护理研究杂志社网址

《护理实践与研究》是河北省卫生和计划生育委员会主管、河北省儿童医院主办的护理学术综合性期刊。国内统一刊号：CN 13-1352/R，国标标准刊号：ISSN 1672-9676，国内外公开发行。本刊以从事临床护理实践、护理科学研究、护理管理及护理教学的广大护理工作者为读者对象；以报道护理学科领域的研究成果、临床实践经验以及新技术、新理论为主要内容。坚持理论与实践并重的方针，反映护理临床实践、护理科研工作的重大进展，促进国内外护理学术交流。本刊辟有：护理论著、临床研究、综述与讲座、专科护理、调查研究、护理管理、护理教育、基础护理、心理卫生、中医护理、门诊护理、社区护理、康复护理、护理与法律、个案报道等栏目。稿件要求如下：1.稿件应具有科学性、先进性、实用性。稿件务求论点明确，论据可靠，数据准确，逻辑严谨，文字通顺。文题以20个汉字为宜。2.护理论著、临床研究、调查研究类文章附中、英文摘要及关键词，专科题材类文章要附加中文摘要及关键词。摘要采用结构式格式书写，包括目的、方法、结果、结论四部分。中文摘要以300字左右为宜，英文摘要不应超过400个实词。关键词要参考使用美国国立医学图书馆编辑的最新版《Index Medicus》中医学主题词表（MeSH）内所列的词，一般要求标引3～8个关键词。另页附中英文文题、作者单位及作者汉语拼音姓名。3.采用三横线表（顶线、表头线、底线），主谓语要符合逻辑，位置正确。线条图应用硫酸纸绘制或墨绘在白纸上，高宽比例为5∶7左右。照片要求清晰度和对比度良好，分辨率达300以上，图的下方应标有图序、图题和图注。4.计量单位实行国务院1984年2月颁布的《中华人民共和国法定计量单位》，具体使用参照1991年中华医学会编辑出版部编辑的《法定计量单位在医学上的应用》一书。5.统计学符号按GB 3358-82《统计学名词及符号》的有关规定书写，要求如下：（1）样本的算术平均数用英文小写 （中位数用M）。（2）标准差用英文小写s。（3）标准误用S。（4）t检验用英文小写t。（5）F检验用英文大写F。（6）卡方检验用χ2参考文献按GB/T 7714-2005《文后参考文献著录原则》采用顺序编码著录，依照其在文中出现的先后顺序用阿拉伯数字加方括号标出。参考文献中的作者，1～3名全部列出，3名以上只列前3名，后加“，等”。外文期刊名称缩写以《Index Medicus》中的格式为准，中文期刊用全名。文章中引用的参考文献必须是作者第一手参阅的资料，而且要规范脚注，正确引用。具体要求如下：GB/T 7714-200513Index Medicus,［期刊］作者．文题．刊名，年份，卷(期)：起页—迄页．［专著］主编者．书名．版次．卷次．出版地：出版者，年份：起页—迄页．［专著中析出文献］析出责任者.析出文献题名//专著主要责任者.专著题名.版本.出版地：出版者，出版年：起页-迄页.7.论文所涉及的课题如取得国家或部、省级以上基金或属攻关项目，应在首页作者单位下加脚注，如“本课题受××基金资助（基金编号×××××）”，并附有基金证书复印件。8.标题层次根据GB 7713-1987《标准化工作导则 标准编写的基本规定》，标题层次采用阿拉伯数字连续编码，层次划分一般不超过4节，4节不够时，再将层次细划分。第一级标题为1，第二级标题为1.1，第三级标题为1.1.1，第四标题为1.1.1.1。9.来稿一律文责自负，勿一稿两投，要开具单位介绍信。10.本刊审稿周期为1个月，对拟录用的稿件，作者要按退修意见认真修改，并及时将修改稿返回编辑部，以免影响稿件审理进度。如超过3个月修改稿未返回者，编辑部视为作者自动放弃，稿件终止审理。凡收取版面费后作者又要求撤稿者，编辑部不再退回版面费。本刊概不退原稿，请作者自留底稿。11.依照《著作权法》规定，本刊可对来稿做文字修改、删节，如有不同意见请在稿件首页注明。作者排序以原稿为准，在期刊编排过程中不应变动。来源：医技无忧医学研究院更多资讯信息请关注 医技无忧微信公众号

产科护理虚拟仿真解决方案：把产科实训带到学校，提升教学质量产科是临床医学四大主要学科之一，主要研究女性生殖器官疾病的病因、病理、诊断及防治，妊娠、分娩的生理和病理变化，高危妊娠及难产的预防和诊治，女性生殖内分泌，计划生育及妇女保健等。产科既要求学生掌握一定的理论知识，又要求学生具备相应的动手能力。加强对产科专业学生实验技能训练，是提高学生学习效率，提升产科学教学质量的有效途径。由于产科的特殊性，产科专业的师生很难进行真人实操，传统的实训课相对来说比较枯燥、抽象，学生上课兴趣差，教学效果不好。学校需要合理运用辅助教学手段，利用教学软件为学生提供多媒体教学，动画、声色并茂，演示分娩过程、新生儿处理方法、会阴切开等妇产科手术过程。随着VR和医疗的逐渐融合，用虚拟仿真的手段将产科实训“转移”到学校里成为主流。以虚拟仿真技术为核心的产科护理虚拟仿真解决方案包含会阴切开术、平产接生、头位分娩等多项产科教学中的常规内容，以3D动画、VR互动、音频视频等独特新颖的形式演示操作流程。学生通过第一视角直观地了解产科护理的操作步骤及重点难点，增强了真实感和沉浸感，同时也提高了学习兴趣。产科护理虚拟仿真解决方案可提供准确的、交互式和可衡量的培训体验。采用虚拟现实技术逼真呈现产科护理实训的场景、用品、工具等。以会阴切开术为例，从开始到结束的每一个步骤培养学员的规范化操作流程。通过选择工具和试剂以及实时考核，帮助学员了解自己的知识掌握情况，加深对知识的理解。与传统教学模式相比，产科护理虚拟仿真解决方案更加直观、逼真，所有学生都可单独或多人配合地进行操作类培训，不需教师在旁实时辅导，不损耗设备资源，不存在任何安全隐患，不受场地的局限，可多次重复练习，大大降低实训成本，给广大师生带来了极大的便利，极大提高了产科护理培训的效果。而且界面友好，操作方便，能帮助产科护理的师生们达到事半功倍的效果。

1投稿总则1.1性质《中西医结合护理（中英文）》（Nursing of Integrated Traditional Chinese and Western Medicine）杂志是上海交通大学主办由国家新闻出版广电总局认定的专业学术期刊，创刊于2015年9月，2017年加盟中华中医药学会。是一份同行评议和开放获取(Open Access, OA)的学术出版物，中英文双语种出版，CN 31-2114/R，ISSN 2096-0867。1.2宗旨适应现代护理模式转变的需求，报道中西医结合护理领域的最新护理理论与经验，为国内外护理交流提供学术平台，促进中西医结合护理学术发展和学科建设，向世界宣扬中西医结合护理学术特色和文化。1.3范围主要刊载中西医结合护理领域中的基础理论、临床实践、最新研究、学术成果或相关内容。1.4栏目设有护理专题、论著、中西医结合护理、技术与方法、专科护理、护理教育、护理管理、调查研究、综述、讲座等栏目。1.5收录美国乌利希国际期刊指南UPD；美国艾博思科期刊文献库EBSCO；中国学术期刊网络出版总库；中国知网CNKI全文数据库；万方数据-数字化期刊群；中文科技期刊数据库；中国科技期刊开放获取平台COAJ；解放军医学图书馆；中文生物医学期刊文献数据库CMCC；中国生物医学期刊引文数据库CMCI；中国科技论文在线平台；中国高校医学期刊网；超星域出版平台。1.6荣誉本刊为中华中医药学会系列期刊/联盟期刊，中国高校科技期刊研究会会员期刊，入选“2016期刊数字影响力100强”（学术期刊类）称号，获“第四届2017年中国高校科技期刊优秀网站奖”，2018年获“中国高校优秀期刊”称号。2论文撰写要求2.1 题名2.1.1题名应以准确、简明的词语反映论文中最重要的特定内容。一般使用能充分反映论文主题内容的短语，不应使用具有主、谓、宾结构的完整语句。2.1.2附有英文摘要的论文应有英文题名，并应与中文题名含义一致。2.1.3题名应避免使用字符、代号、简称、俗称，以及非公知公认的缩略语，也不应将原形词和缩略语同时列出。2.1.4一般不设副题名。确有必要时，宜使用区别于主题名的字体或字号排印副题名，或副题名前加破折号“——”。2.2 作者2.2.1 作者应是对论文做出了实质性贡献的人或组织，即作者应是参与选题和设计，或修改论文中关键性内容，能对编辑部的修改意见进行核修，在学术上进行答辩，并最终同意该文发表者。2.2.2 文章均应有作者署名。作者姓名置于题名下方，多位作者间用逗号“，”隔开。2.2.3 多位作者通常以贡献大小依次排序，由论文署名作者在投稿前共同商定，投稿后原则上不得变更。确需变更时须提交该论文产出单位以及全部作者同意署名变更的书面文件。2.2.4 通信作者指研究项目的负责人，对选题的先进性、首创性、实验设计和方法的合理性、结论的可信性、严谨性等负首要责任；在投稿、同行评议及出版过程中主要负责与期刊联系的人。2.2.5 通信作者应由全体署名作者在投稿前自行确定，按照国际惯例，未标注通信作者的论文第一作者即为通信作者。2.2.6 集体署名时，作者成员姓名可标注于文末。2.2.7 作者工作单位应按照作者署名顺序依次著录，应注明单位全称及所在省（自治区）、市（县）名和邮政编码。2.2.8 多位作者分属不同单位时，在作者姓名右上角按顺序分别加注阿拉伯数字序号，并在其后以对应的序号注明工作单位。不同单位之间用分号“；”隔开。同一作者分属不同单位，应按出现顺序以阿拉伯数字标注在姓名的右上角，其后以对应的序号注明工作单位。2.2.9 通信作者应标注工作单位全称及所在地址、邮政编码，为便于读者联系，可以著录通信作者的电话号码和电子信箱地址。2.2.10 作者特殊身份需标注时，可在论文首页地脚或文末注明，如“本文第一作者王某为×大学在读博士研究生”。2.2.11 英文摘要以英文标注作者姓名和单位。2.2.12 英文作者单位著录项目应与中文一致，在邮政编码后加注国别。2.3 摘要2.3.1为便于读者迅速获取信息，本刊研究论著编排摘要和英文摘要。2.3.2 摘要是提供论文主要内容梗概的短文，应着重反映研究中的创新内容和作者的独到观点，不加评论和解释说明；详略可根据论文的类型、内容实际需要而定。2.3.3 中文摘要和英文摘要置于题名和作者之后、正文之前，中英文摘要前应分别冠以“摘要”“Abstract”字样。2.3.4 研究类论文摘要一般写成冠以“目的”“方法”“结果”“结论”小标题的结构式摘要。一般以200-400字左右为宜。2.3.5 英文摘要一般与中文摘要内容相对应。研究类论文的英文摘要一般为由“Objective”“Methods”“Results”“Conclusion”组成的结构式摘要。2.3.6 英文摘要中的中药、方剂、中成药名称及剂量单位，以《中华人民共和国药典》、《中医药学名词》（全国科学技术名词审定委员会公布）及世界中医药学会联合会等权威机构发布的译法为准。2.4关键词2.4.1关键词是指论文中最能反映主题信息的特征词或词组。关键词包括主题词和自由词。2.4.2关键词从美国国立医学图书馆的MeSH数据库（http://www.ncbi.nlm.nih.gov/mesh）、中国医学科学院医学信息研究所编译的《医学名词与主题词（MeSH）对应表》、中国中医科学院中医药信息研究所编印的《中国中医药学主题词表》中选取。2.4.3 关键词应为全称，不能使用非公知公认的缩略词。2.4.4 每篇论文选取3个以上（含）关键词，多个关键词之间以分号“；”隔开，例如：中风；补阳还五汤；益气活血。2.4.5 有英文摘要的文章，应标注与中文对应的英文关键词。英文关键词以“KEY WORDS”作为标识排在行首，各关键词之间用分号“；”隔开。2.5 正文主体2.5.1 研究类论文一般分引言、资料（材料）与方法、结果、讨论和结论等部分。2.5.1.1引言主要概述研究的背景、目的、研究思路、理论依据、研究方法、预期结果和意义等。引用他人的研究成果应标注相关参考文献。一般以不超过300个汉字为宜。2.5.1.2资料（材料）与方法1) 研究对象为患者，需注明研究对象和对照者来源及时间范围，明确诊断标准、纳入标准、排除标准和退出标准（给出依据，并标注参考文献），以及分组方法、各组基线资料等。