谷歌使用的是第四代技术。当前谷歌使用的是最新的第四代TPU芯片，谷歌公司周二发布的一篇论文详细阐述了该公司是如何利用自己定制的光开关，将4000多个芯片组合到一台超级计算机中，从而帮助连接一台台独立机器。
Gebru的支持者表示，谷歌的政策“实施得不均衡且具有歧视性”。
最近，科技圈的发生了一件大事，知名AI学者之一、人工智能伦理研究员Timnit Gebru被谷歌突然开除，引得一众哗然。
Timnit Gebru毕业于斯坦福大学，师从李飞飞，是 AI行业为数不多的黑人女性领导者之一，在AI伦理领域，Gebru不仅是基础研究者，更是许多年轻学者的榜样 。
她最知名的研究是在2018年发现，面部识别软件对黑人女性有高达35%的错误率，而对白人男性几乎完全正确。
然而，因一篇论文不符合谷歌内部评审，Gebru宣称被谷歌单方面辞退。
大约一周前，Gebru对外宣称，因与他人共同撰写了 一篇批评谷歌AI系统的研究论文 后，自己被谷歌解雇了。
然而，谷歌对外表示，因论文审查不符合谷歌要求，接受Gebru的个人辞职申请。
据外媒报道，这篇论文标题为“On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?”（随机鹦鹉的危险：语言模型会太大吗？），由谷歌的内部团队和外部研究人员共同撰写， 提出科技公司应该做更多事情，以确保AI写作和语音识别不会加剧歧视 。
值得注意的是， 论文内容谈到了谷歌BERT（自然语言处理系统）在AI伦理上的负面影响。
一开始，双方的争议点在于审查流程的问题。根据谷歌公司发表论文的流程，Gebru应在两周前提交论文，而不是在最后期限的前一天。
但Gebru的团队对这一评估进行了反驳，称审查政策旨在灵活，大多数人并没有遵循目前谷歌AI负责人Jeff Dean制定的结构。该团队收集的数据显示，绝大多数的审批都发生在截止日期之前，41%的审批发生在截止日期之后。他们写道： “没有硬性要求论文必须在两周内真正通过这个审查。”
同时，Dean认定该论文没有达到标准，因为它 “忽视了太多相关研究” ，从而要求她撤回这篇论文，或者删除谷歌员工的署名。
据《泰晤士报》（the Times）报道，Gebru在撤回该论文之前，曾要求与谷歌进行进一步讨论。Gebru表示，如果谷歌不能解决她的担忧，她将从公司辞职。
随后谷歌告诉Gebru，公司不能满足她的条件，并将立即接受她的辞职。
Dean还表示，Gebru煽动同事不要参与谷歌的DEI(多元化、公平和包容性)项目，他对此感到失望。
不久，Gebru很快就发现已经无法登陆自己的公司账户，这表示她已经被开除了。
离任后，总共有超过1,400名Google员工以及1,800多名其他行业专家签署了一封公开信，以支持Gebru。
信中写道：“格布鲁博士并没有被谷歌誉为杰出的人才和多产的贡献者，而是面临着防御，种族主义，研究审查以及现在的报复性开除。”
为Gebru辩护的前同事和外部行业研究人员们质疑，在这种情况下，谷歌是否武断地更严格地执行了规则。
前Google员工发推文表示“我支持@timnitGebru”。
这件事也加剧了 Google管理层与一些普通员工之间的紧张关系。
在Gebru发布离职推文的同一天，谷歌被美国国家劳动关系委员会（National Labour Relations Board）指控报复，该机构在投诉中称，谷歌通过监视，讯问和解雇维权雇员而违反了美国劳动法。
Gebru的离职，还引起了已经对谷歌在人工智能道德方面的工作感到担忧的人群的反感。去年Google成立了一个AI道德委员会，之后便遭到了该小组人员的抨击。仅一周后，该委员会被解散。
国内没办法直接上谷歌的网站 你可以搜索下载个E9代理加速器 这样就能上Google下载东西了
10月24日，谷歌在《自然》杂志上发表了一篇关于量子计算的论文。称已经开发出一款54量子比特数（其中有效量子比特53个）的超导量子芯片“Sycamore”。基于该芯片对一个53比特、20深度的电路采样100万次只需200秒，而现在最厉害的经典超级计算机Summit完成这一过程需要10000年，谷歌由此宣称率先实现了“量子霸权”。
尽管这一成果得到了许多赞美之词，但也不乏质疑者。不过谷歌的量子计算能力若真如其所言，那么将可能对人工智能领域产生极大的助力。不只是谷歌，现在全球范围内不少 科技 巨头都在量子计算方面有所动作，并且已经取得了可观的成果。
