Phoronix 在新年之际分析了 Linux kernel Git 源码树，发现过去一年内核开发者的人数少了， commits 数也降至了数年以来的最低点。2019 年， Linux kernel 的 commits 数为 74,754，为 2013 年以来最少， 2017 和 2018 年的 commits 数都有 8 万，2016 年 7.7 万，2014 和 2015 年都有 7.5 万。这些代码的作者共有 4,189 人，低于 2018 年的 4,362 人和 2017 年的 4,402 人。过去一年，内核共加入 3,386,347 行代码，移除 1,696,620 行代码。除了 Linus Torvalds 外，内核最多产的贡献者为 David S. Miller，Chris Wilson，YueHaibing(华为)，Christoph Hellwig 和 Thomas Gleixner。对内核贡献最多的公司是英特尔和 Red Hat。

牛津大学和南冰岛自然研究中心的三名研究人员报告发现了海鸟使用工具的首个证据。研究发表在 PNAS 期刊上。过去几十年，研究人员发现了许多非灵长类动物使用工具的证据：乌鸦会使用树枝，鹦鹉会利用石头砸贝壳。但在这之前，还没有观察到海鸟使用工具的证据。因为它们脑袋较小，许多人认为它们不具有工具使用能力。最新的发现否定了这一观点。研究人员用视频记录下了海鸟使用树枝的画面。

每年有 800 万吨的塑料进入到海洋，但公海上的垃圾带以及海滩上的垃圾仅占到这些塑料垃圾的 1%，还有 99% 去了哪里？海洋学家 Erik Van Sebille 称，海面上累积的垃圾只是冰山一角。更多的塑料垃圾位于海洋的深入，沉淀在海床上。加州圣迭戈海洋学教授 Anela Choy 的团队收集了 200 米深处的海水样本，发现了高浓度的微塑料，每升水能发现 15 个小塑料。塑料污染如今早已无处不在了。

围绕 AI 的炒作已经达到了荒谬的程度，而对 AI 的批评没有比 Molly Sauter 的《Instant Recall》一文更入木三分了。Sauter 认为，机器学习本质上是保守的，讨厌变化。如果你以“Hey darling”开头给伴侣发短信，那么下一次当你输入“Hey”时它会自动加上“darling”，即使你其实想发的是分手短信。如果你输入一个以前没有输入过的词或短语，那么自动完成建议会提示你统计学上所有用户最常用的短语。这种保守性渗透到了每一个算法推断系统：搜索冰箱或一双鞋，那么这一记录会一直伴随着你从一个地方到另一个地方，即使你已经买过了冰箱或鞋子。在 YouTube 上看了几部视频了解下白人民族主义或地球是平的阴谋论，那么算法会推荐类似的视频去增强你的“兴趣”。机器学习擅长关联但不擅长因果，它不太可能产生可靠的推断意图方法。这是人类学的基石：没有对话意图是不可知的。而机器学习所寻找的是与已建模的东西相似的东西：相似的汽车相似的面孔。这种保守性会让机器学习变得有害。如果你让机器学习系统预测应该逮捕谁，那么它会建议警察去逮捕与过去被捕的人相似的人。所以预测犯罪系统预测的不是犯罪而是警察习惯的治安管理。世界各地技术人员所持的一个糟糕的经验主义意识形态是断言数据不会撒谎，因此所有基于数据的政策能脱离政治进入证据的范围：假装数据能告诉你社会需要或想要的结果，但实际上数据是帮助你得到你想要的结果。