2)依据国家卫生和计划生育委员会公布的《涉及人的生物医学研究伦理审查办法》，涉及人的生物医学研究时，研究报告需说明所采用的试验程序是否经过国家的或所在机构设立的伦理委员会的评估与批准, 并注明批准文号。3) 如果所在机构没有正式的伦理委员会，作者需说明研究是否符合世界卫生组织《涉及人的生物医学研究国际伦理准则》和世界医学协会最新修订的《赫尔辛基宣言》（www.wma.net/en/30publications/10policies/b3/index.html）的相关规定。4) 研究对象为实验动物，需注明动物的名称、种系、等级、来源、动物许可证号、数量、性别、年龄、体质量、饲养条件、健康状况和实验中动物处死方法。动物研究伦理指南详见国际兽医学编辑协会《关于动物伦理与福利的作者指南共识》（http://veteditors.org/ethicsconsensusguidelines.html）。5) 药品及化学试剂使用通用名称，并注明来源、批号、规格、剂量和单位。仪器和设备应注明名称、型号、生产者。6) 实验方法部分应详述创新的方法及改良方法的改进之处，以供他人重复。采用他人方法，应以引用文献的方式给出方法的出处。明确说明各组所采用的干预方法。7) 采用中药汤剂、中成药，应列出组成药物的名称、剂量、炮制方法、服用方法；针灸及其他非药物疗法，应明确说明所取穴位名称（治疗部位）、针刺方法、治疗频次，或非药物疗法的相关内容，明确疗程。分组对照不应只介绍观察组的方法，而忽略其他组的干预方法。8) 观察项目要分别列出，特殊的检测指标及方法要详细说明。9) 描述统计学方法时应说明所使用的统计软件的名称及版本号。在进行统计描述时，如果资料服从正态分布，采用均值±标准差表示，如果资料不服从正态分布，采用中位数±四分位数间距表示；在进行参数估计时，如果资料服从正态分布，采用均值和标准误表示，如果资料不服从正态分布，采用百分位数表示，并根据临床实际情况，给出最高/最低值；在进行假设检验时，应明确说明所用统计分析方法的具体名称（如成组设计资料的t检验、两因素析因设计资料的方差分析等），明确检验水准。2.5.1.3 结果叙述应实事求是、简洁明了。结果应与观察指标对应。以数据反映结果时，不能只描述相对数（如百分数），应同时给出数据的绝对数；统计学处理结果写出统计量的具体值（如t＝3.450），并给出具体的P值（如P＝0.023）。用表或图表示时，一般应先用文字简单介绍，引出图表，但应避免图、表、文字三者内容重叠。2.5.1.4 讨论应着重讨论研究结果的创新之处及从中导出的结论，包括理论价值、实际应用价值、局限性，以及其对进一步研究的启示；也可通过讨论提出建议、设想或改进意见等。应将本研究结果与其他有关的研究进行比较，指出本研究结果与其他相关研究结果的异同点。将本研究的结论与目的联系起来讨论，不应重述已在前言和结果部分详述过的数据或资料。2.5.2 经验总结类文章宜简要介绍作者的实践历程，即获得经验的背景；如系整理名老中医经验，则需有名老中医的简介，以及作者与所介绍的名老中医间的学术继承关系、学术渊源。典型病例的介绍应突出辨证论治过程。2.5.3 医案类文章取材于临床案例，作者评论以“按语”形式表达。医案记录应详尽、准确，包括就诊日期、中医四诊资料及西医理化检查资料（如有）、诊断、辨证思路、治疗过程、结局。按语应点评案中关键点及值得读者借鉴之处。2.5.4 理论探讨、文献综述等论文分别依照GB 7713―1987《科学技术报告、学位论文和学术论文的编写格式》、GB/T 7713.1－2006《学位论文编写规则》及GB/T 7713.3－2014《科技报告编写规则》进行撰写。2.6参考文献2.6.1研究类论文均应附参考文献。2.6.2作者引用的参考文献应为亲自阅读过的、发表于正式出版物上的文献。避免引用摘要、简讯等文献。2.6.3正文中参考文献的标注2.6.3.1 按文献出现的先后顺序连续编码，并将阿拉伯数字序号置于方括号中标注于相关文字后。文献序号作为语句的组成部分时，不用角码标注（如示例1）；指明原始文献作者姓名时，序号标注于作者姓名右上角（如示例2）；正文未指明作者或非原始文献作者时，序号标注于句末（如示例3）。示例1：参照文献［2］方法制备类风湿关节炎模型。示例2：吴中平等[1]研制了“古今医案查询统计分析系统”。示例3：中药具有显著的抗疲劳效果[1,3-5]。2.6.3.2 图中引用参考文献，按其在全文中出现的顺序在图注中或图题上标注引文序号，图中不出现引文标注。2.6.3.3 表中引用参考文献，按其在全文中出现的顺序在表注中或表题上依次标注引文序号，或在表中单列一栏说明文献来源。该栏应列出文献第一作者姓名，在姓名右上角标注引文序号。2.6.4文后参考文献标注2.6.4.1文后参考文献著录格式执行GB/T 7714－2015《信息与文献参考文献著录规则》。2.6.4.2各篇参考文献应按正文标注的序号左顶格依次列出。序号一律用[阿拉伯数字]，与正文中的序号格式一致。只有1条参考文献时，序号为“[1]”。2.6.4.3每条参考文献著录项目应齐全。3 论文编排格式3.1层次标题及编号3.1.1层次标题是对本段、本条主题内容的高度概括。各层次的标题应简短明确，同一级别层次标题的词组结构应尽可能相同，语气一致。3.1.2层次标题的分级编号，执行新闻出版行业标准CY/T 35－2001《科技文献的章节编号方法》，采用阿拉伯数字。3.1.3层次标题不宜使用非公知公认的缩略语。3.1.4层次标题的层次不宜过多，一般不超过4级，即“1”“1.1”“1.1.1”“1.1.1.1”。3.1.5语段中出现多层次接排序号时，可依次用圆括号数码“1）”“⑴”“①”。3.2图的编排3.2.1图应具备自明性和可读性。3.2.2图应按正文中出现的顺序用阿拉伯数字依序编号。只有1幅图时标注“图1”。图应有图题，并置于序号之后。图序与图题之间应留1个汉字的空隙。图题连同图序置于图的下方。宜将图中的符号、标记、代码等以最简练的文字作为图注附于图下。3.2.3图序、图题、图例、图注及图形中出现的文字字号应小于正文字号。3.2.4图中的量、单位、符号、缩略语等应与正文中所写一致。中文期刊图题、图例及图内其他文字说明可以使用中文，也可以中英文对照。3.2.5 统计图的类型应与资料性质匹配，并使数轴上刻度值的标法符合数学原则。图中出现的数值应标明量和单位，出现缩略语宜在图注中注明中文名称。3.2.6 照片图应具有良好的清晰度和对比度。人体照片只需显示必要部位，但应能辨识出是人体的哪一部分。面部或全身照片，若不需显示眼部和阴部，应加遮盖。使用特定染色方法的显微照片应标明染色方法。显微照片中使用的符号、箭头或字母应与背景有很好的对比度。涉及尺寸的照片应附有表示目的物大小的标尺。3.2.7 图宜紧置于首次引用该图的正文之后排印，也可集中排列于正文的适当位置。通栏图宜排在所在页的顶部或底部。需要印在插页上的插图，应在正文引用处标明图所在插页的页码，并在插页中图的上方标明文章的题名和所在页码。3.3表的编排3.3.1 表应具备自明性和可读性。表的内容不应与正文文字及插图内容重复。3.3.2 表应按正文中出现的顺序用阿拉伯数字依序编号。只有1个表时标注“表1”。表应有表题，并置于序号之后。表序与表题之间应留1个汉字的空隙。表题连同表序置于表的上方。3.3.3 表序、表题、表注及表中出现的文字字号小于正文字号。3.3.4 数据表采用国际通行的三线表格式，按统计学制表原则设计，力求结构简洁。表的编排一般是内容和测试项目由左至右横读，数据依序竖读。3.3.5 表中的量、单位、符号、缩略语等应与正文中所写一致。3.3.6 表中各栏应标明标目词，参数栏的标目词一般为量或测试项目及其单位。表内参数同一指标保留的小数位数应相同。3.3.7 表中同一栏的数字应按位次上下对齐。统计表中应列出样本数。3.3.8 表中不设“备注”栏。宜将表中的符号、标记、代码以及需要说明的事项以最简练的文字作为表注附于表的下方。出现缩略语宜在表注中注明中文名称。3.4量和单位3.4.1执行中华人民共和国国家标准GB 3100－1993、GB 3101－1993及GB 3102－1993（所有部分）中有关量、单位和符号的规定及其书写规则，具体执行可参照中华医学会杂志社编写的《法定计量单位在医学上的应用（第三版）》（人民军医出版社2004年出版）。3.4.2图表涉及量和单位时，单位符号均应使用国际通用符号。3.4.3引用古籍文献时，应按原文中的表述方式使用汉字单位。3.5数字用法3.5.1 选用阿拉伯数字在使用数字进行计量、编号的场合，为达到醒目、易于辨识的效果，应采用阿拉伯数字，已定型的含阿拉伯数字的词语应采用阿拉伯数字。3.5.2 阿拉伯数字的使用，多位数分节方式参照GB 3101－1993《有关量、单位和符号的一般原则》的规定执行。3.5.4数值的修约执行GB/T 8170―2008《数值修约规则与极限数值的表示和判定》。3.6 标点符号应根据GB/T 15834－2011《标点符号用法》，正确使用标点符号。3.7 统计学符号3.7.1 统计学符号一律采用斜体。3.7.2 医学期刊常用的统计学符号：样本的中位数用大写M；标准差用英文小写s；t检验统计值用英文小写t；方差分析用英文大写F；卡方检验用希文小写χ；相关系数用英文小写r；自由度用希文小写ν；概率用英文大写P。4 文字和名词术语4.1 用字规范4.1.1 中医药期刊中均使用规范的简体字。严格执行《出版物汉字使用管理规定》，以2013年6月教育部、国家语言文字工作委员会组织制定的《通用规范汉字表》为准。4.2 中医药期刊名词术语使用原则4.2.1 医学名词术语应使用全国科学技术名词审定委员会公布的最新版《医学名词》和相关学科的名词。外文新名词尚无统一译名时，可自译并在首次出现时用括号注出原文。4.2.2 中医药学名词术语应使用全国科学技术名词审定委员会公布的最新版《中医药学名词》和相关学科的名词。暂未公布者，可使用国家标准GB/T 20348―2006《中医基础理论术语》、GB/T 16751―1997《中医临床诊疗术语》、GB/T 30232―2013《针灸学通用术语》、GB/T 12346―2006《腧穴名称与定位》、GB/T 13734―2008《耳穴名称与定位》。英文翻译应使用全国科学技术名词审定委员会公布的《中医药学名词》和相关学科的名词，暂未公布者可参考《中医基本名词术语中英对照国际标准》。4.2.3 中西药名以最新版《中华人民共和国药典》和《中国药品通用名称》为准。药物名称一般不用商品名，确需使用商品名时应先注明其通用名。4.3西医名词术语4.3.1名词术语一般应用全称，不宜使用临床口语简称，如“人工流产”不宜简称“人流”，“先天性心脏病”不宜简称“先心病”，“慢性肝炎”不宜简称“慢肝”。4.3.2已公知公认的缩略语可不加注释直接使用，如DNA、RNA、HBsAg等。若为外文可于文中首次出现时写出中文全称，在圆括号内写出外文全称及其缩略语。不超过4个汉字的名词不宜使用缩略语。4.3.3 冠以外国人名的体征、病名、试验、综合征等，人名可以用中译文，但人名后不加“氏”。4.4中医名词术语4.4.1 中医、西医共有，但有不同含义、容易混淆的医学名词，应分析其词义加以区别使用。4.4.2 中医学对症状的描述应使用全国科学技术名词审定委员会公布的《中医药学名词》和相关学科的名词。4.4.3 凡文中出现古籍书名、篇名，应当写全名，一般不可写缩略名、简称或代称。4.4.4 文中出现的古代人名，一般应用“姓＋名”的方式，也可用其表字或别号，圆括号内注明姓名。4.5中药名称及名词术语4.5.1 中药名称应以最新版《中华人民共和国药典》为主要依据。《中华人民共和国药典》未收载的品种可依次参照团体标准ZGZYXH/T 1－2015《中药学基本术语》、新版全国高等中医院校统编教材《中药学》。地方及少数民族药物可遵照其习称。4.5.2 中成药名称按国家药典委员会《中成药通用名称》为准，暂未公布者可依次使用国家药品食品监督局批准的中成药通用名、新版全国高等中医院校统编教材《方剂学》。4.5.3 中药学名词术语应使用全国科学技术名词审定委员会公布的《中医药学名词》和相关学科的名词。暂未公布者可依次使用团体标准ZGZYXH/T 1－2015《中药学基本术语》、新版全国高等中医院校统编教材《中药学》。4.6 其他名词术语4.6.1 中国地名以最新公布的行政区划名称为准，外国地名的译名以新华社公开使用的译名为准。文中出现的古代地名，应考证其具体位置，并在后面加圆括号标明，如长安（西安）、金陵（南京）、彭城（徐州）等。4.6.2 外国人名的译名以新华社公开使用的译名为准。5 辅助信息5.1 基金项目5.1.1 基金项目指论文产出的资助背景，如“国家自然科学基金”“国家重点基础研究发展计划”等。5.1.2 获得基金资助产出的论文应在文章首页地脚以“基金项目”字样作为标识，注明基金项目来源，并在圆括号内注明其项目编号。5.1.3 基金项目来源应与项目任务书一致，多项基金间应以分号“；”隔开。例如：基金项目：国家自然科学基金（30271269）；国家科技支撑计划（2011BA719A10）。同一基金连续资助而有2个编号时，编号之间用逗号“，”隔开，例如：国家自然科学基金（30271269, 30273027）。5.1.4 基金资助项目的英文翻译以资助机构官方网站发布的名称为依据。来源：医技无忧医学研究院更多资讯信息请关注 医技无忧（yijiwuyou）微信公众号