虽然人工智能的概念早在1956年的达特茅斯会议上就已被提出，但迅速发展却是近几年的事情，其中原因与技术和环境的发展有密切相关。如今再加上量子计算作为助力，人工智能是否会更迅速地进入到“强人工智能”的阶段呢？量子霸权倘若到来又会对其他领域产生怎样的影响呢？
在量子计算领域深耕多年的IBM表示，自家有一种计算机完成谷歌提出的任务只需2.5天，根本没有10000年那么久。中科院量子信息重点实验室副主任郭国平也认为，谷歌所谓的10000年是基于量子计算特性“粗暴计算得出的数字”，而未能考虑到如今的超级计算机在网络传输、存储等性能方面的优化。由此看来，谷歌所谓“量子霸权”的说法有误导大众之嫌。
尽管如此，谷歌的这项成果依然值得称道，它不管是对谷歌自身还是一些热门的领域都是有着重要意义的。 而谷歌自己显然也是这么认为的，谷歌CEO桑达尔·皮查伊甚至将此次量子计算研究成果的意义与莱特兄弟发明飞机相提并论。
相对于传统计算，量子计算优势明显。就拿谷歌看重的人工智能领域来说，其源动力分别为大数据、算法和计算能力。大数据靠积累，而计算能力则由摩尔定律衍生而来。
重点在于，人工智能发展的障碍就是计算能力。如今的设备和技术让大数据的积累呈现爆发式增长，但如何处理海量数据是个大问题，如今生产数据的能力与处理数据的能力已然不能匹配。即使是谷歌引以为傲的AlphaGo，下一盘棋所消耗的能量都比人类多出几十万倍，这就是计算能力不足所致。
此时量子计算的作用就得以凸显，它的进展对人工智能领域或许会产生颠覆性的改变。 科技 大师雷·库兹韦尔曾预言“2045年，奇点来临，人工智能完全超越人类智能，人类 历史 将彻底改变”。
而皮查伊在最近的采访中表示，量子计算与人工智能属于“共生事物”，二者同处早期研究阶段。并且“人工智能可以加速量子计算，量子计算可以加速人工智能”。对于量子计算，皮查伊也是信心满满：“我们认为自己是一家深度计算机科学公司。摩尔定律在它的周期结束时，量子计算是我们将继续在计算领域取得进展的众多因素之一”。
在属于“综合性学科”的人工智能中，量子计算占据着如此关键的位置。并且量子计算不仅可以作用于人工智能领域，而是对当下与未来的不少热门领域都能起到重要的作用。那么量子计算到底是什么？又为何会引得诸多巨头花心思去研究呢？
量子计算，即利用量子力学的基本原理来加速解决复杂计算的过程。这种计算方式相较于传统计算机，能够更加迅速高效地处理海量的数据。在传统计算中，要靠微芯片材料与晶体管的进步提升算力，大体上就是在微芯片中嵌入电子开关，在0和1之间交替完成信息处理，芯片上的晶体管数量与芯片处理电信号的速度成正比，从而完成计算。但量子计算则可以兼容0和1，使得计算速度产生质的飞跃。
1965年，英特尔联合创始人戈登·摩尔提出，微芯片上单位面积内的晶体管数量会一年翻一番，但成本会同时减少一半。也就意味着价格不变，集成电路上可容纳的元器件的数目大概每隔18~24个月便会增加一倍，性能也将提升一倍。
这个定律一直对传统计算有着重大意义，但最近几年，依照摩尔定律发展的信息技术进步的速度正在逐渐减慢，尤其是在人工智能领域，摩尔定律显而易见地逐渐失效，中科院院士杜江峰曾在去年发表言论，称摩尔定律最多还能使用10年。
在这种情况下，量子计算的作用得以发挥。传统计算几十年才能解决的数据问题，量子计算可能只需1秒就搞定。不仅是在计算速度层面，还有在材料、设备等方面的最优选择与最佳组合，这些问题经典计算无法解决，可量子计算统统都能搞定。这就使得量子计算不仅在人工智能，并且可以在金融、医疗、物流、网络安全、基因组学等多个领域发挥重大作用。
在这些领域中，许多都是焦点与风口， 科技 巨头们对此自然极为重视。 包括谷歌、微软、英特尔、IBM、阿里巴巴和百度在内的企业纷纷在量子计算方面加以 探索 。
例如微软在2017年建立了拓扑量子位，可以让设备使用现存的更精细的量子位。微软量子团队主管托德·霍尔姆达尔认为，通过量子计算“有机会解决一系列此前无法解决的问题”，而想靠传统计算机来解决这些问题也许会耗尽“宇宙的生命”。
英特尔从2015年就开始与学术界的一些伙伴联合加速研发量子计算技术，到2017年成功测试了17量子比特超导计算芯片。在CES 2018举办期间，英特尔研发出了首个49量子比特的量子计算测试芯片。
