科研总结

最近，本人看了一些教育科研论文，又浏览阅了一些教师提交的工作总结。两者同时看，发现这样一个问题：有的教师把科研论文写得像工作总结；也有的教师将工作总结写得像一篇论文。为什么会出现这种情况？我认为，如果不是态度问题，便是教师对两种写作体裁缺乏理性的区分。一般情况下，两种体裁是不能混用的。下面，本人尝试区分一二。供交流。一、概念区分（一）欲要界定科研论文，先要界定论文。所谓论文是用论据证明论点成立的一种文章体裁。论文有三要素：论点、论据、论证。论点即作者的观点。论据即用以证明论点的道理和数据。论证即用论据证明论点成立的逻辑过程。所谓科研论文就是将科研活动以论文体的方式呈现出来的文章体裁。这个概念中的科研活动是一个重要概念，所谓科研活动就是以科学的方法探寻事物规律和真相的研究过程。（二）所谓工作总结，即工作进行到一定阶段，停下来，对前一段工作进行系统回顾，梳理归纳工作中的经验，查找工作中的问题，对下一阶段工作进行展望的写作体裁。还可以这样理解这个概念，“总”是汇总，梳理；结就是得出结论、经验。二、功能区分（一）科研论文的主要功能在于阐述作者的学术观点，将研究成果梳理出来，进行宣传和推广。（二）工作总结的功能在于总结工作的得与失，为改进工作，促进发展而服务。三、角度区别（一）科研论文要聚焦到某一问题，越聚焦价值越大，不宜面面俱到。正所谓攻其一点，不遗余力。（二）工作总结分全面总结和专题总结。全面总结是对所从事的工作进行逐一汇总、梳理，提炼经验，查找不足；而专题总结则是对某一项工作进行梳理，提炼经验，查找不足。四、语言区别（一）科研论文的语言要言简意赅，不做过多地铺陈和描述。即使行文中使用的事实性论据，陈述事件也要简单明了，把事件说清楚即可，不做渲染。（二）工作总结的语言要求就可以放得宽松一些，可以适当对工作中的细节进行描述，可以有一定的感情色彩，但不宜过多，因总结毕竟不同于文学体裁。五、起点区别（一）科研论文的起点是基于问题，问题在先，有的是理论问题，有的是现实问题（现实问题最终要转化为理论性的问题），有了问题才会产生科研行动。（二）工作总结的起点是本职岗位，岗位职责在先，比如学科教师就要从事教学工作，是班主任就要从事班级管理工作，总结要结合岗位职责进行。六、实施区别（一）科研论文撰写前要进行选题，选题后进行论证。论证什么？论证选题的价值性、内容的适切性、假设的真伪性，设计的可行性。而后采取恰当的研究方法验证研究假设是否成立。（二）工作总结的前身是基于工作计划，工作计划既要有全面，也要突出重点。工作计划无需去论证，也无需写得过细，在工作中落实计划，工作总结时要回应计划。七、场合区别（一）科研论文的使用场合一般是学术交流或学术论坛，在这个场合发言人阐述自己的学术观点，推广自己的研究成果。在这个场合，如果你进行工作总结就显得不论不类。（二）工作总结的使用场合一般是年末工作交流会或是工作考核。在这个场合，如果你阐述自己的一个学术观点，同样也是不合时宜。八、结构不同（一）科研论文需要在文前提出问题，摆明观点，而后多层次，多角度论证作者观点的正确性或不正确性，探索出解决某一问题的一般性规律。（二）工作总结需要在文前陈述工作背景和指导方针，而后按照一定的逻辑顺序把重点工作梳理、归纳，陈述自己做了什么、怎么做的，取得了哪些成效，存在哪些问题。总之，科研论文体现出大胆假设，小心求证，形成成果的行文特征；而工作总结要体现出立足岗位，总结经验，吸取教训，展望未来的行文特征。大家认为两者区别是什么，欢迎交流。（图片来自网络，如有侵权，请联系删除）

“科研兴园”是幼儿教育发展的大趋势，幼儿园的发展越来越离不开科研。因此在2017年——2018年上半学年，我们幼儿园一直着重发展科研工作，我们以“三个代表”重要思想和科学发展观为指导，认真贯彻落实初期科研工作计划，有条不紊的进行科研活动。同时取得了较为不错的成果。现在学期即将结束，梳理回顾本学期科研工作。一．加强科研队伍建设，提高教师科研水平科研活动的顺利开展，必须有一只扎实工作，同时又有丰富的科研理论知识的教师队伍。在本学期，我们充分利用每次科研课题活动，发动教师进行理论学习，进行自学，交流，探讨，并着重学习了《学前教育研究方法》，使大家进一步明确了开展课题的常规方法和要求。二．课题研讨，扎实有效1. 课题研讨时毫不放松科研课题想要出成果，科研人员一定要肯吃苦。科研小组定期定时展开交流研讨活动。在活动过程中，科研小组成员有时学习和课题相关的理论知识，有时进行问题会诊，每一次研讨活动，大家都各抒己见，积极参与。2. 注重实践，成果显著在本学期一次次的教育实践和科研活动中，各个年级老师聚在一起，不断地交流碰撞，根据园所特点和班级情况，最终确定科研课题的主题为“低结构游戏”。针对“低结构游戏”这一主题，各年级老师自发自主的收集各种低结构材料，组织幼儿进行低结构游戏，并对幼儿进行观察和记录。教师根据平时对幼儿的观察和记录，在科研活动中公开进行研究和讨论，为课题的持续发展提供了一个个活生生的教材。三．科研活动的不足1. 教师的总结提升能力有待提高教师们将研究从实践层面提升到理论层面上来的能力还不是很够，总结能力还有待提高。2. 深度思考的缺乏在研究过程中，教师们对课题的探讨还停留在较为浅显的层面，缺乏对课题的进一步思考和研究。总结过去，展望未来，让我们凭着求真务实的科研态度，积极探索的科研精神，大胆的改革创新，使我园的科研工作更科学，更扎实，更完善。

