发布时间：
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》
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。
工程师一般是要求发3-4篇，具体看当地人社部门下发的要求。需要注意的是，中级职称发省级期刊即可，而高级职称需要发表国家级刊物，甚至有部分单位要求发指定目录刊物和核心刊物。如果发表意向可私信，专业。
职称评定一直是僧多粥少，竞争很激烈。评职称，职称论文是关键。那么如何去准备职称论文呢？
您好，必须是正刊。所以不含增刊、特刊、专刊、专辑、论文集等。 有问题请追加。
先是要具有一定的条件的。
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。
等会让他赶紧染发剂对人体
1、大数据进化论——在BI之外扩展新的业务边界
大数据不是绣花;它的主要任务是解决业务问题。从某种程度上说，大数据就是利用新的数据技术来拓展和优化业务。传统企业需要聚集一群人来研究这个问题。
如果你想在外部找到一个新的商业模式，如果你想在内部找到一个方案，你可以使用大数据来提高效率。
目前，在大数据可以创造价值的领域，互联网、制造业、公共服务、医疗保健、金融服务等行业有着广阔的前景。
从领域的角度来看，广告、营销、风险控制和供应链都是大数据可以发挥作用的地方。对于电信运营商等具体企业，大数据还可以在网络优化等方面提供新的方法。
大数据应用场景是企业需要思考的地方。传统BI的失败在一定程度上是由于技术对业务的推动和对传统BI使用数据能力的高估所造成的逆向现象。例如，许多油田不能使用传统的BI进行生产。
大数据也面临的大问题,但重要的是要注意,随着大数据的概念的普及和实际应用领域的扩展,对数据管理和业务人员的理解,经历了巨大的变化,和面向数据的思维已深深扎根于人们的思想,这是一个新的大数据。
没有业务，就没有大数据。
2、大数据进化论——颠覆BI，打造大数据技术引擎
这是目前大数据领域最热的地方。许多公司都在构建自己的大数据平台。他们只能解决以下问题。
例如Hadoop、流处理等技术可以解决海量结构化和非结构化数据的ETL问题。Hadoop、MPP等技术可以解决海量数据计算问题;有效阅读的问题可以通过Redis、HBASE等方法来解决。通过Impala等技术实现在线分析。
其实质是基于廉价机器，以分散和分布式的方式解决海量结构化和非结构化数据的存储、处理和读写问题。
要理解这个，我们只需要理解谷歌，谷歌文件系统，谷歌Bigtable，谷歌MapReduce这三篇论文。
然而，并不是每个企业都需要建立自己的大数据平台。你可以根据自己的能力做这件事。你可以自己做，比如BAT，你可以购买，比如传统的大企业，或者你可以租用，比如使用阿里云和AWS。
在技术,传统的BI ETL、数据仓库和OLAP技术,愿景声明,被淘汰的边缘,因为它不解决大量数据,包括结构化和非结构化、处理问题,所有的功能都可以取代相应的大型数据组件,所以没有更多的未来发展,大多数企业即使没有大数据业务驱动,但是大数据技术的成本优势,不要做大数据逆向传输是你使用的大数据技术，不是吗?
当然，传统的BI系统还会存在很长一段时间。毕竟，大数据的推广应用是一个漫长的过程，传统企业对大数据技术稳定性的担忧也是一个障碍。但至少，这种趋势是不可阻挡的。
我记得我的企业一年前使用DB2，一年后GBASE替换了它。我们总是低估了技术革命对我们的影响。
3、大数据进化论——重塑BI，完善人员知识结构
有了商业和技术，让我们再来看看人。很多企业都在努力打造大数据平台，但在搭建之后，发现它仍然是一个报告系统，或者说是原来的BI。领导人会叹气，这不是一件新背心吗?大数据有什么好处?