阿里巴巴旗下的阿里云与中科院携手在2015年建立了“阿里巴巴量子计算实验室”，助攻多领域量子计算应用，如电商、人工智能、数据安全等。2018年，阿里云推出了有11个量子比特的量子计算云服务。
百度也于2018年成立量子计算研究所，主要研究量子信息理论和量子计算。这对其搜索引擎业务同样能起到推助作用。
这些巨头的主业与计算能力都有关联，更何况量子计算本身就代表着未来的趋势，一旦能够落地使用，将会使多个领域呈现颠覆式变化。如此一来，也就不难理解量子计算为何这么受欢迎了。
在不久的将来，如果还有人想继续从计算能力的指数增长中获益，传统计算已然无法依靠。因为以晶体管为基础的计算方式显然已经不再适合未来，量子计算就是下一个值得追逐的方向。不过量子计算出现的时间也不短了，为何近几年才开始加速？这种加速发展又会给人工智能领域带去何种转变呢？
谷歌在此次研究成果中提到的“量子霸权”，最初是由美国加州理工学院的物理学家约翰·普瑞斯基尔提出的，大意是现在最强的超级计算机能够完成5到20个量子比特的量子计算机所做的事情，但当量子比特超过49个，量子计算机的能力就会将超级计算机远远甩在身后。
谷歌如今是否实现了“量子霸权”尚有争议，但我们应该清楚，照现在这种发展速度，量子霸权注定会有实现的一天，而且这天的到来应该不会太迟。因为英特尔交付的49量子比特的量子计算机芯片，IBM的能处理50量子比特的量子计算机都已经接近了“量子霸权”的标准。其他的一些研究成果虽未达到这个程度，但进步也是很快的。
量子计算的发展推动了多领域的进步，反之一些领域的发展也成了量子计算技术飞速发展的助力。 近年来，人工智能领域无论是技术还是商用，都呈现出爆发式增长的态势。此外，已在加紧布局的5G使得网络传输与单位传输速率大幅提升。这些转变都增强了量子计算的能力，使其发挥出更大的作用，因而量子计算与这些领域相辅相成，共同进步。
在诸多领域中，人工智能与量子计算的关系尤为紧密，人工智能已被 科技 界与学术界公认为是量子计算的重要着力点。 例如，微软就曾经用拓扑量子计算机将其AI助手“小娜”的算法训练时间从一个月缩短到一天。此外，量子计算中自动优化的功能可自行修正人工智能数据系统中的错误，并不断处理新数据。
当前，AI处于“弱人工智能”阶段，但如果不断加入量子计算，那么那种传说中的有独立意志、 情感 认知能力的“强人工智能”或许会提早到来。因为量子计算不仅具备强大的数据处理能力，更有自我学习和修正的能力。
有观点认为，将黑猩猩置于人类的语言环境下使其进行学习，训练足够长的时间，也可以使黑猩猩学会人类语言。黑猩猩尚能训练到如此程度，更何况是集人类智慧大成的人工智能与量子计算。经过这种强强联合，人工智能一定会比人类更聪明、更有能力。同理，量子计算会对更多领域产生本质层面的颠覆，甚至会涉及到国与国之间的 科技 方面的竞争。也许在未来某天，我们关于 科技 的那些最激进的想象都能实现，或者比我们想象中的还要让我们惊讶。
当然想要看到这一天还要继续等待，目前量子计算尚未普及，而且巨头之间关于这一领域也会有激烈的竞争。在这一过程中与之相关的领域会如何发展，巨头之间竞争结果如何，还有待时间的检验。
你说的可能是这三个吧：2003年发表了《The Google File System》2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》2006年发表了《Bigtable: A Distributed Storage System for Structured Data》
量子霸权只是一个名词而已，实际意思并没有听起来那么霸气，不过国内的科普和媒体比较喜欢用这个词。
谷歌宣布实现量子霸权？
前些天，谷歌公司在自然杂志上发布了封面论文，声称所研发的拥有53个量子比特的量子计算机在处理随机线路采样问题上超越经典超级计算机。
这次谷歌在论文中和报道中声明他们并非实现了量子霸权，而是证明了量子优越性。但国内媒体已经习惯了使用量子霸权这个词了，所以国内大部分新闻报道的标题都是谷歌实现了量子霸权。包括我在转发这一消息时也是使用了量子霸权这个词，因为这个词比较霸气侧漏，最主要是太流行了，一说出来大家都基本知道发生了什么事，写个量子优越性大家反而无法真正理解究竟发生了什么事。况且量子霸权和量子优越性其实只是释义上的差别，两者英文其实是同一个词：Quantum supremacy.