作为一个“无所不能”的博士研究生，你是否有过想放弃的念头，也是否不甘心自己就这样？哈哈~ 无论你现在的心境是如何，都不要觉得孤单，因为广大的博士生是你精神的后盾。回想起逝去的年岁，曾经的自己有过单纯的追求，有过迷茫和困惑，当然也有过欣慰和收获。现在的自己即使处境艰辛也依然能笑看江湖，写下自己这些年来关于科研和生活的感悟。我眼中的自己是区别于大众眼中优秀的人的，为什么我愿意分享，因为优秀并不适合模仿，只有感悟可以共情。01、面对未知，最早的时机就是现在任何人都不可能擅长所有领域，但总有一些人会对某一个领域很执着，因此他们就会成为别人眼中的大佬。可能你会在意比你年纪小的人还懂得比你多，你会觉得自己无论怎么努力都不能追赶上别人的脚步。其实真正优秀的人，他们对知识的渴求是饱含初心的，他们在某方面强于别人的不仅仅是时间上的优势（起步早），更是对待知识的态度，以及应对困境的韧劲。大部分人的平庸都败在了态度。过往不可咎，如果真正的热爱学习，热衷于某方面的知识，无论何时起步都不晚。你可以优秀的人学习，但是不要嫉妒别人，更不要觉得自己暗淡。因为能引起嫉妒的，绝对是你认为和你处于一个水平的人，相差很远的人不可能产生嫉妒的心理。优秀的人学习，是学习他们对待困难是去解决尝试，而不是逃避，不是自怨自艾。不断地超越自己吧，你将有更加开放的心态。02、如果后悔，最好的选择是开始面对如果你也曾有过这样的经历，总是日复一日的拖延还等待着自己的爆发，看似“零收获”地度过很多天，苦恼着自己与周围人的差距。那么，为什么我们不尝试着去忘记时间呢，不要用后悔来消耗更多，而是运用现在的功力选择开始。因为开始不代表着充满了艰辛，我们也可以很平常，在稍有走神的时候，就允许自己去观望周遭的世界，之后再回过神来。就像我们要跑10km，其实并非不停才最省力，在短暂的休息后，往往更有爆发力。我相信你的一天可以有几个大的计划，但是这其中是很有弹性的，我们不会辜负任何一天，在这种弹性中你会知道这种不确定性带给你的惊喜或者磨练。所以我们更在意当下，因为明天具有太多的未知。我觉得，注重当下的科研体验，才是自己对工作和人生最认真的态度。03、感到犹豫，试着调转方向不再犹豫作为研究生，我们常常会面对各种各样的科研难题，思路困境，技术短板。你知道你是可以解决的，你可以与自己的朋友商量，你可以寻找更多的资源，你可以在不同的回答中找到自己最想要的信息。前提只要你相信：“任何问题都是可以解决的”。就把这些困境当成是必经之路，就把这其中的煎熬看得淡些再淡些，因为过于焦虑和烦躁会削弱我们解决的问题的能力。所以我们要不断地鼓励自己，即使缓慢也是进步，因为你收获的不仅仅是在解决之后的喜悦，更有对自己心态的提升，后者才是你在面临下一次困境的时候最需要的。科研和人生都是一个问题接着一个问题的，也不知道为什么，但是这么多年来，这种感觉都是存在的，包括我的朋友们也是有同样的感觉。将困境常态化，当成只是很普通的问题，一个一个小问题解决之后，你就收获了自己的里程碑。04、科研和生活，培养责任感我觉得科研会使人增加理性，也更具有责任心。理性的一面是，摆事实讲道理，不能掺杂过多的个人情绪，讨论要基于事实，不能做过多的推断，同时又要。责任心是因为科研过程漫长且环环相扣，容易出错又要尽量避免出错。我们的作品都是建立在众多的错误之上，所以我们自然会对每一个环节而负责。面对一些错误，如果一言以蔽之，就容易导致错误的一连串的错误发生，最终无法收场。所以我们要负责，从数据到逻辑，做到尽可能精确地串联。我脑海中一直有一句话支持着我做事情：“不管故事的开始是怎样的，成功的故事过程必须是通过强大的逻辑贯穿”。面对科研和生活，都不要做胆小鬼，因为故事的逻辑在于你自己。让每一段经历都自然而然地发生和结束。05、乘风破浪的日子还有很多收获这这么多年的相处过程中，我认识了很多人，也因为一些矛盾失去了一些“朋友”。总体上的感觉，还是有很多收获。有些东西不是刻意就能得到，可是但凡是用心去做的，都会给予你很多的回报。比如好的作品，好的薪水或者是好的家庭生活。如果以上这些肉眼可见的都没有，我相信也会收获很多情感，亲情或友情。因为做科研的回报来的慢，且有时候是以惊喜的形式，我更加相信，现在与未来的连接，更加期待不确定性和未知，也可以叫做收获的时滞效应。科研教会了我们观察这个世界的方式，教会了我们保持好奇心和洞察力。最后，我还是希望自己可以不忘初心，可以爱护羽毛，也可以乘风破浪。来源：募格课堂 作者：弗卡思

