互联网是一个强大的工具，可以改造传统行业。只要这种改造是符合时代发展规律、符合当代人的生活状态的，就是值得肯定的。家谱，是一个姓氏、家族历史文化的集合；家谱编修，本质上是资料收集、整理的过程。用互联网方式提升家谱编修的效率，保存珍贵的家族资料，让年轻人自觉地参与到家族传承中来，是时代的必然选择。

家谱国际作为专业的姓氏文化及宗亲服务机构，研发了专业的修谱软件——修谱王，为修谱工作带来了革命性的提升。此软件安装在电脑上，适用于Microsoft Windows7及以上系统。其原理是应用结构化的存储思想完成家谱信息化的转变，将修谱方式变成信息录入方式，根据世代关系、长幼次序自动排版，解决了传统修谱过程繁杂、效率低下的现状。为各姓氏，尤其是大家族、大支系、无老谱的家族提供了家谱编修新途径。

苏炳添是苏东坡第29代孙，用族谱确认身份不靠谱。

一、苏炳添是苏东坡公第29世孙苏炳添是苏东坡公第29世孙，苏刘义公的第21世孙，一九八九年八月二十九日生于广东省中山市古镇镇古一村，中国男子短跑选手、暨南大学体育系副教授，暨南大学2013级经济系国际贸易硕士。二、用族谱确认身份不靠谱中国的族谱文化源远流长，博大精深。清代著名史学家章学诚更是把家谱与国史、方志相提并论，说到：“夫家有谱、州有志、国有史，其义一也”。

近年来，各地的藏书楼都在搜集“老谱”，把其与正史、方志等在历史和文化上的地位相等。但“老谱”的真实性，专家们的看法是：小心为上。家族历史上就有这样的事情，就算是先祖留下的族谱，也是不靠谱的。

有些史学家则认为，中国历代王朝更替、社会动荡导致族谱断裂、残缺，许多缺失的部分都是靠后人的臆想来填补的。

自唐代覆灭后，经过五代十国的连年战争和社会动乱，流传下来的家谱几乎全部遗失，以至于到了宋朝，古谱已经很难再找到了，很多世家都断了联系，失去了传承。

现存的历代族谱，多为明、清两代所修。在我国明、清两代，还有一种“谱匠”，专门为人编撰族谱，事先准备好的不具姓氏的普通族谱作为“道具”，每次有人要求修改族谱，只要填写姓氏，就算是完成了，这样的族谱当然是不可信的。

这样的族谱，几乎一模一样，欧阳修，苏轼，朱熹，文天祥，方孝孺，都是“谱匠”的手笔，不知情的人，甚至把它当成了传家宝。由于历史原因，近代之前的宗谱都不太可信。

国家要修史，地方要修志，家族就要修谱。

没有了家谱的文化，就像参天大树没有了根基。

短短几字，道出了家谱文化在浩瀚的历史长河中流传下来的“不简单”。3000年的传统家谱文化，记录着家族来龙去脉。

|而为什么有的人会没有家谱？

说到底，家谱还是被我们自己给弄没了。

历史上我们因为诸多原因，家谱遭到这样或者那样的损毁。然而，有很大一部分家谱丢失的原因与人们生活方式和思想观念的改变有着很大关系。

不难理解，社会在进步，人们也在寻求更好的发展机遇。不少人为了过上想要的生活选择背井离乡，原本就因为大环境下被迫断层的家谱，历经几辈人之后，少小离家的这类人对于原始家族的人接触变少，加上大部分人对家谱也不够重视，编修家谱的意识逐渐变得薄弱起来，家谱也就会慢慢被遗忘了。

|我们常说“落叶归根”

寻根，是中国人的共性。

从小到大，长辈们会反复和我们说:

“你姓什么”

“你是哪里的人”

“你的祖上曾在什么地方”

通过寻根，来了解生命的世代传承，见证家族的来源与变迁。而家谱有着延续家族血脉、继承着祖上遗训的重要作用，并且还是我们寻根问祖的重要依据。

城市化发展以后，更应该带上自己的家谱，不忘记自己的出处，无论走到那里念祖怀宗，都有老祖宗的庇佑。

如果说传统编修家谱，需要耗费相当一部分的人力、物力、财力，而在科技时代，智能便捷的手机移动设备给我们带来了非常高效的修谱方式 。

|也就是说， 只要你有这个主观能动性

在能力范围内，还是可以修家谱的。

===

如果你也希望有家谱，让后辈有根可寻，至少可以从自己这一辈开始，给后代留下可靠的资料。

传统编修家谱的部分落后文化虽然与现代发展的追求有所出入，但不妨改变一下旧的思路，利用新时代的工具 —— 脉丁手机智能家谱 ， 从自家开始修建家谱，通过网络共建共享还方便传阅修改，这样后人不会忘记自己的家，也更了解自己的根在哪里。