不过在国内通用的量子霸权这个词本身其实挺让人误解的，以为发生了什么不得了的事，以为可以称霸世界统一地球了……事实究竟是怎样呢？
量子霸权究竟是什么？
其实量子霸权真正的意思是量子计算机在处理某些特定问题时的性能超过已有的所有经典计算机。
注意，是处理某些特定问题时！量子计算机并非处理所有问题都能比经典计算机快，而是只有处理那些可以进行并行计算的问题时会有优势，比如那些含有一个或多个变量的计算。
所以实际上把它翻译成量子优越性更加准确和合理，可能正是由于量子霸权这个名字过于霸气，所以当谷歌的新闻出来后，我在科学群里听到很多对此质疑的声音，不但质疑所谓的量子霸权，甚至质疑量子计算机的真实性。
量子优越性真的实现了吗？
IBM公司是第一个跳出来提出质疑的，但它并不是质疑谷歌的量子计算机的真实性和谷歌量子计算机有没有那么强，而是质疑谷歌论文中的超级计算机有没有那么弱！为什么IBM会那么暴躁？除了由于在量子计算中竞争对手的关系外，更主要的原因是此次谷歌论文中需要算10000年的超级计算机所使用的就是IBM的Summit超级计算机！这是目前地球上性能最强的超级计算机！它是IBM公司制造的。
看着自家的骄傲——地表最强超级计算机被秒成渣，谁能忍这口气？
IBM在谷歌论文发布前一天提交了论文，声称谷歌在计算中并未对超级计算机进行优化，IBM论文中给出了优化方案，通过优化，Summit超级计算机只需要2.5天即可完成谷歌的计算任务，与谷歌论文中给出的10000年相差了1461000倍。IBM公司据此声称谷歌并未实现量子霸权。
问题是谷歌的量子计算机只用了200秒……200秒比2.5天快了1080倍，虽然没有原来的1461000倍那么夸张，但也已经是压倒性优势了……我认为这已经完全展现了量子优越性。
量子计算机真的可以实现吗？
此次谷歌证明量子优越性的论文其实早在9月份就曾经在NASA官网意外曝光，不过由于当时已经提交的论文并未通过同行评审，因此NASA光速撤回了，而此次自然杂志正式刊发并作为封面论文，表明已经通过了同行评审，没毛病，因此如果要怀疑量子计算机的可行性，那就相当于在质疑自然杂志的专业评审的专业性了。我不认为这是一个明智的表现。
另一方面，同样在研发量子计算机的竞争对手IBM公司同样没有质疑谷歌量子计算机计算性能的真实性，他们也一直在研发量子计算机，如果量子计算机真的无法实现，坐拥世界最强超级计算机的IBM公司理应以此提出质疑，而不是利用优化超级计算机来缩小差距后依然被秒成渣。
展望
谷歌这次证明了量子计算机的可行性和优越性，表明这条路是可行的并且是值得走的，不过也同时指出，这只是个开始，以后的路还长，离实用化的通用可编程的量子计算机还有多长的路要走？也许5年，也许10年，也许更长……但既然路是通的，就应该走下去，量子计算机的未来是光明的。
目前谷歌的53比特量子计算机属于试验机，其处理的随机线路采样问题并没有实用性，但是量子计算机的未来方向是可编程的通用量子计算机，将可以通过编程处理所有适合并行计算的问题，这方面的应用在科研领域用途广泛，比如构建理论模型、化学模拟、药物研发等各方各面，将对科学、科技、医疗等方面产生深远影响，我们期待那一天尽快到来。
国内没办法直接上谷歌的网站 你可以搜索下载个E9代理加速器 这样就能上Google下载东西了
量子霸权只是一个名词而已，实际意思并没有听起来那么霸气，不过国内的科普和媒体比较喜欢用这个词。
谷歌宣布实现量子霸权？
前些天，谷歌公司在自然杂志上发布了封面论文，声称所研发的拥有53个量子比特的量子计算机在处理随机线路采样问题上超越经典超级计算机。
这次谷歌在论文中和报道中声明他们并非实现了量子霸权，而是证明了量子优越性。但国内媒体已经习惯了使用量子霸权这个词了，所以国内大部分新闻报道的标题都是谷歌实现了量子霸权。包括我在转发这一消息时也是使用了量子霸权这个词，因为这个词比较霸气侧漏，最主要是太流行了，一说出来大家都基本知道发生了什么事，写个量子优越性大家反而无法真正理解究竟发生了什么事。况且量子霸权和量子优越性其实只是释义上的差别，两者英文其实是同一个词：Quantum supremacy.
不过在国内通用的量子霸权这个词本身其实挺让人误解的，以为发生了什么不得了的事，以为可以称霸世界统一地球了……事实究竟是怎样呢？
量子霸权究竟是什么？
其实量子霸权真正的意思是量子计算机在处理某些特定问题时的性能超过已有的所有经典计算机。
注意，是处理某些特定问题时！量子计算机并非处理所有问题都能比经典计算机快，而是只有处理那些可以进行并行计算的问题时会有优势，比如那些含有一个或多个变量的计算。
所以实际上把它翻译成量子优越性更加准确和合理，可能正是由于量子霸权这个名字过于霸气，所以当谷歌的新闻出来后，我在科学群里听到很多对此质疑的声音，不但质疑所谓的量子霸权，甚至质疑量子计算机的真实性。
量子优越性真的实现了吗？
IBM公司是第一个跳出来提出质疑的，但它并不是质疑谷歌的量子计算机的真实性和谷歌量子计算机有没有那么强，而是质疑谷歌论文中的超级计算机有没有那么弱！为什么IBM会那么暴躁？除了由于在量子计算中竞争对手的关系外，更主要的原因是此次谷歌论文中需要算10000年的超级计算机所使用的就是IBM的Summit超级计算机！这是目前地球上性能最强的超级计算机！它是IBM公司制造的。