许多公司,它可以有很多的预算购买昂贵的机器和软件,但是对于引进人才和培训人才有点不知所措,买了1美元大数据的硬件和软件,但是我希望最初的BI团队可以带来繁荣的大数据应用程序,它是穷人,新酒,原来的团队来处理公司的报告系统有一个非常好的工作。
大数据进化论包含哪些内容?注意这些的大数据工程师才算优秀，大数据不是绣花，它的首要任务是解决业务问题，大数据在一定程度上是利用新的数据技术来拓展和优化业务，你能处理好吗?如果您还担心自己入门不顺利，可以点击本站其他文章进行学习。
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》
江湖传说永流传：谷歌技术有"三宝"，GFS、MapReduce和大表（BigTable）！
谷歌在03到06年间连续发表了三篇很有影响力的文章，分别是03年SOSP的GFS，04年OSDI的MapReduce，和06年OSDI的BigTable。SOSP和OSDI都是操作系统领域的顶级会议，在计算机学会推荐会议里属于A类。SOSP在单数年举办，而OSDI在双数年举办。
那么这篇博客就来介绍一下MapReduce。
1. MapReduce是干啥的
因为没找到谷歌的示意图，所以我想借用一张Hadoop项目的结构图来说明下MapReduce所处的位置，如下图。
Hadoop实际上就是谷歌三宝的开源实现，Hadoop MapReduce对应Google MapReduce，HBase对应BigTable，HDFS对应GFS。HDFS（或GFS）为上层提供高效的非结构化存储服务，HBase（或BigTable）是提供结构化数据服务的分布式数据库，Hadoop MapReduce（或Google MapReduce）是一种并行计算的编程模型，用于作业调度。
GFS和BigTable已经为我们提供了高性能、高并发的服务，但是并行编程可不是所有程序员都玩得转的活儿，如果我们的应用本身不能并发，那GFS、BigTable也都是没有意义的。MapReduce的伟大之处就在于让不熟悉并行编程的程序员也能充分发挥分布式系统的威力。
简单概括的说，MapReduce是将一个大作业拆分为多个小作业的框架（大作业和小作业应该本质是一样的，只是规模不同），用户需要做的就是决定拆成多少份，以及定义作业本身。
下面用一个贯穿全文的例子来解释MapReduce是如何工作的。
2. 例子：统计词频
如果我想统计下过去10年计算机论文出现最多的几个单词，看看大家都在研究些什么，那我收集好论文后，该怎么办呢？
方法一：我可以写一个小程序，把所有论文按顺序遍历一遍，统计每一个遇到的单词的出现次数，最后就可以知道哪几个单词最热门了。
这种方法在数据集比较小时，是非常有效的，而且实现最简单，用来解决这个问题很合适。
方法二：写一个多线程程序，并发遍历论文。
这个问题理论上是可以高度并发的，因为统计一个文件时不会影响统计另一个文件。当我们的机器是多核或者多处理器，方法二肯定比方法一高效。但是写一个多线程程序要比方法一困难多了，我们必须自己同步共享数据，比如要防止两个线程重复统计文件。
方法三：把作业交给多个计算机去完成。
我们可以使用方法一的程序，部署到N台机器上去，然后把论文集分成N份，一台机器跑一个作业。这个方法跑得足够快，但是部署起来很麻烦，我们要人工把程序copy到别的机器，要人工把论文集分开，最痛苦的是还要把N个运行结果进行整合（当然我们也可以再写一个程序）。
方法四：让MapReduce来帮帮我们吧！
MapReduce本质上就是方法三，但是如何拆分文件集，如何copy程序，如何整合结果这些都是框架定义好的。我们只要定义好这个任务（用户程序），其它都交给MapReduce。
在介绍MapReduce如何工作之前，先讲讲两个核心函数map和reduce以及MapReduce的伪代码。
3. map函数和reduce函数
map函数和reduce函数是交给用户实现的，这两个函数定义了任务本身。