自古有木本水源之说，如果你从自家、从你这辈开始编修家谱，你就如同这颗大树的树根，而你根系之上的树干树叶，是你的子女、孙辈。

要想后代可以看到这个大树枝繁叶茂，必须先有个人培根育土打好根基 ，而你，就是种下根基的那个人， 那个荣誉至极的开山老祖 。

修谱王。这是一款专门为家谱编修设计的软件。

操作简单，易学易用，集成了常见的家谱格式，不用手动排版，改动也比较方便；不好之处是：需要联网，无法单机操作。

天下家谱是一款经过专业设计,简单易用,完全符合现代人习惯的 家谱制作软件。她为我们辨析亲疏，凝聚族群，优化生育提供了坚实 的基础。

用户可根据需要建立多个族 系分支。族人的资料既可以树型结构显示，也可以列表的形式的显示 。对于族人间的关系，系统也提供图标的方式显示上下五辈人的资料 。个性化的家谱制作功能为用户提供多样化的家谱列印输出格式，真 正实现“只要会打字就可以制作专业家谱”的智能排版系统。

本系统所 有资料分为不公开，族人公开和完全公开三个保密等级。完全能满足 个别族人资料保密的需要。本软件提供中文简体、繁体、英文等多国 语言界面。全部家谱资料可以生成单个WORD文件,族人通讯录等。本 软件附带姓氏来源,中文姓名分析,星座分析,称骨论命,测号码等神机 妙算功能。

传承家谱程序是专门做树形家谱的程序，而且输出为WORD文档，也可以图形输出。 输出树形谱系为TXT文件，可以输出任意大小的树形谱系，避免了版面上的限制。 可以在百度搜索，最新版本为520

在深度学习技术的帮助下，古人类学家发现了人类家谱上丢失已久的分支证据。深度学习技术能帮助古生物学家和遗传学家寻找古人类的痕迹吗？7万年前，当现代人第一次走出非洲时，至少有两个已经灭绝的相关种群在欧亚大陆等候着他们。这两个相关种群就是古代人类尼安德特人和丹尼索瓦人，而后古代人类与早期的现代人杂交，现今的非洲后裔基因组还存留着古代人类DNA片段。越来越多的迹象表明，这段 历史 远比我们了解到的精彩。一个研究小组在《自然》(Nature)上报道称：他们在西伯利亚的一个洞穴中发现了一块属于人类杂交后代的骨头碎片，这一后代的母亲是尼安德特人，父亲是丹尼索瓦人，这块骨头碎片是第一代人类杂交的第一个化石证据。

不幸的是，类似的化石十分罕见，例如对丹尼索瓦人的了解基于从一根指骨中提取的DNA。虽然那些来自早期杂交群体的结合以及其他祖先结合很容易被发现，但当涉及到物理证据时，它们可能难以求证。它们出现过的线索可能只存在于某些人的DNA中，即便如此，它们也可能比尼安德特人和丹尼索瓦人的基因更微妙。统计模型帮助科学家在没有化石数据的情况下推断出这些种群的存：例如2013的古人类和现代人基因变异模式表明，一个未知的人类种群与丹尼索瓦人(或他们的祖先)进行了杂交。但专家们认为，这些方法也不可避免地忽视了许多细节。

还有谁对现今人类的基因组做出了贡献？这些种群长什么样子？它们生活在哪里？它们与其他人类物种互动和交配的频率是多少？发表在《自然通讯》(Nature Communications)上的一篇论文中，研究人员展示了深度学习技术的潜力，这种技术可以帮助填补一些缺失部分，填补的部分专家甚至可能还没有意识到。他们通过深入研究，挑选出了另一个种群的存在证据：欧亚大陆上一个未知的人类祖先，它可能是尼安德特人和丹尼索瓦人的混血，也可能是丹尼索瓦人的亲戚。这项研究工作指出了人工智能在古生物学中的未来用途，它不仅能识别不可预见的痕迹，还能揭示出我们在进化过程中的缺失部分。

目前统计方法涉及同时检测4个基因组的共同特征，这是对相似性的测试，但不一定是对实际祖先的测试；因为很多不同的方法都可以解释它揭示的少量基因混合物。例如这些分析可能表明，现代欧洲人与尼安德特人的基因组有某些共同特征，但与现代非洲人不同，然而这并不意味着这些基因来自尼安德特人与欧洲祖先的杂交。后者可能与一个与尼安德特人关系密切的种群繁殖，而不是尼安德特人本身。因为缺乏物理证据来表明这些古老的假定基因变异来源于何时、何地以及如何生活的种群，所以很难说在众多的推测祖先中，明确指出是哪一个。