科研人，是为人类奉献智慧的人。如果能读到研究生，应该用心做科研。那该怎么做呢？我自己的体验及导师的教导我总结下，供大家参考。1、付出大量的时间和心血其实，无论哪个行业，如果你想取到一定的成就，必须付出比常人多的时间和心血。一开始大部分人都觉得自己不是读书的料，但是如果你能坚持一段时间，在不知不觉间，你就能被科研的精妙所打动。为自己取得的一些认识感到骄傲。如果能在前人的基础上做出一点点的进步，那就可以奖励自己吃顿红烧肉了。如果你选择做科研，不要迷茫。努力下去，用心钻研，你会爱上科研的。2. 要有批判性思维人类的创新都是在别人的基础上艰难走出一步。本科阶段你负责吸收知识，训练技能。而研究生阶段你在继续吸收知识的同时，应该通过科研研究发掘创造新知识。从而使自己有批判性思维。不要盲信别人，用试验做基础，用数据说话。理清思路，创新思维。3.不害怕失败，不追求完美。组科研研究是一件很困难、很复杂的事。如果害怕失败，就不用做科研了。如果追求完美，就可能永远也无法开始。在大规模试验阶段，每一步都要思考清楚，力求准确。但是如果试验一旦开始，就不要每一步追求完美，而是按设计把试验推进下去，看看是否和预想结果一致。如果相差不大，那就反思一下那些细节没哟处理好，再把试验向完美推进。如果相差很大，那就是方法出了问题，要推翻重来。多有不妥之处，希望大家之处

12月2日，浙江大学召开2020年科研大讨论总结大会，全面回顾总结全校开展科研大讨论工作的情况和成效，进一步谋划“十四五”科研发展规划、展望2035年远景目标，为加快构建更加卓越的创新生态系统谋篇布局。校党委书记任少波、校长吴朝晖出席会议并讲话。副校长王立忠作学校科研大讨论总结报告，副校长何莲珍主持会议。校领导严建华、张宏建、邬小撑、周天华、吴健、傅强、黄先海出席会议。自今年4月起，学校开展了为期半年多的科研大讨论工作，旨在以大讨论促进大共识，一体化推进自然科学和哲学社会科学研究高质量高水平发展。讨论中形成了《浙江大学科研大讨论意见共识20条》，明确了“十四五”重大科研攻关任务，制定了《浙江大学“十四五”创新生态建设规划》。任少波指出，本次大讨论是四校合并以来的第一次科研大讨论，为学校全面提高科研质量、科学制定“十四五”规划打下了扎实基础。我们要深入学习贯彻习近平总书记有关创新的重要论述和对浙江大学的重要指示精神，将“四个面向”作为浙江大学未来科研发展的根本遵循。他强调，面向2035走向前列的要求，要解放思想再出发，自我革新寻突破，在更高层次推动改革、开放、创新的有机统一，实现战略迭代升级。任少波从贯彻落实“四个面向”，推进科研战略迭代升级提出要求。他强调，要面向世界科技前沿，实现并跑甚至领跑的战略迭代，以更大的勇气和格局，树立信心，找准方向，在从跟踪到引领上力争新突破；立足培育重大装置，支持科学仪器创制，加强公共实验平台建设，在平台装置上开辟新蓝海；大力弘扬科学家精神，用足用好各项人才政策，在杰出科学家引育上达到新境界。要面向经济主战场，实现质量和声誉为重的战略迭代，从需求驱动向战略引领升级，以高水平规划牵引高水平合作；从扩张式开放向系统化开放升级，树立开放的资源观、人才观和治理观；从追求学术规模向提升学科水平升级，重视注入高端增量、保证育人和基础研究力量；从项目型合作向可持续的平台合作转变，稳定配置创新团队，强化平台治理，追求实效和贡献。任少波强调，要面向国家重大需求，实现面向重大任务或需求导向的战略迭代，加快培育国家战略科技力量，构建适应大科学协同攻关的体制机制，探索PI+团队的有效科研模式，积极推进任务强所，深化科研管理体制改革，完善科研特区建设，创新智库组织模式。要面向人民生命健康，实现交叉集成、融合会聚的战略迭代，推动生命健康大交叉融合，创新临床科研引导的集成组织方式，并以此为牵引，带动相关学科的交叉合作科学研究。他强调，全校上下要切实抓好巩固深化工作，真正将科研大讨论成果落实到校院两级“十四五”规划中，落实到具体的制度供给、资源保障和科研的具体组织上来，努力实现“四个面向”指向的战略迭代，为学校迈向世界一流大学前列作出更大贡献。吴朝晖指出，创新在我国现代化建设中的作用更加突出，以改革促创新、以创新促发展的重要性和紧迫性愈发彰显。面对新征程新目标，要深刻领会十九届五中全会对创新的更高定位,突出全局的核心地位，深刻把握创新在国家决胜“三新一高”中的战略意义。要以创新迈向新发展阶段，进一步引领以智能化驱动现代化的新发展阶段；以创新赋能高质量发展，进一步打造以高水平创新推动高质量发展的社会服务格局；以创新构建新发展格局，进一步增强创新生态系统的韧性；以创新领衔新发展理念，进一步构建以科技创新为核心的全面创新体系。