实用临床护理学杂志是经国家新闻出版总署批准、国家食品药品监督管理总局主管、中国医药科技出版社主办并出版的国家级护理学专业期刊；国内统一刊号CN11-9369/R,国际刊号ISSN2096-2479。杂志坚持正确的办刊方针和宗旨，贯彻党和国家的卫生工作方针政策，贯彻理论与实践，普及与提高相结合的方针，反应我国护理临床科研工作的重大进展，促进国内外护理学科的学术交流与探讨研究。1 栏目设置论著；专科研究；护理管理；护理教育；中医护理；基础护理；手术室护理；社区护理；个案研究；调查分析；心理卫生；讨论与研究；综述；期刊评论；国际交流；经验与革新等。2 投稿要求稿件要求内容新颖，论点明确，数据真实，文字正确，行文通顺。2.1 标 题：题目简明、扼要,概括性强；中文标题不超过20个汉字,不使用非公知公认的缩略语、字符及代号等。2.2 作者及工作单位：①正文标题下依次排列作者姓名,多位作者之间使用中文半角“,”隔开；②不同工作单位作者统一采用右上角标注阿拉伯数字以区分；③作者姓名下依次排列工作单位(包括所在科室),多个工作单位之间使用中文半角“;”隔开,工作单位前标注数字与作者标注保持一致。文稿若有作者简介,其具体格式为【作者简介：姓名(出生年—)、性别(民族—汉族可省略)、籍贯或出生地、职称、学历(或学位)、研究方向】;通讯作者应注明联系电话和电子邮箱。,具体可参照中国学术期刊检索与评价数据规范【返回到资料下载处下载即可2.3 摘 要：①论著栏目文章一律要求中英文摘要,其中中文摘要字数为300,英文摘要为400实词；②具体内容目的、方法、结果(列出主要数据)、结论四个部分,不得插入图片、表格以及文献引用、注释和评论。③英文摘要作者姓名罗列具体参照中国学术期刊检索与评价数据规范。2.4 关键词：文稿均应标注中英文关键词,每篇文稿可选3～5个关键词,中英文关键词须对应,不得使用缩写词。2.5 中图分类号：参照《中国图书馆分类法》(第4版)进行分类标志,每篇文稿一般只标志1个,含有多个主题可标志2或3个,主分类号排在第1位,多个分类号之间以分号隔开。2.6 文献标志码：为便于文献的统计和期刊评价,确定文献的检索范围,提高检索结果的适用性,每一篇文稿应标志一个文献标志码。文献标志码包含以下5种,A:理论与应用研究学术论文(包括综述报告);B:实用性技术成果报告；C:业务指导与技术管理性文章(包括领导讲话、特约评论等);D:一般动态性信息(通讯、报道、会议活动、专访等);E:文件、资料(包括历史资料、统计资料、机构、人物、书刊、知识介绍等)。不属于上述各类的文章以及文摘、讯息、补白、广告、启事等不加文献标志码。2.7 基金项目：接受基金资助产出的文稿应以基金项目作为标志,注明基金项目名称、编号。基金项目名称应严格按照国家相关规定的正式名称填写,若属多项基金资助项目应依次列出,其间以分号隔开。2.8 图表标志：文段表述采用文字优先，图表次之的使用顺序，且三者不得重复。图表标题置于图表上方，要求：图序、图题、表序、表题。图表均遵循简略、明了和直观的原则，不得使用“附表”表示。2.9 参考文献：按照GB/T 7714-2005《文后参考文献著录规则》中的顺序编码制著录,依照其在文中出现的先后顺序用阿拉伯数字加英文半角方括号角标出排列于文末。3 其他注意事项①本刊将严格按照中国学术期刊检索与评价数据规范对所投稿件进行修改、润色和编辑，涉及作者原意部分修改会采取提前沟通协商方式征得同意；②为了保证所投稿件的科学性、有效性和原创性，维护本刊的声誉和读者的利益，来稿切勿一稿多投，一经发现自动退稿；③针对初审和刊前进行学术不端检测复制率超过20%的文章自动退稿；④来稿决定刊用后，未经本刊允许，不再授权他人以任何形式汇编、转载、出版本文的任何部分；⑤凡向本刊投稿者均视为遵守接受本刊稿约约定。

10月19日至20日，由中国研究型医院学会主办、天津泰达心血管病医院承办的“中国研究型医院学会护理教育专业委员会成立大会暨国际护理教育进展论坛”（以下简称“成立大会”）在天津召开。据介绍，护理教育专业委员会是隶属于中国研究型医院学会的二级学术机构，致力于发挥护理教育专业委员会在健康照护、护理师资培养、教学科研创新、专业帮扶中的作用，为健康中国战略行动计划贡献护理专业价值。据了解，中共天津市委常委滨海新区书记张玉卓，中国科协副主席李洪，天津市卫生健康委书记王建国，中国研究型医院学会名誉会长秦银河、会长何振喜等领导出席成立大会并做重要讲话。泰达国际心血管病医院副院长李玉明担任主持，泰达国际心血管病医院院长刘晓程致欢迎辞；张玉卓书记、李洪院士、王建国书记、何振喜会长分别对成立中国研究型医院学会护理教育专业委员会的意义予以充分肯定，并提出了希望与要求。中国研究型医院学会副会长刘希华宣读《关于护理教育专业委员会成立批复》，复旦大学护理学院院长胡雁，被聘为中国研究型医院学会护理教育专业委员会名誉主任委员，解放军总医院教授护理部王社芬当选首届护理教育专业委员会主任委员；王玉玲主任护师、刘亚平主任护师、薄海欣主任护师、曾登芬主任护师、张俊娥教授、颜巧元主任护师、王爱敏教授、张淑爱教授、周兰姝教授、李卡主任护师、陶莲德主任护师、王华芬主任护师、刘玉馥主任护师当选为副主任委员；刘则扬副教授当选为秘书长。在中国研究型医院学会副秘书长郝瑞生组织召开的护理教育专业委员会第一届全体委员会议和常务委员会议上，中国研究型医院学会护理教育专业委员会不仅明确了专业委员会的宗旨，而且制定下发了护理教育专业委员会管理办法和五年规划要点。未来五年规划重点强调以下四项工作：一是推广与普及健康照护技能，开展健康照护师系列研究，形成特色培训模式，优化健康照护方法，提升健康照护水平；二是培养高素质护理教育人才队伍，发挥专家特长，整合优势资源，开展护理教学应用技能师资培训；三是建立规范化护理教育培训模式，开展阶梯式护理人员培训内容与方法研究，推出数字化精品课程，实现专科梯队教学与成果资源共享；四是大力开展护理科研创新。据悉，国际护理教育进展论坛也于成立大会同期召开。来自泰达国际心血管病医院院长刘晓程教授、上海复旦大学护理学院院长胡雁教授、中山大学护理学院副院长张俊娥教授、海军军医大学护理学院主任周兰姝教授、四川大学华西护理学院副院长张凤英教授，以及美国、澳洲、英国等知名医疗护理专家先后进行了三个部分的精彩演讲为全国各地400名到场学者带来了一场护理教育进展学术盛宴：第一部分是深入解析报告了目前国内外医疗护理创新成功案例——国产人工心脏研发、国际阿尔茨海默症最新护理进展；第二部分是高屋建瓴构思与展望未来护理教育应用前景——5G虚拟真实世界，微课、慕课、翻转课堂等护理教育教学应用与发展；第三部分是研习共享国际信息化护理教育服务，物联网为通讯手段的穿戴技术与糖尿病人的自我健康照护，专科护士的现状与发展等。据相关人士介绍，本次论坛是华北地区乃至全国有影响力、号召力的高水平护理教育进展交流论坛。不仅促进了国内外护理教育学界的深入交流与文化融合，还有效提升了护理教育专业委员会在业内的学术影响力，更有助于推动护理教育改革与创新的深化与发展和加速护理教学与护理服务的效能。

点击上方"蓝字"关注我吧！1文章概况Clinical significance in nursing research：A discussion and descriptive analysis标题：讨论和描述性分析护理研究的临床意义作者：Denise F. Polit期刊：International Journal of Nursing StudiesVolume 73, August 2017, Pages 17-232摘要AbstractBackgroundIt is widely understood that statistical significance should not be equated with clinical significance, but the topic of clinical significance has not received much attention in the nursing literature. By contrast, interest in conceptualizing and operationalizing clinical significance has been a “hot topic” in other health care fields for several decades.摘要背景：众所周知，统计学意义并不等于临床意义，但是护理文献的临床意义这一主题并没有得到足够的重视。相比之下，关注于其他医疗保健领域的概念化和操作化临床意义数十年来一直是“热门话题”。ObjectivesThe major purpose of this paper is to briefly describe recent advances in defining and quantifying clinical significance. The overview covers both group-level indicators of clinical significance (e.g., effect size indexes), and indivial-level benchmarks (e.g., the minimal important change index). A secondary purpose is to describe the extent to which developments in clinical significance have penetrated the nursing literature.目的：本文的主要目的是简要介绍临床意义的定义和定量法的最新研究进展。综述涵盖了临床意义的组级指标（如效应量指标），和个体水平基准（如最小重要变化指标）。次要目的是介绍临床意义的发展已经渗透到护理文献的程度。MethodsA descriptive analysis of a sample of primary research articles published in three high-impact nursing research journals in 2016 was undertaken. A total of 362 articles were electronically searched for terms relating to statistical and clinical significance.方法：对2016年发表在3本高影响因子的护理研究期刊上初步研究文章样本进行描述性分析。共检索362篇文献与统计学意义和临床意义相关。