完了 你这个题目偏窄 做毕业论文很难，给你个建议：题目 ：网络多媒体在地理教学中的应用研究——以GOOGLE EARTH 为例这样你就比较好写。否则你的内容不只是窄的问题了，收集资料都很困难，因为这是比较新的内容。关于收集资料 给你下面的文章看看：如何利用信息资源进行论文写作和课题查询一. 论文写作、课题查询与信息检索1.论文写作(1)论文类型：科研论文、学位论文(2)论文格式：前置部分：标题、作者署名、作者单位、摘要、关键词、中图分类号、文献标识码主体部分：引言、正文、结论、致谢、参考文献(3) 论文写作步骤：选题、资料准备、论点形成、撰写(4) 论文写作与信息检索关系选题阶段。通过信息检索，了解专业的研究现状、前沿、热点问题，寻求科研中的空白点、学术的争鸣点、社会实践的需求点、知识的概括点、科学定论中的矛盾点、个人的兴趣点、学科和专业的熟悉点资料准备。通过信息检索，获取事实资料、数据资料、文献资料、论据、观点。论点形成：通过对获取的资料进行分析研究、综合、提炼，逐步形成论点。2.课题查询(1)概念(2) 课题查询与信息检索立项查新阶段:了解课题项目的现状和发展趋势及国内外动态信息课题跟踪阶段:在课题项目实施中，通过资料丰富、论证。成果查新阶段:课题项目完成后,通过查新,确定成果在国内外的地位,以便对项目成果有一个正确客观的评价。二.信息资源检索策略与方法1.课题分析2.问题分类3.选择检索工具4.实施检索5.结果处理信息资源检索步骤（图式）课题 问题 选择检索 实施 结果分析 分类 工具(途径) 检索 处理1.课题分析确定专业范围：课题涉及专业及其相关学科。确定时间范围：课题需要检索的年代范围。地理及语种范围：课题在那个国家处于领先地位，原则上采用该国及该母语的检索工具。信息范围：选择与课题有关的、针对性强的检 索工具。2.问题分类(1)寻找事实、数据型信息，找寻问题的准确答案。(2)查找特定文献,根据某一文献的线索查找原文,或已知某一作者,查询其所有发表的文章.(3)对某一问题作大致的了解,并就问题的一个方面,表述自己的观点或撰写小型论文.(4)查询某一专题的前沿和最新资料,了解研究动态,发展趋势。(5）对某个课题全面调研,了解整个发展过程,全面细致地了解国内外有关的所有出版物的情况,年代范围较广,主要撰写综述或研究报告.(6）对某一课题作深入的专题研究,在充分掌握材料和重要研究成果的基础上,提出创造性的具有一定学术水平的观点或论点,撰写报告或学术论文.3.选择检索工具根据课题性质的不同，确定相应的检索途径：一般利用二次文献和三次文献组织和控制一次文献 ，同时可通过一次文献后列出的参考文献进一步扩大范围。检索工具与检索课题的学科相一致，注重检索工具的权威性。技术和手段：有机检条件的一般就不选择手检工具。考虑价格和可获得性，应选择就近获取。4.实施检索(1)确定检索途经:分类途径、主题途径、题名途径、著者途径、代码途径、其他途径从已知信息特征选择从课题检索要求选择检索工具提供的索引进行选择(2)制定、调整检索策略确定检索用词，构建检索表达式，实施检索，反馈调整检索5.结果处理n 检索结果分析:浏览文摘,判断是否满足要求,并加以筛选,若不满意,及时修改检索策略,二次检索,直止满意.n 获取原文：(1)全文数据库直接获取(2)文摘、题录、索引数据库通过外刊导航获取全文http://libweb.zju.edu.cn(3)馆际互借三.各专题信息的检索1.事实型、数值型信息的检索事实型信息主要指名词术语、人物、地理、机构、年度资料等。数值型信息主要指计算公式、图表、数据、统计资料等.检索工具主要是词典、百科全书、年鉴、手册等(1)词典、辞典综合性辞典:《辞海》《辞源》 《汉语大词典》专科辞典：《经济大辞典》 《国际贸易金融大词典》《计算机词典》 《建筑材料辞典》网上的词典：中文词典:词典: （2）百科全书综合性:《中国大百科全书》《不列颠百科全书》 《大美百科全书》专业性：《工商管理大百科全书》 《科学技术百科全书》等。百科全书网站：国家百科全书:现代会计百科辞典网: （3）年鉴综合性：《中国百科年鉴》 《世界知识年鉴》专业性：《中国经济年鉴》 《中国会计年鉴》统计年鉴:《中国统计年鉴》 《广东年鉴》网上年鉴：国家图书馆主页提供年鉴数据库的网上检索。