吴朝晖指出，要坚持系统的整体观念，全局谋划更加卓越的创新生态系统建设。要更好地运用卓越思维、整体思维、实践思维、开放思维和底线思维等“五大思维”，进一步将创新意识贯穿于科研工作的全过程和各领域，特别是突出创新在学校迈向世界一流大学新征程中的核心作用，推动学校科研实力从量的积累迈向质的飞跃、从点的突破迈向系统能力的提升。要坚持“十四五”规划与二〇三五远景目标双重引领，推动学校科研工作加快迈向新发展阶段；坚持服务一流建设大局与服务现代化建设全局同向并行，推动学校科研创新优势转化为高质量发展动能；坚持自主创新与开放创新有效结合，打造与新发展格局相联动的高水平创新型大学；坚持组织创新与制度创新两轮驱动，将新发展理念全面贯彻到创新生态系统建设中。吴朝晖强调，要瞄准战略性关键领域，面向“十四五”实现科研创新重大突破。要攀登世界科研高峰，以顶天立地的卓越创新参与国家战略科研力量建设；推进新型校地合作，面向未来技术实现高水平的协同创新；构筑全球人才高地，以人尽其才的事业环境激发人才创新活力；坚持科教协同、产教融合，让高水平研究生成为科研创新的重要生力军；创新科研发展方式，在改革中实现科研管理体制机制的现代之治。全校要加快建设更加卓越的创新生态系统，为学校迈向世界一流大学前列、为我国早日进入创新型国家前列作出新的更大贡献。会上，信息学部副主任陈积明、医药学部副主任管敏鑫、机械工程学院副院长居冰峰、人文学院院长楼含松、农业与生物技术学院院长陈学新、地球科学学院院长夏群科、管理学院副院长周伟华分别作为学部、院系、学科代表作了交流发言。本次会议在紫金港校区设主会场，在各学院（系）、附属医院设视频分会场。校学术委员会、各学部、各学院（系）、附属医院、有关部门、国家和部省研究基地、校设研究机构和研究计划负责人在主会场参会。来源：浙江大学官网

近日，科研所召开2020年度工作总结大会，分管厅领导周兵出席会议，全所干部职工参加会议。会议从党建、科研、编辑部、社团等几个方面对2020年科研所的工作进行了全面总结，展示了全所职工一年来共同努力取得的进步和成绩，分析了目前存在的不足之处，并提出2021年工作努力的方向。周兵表示，科研所2020年工作取得的新突破，离不开厅党组的坚强领导、所领导班子及全所职工的共同努力，要戒骄戒躁，再接再厉。一是强化政治理论学习，用理论武装头脑，提高全体职工政治站位，及时了解当前形势，把握政治方向，筑牢思想之基。二是聚焦科研主责主业，科研选题要紧紧围绕“十四五”规划和2035年远景目标、全国审计工作会议要点、四川省委工作重点，明确审计科研干什么，厘清思路怎么干，增强理论研究的科学性、前瞻性和针对性。三是坚持理论研究与审计实践相结合，解决好科研与实践“两张皮”的问题，紧紧围绕审计重点、难点和前沿问题开展审计理论研究，让审计理论研究工作更好地指导和服务于审计实践。四是进一步“借智、借脑、借力”，不断深化与厅各单位、全省各级审计机关、审计学会、内审单位、高等院校等单位的合作与交流，形成审计科研合力，为推动治蜀兴川再上新台阶贡献审计科研力量。【来源：审计科学研究所】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

又1年过去，你年初定的小目标都实现了吗?话说学霸姐姐看到了某位学长令人“扎心”的年终总结：2019顺利毕业，发了3篇SCI，找到了1个女朋友......这样的学长，是不是应该拉黑！！话说回来，对于大多数人来说，年初的flag，多少还是实现了一些的，比如：或许你学会了一门乐器▼或许你励精图治成为了一名优秀的划水运动员▼再或者，你练就了一身演技▼没有新技能的话，加入国家知名保护协会也不错▼你的日常工作或许可以一笔概括▼收入也一目了然▼心情嘛，不堪一击▼发量也盈盈一握，刚刚好的样子▼遭遇到的挫折，也就一丢丢而已，不必担心▼每天食欲也就比K线图好那么一点▼刚开始搞科研的时候，自我认知也很清晰▼做实验时，也就跟哪吒差不多而已▼当然了，你和实验室的其他人也格外不同▼改论文的时候，导师说：你的论文，改一点点就可以了▼论文完成后也还不错▼你也会也经常鼓励自己▼总的来说，科研人的2019，用年度流行语概括就是▼但是，尽管如此，你也要挣扎着喊一声：容我大胆猜一下，2020年你最想得到的东西，无外乎就这两样▼最后，希望大家在新的一年▼哈哈哈，以上搞笑图片均为调侃娱乐，大家笑笑就可以辽，2019年对于科研圈来说，是不那么太平的一年，你会发现，我们的科研圈越来越收紧了，可能你面临很多的压力，但是，这一切都是为了你能学有所成，一切都是为了你手中的学位证书能更有价值，所有辛苦，皆为礼物。2020，期待更好的科研学术圈，也期待遇见更好的自己，当然了，学霸姐姐还是会一如既往会跟你站在一起，欢迎来撩~生物女学霸，一个自称学霸其实很渣的生物汪，努力将有趣的、有用的、有血有肉的科研那些事儿呈现给大家，关注一个好不啦~

