻克理解大腦及其疾病的主要挑戰--在這樣的環境中，每個人都會因為自己的貢獻而得到認可。"

蜂群的比喻可以說是大數據的邏輯終點。數據收集和計算機分析占據了核心地位。研究和實驗已經退出了人們的視野。

這里面沒有什么是新的東西。類似的眾人智慧的觀念，其實一直是傳世趨勢的標志，如Web 2.0等。如果優化已知的數量是最重要的，那么以群體為中心的方法是有價值的，但如果不是這樣，它們就會變得毫無效果。

當然，這是我們早知道或應該知道的事情。

更廣泛的神經科學界，尤其是歐洲的神經科學界，對HBP提出了尖銳的批評。2014年7月，一份有800多個簽名的請愿書對項目的進程表示了擔憂，指出第二輪供資 "不幸的是，第二輪供資 反映了目標和資金分配的近一步縮小，包括取消了整個神經科學子項目，并因此刪除了另外18個實驗室。” 如果對HBP進行正式審查證明無效，簽署方要求：

歐盟委員會和成員國將目前分配給HBP核心項目和合作項目的資金重新分配給廣泛的神經科學導向的資金，以實現HBP的最初目標--了解大腦功能及其對社會的影響。

神經科學，乃至科學本身的希望，都依賴于我們的工具和儀器的進步，包括我們的計算資源。這類工具是幫手，而不是主宰。

科學中的大數據已經是眾所周知的事情。它是數據。數據就是觀察。觀察就是經驗。而沒有理論的經驗，正如伊曼紐爾·康德所說，沒有理論的經驗是盲目的。

Erik Larson 介紹

Erik Larson是美國作家，曾任美國德克薩斯大學奧斯汀分校的研究科學家，專門研究機器學習和自然語言處理。目前，他正在撰寫一本書，探討現代社會中的人工智能問題。

Inference 創立于2014年，編委會成員聚集了包括諾貝爾獎得主、各國科學院院士、皇家學會會員，來自MIT、哈佛、斯坦福等頂尖院校等專家學者。并廣泛邀約各個領域的專家學者撰寫文章。不同于經過同行評審的論文，Inference更致力于發表理性、有見地和有洞察力的評論文章，這些文章反映了該雜志從人類學到動物學等各個領域中思想的真實多樣性。

世界頂尖科學家協會成員、1979年物理學獎得主、美國理論物學家Sheldon Lee Glashow擔任Inference 的編委和自由編輯，他本人也是廣受歡迎的美劇《生活大爆炸》里“謝耳朵”的原型；世界頂尖科學家協會成員、2017年諾貝爾物理學獎得主、“引力波研究”先驅Barry Barish和中國科學院院士、清華大學跨學科信息科學研究所所長、2000年圖靈獎獲得者姚期智同為該刊編委。

世界頂尖科學家論壇（WLF）得到了Inference平臺的授權，將逐步引入其中的精彩文章。

(備注：編譯稿件僅供參考，Inference 原文以英文原文為準,點擊https://inference-review.com/article/big-neuroscience查看）

參考文獻：

1. 生物通，2018年新技術：大數據時代的神經科學，http://www.ebiotrade.com/newsf/2018-1/2018125172340284.htm

2. Brain Facts, The Neuron, https://www.brainfacts.org/brain-anatomy-and-function/anatomy/2012/the-neuron

3. Data Innovation, Book Review of “Big Data: A Revolution That Will Transform How We Live, Work and Think”, https://www.datainnovation.org/2013/05/book-review-of-big-data-a-revolution-that-will-transform-how-we-live-work-and-think/

4. Coursera, Douglas B. Laney, https://www.coursera.org/instructor/dblaney

5. Gartner Blog Network,

Deja VVVu: Others Claiming Gartner’s Construct for Big Data, https://blogs.gartner.com/doug-laney/deja-vvvue-others-claiming-gartners-volume-velocity-variety-construct-for-big-data/

6. OUP Blog, David Hume: friendships, feuds, and faith, https://blog.oup.com/2017/05/david-hume-life/

7. Loop，Henry Markram，https://loop.frontiersin.org/people/74/bio

8. Wikia, Hodgkin-Huxley model, https://psychology.wikia.org/wiki/Hodgkin-Huxley_model

9. Human Brain Project，Overview，https://www.humanbrainproject.eu/en/about/overview/

10. European Commission, Human Brain Project (HBP) Flagship, https://ec.europa.eu/digital-single-market/en/human-brain-project

頭圖源自https://blogs.oracle.com/bigdata/big-data-highlights-from-oracle-openworld-2019

拓展閱讀

1. 應對未來大流行病，哪一種呼吸治療更有潛力？

2. 世界頂尖科學家多爾蒂意外“手滑”狂漲粉，親自科普“免疫”