ResultsOf the 362 articles, 261 were reports of quantitative studies, the vast majority of which (93%) included a formal evaluation of the statistical significance of the results. By contrast, the term “clinical significance” or related surrogate terms were found in only 33 papers, and most often the term was used informally, without explicit definition or assessment.结果：362篇文献中，261篇为量化研究，绝大多数（93%）对研究结果进行了统计学意义的评价。相比之下，仅有33篇文献中出现临床意义或相关替代术语，并且这些术语缺乏明确的定义或评价，只是非正式地被使用。ConclusionsRaising consciousness about clinical significance should be an important priority among nurse researchers. Several recommendations are offered to improve the visibility and salience of clinical significance in nursing science.结论：提高临床意义的意识应该是护理研究者重要的首要工作。本文对护理学科中临床意义可见性和突出性的提高提出了一些建议。3关键词KeywordsChange scores；Clinical significance；COSMIN；Effect size index；Evidence-based practice；Minimal important change；Minimal clinically important difference；Reliable Change Index；Responder analysis；Statistical significance关键词：变化评分；临床意义；COSMIN ；效应量指标；循证实践；最小重要变化；最小临床重要差异；可靠变化指数；应答者分析；统计学意义4思考1.无法阅读全文,有些关键词没办法理解它们的意思。2.统计学专业名词还需要多读多看多了解。3.大多数文献为了说明其价值，确实会特意说明统计学意义，这也是一直文献写作强调的，基本需要单独写一段说明使用的统计学方法。可能忽视了临床意义，对以后的文献写作也提了个醒，毕竟研究的最终目的还是为了指导临床实践，不能本末倒置了。— END —点个"赞"再走吧~每天进步一点点

为做好新型冠状病毒感染的肺炎疫情防控工作，阻断疫情向校园蔓延，确保师生生命安全和身体健康，教育部日前下发通知，要求2020年春季学期延期开学。在此期间，我们官方搜集网上已经发布的免费科研资源，希望能够帮助广大科研工作者“研学防疫两不误”。特别提醒，自启动防控疫情一级响应以来，我们看到不少的所谓免费开放的教学或科研资源，仔细查证后感觉有些是噱头，或者是有商业目的。所以我们尽量选择那些比较大的品牌或者出版商并查证，选出以下这十五条，当然还会有其他免费科研资源网站。疫情是国难，是民族的灾难，是你我和大家的灾难，任何中国人都不应把疫情视为是“别人”的灾难，大家都尽力为防控疫情做贡献，齐心协力，共克时艰！01 中国国家图书馆国家图书馆（国家典籍博物馆），自1月24日实行闭馆暂停了到馆读者服务，但国家图书馆的资源和服务没有关闭。读者卡用户：可以使用本人读者卡号及密码（默认密码是本人生日后6位，例如生日是1990年1月1日，那么默认密码为900101）登录国家图书馆读者门户系统远程访问国家图书馆数字资源。网上实名认证读者：没有办理国家图书馆读者卡的读者，可以使用身份证通过网络实名注册用户，远程访问国家图书馆数字资源。链接：http://www.nlc.cn/02 国家哲学社会科学文献中心资源内容包括中文刊2109种、外文刊8090种、古籍2456册等。PC端登录国家哲学社会科学文献中心 http://www.ncpssd.org，注册个人帐号使用。移动端下载安装国家哲学社会科学文献中心APP，或关注「国家哲学社会科学文献中心」公众号，点击菜单栏中的“快速入口->小程序”，就可以随时随地免费阅读学术期刊和学术文章了。03 中国知网“OKMS汇智”平台为了方便各机构成员“宅”在家里做科研以及跨地域、跨部门高效协同，中国知网OKMS通过云服务模式（OKMS汇智）为全国科研人员提供免费知识服务，让学习和科研不间断，通过学习的力量和创新的动力克服困难。“OKMS汇智”可在线查询CNKI文献、可在线开展课题研究、可在线进行编辑各类文档、可进行个人学习和阅读。平台免费主要是两方面。一方面，原有面向机构或研究团队的收费产品，如在线学习、研究产品的功能免费使用。另一方面，在线注册的团队，或者一个课题组，平台会对团队或课题组进行资源授权，可以免费浏览知网文献。用户只需要创建团队，或者成立课题组，该平台会安排客服人员主动联系，确认团队信息后，后台主动开通免费浏览文献授权。6月1日之前，中国知网“OKMS汇智”平台都会免费开放。链接：http://km.cnki.net/foundation/home/presentation04 万方数据资源内容包括中文期刊8000余种，学位论文630余万篇等。PC端登录http://www.wanfangdata.com.cn，机构账号：bjlhtsg2020 密码：bjlhtsg2020，即可免费使用各类文献资源。移动端APP需要请各位老师同学自行下载“万方数据”APP，注册个人账号并登录使用。05 维普中文期刊资源内容：中文期刊15000余种，现刊9000余种。免费开放下载权限，通过PC端和移动端访问。链接：http://qikan.cqvip.com/06 超星学术资源超星老用户可直接用学习通app账号登录或者学习通扫一扫登录，新用户可进行手机号获取验证码注册登录登录成功后，即可在家访问到图书、期刊、报纸、视频等资源，在家也可以使用免费海量资源。包括大量的期刊论文；移动端学习通APP免费获取海量资源，登录学习通，进入首页，点击“资源”，即可看到图书、期刊、讲座等各类免费资源供您阅读。链接：www.chaoxing.com07 清华大学出版社免费开放知识库清华大学出版社利用自身优势，协助各院校图书馆教学支持工作的正常开展，为全国各地师生用户开放了“个性化的高等教育专业知识库——文泉学堂”，提供全网无边界、资源无限制的免费阅读服务与备授课资源保障服务。“文泉学堂”知识库，以清华大学出版社近10年的正版电子书资源为基础，聚合多媒体附件和特色教学内容资源，突出理学、工学、经济学、管理学等学科领域知识，专为国内高等院校师生定制的专业知识内容资源，方便师生快捷、精准查找知识内容，高效率阅读和学习。在正式开学之前（目前初定2月16日），全国各地用户无需登录/注册，即可阅读学习。教师用户在认证身份后，还可以下载教学资源，十分方便。链接：https://lib-nuanxin.wqxuetang.com08 人大复印报刊资料数据库免费防疫期间，为响应国家号召，方便广大用户的科研、学习、教育工作需要，保证各大高校师生的正常工作、生活不受疫情影响，从即日起在防疫攻坚期间，人大复印报刊资料数据库将免费向全国注册用户开放。为广大用户免费提供阅读服务，充分发挥移动互联网无边界、即时、定向、精准等特点，满足广大知识工作者足不出户的科研、写作、学习需求。链接：http://ipub.exuezhe.com/index.html登录账号：pingan2020登录密码：pingan202009 智慧芽系列数据库资源内容包括智慧芽专利数据库、Bio基因序列数据库、Chemical化学数据库、智慧芽学院VIP会员。科研机构及高校专属通道：http://lxi.me/os738 ，填写表单，激活邮件使用。10 中国科技论文在线国内最大的预印本论文库，免费OA论文库。自然科学领域所有学科的论文都可以在“中国科技论文在线”网站第一时间向社会公布、免费发表、免费查阅，论文作者可获得《论文刊载证明》，证明其科研成果的首先发现权。PC版：http://www.paper.e.cn手机版：http://m.paper.e.cn11 上海交通大学出版社自有APP“慕知悦读”平台免费开放全场300多种电子书资源，开放时间从2020年1月29日起至2月9日。平台网址：http://app.readoor.cn/index.php/app/dt/pd/1482288115?ns=112 中华医学会杂志社开放包括《中华医学杂志》、《中华结核和呼吸杂志》、《中华预防医学杂志》、《中华传染病杂志》等在内的34种与新型冠状病毒肺炎防治相关学科的医学期刊，供各界人士免费阅读。网址：http://medjournals.cn/index.do13 中国农业出版社将“智汇三农”农业专业知识服务平台中所有内容免费开放，开放时间从2020年2月1日起至2月29号。用户进入“智汇三农”平台，注册、登录之后即可免费阅读学习。平台网址：http://www.pwsannong.com/14 电子工业出版社疫情期间，电子工业出版社有限公司旗下“悦”系列知识服务产品全网免费使用。全网免费开放“悦读”、“悦学”、“悦知”、“悦智”知识库，助力学校师生正常开展教学，共抗疫情。全网免费时间为2020年1月30日至2月29日。“悦读”网址：https://yd.51zhy.cn“悦学”网址：https://yx.51zhy.cn“悦知”网址：https://yz.51zhy.cn“悦智”网址：https://znzz.51zhy.cn15 科学出版社中国生物志库收录了中国近10万种现生生物物种，提供科学权威的生物学信息，包括物种名称、分类地位、形态特征、地理分布、功用价值、理论知识及鉴定准确的图片。即日起至2020年2月29日向全社会免费开放使用。网址：http://species.sciencereading.cn《SARS病人护理与管理》一书电子版向全社会免费开放。网址：https://pan..com/s/10ilGPT9IFf4hmSO4TQqEbQ，提取码为wpty此外，各高校图书馆都有对社会公众免费或对本校师生免费的研学资源，请大家充分利用。（图片源自网络）放假不停学，防疫不停工。冬季渐远去，春天正走来。