雷锋网 AI 科技评论按：年终总结可能会迟到，但不会缺席！圣诞节+元旦假期过后，谷歌资深 Fellow、谷歌 AI 负责人 Jeff Dean 代表所有谷歌的研究部门发出了他们的 2018 年度科研研究年终总结。这一年，谷歌的科研人员们在人工智能、量子计算、计算图形学、算法理论、软件系统、TPU、开源软件与数据集、机器人技术、AI 应用、医疗保健等许多方面做出了许多新的成果，不仅有许多论文，更有许多实际的技术产品。雷锋网 AI 科技评论在 2018 年中也曾单独报道过其中的许多项目。同样由 Jeff Dean 撰写的 2017 年谷歌大脑年终总结见这里 上篇 下篇。如今谷歌把人工智能的相关研究开发拓展到了新品牌「谷歌 AI」下面，曾经的谷歌大脑负责人 Jeff Dean 也就成为了谷歌 AI 的负责人。 现在我们把这篇 Jeff Dean 代表全体谷歌科研人员撰写的谷歌科研成果 2018 年年终总结全文翻译如下。谷歌资深 Fellow、高级副总裁、谷歌 AI 负责人 Jeff Dean对于谷歌的研究团队来说，2018 年又是充满激情和干劲的一年。我们的技术研究成果在许多个不同的方向上继续开花结果，包括计算机科学方面的基础科研成果和论文、科研结果在谷歌的更多新兴方向中的应用（比如医疗保健和机器人）、对开源软件的贡献以及和谷歌的产品开发团队之间的紧密协作，所有这些的目标都是为了创建更多有用的工具和服务。下面我们来一起看看 2018 的一些成果，以及对未来的一年做一些展望。更详细尽的汇总可以参见我们的 2018 年论文发表清单（https://ai.google/research/pubs/?year=2018）。道德准则和 AI在过去的几年中，我们共同见证了 AI 领域的重大进步，欣喜地看到了 AI 对谷歌的产品产生了积极的影响，这些产品也在日常生活中为谷歌的数十亿用户提供了更多帮助。对于我们这些在 AI 领域工作的人来说，我们非常在意 AI 是否成为了这个世界变得更好的推动力 —— 也就是说，它的使用是符合人类道德的，它用来解决的问题也是对这个社会有益的。2018 年我们发布了谷歌 AI 准则，它也带有一系列负责任的 AI 应用的示范样本，描绘出了 AI 应用实践的技术指导。这些准则和示范也一同构成了评价我们谷歌自己的 AI 产品开发的体系框架，我们希望别的组织机构也能够运用这些准则规范他们自己的思路。需要说明的是，由于这个领域的发展速度飞快，我们在某些准则下提供的示范样本（比如「为了避免产生和加强不公平的偏见」、「为了对人类可解释」），也会随着我们在机器学习公平性和模型可解释性等新领域开展研究而不断变化、不断更新。这些研究研究成果反过来也会让谷歌的产品不断进步，让它们更具包容性、更少带有偏倚，比如我们就已经减少了谷歌翻译中的性别偏倚，也探索并发布了内容更为广泛多样的图像数据集和模型（https://ai.google/tools/datasets/open-images-extended-crowdsourced/），以便让计算机视觉模型在整个地球中更加多样化的环境中都可以工作。更进一步地，这些努力也让我们得以把最佳实践分享给更广泛的研究群体，比如我们的机器学习快速课程中的 Fairness Mole。造福整个社会的 AI如今大家都已经知道，在社会的许多方面、在许多重要的社会问题上，AI 都有潜力带来剧烈的影响。我们在 AI 洪水预测方面的研究就是一个绝佳的例子，它展示了 AI 可以如何在真实世界的问题上帮助人类。在多个谷歌内部团队的合作下，这项研究的目标被定义为「为洪水发生的可能性和可能覆盖地区提供准确、细时间粒度的信息」，而那些在洪水高危地区生活的人们就可以根据这些信息作出更好、更及时的判断，能更好地保护自己、保护自己的财产。洪水预警系统已经在印度的部分地区投入使用另一个例子是我们研究如何预测地震的余震，我们展示了机器学习模型预测余震地址可以比传统的基于物理模型的方法准确得多。这项研究还有一个也许影响更为深远的方面，那就是因为我们设计的机器学习模型是具备可解释性的，科学家们得以在这个模型的帮助下对余震的活动作出更好的观察，这不仅让余震的预测变得更加准确，也让我们对余震本身有了更好的了解。谷歌之外也有许多我们的伙伴。许多研究者和谷歌的研究员、工程师一起借助 TensorFlow 之类的开源软件钻研各种各样的科学和社会学问题，比如用 CNN 识别座头鲸的声音，发现新的系外行星，识别生病的木薯等等。为了鼓励这个领域产生更多的新点子，我们与 Google.org 一同发起了「谷歌 AI 社会影响竞赛」，参加比赛的个人和组织研究需要一些从想法转化为现实之后可能会带来重大社会影响的项目，然后他们可以获得总数为 2500 万美元的资助资金，而且可以获得谷歌研究科学家、工程师、其它专家的指导。