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》
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊，可广泛搜索学术文献的简便方法。从检索情况分析， Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限于学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引情况。可直接点击Cited by...(引用数)搜索引用文献。4、 对文献和期刊进行应用和引用排名。5、中国知网、万方数据、谷歌学术等等很多学术资源检索平台都可以查找到sci论文，例如中国知网、万方数据、谷歌学术。那么进入以上平台后该如何查sci文章呢?在筛选条件中选择带有“SCI”字样的选项即可。以中国知网为例，登陆知网官网，在首页中选择“高级检索”等待跳转至检索页面，之后在学术期刊中选择“SCI来源期刊”，最后在检索栏中输入相应主题、作者、期刊名称等关键性信息即可。
期刊论文的特征：有刊名、出版年、卷号、期号、页码等信息。会议论文的特征：有会议名称、主办单位、会议时间、地点等信息。特别有Conference、Proceedings等词汇。专利文献的特征：有专利国别代码、专利文献号、申请号、公布日期、申请日期等信息。
等会让他赶紧染发剂对人体
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊，可广泛搜索学术文献的简便方法。从检索情况分析， Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限于学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引情况。可直接点击Cited by...(引用数)搜索引用文献。4、 对文献和期刊进行应用和引用排名。5、中国知网、万方数据、谷歌学术等等很多学术资源检索平台都可以查找到sci论文，例如中国知网、万方数据、谷歌学术。那么进入以上平台后该如何查sci文章呢?在筛选条件中选择带有“SCI”字样的选项即可。以中国知网为例，登陆知网官网，在首页中选择“高级检索”等待跳转至检索页面，之后在学术期刊中选择“SCI来源期刊”，最后在检索栏中输入相应主题、作者、期刊名称等关键性信息即可。
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项素引包括了世界上绝大部分出版的学术期刊，可广泛搜素学术文献的简便方法。从检索情况分析，Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限手学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引1情况。可直接点击Cited by…（引用数）搜索引用文献。4、对文献和期刊进行应用和引用排名。
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。
谷歌不为人知的行业“内幕”上周末与好友谈到当前市值最高的几家互联网公司，谷歌，亚马逊，facebook，腾讯ebay等。首当其冲谷歌市值第一，大家提到，在2012年年底，全球最佳品牌价值百强品牌排行榜上谷歌排名第四，作为互联网企业，品牌排名第一。众人皆诧异，到底是什么让谷歌这个品牌市值第一，品牌第一。极其成功的商业模式简单至极的品牌体系以人为本的企业文化谷歌这个模式很成功，因为这是一款人人都可以使用的产品，几乎全世界任何人都可以成为谷歌的用户，大家都可以搜索相关信息，这也就意味着顾客的用户基数是所有的网民，人人都可以用，却不用他们来买单，谷歌靠广告主和关键词广告获得收入，同时也通过搜索引流帮助大家赚更多的钱。所以，我记得谷歌的两位创始人曾经用”伟大”这个词来形容他们的商业模式，大致意思是说：谷歌很幸运的做出了一款产品，不需要库存，分销，物流等，只需要通过网络让所有人都可以使用，谷歌只需要专注的做好产品，就会持续被更多的人使用，因此也自然获得更多的广告收入。谷歌的品牌很简单。在给企业提供品牌咨询时，我常讲品牌有三个体系；理念体系、传播体系和管理体系。其中第一个关键是要明确梳理好品牌的理念体系。即你的品牌名称、愿景、定位、核心价值、口号等等，这些内容明确之后，你的传播内容才能长期保持一致，传递一种相互支持自成体系的声音，让你的品牌在顾客头脑中扎下深刻烙印。Google名称源自英文单词“Googol”，“Googol”意为10的100次方，Google名称本身就烙上了以技术征服浩瀚无穷网络信息的深深印记。谷歌的愿景虽然没有明确的官方描述，但从两位创始人多次讲话中可以经常看到一句话：make the world a better place，即谷歌的存在会让世界变得更加美好，人们随时能够通过谷歌得到解决方案。谷歌的定位更为简单，做最好的搜索引擎。谷歌的品牌口号：不作恶(Don’t be evil)，这个属于公司的价值观信条，表明谷歌永远站在客观的角度提供信息服务。其实从谷歌最近几年高管在各种场合讲话中可以看到，谷歌还有一个品牌口号，即做最完美的搜索引擎。