看着自家的骄傲——地表最强超级计算机被秒成渣，谁能忍这口气？
IBM在谷歌论文发布前一天提交了论文，声称谷歌在计算中并未对超级计算机进行优化，IBM论文中给出了优化方案，通过优化，Summit超级计算机只需要2.5天即可完成谷歌的计算任务，与谷歌论文中给出的10000年相差了1461000倍。IBM公司据此声称谷歌并未实现量子霸权。
问题是谷歌的量子计算机只用了200秒……200秒比2.5天快了1080倍，虽然没有原来的1461000倍那么夸张，但也已经是压倒性优势了……我认为这已经完全展现了量子优越性。
量子计算机真的可以实现吗？
此次谷歌证明量子优越性的论文其实早在9月份就曾经在NASA官网意外曝光，不过由于当时已经提交的论文并未通过同行评审，因此NASA光速撤回了，而此次自然杂志正式刊发并作为封面论文，表明已经通过了同行评审，没毛病，因此如果要怀疑量子计算机的可行性，那就相当于在质疑自然杂志的专业评审的专业性了。我不认为这是一个明智的表现。
另一方面，同样在研发量子计算机的竞争对手IBM公司同样没有质疑谷歌量子计算机计算性能的真实性，他们也一直在研发量子计算机，如果量子计算机真的无法实现，坐拥世界最强超级计算机的IBM公司理应以此提出质疑，而不是利用优化超级计算机来缩小差距后依然被秒成渣。
展望
谷歌这次证明了量子计算机的可行性和优越性，表明这条路是可行的并且是值得走的，不过也同时指出，这只是个开始，以后的路还长，离实用化的通用可编程的量子计算机还有多长的路要走？也许5年，也许10年，也许更长……但既然路是通的，就应该走下去，量子计算机的未来是光明的。
目前谷歌的53比特量子计算机属于试验机，其处理的随机线路采样问题并没有实用性，但是量子计算机的未来方向是可编程的通用量子计算机，将可以通过编程处理所有适合并行计算的问题，这方面的应用在科研领域用途广泛，比如构建理论模型、化学模拟、药物研发等各方各面，将对科学、科技、医疗等方面产生深远影响，我们期待那一天尽快到来。
简单点来说，就是Hadoop是继承了Google的MapReduce、GFS思想，开发出来的一套框架，后来又交给了Apache作为开源项目。MapReduce诞生于谷歌实验室，MapReduce与GFS、BigTable并称为谷歌的三驾马车，、而Hadoop则是谷歌三驾马车的开源实现。2003年，Google发表了一篇技术学术论文谷歌文件系统（GFS）。GFS是google公司为了存储海量搜索数据而设计的专用文件系统。2004年，Nutch创始人Doug Cutting基于Google的GFS论文实现了分布式文件存储系统名为NDFS。2004年，Google又发表了一篇技术学术论文MapReduce。MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行分析运算。2005年，Doug Cutting又基于MapReduce，在Nutch搜索引擎实现了该功能。2006年，Yahoo雇用了Doug Cutting，Doug Cutting将NDFS和MapReduce升级命名为Hadoop，Yahoo开建了一个独立的团队给Goug Cutting专门研究发展Hadoop。
谷歌使用的是第四代技术。当前谷歌使用的是最新的第四代TPU芯片，谷歌公司周二发布的一篇论文详细阐述了该公司是如何利用自己定制的光开关，将4000多个芯片组合到一台超级计算机中，从而帮助连接一台台独立机器。
等会让他赶紧染发剂对人体
Google已经被大陆屏蔽了 你可以去Google香港的服务器
Gebru的支持者表示，谷歌的政策“实施得不均衡且具有歧视性”。
最近，科技圈的发生了一件大事，知名AI学者之一、人工智能伦理研究员Timnit Gebru被谷歌突然开除，引得一众哗然。
Timnit Gebru毕业于斯坦福大学，师从李飞飞，是 AI行业为数不多的黑人女性领导者之一，在AI伦理领域，Gebru不仅是基础研究者，更是许多年轻学者的榜样 。
她最知名的研究是在2018年发现，面部识别软件对黑人女性有高达35%的错误率，而对白人男性几乎完全正确。
然而，因一篇论文不符合谷歌内部评审，Gebru宣称被谷歌单方面辞退。
大约一周前，Gebru对外宣称，因与他人共同撰写了 一篇批评谷歌AI系统的研究论文 后，自己被谷歌解雇了。
然而，谷歌对外表示，因论文审查不符合谷歌要求，接受Gebru的个人辞职申请。
据外媒报道，这篇论文标题为“On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?”（随机鹦鹉的危险：语言模型会太大吗？），由谷歌的内部团队和外部研究人员共同撰写， 提出科技公司应该做更多事情，以确保AI写作和语音识别不会加剧歧视 。
值得注意的是， 论文内容谈到了谷歌BERT（自然语言处理系统）在AI伦理上的负面影响。
一开始，双方的争议点在于审查流程的问题。根据谷歌公司发表论文的流程，Gebru应在两周前提交论文，而不是在最后期限的前一天。
但Gebru的团队对这一评估进行了反驳，称审查政策旨在灵活，大多数人并没有遵循目前谷歌AI负责人Jeff Dean制定的结构。该团队收集的数据显示，绝大多数的审批都发生在截止日期之前，41%的审批发生在截止日期之后。他们写道： “没有硬性要求论文必须在两周内真正通过这个审查。”