近两天，几条新闻又引起了医护学历问题的讨论。9月4日，贵州卫计委、教育厅、财政厅、中医药管理局四部门联合发文“关于印发《贵州省2018年基层卫生技术人员学历提升工作实施方案》的通知”（以下简称《方案》）。要求做好基层卫生技术人员学历提升工作，对年县、乡、村卫生技术人员的医务人员都做出了相应学历要求。《方案》在工作要求中明确：按照岗位胜任力的要求，对于学历水平达不到岗位需求的卫生技术人员，逐步从医疗卫生岗位清退。近年来，国家卫生主管部门在推动分级诊疗的同时，也多次提到「提升基层医疗卫生服务能力」。医疗卫生服务能力的体现，除了医疗技术水平的高低，相对好评判的指标就是学历了。可见，学历对于医护人员来说，越来越重要了！越来越多的公立医院，招聘护士学历要求本科。一些三甲医院要求研究生学历。但是护理专业读研究生真的有必要吗？今天的文章，是一位研究生学历的护士在临床工作中的感受和困惑，以及对护理专业读研的一些个人建议。以下为正文内容。不管在临床工作还是生活中，总会被问及一些令人尴尬的问题：你都研究生了，怎么还在做护士？你当初换个临床或者其他专业该多好！又或者：你看你读了研究生跟我做着一模一样的工作，工资没我高，混得没我好，临床工作能力还不及我，看来这个学历也没什么用嘛！还有些病人家属直言不讳：我以后坚决不让自己的孩子做护士，太遭罪了！你怎么还读了研究生？拥有此种好奇心和疑问的朋友们遍布业内业外，不管是否具有医学背景。认同感乍一听到这些疑问，我的内心是极其抵触的，纵使内心翻江倒海，但脸上必须保持尴尬而不失礼貌的微笑。毕竟，现状使我产生了极强的认同感：同事就是学历比你低点，但临床经验丰富，工作干得比你好，拿着比你多的薪水。繁忙之余，她们健身，发展业余爱好，做着不大不小的兼职、副业和投资，家庭美满幸福，混得风生水起。而刚毕业的我们临床技能不太熟练，经验少，身体和大脑都在忙着适应临床工作，无暇顾及科研和论文。我的研究生同学有的转战小一点的医院；有的进了朝九晚五的医药研究公司。有的因为身体不能耐受辞职转战护校；有的吉他弹得太好，直接做了吉他老师；还有的被临床嫌弃着、抱怨着坚持了下来。那到底研究生值不值得考呢？坦白从宽：实习结束后选择继续读研的我，是为了逃避临床。时代总是风云变幻，三年后，硕士研究生数量大幅增多，留校任职的门槛水涨船高。翻过这一页陈年旧事，我不断反思：研究生三年，我到底学到了啥？科研思维和方法的锻炼？发现和解决问题、逻辑思维能力的提升？科研论文的书写和发表？那到底护理研究生值不值得考呢？因人而异。1、兴趣。兴趣是最好的老师，如果你确实喜欢护理专业，对科研很感兴趣，不言而喻，值得考。越投入一件事，越有可能喜欢上，万一临床工作后，你对护理有了改观，想要深造，那也值得考。2、逃避临床。就目前的就业形势和大医院的硕士研究生数量来看，如果你想逃避临床，硕博连读吧，一步到位。3、跨过限制的门槛。如果你非常积极上进，对自己很有要求，想跳槽到更大的平台上有所作为，要求你必须跨过学历这道硬性门槛，那也值得考，毕竟，你各方面能力都已具备，只欠东风。思考：医院使用研究生的正确打开方式？护理管理者该如何有效使用研究生资源发展护理学科呢？1、提高护理研究生的自我认同程度，关注心理健康临床工作的我压力山大：干得好是应该的，干得不好，又会被评论，研究生也不过如此，啥都不会！尴尬的存在。刚进医院就到 ICU，临床压力和频繁的夜班让我身体小病不断，以致心理偏激：这不是我想要的生活，我想辞职，累死累活，没有价值感。但 8 年的沉默成本任谁都无法潇洒地割舍，因此坚持到现在。虽然成年人应该有强大的抗压能力和发泄途径，但想得多让我爱钻牛角尖，以至于半年都处于轻度抑郁的状态。时间和对临床工作的逐渐胜任减少了我的一些焦虑。2、人岗匹配目前，医院因规模、等级、研究生数量、护理科研重视度等不同而使用研究生的方式各异。临床科研应以解决临床问题作为出发点，研究生当然不能脱离临床，需要临床的浸染。但如果一直疲于繁忙的临床工作，加上各种临床考核，定期培训，下班后还要潜心科研和论文，每个人的精力有限，甚至还会产生逆反心理。纵使研究生再多，使用方式不对，产出和质量未必优异。如何才能将众多研究生的优势发挥出来，更好的发展护理学科，工作模式和使用方式很重要。既然研究生的优势在于科研，根据长板优势理论，有的医院采用一周 3 天临床班 2 天科研班，定期检视科研目标完成情况的方式，科研的产出比较优质。有的管理者认为，护理是一门临床学科，首当其冲重点应放在临床，科研是下班后自己的事儿。无可厚非。暂且不论每个医院招聘护理研究生的目的和目标是什么，一个学科要发展，需要高学历层次的人孜孜不倦地去探索和深层研究。如何更好的分配和使用研究生，有待护理管理者进一步探索。自我规划科研工作需要合理的环境支持、清晰的头脑和沉静而专注的力量。繁忙和快节奏的临床工作容易让人浮躁，失却一股做科研的静气。想要改变现状，为了实现以前从未实现过的目标，就必须成为与以前完全不同的自己。那已走上临床岗位的研究生该如何规划呢？第一，恢复失衡心态。不断积累临床经验，提升能力，不要急功近利，不要苛责环境，积极锻炼身体，关注自己的心理健康。学历不是资本，是敲门砖。不要太计较眼前的得与失，现在是你累积经验、人脉、能力和优势的黄金时期，是量变到质变的累积过程。第二，如果你在大平台大医院，研究生数量较多，各方面人才层出不穷。你想走上管理岗位，那必须培养和加强自身全方位的能力：临床、科研、教学、管理、处理各种复杂关系的能力等等。毕竟，社会相对公平而残酷，有为才有位。第三，如果真的不喜欢临床工作，或因身体原因不能耐受，可考虑更换工作；或者继续深造，考博进入大学任教；或者把你的兴趣发展到极致，变成能力，彻底告别护理行业。一句老生常谈的话：不能改变环境，那就改变自己。人生中，生活里，你总要做出某种选择，你总要掂量孰轻孰重。抛开社会的认可度，抛开朋友的不理解，抛开被鄙视的压力，如果你下定决心选择了这条路，那就踏踏实实走！

编者按：由中国开源软件推进联盟名誉主席陆首群发起的《评人工智能如何走向新阶段》讨论引起的广泛议论，观点有深有浅，希望其中有思考价值的内容会推进和启发人工智能的新突破。讨论内容已正式上线CSDN博客（见文末地址）。欢迎读者们在文末发表自己对人工智能发展的看法，我们将为有独到见解且点赞最高的三条评论分别送出一本人工智能领域的技术书籍。当前人工智能依靠的底层理论是基于人工神经网络的深度学习，而深度技术算法所支持人工智能应用空间主要集中在（或局限于）图像和语音识别（以及如Alpha Go围棋游戏）。人工智能识别做的是比对，不具备人脑对信息入脑后进行加工、理解、思考、创意等步骤，还停留在感知阶段，未能进入认知世界。机器学习/深度学习算法兴起于上世纪50年代，一直沿用至今，目前世界上开发的深度学习模型多达2000多种（以适用于不同应用场景），深度学习算法是一种强大的数据分析工具，但深度学习算法也是有缺陷的，深度学习本质上是一项暗箱技术，其训练过程难以解释、不可控，也未能适应更复杂的应用场景的需求。今天深度学习算法的潜力已近天花板，限制了人工智能扩大应用创新。谷歌近来研究用于基因科学的人工智能Alpha Fold，预测蛋白质折叠结构的能力，以设计出新的蛋白质，他们采用深度学习的方法，用数千种已知蛋白质训练神经网络。2014年IBM研究类脑算法，开发TrueNorth芯片，支持人工智能应用创新。IBM开发基于大规模脉冲神经网络的类脑算法的TrueNorth芯片，是由4096个细小的计算内核组成，这些计算内核形成了100万个数字脑细胞和2.56亿个神经回路，像“大脑神经元”一样工作（不同于运行打包成指令序列的传统人工智能芯片）。2019 年在《nature》杂志封面上发表了清华大学施路平团队研发的“世界首款双控异构融合类脑芯片”，其意义非同凡响！2014 年清华大学类脑研究中心施路平团队研发类脑技术，将基于脉冲神经网络（SNN）的类脑计算算法与基于人工神经网络（ANN）的深度学习算法集成到一颗芯片“天机芯（TianJic）”上，实行资源复用，利用交叉优势，使人工智能应用创新更接近于“自主思考”的认知阶段。天机芯应该属于 CGRA 结构（这是一种更高层次的可重构技术），对应 Tianjic 的 FCcore 是一个结合了 SNN 和 ANN 主要算法的统一硬件结构，而且在一块芯片上同时支持商业应用和算法研究，可以说这是 Tianjic 最大的创新点。在无人驾驶的自行车上进行功能验证，应该说施教授团队选择如此应用場景让人眼前一亮， 极具吸引力和冲击力。浙江大学从2015年至今研发脉冲神经网络及类脑算法，今年他们发表了“达尔文-2”第二代类脑芯片，在该芯片上集成15万个神经元网络（相当于果绳神经元），用于图像识别、人脸识别。现在看来，IBM 、Intel （研发Loihi 芯片）、清华、渐大，均偏重于底层理论研究，即偏重于对类脑脉冲神经网络及类脑算法的研究。脉冲神经网络（SNN）是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递，这和传统网络的权重连接+激活的方式有很大差别。目前国内外学术界和产业界正致力于对SNN 研究，期望突破深度学习算法，但对 SNN 的新算法的研究还处于发展的萌芽期。研发“脑机接口”算法也已启动，即将人脑神经元与脑外深度学习机器人（或机械手、计算机）连接起来。如：今年 8 月美国卡内基梅隆大学贺斌教授团队将一块“脑机接口”芯片植入人脑，与大脑神经元连接成功，从此可凭人的意念（思维或想象力） 利用人脑神经元来操控机器。今年发表的由俄罗斯“脑机接口”公司（Neurobotics）和莫斯科物理技术学院（MIPT）研发一种全新“脑机接口”算法，利用“脑机接口”将人脑（EEG）神经元与深度学习网络连接起来（本例采用无需植入大脑的非侵入电极，与人脑神经元无创连接），期望用于治疗中风患者。美国脸书（Facebook）和加州大学旧金山分校（UCSF）于今年 7 月发布的“脑机接口”技术（刊载于《Nature》子刊上），实时读取人类语言、可用意念打字、用人眼超高精度摄像等。以数据驱动和知识驱动的认知算法也在探索中。IBM 沃森（Watson）在医疗人工智能方面研究知识驱动，建立大规模的知识库，研究知识表示和推理，建设知识工程，促使人工智能由感知阶段上升到认知阶段。新一代知识工程与以前提出的知识工程不同之处在于：1.后者利用现有数据按传统方式进行逻辑推理，前者要求挖掘新数据，创新思维和创造性地工作；2.前者引入具人（embodiment）人工智能，如在探索医疗人工智能中，要求研发新算法的科技人员与临床医生取得沟通和共识。归纳起来，未来突破深度学习的新算法有下面几种可能：1) 脉冲神经网络硬件实现与类脑智能算法，2) 将真脑（神经元）与脑外计算机相连的脑机接口算法，3) 知识表示，数据与知识驱动相结合的认知算法。《评人工智能如何走向新阶段》后记自《评人工智能如何走向新阶段》一文发表后，引来了中外专家、草根们广泛议论，也有人摘录他人公开的言论、资料，一倂作跟帖发表于后，对这些跟帖：有深有浅，有些或带有错误和歧见，但其中有一些不乏具有启示、参考价值，鉴于大家的热情，我们将不断续发跟帖。现发表从1条-95条的跟帖如下：1．目前人工智能在理论上并无明显进展，依赖于云计算、高存储、分布式系统和深度学习，今天人工智能的成果，都是基于以前理论研究对应用场景的实现上。未来人工智能的发展期望在理论和生物技术上的突破。2．脉冲神经网络（SNN）可以模仿人脑的电气信号，是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递。目前，国内外一些专家正在对脉冲神经网络进行研究，未来人工智能的发展期待对脉冲神经网络和类脑算法的关键性突破。3.人工智能如果要突破情感还需要化学成份，需要这方面的专家进行底层理论协同研究。4.人工智能还需要心脏类（生物器管）的东西，对“器官记忆”这类仿生学的研究也许是人工智能底层理论研究的关键之一。5.未来人工智能的发展还需要进行伦理方面的研究。6.现时国内在构建人工智能核心技术的工具或框架上，在开源平台上，以及在人工智能硬件（如微处理器芯片）方面，还是比较落后的，过去这些开源平台和高端芯片大多是由美国方面设计、研发的，人工智能开源平台可以帮助电脑像人脑一样工作（百度的“飞桨”平台是由中国人开发的先例）。国内大概需要花5-10年时间才能在基础理论和核心算法上追上美欧水平。7.为了推动人工智能的发展，人才是关键，为此要制定和执行人才政策以及人才培养、引进和使用计划，政策和计划的前提要体现开源开放精神。一位美国专家谈“如果美国不再提开放开源的前沿，那就是在冒险将人工智能人才送到主要竞争者手里，包括中国”。8.2017年清华大学施路平教授等研发“世界首款双控异构融合类电脑芯片”（将基于脉冲神经网络SNN的类脑计算算法与基于人工神经网络ANN的深度学习算法集成到一颗芯片“天机芯（Tianjic）”上，将人工智能的应用创新推进到更接近于具有“自主思考”成份的“认知智能”阶段。第二代“天机芯（Tianjic）”的照片刊登在英国《nature》杂志的封面上。9.IBM从2014年开始研发True North芯片，进行底层理论研究（即对类脑脉冲神经网络SNN及类脑算法的研究），以期推动人工智能发展。两年前IBM发布类脑芯片True North引起了轰动。IBM先搞了一个简易的核心电路，采用asynchronous circuit，当时是非常大胆的，这个研究项目主要是为了验证神经形态计算硬件。因为芯片面积超过100平方毫米，良品率非常低，不能量产，随后Synapse Project已结束了。10.脉冲神经网络类脑芯片的进步将会带来计算体系结构的革命，是下一代人工智能发展的重要突破方向。由浙江大学牵头研发的脉冲神经网络类脑芯片“达尔文2”已于近期发布（2015年发布“达尔文1”，现在已启动研究“达尔文3”），达尔文2单芯片由576个内核组成，每个内核支持256个神经元、神经突触1000多万（即单芯片支持的神经元规模达15万个），经过系统扩展可构建千万级神经元类脑计算系统（在神经元数目上相当于果蝇的神经元数目），达尔文2是目前已知单芯片神经元规模居全国前列。