威斯康星大学麦迪逊分校(University of Wisconsin-Madison)的古人类学家约翰·霍克斯(John Hawks)说：这项技术简单而强大，但在理解进化论方面还有很多问题没有解决。深度学习方法试图解释基因流动的水平，虽然基因流动水平相对于统计方法来说太小了，但它提供了更广泛、更复杂的模型来解释。通过训练，神经网络可以学习在基因组数据中根据最可能产生它们的人口 历史 对各种模式进行分类，而不需要被告知如何建立这些联系。

深度学习似乎不太可能解决古生物学家的问题，因为这种方法通常需要大量的训练数据。以其最常见的图像分类器为例，当专家训练一个模型识别猫的图像时，专家有成千上万张可以训练的，并且专家本身知道它是否有效，因为他知道猫应该长什么样。由于缺乏相关的人类学和古生物学数据，想要利用深度学习技术的研究人员不得不通过创造自己的数据来让它变得更聪明。巴塞罗那国家基因组分析中心(National Center of Genomic Analysis)的研究员奥斯卡·劳(Oscar Lao)说：我们在玩肮脏的把戏，能够使用无限数量的数据来训练深度学习引擎，因为我们使用的是模拟。

研究人员根据不同的人口统计细节组合生成了成千上万的模拟进化史：祖先人口的数量，大小，当他们彼此分离时的混血率等等。从这些模拟的 历史 中，科学家们为现代人生成了大量的模拟基因组。他们对这些基因组进行了深度学习算法的训练，使其了解哪种进化模型最有可能产生给定的遗传模式。然后，研究小组将人工智能释放，以推断出最符合实际基因组数据的 历史 。最终，该系统得出结论，一个以前未被确认的人类群体也对亚洲后裔的祖先有所贡献。从所涉及的基因模式来看，这些人本身可能要么是30万年前丹尼索瓦人和尼安德特人杂交产生的一个独特种群

要么是在那之后不久从丹尼索瓦人后裔中进化而来的一个群体。这并不是深度学习第一次被这样使用，该领域的一些实验室已经在应用类似方法来解决进化研究的其他线索。俄勒冈大学(University of Oregon)的安德鲁•科恩(Andrew Kern)领导的一个研究小组，利用基于模拟的方法和机器学习技术，对包括人类在内的物种如何进化的各种模型进行了区分。发现进化所青睐的大多数适应并不依赖于种群中有益的新突变的出现，而是依赖于已经存在的遗传变异的扩展，将深度学习应用于这些新问题正产生令人兴奋的结果。

存在一些问题，首先、如果实际的人类进化史与深度学习方法训练的模拟模型不相同，那么这项技术将产生错误的结果。这是科恩和其他人一直在努力解决的问题，为了提高准确性，还有很多工作要做。普林斯顿大学(Princeton University)生态学家和进化生物学家约书亚·阿基(Joshua Akey)说：我认为人工智能在基因组学方面的应用被过度夸大了。深度学习技术是一种奇妙的新工具，但它只是一种方法，这并不能解决我们想要了解人类进化中的所有谜团和复杂性。

一些专家甚至持怀疑态度，哈佛大学(Harvard University)和皮博迪博物馆(Peabody Museum)的古生物学家戴维·皮尔比姆(David Pilbeam)在一封电子邮件中写道：我的判断是，除了经过深思熟虑的、智能的、非人工的分析之外，数据的密度和质量并不理想。然而在其他古生物学家和遗传学家看来，这是一个很好的进步，可以用来预测未来可能的化石发现和人类几千年前应该存在的遗传变异。我认为深入学习真的会促进群体遗传学，对于我们可以访问数据但不能访问生成数据过程的其他字段，情况可能也是如此。

大约在科恩和其他种群遗传学家和进化生物学家开发基于模拟的人工智能技术来解决问题的同时，物理学家也在研究如何筛选大型强子对撞机和其他粒子加速器产生的海量数据，地质研究和地震预测方法也开始受益于深度学习方法。麻省理工学院和哈佛大学布罗德研究所(Broad Institute of the Massachusetts Institute of Technology)的计算生物学家尼克·帕特森(Nick Patterson)说：我真的不知道会发生什么，但有新方法出现总是好的。它如果能很好地回答我们的问题，我们会尽所能发展它！

博科园-科学科普｜参考期刊文献: 《natural》,《Nature Communication》

文: Jordana Cepelewicz/Quanta magazine/Quanta Newsletter

DOI: 101038/s41586-018-0455-x

DOI: 101038/nature12886

DOI: 101038/s41467-018-08089-7

博科园-传递宇宙科学之美