辅助性技术在我们围绕机器学习和计算机科学展开的研究中，有很大一部分都是希望帮助我们的用户们更快、更高效地达到他们的目标。通常这都需要科研团队和各种产品团队之间展开合作，研究成果也发布成为各种各样的产品功能和设置。其中一个例子是谷歌 Duplex，这个系统的建设需要我们把自然语言处理、对话理解、语音识别、文本转语音、用户理解以及高效的用户界面 UI 设计多个方面的研究成果集中整合，而它的最终效果是，只需要用户对着自己的手机询问「能不能帮我预定明天下午 4 点做头发」，一个虚拟助手就会替你打电话到理发店敲定相关的细节。我还可以举一些例子，比如智能写作 Smart Compose，这个工具会通过预测模型给出写作提示，帮助用户写作邮件，写作过程可以更快、更轻松；声音搜索 Sound Search，它构建在 Now Playing 功能的基础上，可以快速、准确地帮助用户找到环境中正在播放的音乐；还有安卓系统中的 Smart Linkify，它展示了我们可以使用运行在移动设备上的机器学习模型分析屏幕上正在显示的文本，理解文本内容之后把它划分为不同种类的小节，接着就可以直接点击文本访问对应的应用程序。Smart Linkify 智能地把连续的文本分成了一段地址 + 一个时间我们目前的研究中一个重要的关注点就是让谷歌助手这样的工具支持更多的语言，以及让系统更好地理解语义相似性，就是说即便使用了完全不同的方式来表达，我们也希望它能理解人们希望表达的概念和想法是相同的。我们在提升语音合成质量以及缺乏训练数据的文本转语音任务中的研究成果，未来也可能为谷歌的产品增加新的功能。量子计算量子计算是一种正在逐渐发展壮大的计算范式，它有能力解决经典计算机无法解决的非常困难的问题。在过去的几年中我们一直积极地在这个方向上进行科学研究，我们也相信，量子计算机展现出解决多种问题能力（所谓的量子霸权）的那个时刻即将到来，而这也将成为这个领域的分水岭。2018 年里，我们的量子计算实验产生了一系列令人兴奋的新成果，其中包括一个新的 72 位的量子计算设备 Bristlecone，它极大地拓展了量子计算机可以解决的问题的大小。我们距离量子霸权的距离越来越近了。位于 Santa Barbara 的谷歌量子 AI 实验室中，研究科学家 Marissa Giustina 正在安装一块 Bristlecone 芯片我们也发布了 Cirq，这是一个为量子计算机开发的开源编程框架，我们也借助它探索了如何在量子计算机上运行神经网络。最后，我们分享了研究量子处理器性能涨落的问题的及经验和技巧，也分享了关于「量子计算机有可能可以成为神经网络的计算性基础设施」的想法。2019 年里，我们期待在量子计算空间里做出更多惊喜的成果。自然语言处理对于自然语言处理领域，2018 年里谷歌收获颇丰，我们有许多科研成果，也有许多关注于产品的内部团队合作成果（https://ai.googleblog.com/search/label/Natural%20Language%20Understanding）。我们在 2017 年发布的 Transformer 基础上做了改进，得到了一个新的时间并行的模型版本，我们把它称作 Universal Transformer，它在包括翻译、语意推理等许多自然语言任务中都展现出了极大的性能提升。我们也开发了 BERT，这是首个深度双向、无监督的语言表示，它只需要在普通的文本语料上预训练，然后就可以通过迁移学习精细调节到许多种不同的自然语言任务上。相比之前的最佳表现的模型，BERT 在 11 种自然语言任务中都取得了显著的表现提升。在极具挑战的 GLUE benchmark 中，相比之前的最佳水平模型，BERT 把分数的绝对值提升了 7.6%除了和许多谷歌内部的产品团队合作开发了上文提到的 Smart Compose 和 Duplex 之外，我们也探索改进了谷歌助手，让它能够更好地处理多语言混用的场景。我们的最终目的是希望所有的用户都可以与它自然地用语言交流。感知我们在感知方面的研究攻克了让计算机理解图像、声音、音乐和视频等有难度的问题，同时也为图像捕捉、压缩、处理、创意表达以及增强现实提供了更多更有力的工具。2018 年，我们把新技术融合进了谷歌照片 app，它可以更好地整理用户在意的照片内容，比如人和宠物。谷歌 Lens 和谷歌助手则可以帮助用户了解自然世界、实时回答问题，谷歌图像中的 Lens 还有更多新功能。我们曾经表示过，谷歌 AI 的使命中有一个重要的方面就是要给人类赋能、让他们从技术中受益，这一年中我们也对谷歌 API 做了许多升级，改进了它的功能、更新了它的基础组件。一些例子包括谷歌云机器学习 API 中的视觉和视频的升级的新功能，以及通过 ML Kit 实现的许多运行在移动设备上基础组件，提供了面部识别相关一些功能。