同时，Dean认定该论文没有达到标准，因为它 “忽视了太多相关研究” ，从而要求她撤回这篇论文，或者删除谷歌员工的署名。
据《泰晤士报》（the Times）报道，Gebru在撤回该论文之前，曾要求与谷歌进行进一步讨论。Gebru表示，如果谷歌不能解决她的担忧，她将从公司辞职。
随后谷歌告诉Gebru，公司不能满足她的条件，并将立即接受她的辞职。
Dean还表示，Gebru煽动同事不要参与谷歌的DEI(多元化、公平和包容性)项目，他对此感到失望。
不久，Gebru很快就发现已经无法登陆自己的公司账户，这表示她已经被开除了。
离任后，总共有超过1,400名Google员工以及1,800多名其他行业专家签署了一封公开信，以支持Gebru。
信中写道：“格布鲁博士并没有被谷歌誉为杰出的人才和多产的贡献者，而是面临着防御，种族主义，研究审查以及现在的报复性开除。”
为Gebru辩护的前同事和外部行业研究人员们质疑，在这种情况下，谷歌是否武断地更严格地执行了规则。
前Google员工发推文表示“我支持@timnitGebru”。
这件事也加剧了 Google管理层与一些普通员工之间的紧张关系。
在Gebru发布离职推文的同一天，谷歌被美国国家劳动关系委员会（National Labour Relations Board）指控报复，该机构在投诉中称，谷歌通过监视，讯问和解雇维权雇员而违反了美国劳动法。
Gebru的离职，还引起了已经对谷歌在人工智能道德方面的工作感到担忧的人群的反感。去年Google成立了一个AI道德委员会，之后便遭到了该小组人员的抨击。仅一周后，该委员会被解散。
去年，“四川大学华西临床医学院 2019 届毕业生发表 46 篇 SCI 文章”引起热议，在过去近一年之后，近日，这个话题再度被提起。 我发现，当事人 邓汉宇博士 ，目前已是四川大学华西医院肺癌中心（胸外组）医师， 四川大学华西临床医学院八年制本科 生导师 。担任Langenbeck's Archives of Surgery、PLOS ONE等 多个SCI杂志审稿人 。据邓博士的ResearchGate（一个科研社交网络服务网站）显示，邓博士目前已经发表 文章82篇 。其中一篇发表在 EJSO 上的文章 入选了ESI前1%高被引论文 （谷歌学术显示该论文已被引25次）。 入选ESI前1%高被引论文题为：“ Sarcopenia is an independent unfavorable prognostic factor of nonsmall cell lung cancer after surgical resection: A comprehensive systematic review and meta-analysis ”，邓博士发微博表示：“我们的精准肺外科诊疗研究论文继续成为ESI（到十一月/十二月2019为止）高水平论文！（Web of Science统计中， 四川大学外科学研究方向中仅有的5篇高水平论文之一！ ）”。 01 争议不断 是“开挂”还是灌水？ 去年，按照惯例，华西临床医学院公布了的2019届荣誉毕业生。但 3名荣誉毕业生发表的SCI数量之多，引起了大家的关注和质疑。 3个荣誉毕业生发表的文章分别为： 荣誉毕业生A：SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子大于120分。 荣誉毕业生B：SCI论文30多篇。 荣誉毕业生C：发表SCI论文31篇，影响因子95.56分，其中第一/并列第一作者身份发表SCI论文20篇。 荣誉毕业生A就是争议最大的华西胸外科邓汉宇博士 ，从2016年入学以来，他已经发表SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子 大于120 分，40多篇论文包括： Original research：16 篇 Comments： 9 篇 Meta 分析：10 篇 其余为 letter。 很多网友质疑其文章的真实性和质量，认为无法在如此短的时间类完成这么多篇文章，是否存在抄袭和灌水的可能。甚至有华西医学院内部人士匿名评论。 46篇文章多为 2-3 分左右的期刊或者杂志，其中一篇 11 分左右的高分文章是 letter to editor，SCI 论文中一些 comments，letter 严格意义上来说并不算科研论文。 SCI杂志的文章的几种类型 Original Artical 论著： 这个是最为常见的一类，分为基础性和临床性文章。基础性文章就我国现在普遍在发的文章，属于前瞻性的一个研究，通俗的一个说法就是我们假设一个思路，然后通过实验来得出一个结论来证明我这个思路，得出的结果两种情况一个是阳性(符合我的思路)一个是阴性的(不符合)大家不要认为阴性的结国就发不了SCI，阴性的同样可以发SCI，可以想象它告诉了我们这样的思路是得不出来这样的结果，也是对国际科研的一个贡献。这类文章需要经过peer review，审稿周期较长，哪怕是低分杂志，从投稿到录用半年多是家常便饭。 Review： 也就是综述，是在对某研究领域的文献进行广泛阅读和理解的基础上，对该领域研究成果的综合和思考。一般认为，学术文章没有综述是不可思议的。