该类脑芯片目前主要应用于图像物体识别、视频音频理解、自然语言处理、脑电识别，较之基于深度学习的人工神经网络，具有独到优势，更擅长于模糊数据处理。11.百度自动驾驶汽车曾在《开源中国开源世界高峰论坛》上发表（三年三届），目前我们自动驾驶汽车不再单纯追求高速复杂路况下跑几千公里的酷炫目标，首先要关注安全和效率，主要在低速开放道路上实现自动驾驶（低速场景L4级自动驾驶先于高速L3级自动驾驶实现）。当前自动驾驶汽车还停留在深度学习开发框架上（当然还有深化余地）。这方面人工智能的发展，要加快在路侧的基础设施建设，并充分建设、利用开源平台。12.早在上世纪末叶，有人提出能否可利用直接基于人脑神经元（不是类脑神经元，也不是人工神经元）的深度学习技术以推动人工智能的进步？可是由于人脑神经元极其纤细脆弱，难以与植入人脑的芯片连接，这个设想久未成功。据悉今年8月卡内基梅隆大学贺斌教授领导的人工智能科研团队，将一块含有深度学习框架及脑机接口的芯片植入人脑，取得与大脑神经元无创连接的成功。从此将凭人旳意念（思维或想像力），利用人脑神经元来操控机器（机器人或机械手）创造条件。这是一种人脑智慧/智能与人工智能结合/协同的模式，即人机协同模式，可以冲破人工智能感知阶段，到达认知阶段。13.纯脉冲神经网络超越深度网络才是更大看点，我们（指国内）正在做，希望一两年能有突破。14.脉冲神经网络不是IBM首创，TrueNorth当时的卖点是芯片实现了大规模脉冲神经网络、低功耗。15.清华这辆自行车成精了，可自我平衡，自动绕障避障，自主管控，自主决策。16.推动人工智能发展关键在人才。网友转抄清华大学“中国科技政策研究中心”报告：至2017年，全球AI人才204850人，中国AI人才18230人，占全球8.9%，美国27470人，占全球13.9%，中国AI人才是美国的2/3。按高H因子衡量，中国AI杰出人才977人，美国4885人，中国是美国的1/5。17.从“2019全球AI人才分布图”（https://www.huxiu.com/article29556.html）看，那些发表AI论文的高产作者主要是毕业于美国的博士，占44%，在中国获得博士学位的作者约11%，其次是英国6%，德国5%，加拿大4%，法国4%，日本4%。从就业数据地域分布看，美国继续吸引AI研究人员为之工作的占46%，中国占11+%，其次是英7%，德4%，日4%。在顶级刊物上有影响的AI研究人员全球约4000人，其中美国1095人，中国255人，英国140人，澳大利亚80人，加拿大45人。从AI人员流动情况看，美国最能吸引AI研究人员为之工作，中国其次，其吸引的绝对数量占美国的1/4。18．回顾以往中国人工智能发展中存在的人才问题，一优一劣，优在青年人才充足，劣在高端人才培养人数少，如何扬长补短是我们在AI人才政策上面临的急切任务。19. 人工智能的发展可分为感知智能、认知智能、决策智能三个阶段，目前处于感知智能价段，依靠深度学习算法，而欲进入认知智能阶段，则要依靠类脑计算，到未来决策智能阶段，恐要依靠量子计算。20.全球人工智能领域图灵奖得主共11人（10个美国人，1个加拿大人）。21.百度自动驾驶已有好几年了，我们开发了开放开源的Apollo平台，两年来已成为全球最活跃的自动驾驶平台：全球15000+开发者向平台贡献自动驾驶软件，我们经过多次迭代，开源代码行数超过40万行，通过平台汇聚了包括奔驰、宝马在内的140多家合作伙伴。2017年初，我们发布了Apollo1.0（封闭场地自动驾驶循迹），同年9月发布1.5（固定车道自动驾驶），2018年发布2.0（简单城市道路自动驾驶），又发布3.0（量产园区自动驾驶提供无人小巴），真正把自动驾驶变成可以量产化可乘坐的产品，去年已安全运载3万多人次，现在大家可到海淀公园体验试车。2019年1月我们在拉斯维加斯CES会展上发布3.5（城市路况自动驾驶），这是迄今最强大的Apollo开放开源平台，它成为全球首家能应用于普通城市交通环境的开源自动驾驶平台，能够安全行驶通过车道线不清的窄道，无红绿灯控制的路口，街道槽车、减速隔离带等多种特殊路线段。但要实现普通乘用车人工智能的全自动驾驶，还会遇到很多技术上的挑战，还需相当长的时间才能完成。22.当下小米开发并推销了具全球影响的人工智能家居应用系统，我们打造的AIoT平台已经成为全球最大的消费级AIoT的开源平台，目前我们在全球联网设备达数亿台，构成了未来打造AI赋能的万物互联网的基础。2018年小米开源了MACE移动端深度学习框架，今年我们推出9个HBaseCommitter，开源了Kaldi模型到ONNX模型的转换工作（kaldi是语音识别领域一个应用广泛的开源框架），在ApacheHBase这个研发项目上小米所作贡献占全社区的1/4。小米打造AIoT是一个无处不在无所不能的AI能力系统，未来小米的AIoT家居系统，一个手势、一个眼神就可能唤醒智能设备，这里的人工智能可能还要加入一些情感因素，为此未来小米的AIoT将迎接人工智能更大的挑战。23.华为在昇腾AI处理器基础上开发了Atlas 900人工智能训练集群，基于深度学习框架，可用于人脸识别、车辆识别、具有超强算力（算力达到256PFLOPS），用于分析20万颗星体仅需59.8秒，（比现在世界纪录快10秒）也可做成模块化装置，用于摄像头、无人机、等终端应用领域。24.最近半年来，人工智能的发展重心逐渐从云端向终端转移，相伴而生的是全新一代芯片全面崛起。25.脑神经科学成果是人工智能源头活水。26.稀疏矩阵乘法、张量运算（张量图）恐怕是主要类脑设备实现。27.深度学习是实现人工智能的路径之一，但并非是一个条完美的路径，对深度学习过度迷信反映了当前一些人看待人工智能的思想误区。深度学习也是有缺陷的，归纳如下：1）深度学习本质上是一项墨盒子技术，其训练过程具有难以解释、不可控制的特点；2）随着人工智能应用复杂度增加，需求量呈指数式的增长，深度学习未能很好地适应，愈发超出人类的理解的控制范围，在快速进行过程中极易偏离预设的轨迹。3）基于深度学习的人工智能技术过度依赖数据，采集的数据其数量、质量未必满足要求，且数据建模与真实生活之间很难直接划上等号（样本数据不足，可用于深度学习模拟训练的成功案例更少）。28.在后深度学习时代，要努力克服深度学习存在的问题。29.清华大学研发了世界首款双控异构融合类电脑芯片，将基于生物脉冲神经网络的类脑算法与基于人工神经网络的深度学习算法结合起来；另外，也需要探索将知识推理和数据驱动结合起来，以推动人工智能的发展。30.《IEEE Spectrum》2019年4月号，有人发表一篇质疑IBM“沃森（Watson）健康”在医疗人工智能方面研发的文章，推荐大家一读并思考。《评人工智能如何走向新阶段》后记（再续）从朋友那里获知，有一块供大家自由议论人工智能的园地（内部的），我通过有关关系进入后，一览之余，果然生动活泼，没有学究气，从已发表的30条议论来看。有原创、有转载、有深刻、有肤浅，有的发人深思，也有错误的，这都没有关系，关键是建立一个自由议论的氛围之举，值得称道！我是人工智能的粉丝，谈了这些空话，在此也转载我在早期看到的一则信息：31.深度学习领军人物Geoffrey Hinton在他2017-2018年论文中提出了胶囊网络的概念（Capsule Networks），使广为流行的深度学习中的卷积神经网络算法提升到胶囊网络算法以增强算力，谷歌曾用于人脸图像识别。前一算法分析人脸图像（识别其特征点，过滤掉伪装），但在面对精确的空间关系时会暴露其缺陷，并难以对抗来自黑客篡改图像混淆算法的攻击，后一算法可以对抗一些复杂的干扰或攻击，取代前一算法，挑战最先进的图像识别。32.近年来，以深度学习算法为代表的人工智能技术快速发展，在计算机视觉、语音识别、语义理解等领域实现了突破，但深度学习算法并不完美，有待继续加强理论研究，也有待不断有很多新算法理论成果提出，如胶囊网络、生成对抗网络、迁移学习等。33.6款类脑芯片：① IBM TrueNorth芯片，②Intel Loihi芯片,③高通Zeroth芯片,④西井科技Deep South芯片，⑤浙大“达尔文”类脑芯片，⑥AI-CTX芯片。34.推荐6款人工智能技术：①谷歌研发人工智能AlphaFold，根据基因序列成功预测生命的基本分子——蛋白质三维结构（谷歌用数千种已知蛋白质训练神经网络，可独立预测氨基酸的3D结构）。谷歌将人工智能与基因科学结合，将使人类进入一个与其生老病死悠关的新时代。②商场科技研发城市级智能视觉平台，其核心是深度学习技术Sense Parrots,已制成AI芯片。③ 腾讯觅影研发人工智慧能医疗影像平台，其核心为深度学习技术（与医学融合研发），已制成AI芯片。④ 华为采用全新的NPU架构开发的一款麒麟810芯片（在AI上跑分达32000+），使人工智能性能大幅提升,完胜高通骁龙858芯片（在AI上跑分只有26000+）。⑤ 旷视科技拥有自主研发的深度学习框架Brain++，依托深度学习算法技术，开发计算机视频（如人脸识别等）AI创新应用。⑥ 清华大学在通用人工智慧能上开发了新型人工智能芯片——天机芯（TianJic），这是一款基于脉冲神经网络（SNN）的类脑算法，与基于人工神经网络（ANN）的深度学习算法集成于一块芯片上。35.阿里巴巴旗下芯片公司平头哥在乌镇互联网大会上宣布开源低功耗微控制芯片（MCU）设计平台，这一平台面向 AIoT 时代的定制化芯片设计需求，目标群体包括芯片设计公司、IP 供应商、高校及科研院所等，软硬件全套代码已上GitHub。36.Facebook在Scale会议上开源ReAgent 全新AI推理智能体平台，ReAgent的三个主要资源（模型、评估器和服务平台）均可独立使用。37.国际语音识别大牛、前约翰霍普金斯大学（Jonhs Hopkins University）教授、 语音识别开源工具 Kaldi 之父 Daniel Povey加入小米。38.谷歌（Alphabet）子公司 Wing ，在获得政府批准，与联邦快递、Walgreens 等公司达成合作之后宣布开始商用无人机，这是美国第一个商业化无人机快递服务。39.第九届「吴文俊人工智能科学技术奖」揭晓，81 项成果斩获中国智能科学技术最高奖，深圳前海微众银行股份有限公司杨强、中国平安保险(集团)股份有限公司肖京、中国科学院数学与系统科学研究院高小山分别获得吴文俊人工智能杰出贡献奖。40.2019 中国计算机大会（CNCC）在苏州召开，快手 AI 实验室 Y-tech 团队自主研发高效的端上推理引擎 YCNN 及拍摄相关 AI 算法，针对普及率高的中低端手机做了大量优化，运用高效的模型结构设计和模型量化压缩技术，将以往只能在高端 PC 或服务器上才能运行的算法在手机上实时运行，该平台在行业内处于领先水平。41. 在人工智能感知阶段，依靠数据驱动的深度学习算法。目前5种最流行的深度学习架构: ① 递归神经网络（RNN）② 长短期记忆 （LSTM）/门控递归单元（GRU）③卷积神经网络 （CNN）④深度信息网络 （DBN）⑤深度叠加网络（DSN）。不同学习架构被广泛用于下列场景中：① RNN，语音识别，手稿识别② LSTM/GRU 网络，自然语言文本压缩，手势识别、图像说明③ CNN, 图像识别、视频分析、自然语言理解④ DBN, 图像识别、信息检索、自然语音理解、故障预测⑤ DSN, 信息检索、持续语音识别42． 深度学习是通过一系列架构来表示的，这些架构可为各种各样的问题领域构建解决方案。尽管构建这些类型的深度架构可能很复杂，但可使用各种开源解决方案（如Caffe、Deep Learning4j 、 TensorFlow、 DDL等）来快速启动和运行。43. 生物学灵感，神经网络代表着一种受人类大脑启发的信息处理范例。在大脑中，神经元将轴突和树突紧密连接，并通过突触在它们之间传递化学信号。人类大脑拥有约1000亿个神经元，每个神经元最多与10000个其他神经元相连。44. 