3. 新冠疫情帶來更潔凈的天，第50個“地球日”首次以“數字化”呈現

（作者：Kai, 責任編輯：小文）

| 艾栗斯

“許多年以后，面對那些理科Geek們的時候，我還是會想起第一次在《The Big Bang Theory》里看到的那個骨骼清奇的少年。”

/只是因為在人群中多看了你一眼~/

謝爾頓·李·庫珀（Sheldon Lee Cooper），是哥倫比亞廣播公司（CBS）于2007年推出的情景喜劇《生活大爆炸》（The Big Bang Theory）中一個性格奇異的角色。

該角色具有二次元思維特點：

• 竹竿身材，臉頰狹長，一雙炯炯大眼在鄰居Penny看來狀似“螳螂”；

• 經常穿有超級英雄（如閃電俠、超人、水行俠、綠燈俠等）特別系列的T恤；

• 作為智商187的天才少年，情商卻低爆人類正常值；

• 不擅長人情社會社交禮儀，要坐在固定的位子上否則就抓狂；

• 每周三晚上一定要玩“光環”，熱愛“克林貢語”填字游戲，口頭禪是“bazinga”（逗你玩），感冒時候卻變身弱嬌要別人唱“soft kitty”安撫……

這就是我們神經兮兮毒舌嘴賤卻讓人欲罷不能的Sheldon（國內粉昵稱謝耳朵）。

高智商與低情商的奇異碰撞頻頻制造新鮮笑料。2014年8月，演員吉姆帕森斯因《生活大爆炸》“Sheldon”的飾演第四次獲得了艾美獎最佳喜劇男主角。對，第四次，可見美國人民也是著迷于這個角色。

那么現在問題來了，編劇為什么要給喜劇角色謝耳朵起名Sheldon？

因為Sheldon這個名字本身就是個笑話。

我是說，在謝耳朵角色誕生的80多年前，這個名字就已經很火了，風光以后又以過山車的姿勢告別了它的流行周期。

名字并不是都有流行周期，除去某些社會中，嬰兒必須以圣人或祖先的名字來命名的習俗，有些名字的使用情況總會有一些波動，而且在20世紀時，西方國家這種波動呈迅速攀升趨勢。Sheldon這個名字就是再典型不過的例子。

Sheldon是（Shel gordon）的簡稱，字面含義為“山谷小鎮”，是帶有濃烈英國風韻的名字，在英國也常被用作鄉村地名。

對于地球上大多數人類來說，給自己的孩子取名是他們一生中能運用命名權力的唯一一次機會。

在上世紀30年代，美利堅農民仰望著大洋彼岸的英國紳士，一如上世紀九十年代初期內陸人民仰望著一衣帶水的港澳臺同胞，覺得他們很有腔調。

“謝爾頓”同默里（Murray），歐文（Owen),西德尼(Sidney)，馬克斯韋爾(Maxwell)，赫伯特(Herbert)等名字一樣，傳達了一種昂格魯-撒克遜尊者們的優雅，對于起名的美國父母來說，Sheldon一名象征著向往英式中產階級的精致生活。

最鼎盛的時候，這個“英倫風”名字在美國的火爆程度遠遠高過它的誕生地英格蘭。從美國1930年到1940年間，這個名字都為父母們所青睞，最高峰的時候是在1935年。（如下圖）

就如同今天幼兒園里的“子軒”“可馨”“寶寶們一樣，Sheldon這個名字也曾經爛大街。

其實少有父母喜歡自己的孩子被叫著爛大街的名字，他們中的絕大多數希望自己取的名字獨一無二；另一方面，父母們又不想讓孩子的名字過于另類，那樣似乎不利于他們融入社會。

/出現率極高的一些名字/

每個家長都不想走極端，同時又希望與眾不同，在他們的人生經驗里，至少與上一代不同——這樣的思路下起名字的結果就是，他們起的名字如出一轍。父母們原本以為深思熟慮的選擇，到頭來也是其他成千上萬父母深思熟慮的結果。

/WTF!你們也取了這個名字？！/

聚合效應是人類群體在對當前及未來情況進行反應與預期時，做出個人決定的集總（aggregate effects）。

這種效應催生了一種變革的內動力，通俗點說叫“集體反彈”——一年中帽子佩戴的情形影響著下一年的情況，去年集中撞車報考的熱門學校或專業今年可能會突然降溫，一個爛大街的名字在新一代父母起名的時候，也會被打入冷宮。

20世紀50年代開始，謝爾頓這個名字石沉大海，再也沒有出頭之日。尤其是在20世紀九十年代以后，受歡迎的排名程度更是大跳崖，到了2010年基本跌到底。（如下圖）

命名之所以會呈現這樣的動態走勢，是因為生活在同一個語言社區的人對姓名文化有著驚人的相似反應。這個反射弧一般會延續幾年，直到父母送孩子們上學，才恍然發現那些自以為獨具匠心的名字同樣也被鄰居們選中了，一代人自有一代人的時代烙印。