需要将“文献综述( Literature Review)” 与“背景描述 (Backupground Deion)”区分开来。“文献综述”并非一般的“背景描述”，还需要对该领域研究成果的思考。 Meta分析： 针对一个不同研究得出的结果有争议的科学问题，利用统计学方法将这些研究（以RCT为主）的结果放在一起，得出结论的文章。 Comment、invitedcommentary、editorial评论： 对最新发表(时效性)的某篇论文进行评论，一般是杂志邀请相关领域专家进行受邀评论，被评论的文章往往具有重大临床或科研意义。录用周期较短，基本可以控制在一周内。 Letter to editor： 致编辑函/信是读者针对某篇感兴趣的文章写的读后感，或延续要告诉期刊内容。字数限制约300-500字，也有杂志要求不超过150字，一般无具体格式要求。杂志接受针对最新发表论文写的letter(时效性)，超过规定的时间不再接收。 读者若具备相应研究基础，能提出独到观点，一般容易被杂志接收，甚至是一些顶级杂志。 因为不同类型的SCI撰写难易度和接受周期不一样，综合来看， 三年一作发46篇SCI是一个可以做到的事情。 网友争议的点主要集中在邓博士发表的文章类型和 文章质量。 根据 2019 年公布的影响因子，计算 Nature、Science、Cell 三大顶级期刊杂志影响因子总和为： 43.07+41.037+36.216=120.323 也就是说邓博士三年发表论文影响因子达到了 CNS 之和。 试想如果邓博士三年发了 CNS 级别杂志的一作文章，相信他作为博士毕业生的优秀代表不会引起任何非议。 因此，网络上对邓博士的评论，渐渐的分成了两个大阵营： 一种认为，这就是一种论文“灌水”行为。 孔柚： 我只能承认他很能写，是不是灌水，有没有含金量，也只有他本人知道了。 fromiccas： 不喜欢灌水型研究，真要比，井冈山大学不是还有人一年一百多篇吗？我是希望学生都能够在主流杂志上发表文章，但是我的学生能发到macromolecules我就心满意足了。做研究，要有代表性的方向，代表性的工作。 知行合一： 三年46篇，三年就是36个月，不到一个月一篇，这种短平快的东西做出来能有多大学术价值，我表示怀疑。 一种则认为，“承认别人的优秀没那么难，能发这么多篇是能力的一种体现。” Jenny： 没问题啊，那是人家能力和实力，存在就是合理的。他又没造假。 E.： 如果没有科研条件去写高分的，小课题做的快，多发几篇也是错吗？况且 16篇research都是实实在在的呀，没事时看看别人的研究写写与自己课题相关的letter和meta 也是一种努力啊，为什么要说人家水？个人觉得他只是在能力范围能尽了全力而已。 木兰舟： 那也不可否认16篇original article。三年16篇还要怎样。 02 本人发文回应 瞎喷没用，干点实事提升自己才是正经 面对争议，2019年8月20日，邓博士本人在知乎上曾对此事进行了回应： 我是四川大学华西临床医学院2019届荣誉毕业生本人(这里需要解释一下，我们荣誉毕业生是针对本科生，八年制是作为本科生进行评比，所以不涉及和传统博士的评比；其次，荣誉毕业生是同专业同学选举出来，而不是学院老师指定)。等最近忙空了，我想在知乎上给大家分享sci思维、写作、投稿等方面的经验，希望能够让没有sci的同学，也能够有机会发表sci，至少能够不为毕业而焦头烂额。在这里给大家谈几点自己的想法： 第一，我是华西临床医学院的8年制本硕博连读专业的学生（2011年入学）。华西的八年制，大概比清华北大录取线少20分左右吧。八年前，我高考失利，与清华北大无缘(可以去我的高中调查一下真相)，于是选择学医，选择八年制。所以，本人学习能力可能比较强吧，因此读文献、写文章的能力也相对来说比较强吧。 第二，8年的时间里，我分成了两个阶段。前4年的本科学习，所以我花了高中努力程度的70%，轻松达到平均分90分的成绩，单科解剖学，诊断学等临床基础课程，专业第一。临床功底，可以去春雨医生或者好大夫检索一下我的治病救人诊疗经验以及病人对我的评价。后4年研究生的学习，我很庆幸自己选择了胸外科专业，因为我热爱这个专业，我每天看专业文献就像放松心情一样地娱乐，所以我会写原始研究，写meta分析，写letter表达自己的想法和观点(请注意，这是我的爱好，因为能够和全世界胸外科医师交流，这是我感觉愉悦的事情。)。做科研，在我最开始的时候，我是抵制的。后来培养了兴趣，尤其是我能够把临床问题，转化为科研（所以我的文章，都是临床的。关于基础研究，我确实不太通晓），为我的病人提供最新的诊疗意见，我觉得值了。(可以参考一下我在春雨或者好大夫平台发表的自己的研究成果)。 第三，我对待科研文章，如同对待挚友，进行交流和学习。 不做科研的医生，不是一名合格的医生，因为他不懂得思考和解决临床问题，一味地去接受他人的观点，没有自己的想法，不去解决自己的问题的医生，是很危险的。因为病人情况都是个体化的，医学作为实践性经验性学科，就是需要发现问题，解决问题。这里补充一下——胸外科有很多没有一致定论的东西，包括早期肺癌的手术，如果一个医生不去思考如何为病人做一次最佳的切除范围，那他只会给病人和家属带来不必要的担心，甚至术后复发转移。我见过太多这些的医生，所以我才发出此感慨。 第四，关于灌水。 