之前谷歌两位创始人就被品牌专家告诫过，品牌一旦确定后，理念和标识都要长期保持一致，不要随意更换。两人认为这对于富有创意的谷歌来说，难以接受，但他们明白专家是对的。于是，他们保持品牌标志一致，但并不偏执。他们也喜欢在保持原有商标面目的基础上变化一些图案，尤其是庆祝、纪念一些重大节日的时候，譬如庆祝知名儿童文学作家苏斯（Seuss）的生日，或是庆祝宝莱坞推出印度第一部有声电影的日子，此举让简洁的页面富有了变化的动感以及文化的韵味。 最后，一个以人为本的企业文化。企业文化是组织得以快速发展的软性驱动力，也是组织能够吸引汇聚优秀人才的关键磁场。谷歌有十大理念： 1.以用户为中心，其他一切水到渠成。2.专心将一件事做到极致。3.越快越好。4.网络也讲民主。5.信息需求无处不在。6.赚钱不必作恶。7.信息无极限。8.信息需求无国界。9.认真不在着装。10.追求无止境。这些理念自然地变成了团队成员的价值观，潜移默化地融入到团队的行为中。除此之外，谷歌还有一些好的技巧。比如既然人才是谷歌成就事业的关键，好的文化一定要能够发挥人才的潜能。而扼杀创造力的第一杀手就是束缚。为了让员工舒心、把爱好变成创造力，谷歌做了几件激发创造力的举措：1、办公环境亲人化Google的办公楼，随处散落着健身设施、按摩椅、台球桌、帐篷等有趣的东西。整个办公空间采用了不同的色调搭配，明亮鲜活。这些都让人感到轻松自在。除此之外，每名新到Google的员工都将得到100美元，用于装饰办公室，员工们可以在自己的办公室中“恣意妄为”。这才叫我的地盘我做主，好的办公环境就是要激发人的效能，只有让人感到舒适，才会产生更好的创意和想法。2、人员自由流动化从创立之初，Google就规定管理层不能限制员工在公司内部自由流动，员工可以自由到一个新的部门做自己喜欢的事情。“一个想法有人支持就可以去做”，这种宽松的政策和环境使得Gmail、Google Map, Google Search这些深受用户好评的产品诞生成为可能。3、20%时间私有化Google允许每位工程师拥有20%的自由支配时间。这也是谷歌深以为傲的地方。我看过多次谷歌高层的演讲，这条基本上每次都提，也是他们公认的谷歌一个小秘诀。Google的企业文化是鼓励创新，即使每项工程都要有计划、有组织地实施，公司还是决定留给每位工程师20%的私有时间，让他们去做自己认为更重要的事情。许多好项目都源自这20%的时间。4、内部沟通扁平化Google公司人人平等，这里的管理职位更多是强调服务，工程师们受到更多尊敬。在Google，每个人距离总裁的级别可能不超过3级，人人不仅可公平享受办公空间，更具备零距离接触高层反馈意见的机会。每逢周五，Google的两位创始人以及首席执行官都会与员工们共进午餐。以满足员工提出的种种“非分”要求。一般情况，两位创始人都会满足员工们的过分要求。通过这四化，你不难看出，谷歌的文化光芒是人性，充分尊重人性，道法自然，结果自然是会吸引和留住更多人才，创造出最顶尖的技术，持续通过伟大的商业模式获得最高价值收益，持续成为互联网世界最有价值品牌。所以，谷歌的这三个一是一个成功闭环，优秀的文化聚拢人才，人才创造出伟大的商业模式，商业模式又助推品牌的卓越。结合到我们中国企业，当我在给他们做咨询时，提到谷歌，很多人反应是谷歌我们学不会，人家的办公环境要多大投入、人家多赚钱等。其实不是公司资本和赚钱的问题，而是愿意脚踏实地，从小做起，学习但不排斥不同文化，愿意为公司的长远发展改变自己现有习惯的态度问题。“我愿意”是我国企业走向更好国际公司文化的第一步。谷歌也是从小微企业成长起来的。谷歌创业之初就列出了十大真理，只是在发展过程中进行过不断修正，谷歌创业之初有延续着我前面提到的四化，其中除了第一项是因为后来企业的发展，硬件设备和办公环境有显著升级之外，其他没有哪项是需要大投入的。所以，对于在路上的创业企业以及在路上的出海企业，我的建议是：能够因地制宜取其所长为我所用。当企业学习标杆时，能够看到可以学到并做到的地方，我相信只要愿意去学习，去探究和应用，就没有触及不到的彼岸。来源于微信公众号【东西笑应】 个人微信：shishiishi 欢迎讨论海外营销，品牌推广等问题
请描述清楚的您的问题！
Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以 5:0 完胜欧洲冠军、职业围棋二段樊麾。在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。
hadoop是开源软件。。各个公司都有版本，比如Apache Hadoop和Intel Hadoop，不过使用比较多的是apache hadoop
Yahoo牵头研发的，开源社区Google于03至06年左右公布了三篇论文，描述了GFS、BigTable、MapReduce三种技术以解决这些问题。由于Google并没有公布算法细节，因此由雅虎牵头，在06年左右建立了开源项目Hadoop。
等会让他赶紧染发剂对人体
hadoop属于阿帕奇基金会，是开源免费项目这个网址里有阿帕奇所有开源项目的源代码和安装包：archive.apache.org/dist你可以去下载任意版本的hadoop和hadoop的源代码
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》