我想谈谈人工智能认知阶段，进入认知阶段，类脑认知计算将具有人类自主思维、意念、理解、思考、创意和灵感方面的特征。在人工智能感知阶段，单纯依靠数据驱动的深度学习算法技术，对于图形、图像、语音的识别，做的是比对；在人工智能的认知阶段，有赖于与数学、脑科学等结合，以实现底层理论的突破，需要知识驱动和数据驱动相结合，需要建立大规模的知识库，研究知识表示，以及如何把知识、推理和数据结合起来。IBM Watson 通过10多年医疗人工智能的研究，开始把知识驱动模式和数据驱动模式开发出来、结合起来，开辟认知新阶段。IBM工程师说：认知计算的目标是构建能学习并自然地与人交流的系统。Watson通过Jeopardy 比赛成功击败世界级对手，就是这样做的，这也证明了认知计算的能力。45. 是否用内含知识网络（或知识表示、知识驱动）的深度学习算法，我有一个问题：在这里是否还可以叫深度学习算法？如叫别的算法，那是什么算法？为认知阶段的问题提出解决方案？IBM Watson的工程师说：认知计算是根据神经网络和深度学习来构建的。如此说来，说今天深度学习已达到天花板了。这种说法是否有问题（或还有上升空间）？！请IBM Watson 专家们回复。46. 采用生物神经网络（SNN）的类脑算法是否比采用人工神经网络（ANN）的深度学习算法提高了一个档次？！这里提出的类脑算法的机制和形式是什么？在某些情况下，类脑算法是否也可以深度学习算法来表达？请教专家。47. 从1969年贝尔实验室孵化出UNIX，到2019年鹏程实验室等孵化出的OpenI(Open Intelligence Open Source, Open Community, Open Ecosystem)、及华为推出鸿蒙，开源50年！智能世界由科学家/工程师/程序员-AI 开发者构建欢迎挑战OpenI。启智开发者大会：Input代码/Output价值；欢迎共创、共享、贡献OpenI。48. 目前人工智能采用最多的算法是深度学习。在这种模式下，决定人工智能应用创新有赖于下述关键因素，即大数据、算法、算力和应用场景。49. 深度学习与产业的深度结合，有望实现应用爆发式场景，从而激发更多技术和理论创新。50. 人工智能未来发展有很多种可能，比较热门的方向包括：脉冲神经网络硬件实现与类脑智能；数据与知识相结合学习模型。51.今年发表的由俄罗斯“脑机接口”公司（Neurobotics）和莫斯科物理技术学院（MIPT）研究的一种全新“脑机接口”算法。利用“脑机接口”将人脑（EEG）神经元与脑外深度学习网络连接起来（本例采用无需开颅植入大脑的非侵入电极）。将来期望用于治疗中风患者。52．脸书（Facebook）和加州大学旧金山分校（UCSF）与今年7月发布“脑机接口”技术（刊载于《nature》子刊上），超越深度学习算法，该项新算法可实时读取人类语言，可用意念打字，可用人眼超高精度摄像。53.图灵奖得主、美国工程院院士、美国人工智能协会（AAAI）及IEEE杂志Fellow（院士）Judea Pearl在2018年发表的一篇论文中指出：由于机器学习（含深度学习）理论的局限（它以统计学或盲模型的方式运行），使它无法成为强人工智能的基础；或对可执行的认知任务而言，该理论的缺陷限制了人工智能的发展。54.钟义信教授推荐潘云鹤院士谈话：人工智能走向2.O的本质原因是人类世界由二元空间（P,H）变成三元空间（P,C,H），此时钟短评：“知彼知己，心中有底。”55． 英特尔研究院院长Richard（Rich）A.Uhlig谈在数据洪流中属于颠覆性技术的新型计算方式：量子计算、神经拟态、图计算、概率计算，其中神经拟态芯片模仿人脑运作机制，形成高能效神经网络系统，主要采用异步脉冲神经网络（SNN）去解决问题，可应用在机器人、网络、动态控制、稀疏编码、图式搜索、路径规划、约束满足等很多领域。56．近年来以深度学习算法为代表的人工智能技术快速发展，迄今开发出来的深度学习算法约500多个，但深度学习算法并不完美，几乎完全以统计学或盲模型方式运行，其潜力已近尽头，人工智能的发展要求新算法出现：类脑算法、脑机接口算法、认知算法、量子算法。57.要用开源思维建设北京智源（人工智能）研究院。研究怎么把在北京的人工智能领域最强的人才吸引、笼络在一起，建立一个开源社区，建设一个人工智能技术高地，发挥人才专长，引导他们把注意力放在“无人区”、放在人工智能基础领域，缩小在人工智能技术理论与应用上与世界水平的差距。我们要真正把开源这件事做起来，培养人们的开源理念，了解开源的组织架构和哲学以及背后的技术，进行人工智能理论研究和应用创新，这对中国来说是非常有意义的。在人工智能领域我们受益于全球智慧的结晶，希望在开源这种形式下，中国学者、研究人员和工程师能够做出贡献、跟踪进步！（摘引北京智源研究院理事长张宏江发言）58．近年来问世的深度学习算法已不止500个，从下列9个深度学习模型库所支持的深度学习模型来看，已多达1200个： ① 脸书PH库支持26个模型；② 谷歌TH库148个模型；③ 谷歌TM库200个模型；④ IBM MAX库32个模型；⑤ 微软OMNX库45个模型；⑥ 新加坡JingYK（个人）MZ库368个模型；⑦ OpenⅤIN库135个模型；⑧ Sebastian RK库86个模型；⑨ GLUON-CV库45个模型。合计9个深度学习模型库支持1189个深度学习模型。59． 随着大数据红利消失，以深度学习为代表的机器智能—感知智能水平日益接近天花板。深度学习算法是以数据驱动的统计模式，人工智能发展要突破深度学习，还需要知识，特别是符号化的知识，在后深度学习时代人工智能的核心应该是知识表示和确定性推理，人工智能最重要的能力是知识而非数据，需要研发以知识驱动的机器智能—认知智能。所谓让机器具备认知智能是指让机器能够像人一样思考，体现在机器能够解释数据、解释过程、解释现象，体现在推理、规划等一系列人类所独有的认知能力上。如何让机器具备理解和解释的能力？知识图谱或以其为代表的知识工程的一系列技术，在认知智能实现中起到非常关键的作用。知识图谱本质上是一种大规模的语义网络（表达各种各样实体、概念及其间各类语义关联，且知识图谱规模更大）。有了知识图谱就能进行计算机建模。60. 以知识驱动的认知计算同样含有知识工程，上世纪80年代中期国内提出的知识工程是基于知识表达进行逻辑推理。新一代的知识工程关注于具身（embodiment）的人工智能，即与身体场景有直接关系，具身有一种思想可能改变规则使用权重，可能形成人际间的共识，这在医学中至关重要，要让患者参与决策（在医疗中如果患者不配合将十分麻烦）。两者知识工程不同，在于具身的认识，前者脱离人的认知环境，过去是从已知数据中获得已产生的规则，现在的知识工程从新产生的数据中挖掘、调整规则，以知识为基础的规则是创造性、跳跃式的。61. 在2019深度学习开发者峰会上，百度发布基于飞桨的图学习框架（PaddleGraphLearning，PGL）。近年来深度神经网络推动了人工智能的发展，但在实际场景中有大量数据是在非欧式空间的，限制了深度神经网络的应用，而图神经网络在非结构化数据上有出色的处理能力。百度发布的PGL利用飞桨独有的LodTensor特性，实现了高度并行的图神经网络消息传递机制，在性能上超越了PGL等现有图学习框架13倍（提速！）。依托飞桨核心框架+自研分布式图引擎，PGL可支持十亿节点百亿边的巨图训练。62. 新老知识工程的区别：一是过去的知识工程是从已知数据中获得已产生的规则，新的知识工程是从新产生的数据中挖掘丶调整规则；二是新的知识工程是关注具身（embiment）的人工智能，即与身体场景有直接关系，要求关注人际关系，形成人际共识（如研发出来医疗人工智能新理论新算法要与临床医生在取得共识的基础上的处置结合起来，也要处理好医患关系）。63. 每个神经元激励fire的阈值大约0.07伏，属于电气工程数量级（一节AA电池1.5伏），计算机与人脑增强交互应该很快推动人工智能进步。64. 现在领导神经科学项目的是电气工程师，反而不是神经科学家。65. 目前脑机接口算法还不精确，合理的实用化可能先在医护领域（如轮椅等截瘫病人设备）。俄罗斯科学家研发的脑机接口算法期望用于医护中风患者。66．谷歌近来研发用于基因科学的人工智能AlphaFold，根据基因序列预测生命基本分子一蛋白质的三维结构（AlphaFold与下国际围棋的AlphaGo似孪生兄弟），这是用来预测蛋白质折叠结构的能力或设计新的蛋白质，用以抗击疾病，解决塑料污染，对人类健康、生态、环境将产生重大影响。67．谷歌为研发AlphaFold，用数千种已知蛋白质训练神经网络，直到它可以独立预测氨基酸的3D结构。68. AlphaFold成功预测蛋白质的三维结构表明，当人工智能与基因科学相结合，人类将进入一个风高浪急的新时代。69. 谷歌的人工智能AlphaFold，预示其人工智能开始进入基因科学和生物科学及医疗保健领域。基因是DNA上有遗传效应的片断，人类的生老病死都与基因有关。70. 用基因治疗方法将重塑人体内一切组织和器官的活性。人工智能医生将逐渐取代目前最优秀的医生，未来大批医生将逐渐消失，从此医疗彻底成为一项人工智能+基因科技。71. 看了70条，有点夸大其辞！今天欲将人工智能+基因科学用于医疗实践，尚处于原始的初级阶段，其医疗效果还说不清楚，以人工智能医生淘汰目前的临床医生，还是十分遥远的未来！72. IBMWatson研发的以知识驱动的人工智能医疗实践，10年来其效果在美国还存在很大争议（突出一点是人工智能理论和临床医生在处置上尚缺乏共识）。73. 今天要抓住机遇研发人工智能+基因科学底层理论，可以预见未来它将对人类产生前所未有的冲击浪潮，如今国外已经动手！走在前头的研发工作可能是：为病人添加其缺少的基因或删除不好的基因，DNA编程逆转衰老，改写干细胞，靶向药扫荡癌细胞等，人工智能将助力基因科学。74. MIT技术评论（Sep9.2016）：深度学习、人工智能的可解释性是由物理学家而不是数学家解释证明的。75. 日本《朝日新闻》2019年11月30日报导：中美人工智能人才争夺战愈发激烈。目前拥有前沿知识和技术的IT领域的人才在世界范围内约有几百万人，中美围绕人工智能等高科技产业人才争夺战十分激烈。今年1月，美国人工智能学会在夏威夷召开，全球数千名人工智能研究者与会，同时举办招聘会，中美企业之间火花四溅。日刊介绍英国瀚纳仕人才管理公司调查报告，中国对人工智能和大数据需求极高，声音识别和自然语言处理等方面人才更是供不应求。日刊谈到信息技术产业飞速发展的中国面临技术人才不足的问题，它举出华为的白皮书，截止2017年中国IT产业人才缺口765万人。76. 计算智能、感知智能、认知智能、决策智能，反映机器的智能化水平的不同发展阶段。以基于数据驱动的深度学习为代表的感知智能水平，隨着大数据红利的消失日益接近天花板。所谓认知智能指让机器能够像人一样思考，具备理解、解释、规划、推理、演绎、归纳的能力（达到人脑思维的高级境界），从感知智能到认知智能是人工智能发展中一次颠覆性的飞跃。认知智能的实现需要知识驱动或数据、知识双驱动。77. 对于谷歌收购的人工智能企业DeepMind，由它提供的深度学习强化学习算法，支持AlphaGo、AlphaStar等研究均取得举世嘱目的成绩，在深度学习强化学习领域为DeepMind的算法带来很高声誉。最近DeepMind一篇在Nature子刊（今年7月号）发表的关于Alpha-Rank智能体强化学习的论文，被华为英国研究中心质疑：如果复现DeepMind算法，无法实现其预期的算力。78. 近来我与IBM“沃森（Watson）健康”一位人工智能资深专家讨论他们在美国当地（准确地说是IBM与合作方安德森癌症中心）历时7年（2011-2017）的医疗效果。当我谈到感知和认知时，令我惊讶的是那位专家说感知与认知没有高低之分，在不同场景应该有不同判断，作出判断时要小心一点！我当时对他说，你们IBM自己说过，从感知智能到认知智能是人工智能发展中一次颠覆性的飞跃，前者完全是数据驱动后者是知识驱动（或数据、知识双驱动），怎么能说感知与认知没有高低之分？！从我们讨论IBM“沃森健康”以前7年人工智能的医疗实践来看，IBM主要采用的是感知的数据驱动的深度学习模式，至于认知的知识驱动模式尚处于开研前的准备阶段，未能付诸于试验实践！