第一代美國人為自己取的那些假英文名字在經歷了一代人之后，反倒成了自己中產階級地位的犧牲品。sheldon從風雅變成尷尬。在整個英語世界，人民對于這個名字的反應出奇一致，幽默家甚至利用它來惡搞。

作家馬西·卡亨（marcy kahan）就曾把諾拉·埃夫龍（nora ephron）的電視劇本改編成了英國舞臺劇，他說：

“我把謝爾頓笑話加進了這部舞臺劇，扮演哈利的那三個演員都因此搞得觀眾忍俊不禁，捧腹大笑，每場演出都如此，屢試不爽。”

再比如，在20世紀70年代上演的一部愛情劇《當哈利遇到莎莉》（when harry met sally），哈利調侃莎莉的性體驗時順帶狠狠黑了一把“Sheldon”們。

Harry: Obviously, you haven't had great sex yet…

哈利：你一看就是那種沒啥經歷的乖乖女。

Sally: It just so happens that I have had plenty of good sex...

莎莉：你看走眼了其實這方面我的經驗很豐富的。

Harry: With whom did you have this great sex?

哈利：你都和誰發生過那種最棒的關系？

Sally: (embarrassed) I'm not going to tell you that!

莎莉：我不告訴你！

Harry: Fine. Don't tell me.

哈利：好吧，那你別說啊。

Sally: Shel Gordon.

莎莉：謝爾.戈登。

Harry: Shel. Sheldon? No, no. You did not have great sex with Sheldon.

哈利：謝爾……謝爾頓？不會吧，不可能的，謝爾頓不可能滿足你的。

Sally: I did too.

莎莉：是的，我就是和謝爾頓。

Harry: No, you didn't. A Sheldon can do your income taxes. If you need a root canal, Sheldon's your man, but humpin' and pumpin' is not Sheldon's strong suit. It's the name. 'Do it to me, Sheldon.' 'You're an animal, Shel-don.' 'Ride me, big Sheldon.' It doesn't work.

哈利：不，你沒有。叫謝爾頓的那個人幫你處理個人所得稅、治個牙什么還行。但“嘿咻”那種事肯定不是他的強項。就這名字？“來吧，謝爾頓。”“你是個雄獅，謝爾頓。”“征服我吧，謝爾頓大塊頭。”哈哈，他不好使。

這個名字給美國人民的印象，被哈利吐槽得很到位。

/你們都是壞人！謝耳朵在第九季第十一集明明和艾米滾床單了！/

再來一個Sheldon的二次元栗子：《海綿寶寶》動畫片中的反面人物“痞老板”，全名就是謝爾頓·皮，是海中的浮游生物（劍水蚤），蟹老板的死對頭，老婆是一臺電腦。

在“痞老板的軍隊”一集中，痞老板動員自己的親戚朋友組團攻占街對面蟹老板餐廳時，親戚們當著它的電腦老婆凱倫的面叫了他Sheldon的大名。而凱倫之前并不知道他這個雪藏的名字，電腦老婆第一反應就樂瘋了，變著花樣在自己的身體上播出Sheldon的名字笑話痞老板，大家一起笑脫了（當然除了Sheldon）。

為什么有人叫Sheldon會這么好笑？命名追隨時尚并且具有周期性，人們的名字很有可能會出賣他們的代群屬性。

比如：“默里”，在美國人的印象中，一定是個60歲左右的中產，十有八九是個猶太人。芭芭拉，蘇珊，黛博拉，琳達等名字會讓人聯想起中年婦女的形象，而這是當年年輕女孩最時髦的名字。

同樣的情景如我們的“建國”“衛國”們一樣，聽到名字基本可以猜出年齡。而Sheldon大概相當于王建國、劉富貴、程紅星那么……萌吧，土萌土萌的。

所以！所謂三十年河東三十年河西啊，那些曾經嘲笑“衛國”名字太土，看著港臺劇長大的熊孩子們當了爹媽，不約而同給自己孩子起了“子軒”“可馨”的名字。上次你們見到這些名字是在言情劇里，再過幾十年估計這些名字在喜劇片中也是挑大梁的吧。科科！

文 字 君 送 電 影 票 啦

• 獎品：《分歧者3:忠誠世界》電影票10張

• 獲取方式：轉發本篇推送至朋友圈，然后截圖私信給文字君（微信：zimeiti-sogou），我們將隨機選取10位童鞋，免費送上電影票么么噠！

/《分歧者3:忠誠世界》/

每 周 測 字 活 動 持 續 進 行

最近邀請到臺灣著名學者「老貓叔叔」給大家拆字

如果你希望透過一個字來窺探人生

可以發來你的“性別+年齡+要問的事情+要拆的漢字”。

比如“男 17歲 問能否考上大學 龍 ” 給到文字君后臺

每周我們會選擇十個字

下周一發出解字文章

以文字探歷史源流，以解讀博你會心一笑。

微信號：字媒體

一花一世界，一詞看天下