我很庆幸我选择自己感兴趣的研究方向，发表在自己的专业杂志上，没办法我们胸外科相关的杂志，大概就是几分的水平。试问，高影响因子的文章，谁不想要呢？但我想，懂行情的人都会知道，不是每一个学生都有这样的机会和资源！况且，各大医院的院长、主任们，也不见得都是发表高影响因子的文章吧。 第五，大家如果感兴趣，我很愿意和大家分享科研经验： 微博： 第六，我最后给大家解释一下，我在最后三年，也就是从2016年开始，在华西医院各科室实习一年，从2017年，在华西医院肺癌中心上临床作为住院医师参与一线工作(收治病人、值班等)一年半左右。 最后半年多时间里，完成专业博士毕业论文。 第七，我总结我以上所说的，我并不觉得自己怎么样怎么样，大学的八年里，相比于其他的荣誉毕业生，别人从一开始就叱咤风云，而我并不属于学院的知名人物（毕竟我不喜欢搞学生会工作，不喜欢互联网竞赛，不喜欢加各种协会……我们同一届的其他专业的，大多都没有听说过我这个名字），没想到在最后毕业的时候被选出来作为本科荣誉毕业生，我只是觉得自己的付出和努力，没有白费。我常常给同学朋友开玩笑说，“我是拿了5年的励志奖学金，最后一年终于励志成功，拿到了国家奖学金”。 最后总结一下，我做这一次的正面回应网络各种形形色色的人，就是要让你们知道，大学里努力了的人，你们瞎喷、瞎黑，是没有用的！别一天没事干了，吃饱了就在网络上消化，干点实事，努力提升自己的专业和学习能力，对你自己才是最好的！ 邓汉宇，男，中共党员，胸外科博士，四川大学华西医院肺癌中心（胸外组）医师，四川大学华西临床医学院八年制本科生导师。师从于被誉为“中国肺外科第一人”的周清华教授，获四川大学临床医学学士学位及胸外科学博士学位。现为欧洲胸外科医师协会（ESTS）会员、美国外科医师学院（ACS）会员、国际肺癌研究协会（IASLC）会员、中华医学会胸心血管外科分会会员、中国抗癌协会肺癌专业委员会会员、中国抗癌协会癌症转移专业委员会会员。 累计发表论文60余篇，其中以第一作者、共同第一作者、通讯作者身份在JAMA Surgery、European Respiratory Journal、Annals of Thoracic Surgery、European Journal of Cardio-Thoracic Surgery、Annals of Surgical Oncology、World Journal of Surgery、European Journal of Surgical Oncology、Diseases of the Esophagus、Interactive Cardiovascular and Thoracic Surgery、Journal of Thoracic Disease等杂志发表胸部肿瘤外科学相关英文SCI文章50余篇，累计影响因子大于120分（）。受邀作为Langenbeck's Archives of Surgery、Annals of Surgical Oncology、PLOS ONE、World Journal of Surgical Oncology、Journal of Investigative Surgery等SCI杂志审稿人。多次受邀参加ISDE、OESO、ASCVTS、ESTS、MRS、WCLC等国际会议以及中华医学会胸心血管外科分会年会、青年医师论坛、川渝食管癌年会及四川省胸心血管外科年会并作大会发言和壁报展示。荣获2017年中华医学会胸心血管外科分会青年医师论坛优秀论文三等奖、2019年中华医学会胸心血管外科分会青年医师论坛优秀论文二等奖。 虽然回应的最后言辞比较激烈，但 平心而论，邓博士绝对算得上优秀。 在现行评价体系下，每个医院的评价体系不同，邓博士虽有争议，但无可厚非。其发表在EJSO上的一篇一作文章还入选了ESI前1%高被引论文。 2月23日， 科技部正式印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》通知，明确要求破除“唯论文”论不良导向，鼓励发“三高”论文，过几年再看，会不会是另外一番景象？ 你怎么看？ 本文由 科研大匠 综合自知乎、@邓汉宇ResearchGate、微博，华西医院等
您好，谷歌学术是一个非常受欢迎的学术搜索引擎，它可以帮助学者找到相关的学术文献和研究成果。在谷歌学术中，每篇学术论文都会显示它的引用量，即其他学者在自己的研究中引用了该论文的次数。这个引用量可以反映该论文在学术界的影响力和重要性。然而，要判断一个学者在学术界是否是大牛，仅仅看其发表的论文的引用量是不够的。因为不同领域的学术研究有不同的引用量标准，而且还要考虑其发表的论文数量、发表的期刊和会议的影响因子等因素。因此，要评价一个学者是否是大牛，需要综合考虑多个因素，而不是仅仅看其发表的论文的引用量。总的来说，一个学术论文的引用量在100次以上可以认为是有一定影响力的，但是这并不是评价一个学者是否是大牛的唯一标准。
等会让他赶紧染发剂对人体
你说的可能是这三个吧：2003年发表了《The Google File System》2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》2006年发表了《Bigtable: A Distributed Storage System for Structured Data》