所以如果针对不同场景的需求采用不同人工智能模型以谋求最佳效果来看，确实感知和认知没有高低之分。79. 在“IEEESpectrum”2019年4月号上刊登一篇向IBM“沃森健康”在医疗人工智能实践方面提出质疑的文章，综合IBM、医疗合作方和第三方评论的意见。IBM研发布局，自2011年至2017 年，与安德森癌症中心合作，研究25个课题，在癌症治疗建议方面有635个案例，尝试用基于大数据和深度学习的感知技术与医疗行业融合应用，最终未产生成功的建议和商用产品，未达到IBM原来设定的目标，2016年合作方在花掉6200万美元后终止与IBM沃森健康的合作。究其原因：（1）数据资源十分有限。癌症病例数量有限，样本数据不足，可用于深度学习模型训练的成功案例更少。（2）沃森与合作医疗机构之间沟通不好。沃森的治疗建议与医院的临床实践差距很大（第三方认为IBM纵使有好的技术，但美国医疗行业偏于保守，沟通不好难于成功）。（3）过于迷信深度学习。深度学习是实现人工智能的路径之一，但也是有缺陷的：深度学习本质上是一项暗箱技术，其训练过程具有难以解释、不可控的特点，人工智能不适应应用复杂度、需求量的快速增长，超出人们理解和控制范围，过度依赖数据，采集数据在量和质上不满足需要，数据建模与真实生活间冇差距，深度学习理论与现实医疗护理不匹配，深度学习无法独立地从医学文献最新进展及患者档案中提取有意义的信息。（4）IBM沃森健康在国外（韩国、泰国、智利）的医疗实践效果较好、成功率较高，受到欢迎。80. 我们几个朋友讨论人工智能在中医方面的应用。专家系统已属过去。我们认为，中医的“望、闻、问、切”基本上可采用数据驱动的深度学习模式，但中医数据结构化程度较低，形式化描述的规则较弱，采用人工智能要考虑中医的特点。81.近来一波人工智能热潮是在大数据的海量样本及超强计算能力两者支撑下形成的。所以说这一波人工智能是由大数据喂养出来的。这时的机器智能在感知智能和计算智能等一些具体问题上已经达到甚至超越人类水平，目前在语音识别与合成、图像识别、封闭环境有限规则的游戏领域，机器智能甚至超过人类。82.在各行业人工智能发展进程中，AI+或AI赋能成为传统行业智能化升级和转型的一个基本模式。在AI赋能下，传统行业面临很多机遇，对其关心的一系列核心问题，如增加收入、降低成本、提高效率、安全保障等，都将显致受益于人工智能技术。83.人工智能技术在智能客服系统已在很多行业大规模应用，从而大大降低人工客服的巨大劳动力成本。84.从2012年谷歌提出知识图谱以来，知识图谱技术发展很快。所谓知识图谱是一种大规模语义网络。知识图谱作为一种技术体系，指大数据时代知识工程的一系列代表性技术进展的总和。上世纪七、八十年代的知识表示与今天的知识图谱有着本质差别，其显著的差别在于对一种语义网络在规模上的差别。知识图谱对机器实现人工智能十分重要，我们分析知识图谱可实现机器认知智能的两个核心能力：“理解”和“解释”，机器“理解”数据是建立起从数据到知识库中的知识要素（包括实体、概念和关系）映射的一个过程。另外，有了知识图谱，机器完全可以重现这种“理解”与“解释”过程，并不难完成上述过程的数学建模。知识图谱让可解释人工智能成为可能，并体现在知识引导下将成为解决机器人工智能问题的主要方式。85.当前国内人工智能发展的短板在于产业发展过度依赖开源代码和现有的数学模型，真正属于自己的东西不多。86.一些人对当下国内人工智能发展中存 在瓶颈问题甩锅于开源，有失偏颇！其实当下国内外取得成就的人工智能底层理论和核心算法，无不有赖于开源的推动。87.研发机器视觉人工智能技术的国内 AI四小龙（独角兽）：商汤、旷世、云从、依图，当下火爆的初创企业、火爆的AI技术、火爆的应用场景！可是，尚未摆脱依托资本力量获得快速发展，它们的商业落地还有待解决。88.从另外一个侧面来看，深度学习这个工具有不可信、不安全、不可靠、推广能力差的弱点，当下采用深度学习算法安全面把握深度学习算法的优势和短板。89.人类处理知识的能力更强，计算机处理数据的能力更强，发展人工智能由感知阶段数据驱动的深度学习算法跳到认知阶段的知识和数据双驱动的认知学习算法。90.人工智能技术基础理论研究的发展需要深度融合：人工智能专家（或计算机专家）要与数学家、神经科学家、心理学家，脑科学家、开源专家和人文科学家跨学科交叉融合合作（在医疗人工智能方面还要与临床医生和患者合作、沟通），致力于发展新一代人工智能的理论与方法的研究；人工智能研究团队要加强与行业、企业、学校融合合作。91.IBM沃森（Watson）回答质疑,Watson人工智能对医疗帮助是否有限？MD安德森肿瘤中心终止了与IBM的合作，引发了上述质疑（见今年2月21日美国《科学》杂志报导）。IBM回应称，项目已取得初步成效。92.美国健康界获悉了在MD安德森肿瘤中心终止与IBM合作后引发媒体对IBM质疑一事，IBM发表的官方声明，声明称，“质疑”报告所描述的结果是基于采购活动文件和（医院）工作人员的相关说辞。不应被视为对Watson项目现阶段系统的科学基础或功能方面的评价”。“Watson在与世界上多个医疗机构合作的项目均显示出有效性”。93.MD安德森肿瘤中心与IBM Watson深度学习大数据项目始于2013年，主题是“大数据人工智能应用将加速对癌症疾病的认知（？）和完善癌症临床治疗”。94.IBM（官方）声明（续）：“美国MD安德森肿瘤中心的肿瘤学家和研究员评价Watson所给的建议治疗方案有90%的准确率。这种高准确率能帮助肿瘤科医学确保他们在做癌症诊疗与诊断时不会错失任何数据”（获该中心医生对Watson能力的认可)。95.IBM(官方)声明(续):“IBM Watson与世界上10多个医疗机构合作进行研究显示，Watson能协助医生更有效率制是医疗决策并进而影响患者”。96. 近日《Nature》杂志推荐2019年度10大科学进展的杰出论文，其中一篇是有关人工智能的，谈采用深度学习/强化学习算法来训练四足机器狗ANYmal，使它能快速爬起来。该文谈到，在反复训练下，不仅提高了ANYmal自身平衡能力，而且当ANYmal被暴力踹倒后能立即翻转站立起来。研究员还开发了一种仿真模式（ANYmal虚拟版本），使虚拟训练学习速度比现实训练学习速度提高100倍，而且这种方式还可同时训练多台机器狗。97. 深度学习算法是一种强大的数据分析工具，是实现人工智能的路径之一，但深度学习也是有缺陷的，它本质上是黑盒子技术，其训练过程难以解释、不可控，也未必能适应更加复杂的应用场景，深度学习过度依赖数据，而利用数据建模有时与真实生活之间也未必能直接划上等号，用深度学习模型训练有时也未必成功。当下深度学习可解决一些问题，但不少问题还不能靠它来解决，需靠大量基础理论研究创立新算法予以支持。98. 我也来谈谈知识工程发表浅见。有人说知识工程是基于知识表达进行逻辑推理。我认为上世纪七、八十年代提出的旧的知识工程，脱离人的认知环境，从已知数据中获得已产生的规则，如今新提出的知识工程，与身体场景有直接关系，从新产生数据中挖掘丶调整做规则，新旧知识工程的差别也表现在旧的知识表示与新的知识图谱语义网络在规模上的差别。99. 在网上看到41条跟贴所谈深度学习算法、深度学习架构问题，看到42条跟贴所谈利用开源框架对深度学习算法训练快速启动、运行问题，我也来谈谈深度学习算法、架构和开源的关系问题：深度学习算法是基于不同拓扑结构的深度（网络）架构，可以利用一些开源框架实现和部署深度学习算法，支持深度学习网络架构监督训练并催熟其训练。100. 有一篇论文谈人工智能和大数据关系问题，我摘录文中一些要点，作为跟贴贡献给诸位参考：当下大数据变得无处不在，几乎每一个成功的AI解决方案都涉及大数据处理问题。尽管AI擅长在大数据中查找模式和关系，但它仍然不是很智能。AI解决方案与大数据有相关性，在大数据中许多相关性是虚假的。数据集越大噪声越强。在处理多维数据的应用程序中是否乎用以数据为依据的决策？数据驱动决策将继续存在。要使AI方案成功，不仅需要硬件和大数据（大数据和计算能力也是重要组成部分）。数据不能说明一切。人类给数字赋予含义。101. 2019年百度研发的人工智能知识增强的语义理解框架ERNIE，全球领先。自然语言处理关乎智能体如何理解人类语言与文字，并在理解的基础上进行人机智能交互（被称为人工智能皇冠上的“明珠”。）在竞逐人工智能皇冠上“明珠”过程中，2019年百度在自然语言处理技术方面，打造了可持续学习做知识增强语义理解框架ERNIE，超越了谷歌的BERT和XLNet，荣登GLUE（全球自然语言处理领域权威数据集）公布的榜首，作为国际预训练模型，百度也超越了微软MT一DNN一SMAR丅、谷歌T5、ALBERT。102. 说“量子计算是未来计算技术的心脏”，这是肯定的！说“量子计算是人工智能未来的算法”，尚存疑问？在这里介绍百度公开发布的、他们正在研发量子算法的动向（尚处于初始阶段）：2019年百度研发出云上量子脉冲系统“量脉”，据说已达到国内第一、国际领先。所谓“量脉”，可将量子计算软件指令（逻辑门）转換成控制量子硬件的脉冲序列，算法性能较同类工具实现成倍级别的提升，是实现量子软硬件连接的关键桥梁。103. 人工智能热点纷呈，机器学习、深度学习、强化学习；工具、库、平台、框架；模型、环境、安全、隐私。全球相关的技术和投资非常踊跃。Linux人工智能基金会目前正在开展一项全景图谱的工作https://landscape.lfai.foundation/。104. 研发某种具有活性的液态金属，并以其为载体发展机器人或智能产品。清华大学刘静教授研发出一种具有某些“生命”特征的液态金属，如具有能“吃”（吞下铝箔），可“移动”（吃饱后就四处移动，动作还特别灵活，能转弯，能跳跃），还会“思考”（碰到拐弯或难以通过的地方还会停下来思考一下）等某些“生命”特征。这种液态金属应用前景广阔，如制作智能马达、血管机器人等。105．不久前日刊评论：日英两国利用人工智能技术研发女性机器人。文中指出，在日本向市场推出全球首款女性机器人之后，英国是全球第二个推出女性机器人的国家。今天他们推出的女性机器人惟妙惟肖，与真人模特看不出差别。他们在女性机器人中植入高端人工智能芯片，采用高仿真技术，还得益于顶级硅胶等材质的精确运用。他们推出的女性机器人能与人类沟通，喜现为与真人没有差别，外表靓丽，创造出代替人类的情感，对外界变化作出反应，还会讲全球20多种不同语言。附录：以下后记里收集的内容观点主要包括基础理论与创新、算法研究与创新、技术应用与创新、AI人才培养与发展、AI伦理与道德五大类的内容，欢迎查看相关内容并在文末互动留言。《评人工智能如何走向新阶段》后记https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103343649《评人工智能如何走向新阶段》后记（再续1）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103343944《评人工智能如何走向新阶段》后记（再续2）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103343968《评人工智能如何走向新阶段》后记（再续3）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103344087《评人工智能如何走向新阶段》后记（再续4）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103344451《评人工智能如何走向新阶段》后记（再续5）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103344672《评人工智能如何走向新阶段》后记（再续6）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103345118《评人工智能如何走向新阶段》后记（再续7）https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/103351738