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。
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。
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。
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。
相信这两天大家朋友圈都被Google Map新功能演示刷屏了，视频中介绍说Google Map将在一些城市实现实景渲染，在手机中能够就从不同视角能逼真地浏览城市场景，甚至还能实现从室外到室内的无缝融合。
这个视频引发很多讨论，看明白的、看不明白的都在各抒己见，真的非常有意思。有人看到视频中从室外飞到室内，就联想到国内房地产行业做的一些卖房应用，直言房地产公司已经吊打谷歌；也有人看到视频中围绕着威斯敏特大教堂转一圈，就觉得这不就是倾斜摄影，早就烂大街的东西。
那正在看这篇文章的读者，你的心里又是什么看法呢？
究竟是不是谷歌不行了呢？
02
Block-NeRF是什么？
伟人说过，没有调查就没有发言权。想搞清楚这背后的技术细节，最好的办法就是去看文献。刚好在CVPR 2022会议上就有一篇Google员工发表的论文《 Block-NeRF: Scalable Large Scene Neural View Synthesis 》，该论文就是Google Map这次产品更新背后的实现技术。
单看论文题目，可以知道这篇文章主要介绍一种叫做Block-NeRF的新方法，这个方法可以进行大场景神经视图合成。
视图合成，简单来说就是根据已有的视图（也就是图片）来合成一张不同视角下的新图片。举个不恰当的例子，你站在一个人左侧拍了一张照片，又站在一个人的右侧拍了一张照片，这时候你想知道站在这个人正前方拍的照片是什么样的。你在这个人左右两侧拍的照片就是已有的视图，而你想要的正前方的照片就是需要合成的视图。
当然，实际操作中一般会拍摄更多的照片，否则就难以达到理想的效果。视图合成并不是什么新概念，早期很多Image Based Rendering方向的论文就是做这个的，比较基础的方法也就是通过对现有图像进行插值来生成新的图像。当然，为了不断地提升合成图像的质量，方法变得越来越复杂。
来到AI时代，自然也会有人考虑用AI做视图合成，其中的佼佼者就是NeRF。NeRF 是 2020 年 ECCV 上获得最佳论文荣誉提名的工作，其影响力是十分巨大的。NeRF 将隐式表达推上了一个新的高度，仅用2D的姿态已知的图像作为监督，即可表示复杂的三维场景，在新视角合成这一任务上取得非常好的效果。但是NeRF受限于有限的模型容量，只能重建小尺度场景，比如一个物体、一个房间、一栋建筑等等。
Google在NeRF的基础上更进一步，通过将场景分割为多个部分，每个部分单独用一个NeRF进行训练，最后将各个NeRF合成的视图混合，从而实现大场景的视图合成。这就是Block-NeRF最核心的思想。
03
你还认为Google Map渲染的是倾斜吗？
我们现在文章里找找证据。文章在研究现状首先就介绍了大场景三维重建的内容，提到COLMAP、PMVS等知名计算机视觉项目，但同时也提到通过3D重建得到的模型存在很多变形和黑洞，这正是现在倾斜摄影模型存在的严重问题。
最后，总结说三维重建更加注重精度，而本文的任务属于新视图合成领域，甚至Block-NeRF算法都没有利用SfM(Structure from Motion)算法来获取相机位姿，仅利用车载传感器读数作为模型训练数据。
看到这里，我想大家都知道Google Map渲染的不是倾斜模型了。可是为什么要大费周章地用几百万张图片来训练Block-NeRF模型呢？从视频中不难看出，浏览过程中非常平滑，没有倾斜那种LOD过渡的感觉，而且，合成出来的图像还可以进行光照、天气等效果的调整。
当然，肯定还会有人说，现在把倾斜摄影模型导入 游戏 引擎也能有各种光照和天气效果，但是倾斜摄影模型本身的纹理就已经记录拍摄时的光照信息，即使添加一些 游戏 引擎的效果，所看到的画面也没有Google Map那么纯净。
另外，Block-Neft里还提到在制作训练数据时，把图片中的移动目标（如车和行人）等遮罩掉，使得合成的图像里不会出现车和行人的干扰。相较之下，倾斜摄影模型中的车辆和行人往往需要人工去压平修复。
从个人角度来说，我觉得Block-NeRF比倾斜摄影更加优雅。只要根据用户浏览的位置和朝向，就可以在云端实时渲染出一张以假乱真的图片。虽然倾斜也可以走云渲染的路线，但就显示效果和渲染效率来说，目前看到的应用案例也仅仅时刚刚够用而已。至于Block-NeRF会不会取代倾斜摄影，个人觉得目前并不需要此类的担心。
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》