（4）手册参考性:《现代营销手册》指南性 《出国留学指南》数据性:《建筑施工计算手册》(5)数据库、网站万方：中国科研机构数据库（CSI）万方：中国企业、公司及产品数据库UMI《商业信息摘要数据库》(ABI/INFORM)传记网:世界名人录网络版中国统计信息网：中国经济信息网：中国资讯行: 中国资讯行 主要数据库:中国经济新闻库、中国商业报告库、中国统计数据库、中国上市公司文献库、香港上市公司资料库、中国企业产品库 、名词解释库、中国人物库、中国中央地方政府机构库、中国法律法规库、中国医疗健康库 。中经网 内容包括推荐专辑、综合动态、经济分析、经济数据、行业经济、区域经济、财经视频等提供3种查询工具：全文信息检索系统：综合经济和中经新闻中经搜索：Internet网站资源搜索中企网址查询：按企业、产品查询2.文献型信息的检索 以文献（题录、文摘、全文）为检索对象检索工具：期刊论文 会议文献 学位论文 专利 标准(1)期刊又称连续出版物，是一种定期或不定期连续出版的文献载体。核心期刊是重要的一种期刊。核心期刊：文献计量学研究发现，少数期刊（约20%）刊载了某些学科大量的高质量的论文（80%），他们的被摘率、被索率、被引用率以及在流通中的借阅率明显高于其他刊物，这部分期刊被称为核心期刊(core Journals)电子期刊:电子期刊与快讯期刊数据库中文综合性全文数据库举要维普中文期刊全文数据库（1989-）收录期刊种类近12000种，涵盖自然科学、人文社会科学各学科的期刊。万方数据库（共包括100多个专业数据库）（A） 科技信息子系统（B） 数字化期刊（C） 商务信息子系统清华学术期刊网收录国内6600种核心与专业特色中英文期刊的全文，积累题录1500万余条，全文文献500多万篇。分九大专辑，126个专题文献数据库，内容覆盖自然科学、工程技术、人文和社会科学等学科领域，收录年限从1994年至今.VIP、CNKI、万方三种数据库比较CNKI VIP 万方时间 1994 1989 1998种数 6000种 12000种 2700全文 664万篇 500万篇 30万篇内容 9/126专题 7/27专题 5/77小类更新 2 1 3Springer(全文) 德国Springer-Verlag公司是世界上著名的科技出版集团, 通过Springer Link系统提供学术期刊及电子图书的在线检索服务。Springer LINK目前所提供的全文电子期刊共包含439种学术期刊（其中近400种为英文期刊），涉及的学科范围包括化学、计算机科学、经济学、工程学、环境科学、地球科学、法律、生命科学、数学、医学、物理与天文学等11个学科，其中许多为核心期刊。（2）会议文献是指学术会议文献。检索工具主要有：万方：《中国学术会议论文数据库》：国内唯一全文数据库。《科技会议录索引》（ISTP）：报道国际性或科技会议论文的专门性检索刊物。（3）学位论文学位论文检索工具主要有：万方：中国学位论文检索学位论文查询：浙大（硕士）、（博士）CNKI:中国优秀博／硕士学位论文全文数据库(CDMD)博硕士学位论文数据库（PQDD）中国优秀博／硕士学位论文全文数据库（CDMD） 目前国内相关资源最完整、连续动态更新的博／硕士学位论文全文数据库。每年收录全国300家博士培养单位的优秀博／硕士论文约2万篇，2002年“211工程”高校收录率85％以上，收录年限2000年至今。（4）专利专利文献：一切与专利制度有关的各种专利文件统称为专利文献。类型：专利说明书、专利公报、专利检索工具等。检索途径：专利权人（个人、机构）专利分类（IPC分类、各国专利分类）专利主题（关键词）专利号码（专利号、申请号（优先项）、入藏登记 号等）免费专利数据库中华人民共和国国家知识产权：中国专利信息:中国知识产权网专利库:易信网专利库网专利库 （5）标准标准的等级国家标准：GB行业标准 ：行业主管部门名称的汉语首 字母表示，例如：JB。地方标准：DB企业标准标准的检索：一般采用分类和标准号途径检索课题—查找标准目录中的分类目录—标准号—索取标准原文检索课题—查找目录中的标准号索引—标准名称—索取标准原文标准的检索工具：上海标准文献信息网上服务系统：中国标准计量信息网：http://www.stdcn.com3.小结1.查找一般问题答案，多用工具书或事实、数据型数据库。