谷歌 Lens 可以帮助你更好地了解身边的世界。比如，Lens 就分辨出了这条小狗的种类2018 年中，我们对学术研究的贡献包括了深度学习三维场景理解方面的进展，比如立体变换（stereo magnification，https://arxiv.org/abs/1805.09817），它可以为一个场景生成全新角度、而且具有逼真画质的图像。我们也有一些持续进行中的研究，可以更好地理解图像和视频，也就可以帮助用户更好地发现、组织、增强以及改进谷歌产品（谷歌图像、YouTube、谷歌搜索等）中出现的图像和视频。这一年中值得一提的改进包括：用于快速联合姿态估计以及人体实例分割的自底向上模型（https://arxiv.org/abs/1803.08225），一个用于复杂动作可视化的系统（http://mosculp.csail.mit.e/），一个可以对人和物体之间的的时间-空间关系建模的系统（https://ai.google/research/pubs/pub47219），以及借助蒸馏（https://arxiv.org/abs/1812.08249）和 3D 卷积技术（https://ai.google/research/pubs/pub47220）改进视频动作识别。在语音领域，我们提出了一种方法用于语义音频表示的无监督学习（https://ieeexplore.ieee.org/abstract/document/8461684），也提出了「高表现力、仿人类语音生成」的重大技术改进（Tacotron，https://arxiv.org/abs/1803.09047）。同时，多模态感知也是一个越来越重要的研究话题。「通过看来听」（https://arxiv.org/abs/1804.03619）综合了输入视频中的视觉和音频线索，然后可以抽取、增强视频中指定说话者的声音。这种技术有广泛的应用场景，从视频增强和识别、到视频通话、再到更好的听力辅助设备都可以运用，尤其适合同时有多个人说话的场景。在资源有限的平台上实现感知也越来越重要。我们的第一代移动平台计算机视觉模型 MobileNets 已经在学术界和工业界得到了广泛应用，而我们也在 2018 年发布了第二代模型 MobileNetV2（https://arxiv.org/abs/1801.04381）。在 MorphNet （https://arxiv.org/abs/1711.06798）中，我们提出了一种高效的方法学习深度神经网络的架构，它在符合计算资源限制的情况下为图像和音频模型提供了全面的性能改进，而更新的自动网络生成方面的研究则表明了可以针对硬件设计表现更加优异的模型。计算图像学在过去的几年中，手机摄像头画质以及易用性的提升可以说是叹为观止。其中一部分改进自然来自于手机摄像头使用的感光器越来越先进，但同时更大的功劳在于计算图像学领域的科学技术改进。我们谷歌的研究团队发表了自己的最新研究成果，也和谷歌的安卓系统团队、消费级硬件团队紧密协作，把这项成果搭载在最新的 Pixel 手机以及其它的设备上，并最终送达用户手中。早在 2014 年，我们就发布了 HDR+ 技术，它让手机快速连拍多张曝光不同的照片，然后在软件中对齐这几张照片，并通过计算软件把它们合并为一张照片。最初 HDR+ 的设计目的是让照片具有比只拍一张照片更大的动态范围，后来，快速连拍多张照片并基于它们做计算性分析已经成了一种通用的模式，2018 年的手机摄像头基于这种模式开发了更多的功能，比如 Pixel 2 手机中的运动照片，以及动作静止照片中的增强现实模式。动作静止照片中的增强现实模式中的一只小鸡今年，我们在计算图像学研究上的主要努力是为手机摄像头开发了一种新的能力，夜视，可以让 Pixel 手机在夜里看得更清晰，这项功能也获得了媒体和用户的一致好评。当然了，夜视仅仅是谷歌团队开发的帮助用户拍出完美照片的众多功能之一，这些功能都基于软件、服务于摄像头，它们包括：用机器学习带来更好的人像模式照片，通过超级清晰变焦看得更清楚、更远，以及用 Top Shot 和谷歌 Clips 捕捉特殊瞬间。左：iPhone XS；右：带有夜视功能的 Pixel 3 手机算法与理论算法是谷歌各个系统背后的支撑骨架，各种算法决定着从谷歌旅行的路程规划系统，到谷歌云的持续哈希系统等等的所有谷歌产品的表现。在过去的一年中，我们继续在算法和理论方面进行着深入的科学研究（https://ai.google/research/pubs/?area=AlgorithmsandTheory&year=2018），从理论基础到实用算法，以及从图挖掘（https://ai.google/research/teams/algorithms-optimization/graph-mining/）到保持隐私的计算方法。