利用工具书时，可按下列模式：（1）查时政大事:年鉴（2）查名词、术语:词典（3）查人物:辞典、百科全书（4）查数据:统计资料、年鉴、手册、数据库（5）查机构、地名:名录、手册2. 查当代科学进展及当前学术动态:年鉴或数据库（综述）。3.查找图书:先查当地馆藏目录,若无,联机检索,馆际互借。4.查论文资料:索引、文摘、全文数据库（期刊、会议录、学位论文）5.查法令条约:汇编资料、书目或法律法规数据库。6.查专利、标准:专利、标准数据库2.文科专业信息资源检索工具举要(1)《人大报刊资料全文数据库》（1995-） 共包括4个子数据库：①政治类；②经济类；③教育类；④文史类。3.经济学专业信息检索工具工具书:《中国经济大辞典》*《牛津经济学词典》《中国近百年经济史辞典》*《新帕尔格雷夫经济学大辞典》*《国际贸易金融大词典》《实用外贸英汉词典》《经济学百科全书》*《中国经济百科全书》*《哈佛商学院管理全书》《中国会计年鉴》《中国经济科学年鉴》*《中国经济年鉴》《中国市场统计年鉴》《中国经济贸易年鉴》《现代营销手册》《市场调研手册》《国际贸易简明核算手册》*经济专业相关数据库（20个）中国数字图书馆数字图书书生之家万方数据库维普全文期刊数据库清华学术期刊网人大报刊资料全文数据库中国资讯行中经网期刊目录：SSCI学位论文查询:浙大(硕士)学位论文查询:浙大(博士)相关网站工商企业、金融、财政、价格等信息：中国企业在线:conline.126.com万方企业数据库:中银网:五.理工科专业信息资源检索1.理工科文献特点数量急剧增加文献交叉重复文献出版分散文献失效加快文献类型增多SCI与EI比较SCI EI索引 索引、文摘回溯年代 40年 120年范围 侧重基础科学 不收基础理论侧重工程界检索思想 引文思想 传统文献检索思想特点 多学科交叉覆盖 时效强、文摘详尽时效强 使用方便收录我国文献 少 多3.计算机专业信息检索工具数据库（20个）中国数字图书馆数字图书书生之家万方数据库维普全文期刊数据库清华学术期刊网Springer清华镜像World Scientific 世界科学出版社全文电子期刊镜像CALIS管理中心数据库资源期刊目录：SCI学位论文查询:浙大(硕士)学位论文查询:浙大(博士)六.检索实例检索课题：反倾销*WTO1.分析研究2.选择检索工具事实型、数据型资料：专业工具书，中经网相关文献资料：维普或清华同方、人大复印资料、万方学术会议文献、学位论文、UMI、Elsevier SDOS、Kluwer3.确定检索途径：主题途径:反倾销*WTOanti dumping*WTO（02／04）分类途径:F724.实施检索,结果如下：中经网：11篇(浙江*反倾销*WTO)维普:116篇（核心期刊02／04）CNKI：121篇（02／04）CNKI博硕论文：9篇万方会议论文：4篇万方学位论文：12篇人大复印资料:(略)UMI：4篇(学术期刊02/04)Elsevier SDOS:0篇Kluwer:1篇检索课题：高层建筑和抗震设计1.分析研究2.选择检索工具数据型资料：专业工具书相关文献资料：维普、CNKI、万方学术会议文献、学位论文、标准、EI（工程索引）、Elsevier SDOS、 Kluwer3.确定检索途径：主题途径：高层建筑＊抗震设计，tall building*seismic design分类途径:TU97（高层建筑）4.实施检索,结果如下：56篇维普：24篇（核心期刊2000／2004）万方会议论文：4篇万方学位论文：0篇万方期刊论文：2篇CNKI全文期刊：11篇CNKI学位论文：2篇Elsevier SDOS：1篇EI 工程索引：12篇（文摘）Kluwer :0篇
将论文的pdf文件上传到ResearchGate。Google的搜索机器人会在几周内找到您的论文，并将收录在Google Scholar中。可以将详细信息手动输入到GS中，然后他们会将其发送以进行确认。该过程最多可能需要6周的时间。以将文章在线存储（例如，ResearchGate，Academic，Figshare，Dryad和其他平台
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。