我们在优化算法方面的探索覆盖了许多领域，从用于机器学习的连续优化，到分布式的组合优化。在前一个领域，我们研究训练神经网络时的随机优化算法的收敛性的论文获得了 ICLR 2018 的最佳论文奖，这篇论文展示了热门的基于梯度的优化方法存在的问题（比如 ADAM 的一些变种），同时也为一些新的基于梯度的优化方法提供了扎实的理论基础。（https://ai.google/research/pubs/pub47409）对于分布式优化问题，我们研究了如何改进组合优化问题中的轮数和沟通复杂度，比如通过轮数压缩（https://ai.google/research/pubs/pub46793）和核心组的图中的匹配（https://ai.google/research/pubs/pub46793），以及子模最大化（https://ai.google/research/pubs/pub46927）和 k 核分解（https://ai.google/research/pubs/pub47742）。对于更偏向应用的方面，我们开发了新算法解决通过草图大规模设定封面（https://ai.google/research/pubs/pub46927），以及解决具有万亿条边的图的平衡分区以及层次化分簇问题。我们研究在线投递服务的论文（https://doi.org/10.1145/3178876.3186104）得到了 WWW 2018 的最佳论文提名。还有，我们的开源优化平台 OR-tools （https://developers.google.com/optimization/）也在 2018 Minizinc 限定编程比赛中赢得了 4 面金牌。对于算法选择理论，我们提出了一些新的模型（https://doi.org/10.1145/3159652.3159702），也对重建问题（https://doi.org/10.1137/1.9781611975031.38）和多项式分对数的学习问题（http://proceedings.mlr.press/v80/chierichetti18a.html）做了一些调研。我们也研究了神经网络可以学习到的函数的类型（https://doi.org/10.4230/LIPIcs.ITCS.2018.22），以及如何使用机器学习的思想改进经典在线算法（http://papers.nips.cc/paper/8174-improving-online-algorithms-via-ml-predictions）。对于谷歌来说，了解一些有强有力的隐私保证的算法是有着重要意义的。在这样的背景下，我们开发了两种新的方法，通过迭代（https://ai.google/research/pubs/pub47118）和随机排序（https://ai.google/research/pubs/pub47557）进一步分析并增强差分隐私。我们也使用差分隐私技术设计可以感知动机的学习方法（https://ai.google/research/pubs/pub46913），它们在博弈中很鲁棒。类似这样的学习技巧都在高效的在线市场设计中得到了应用。我们在市场相关的算法领域也有一些新的研究，比如帮助广告商测试广告投放的动机兼容性的技术（https://ai.google/research/pubs/pub46968），以及优化 app 内广告的刷新方式的技术（https://ai.google/research/pubs/pub46847）。我们也在重复拍卖问题中把当前最优的动态机制又向前推进了一步，我们的动态拍卖对于缺少未来预期（https://ai.google/research/pubs/pub47744）、预测有噪声（https://ai.google/research/pubs/pub47745）、异质买家行为（https://ai.google/research/pubs/pub46969）等状况都可以保持鲁棒，我们的结果还可以拓展到动态双拍卖的场景中（https://ai.google/research/pubs/pub47734）。最后，在在线优化和在线学习鲁棒性问题中，我们开发了新的在线分配算法处理带有流量峰值的随机输入（https://dl.acm.org/citation.cfm?id=3105446），以及对损坏的数据鲁棒的修补算法（https://ai.google/research/pubs/pub47732）。软件系统我们对于软件系统的研究很大部分都继续与构建机器学习模型有着种种联系，尤其是与 TensorFlow 有许多联系。比如，我们针对 TensorFlow 1.0 发布了动态控制流的设计和实现（https://dl.acm.org/citation.cfm?id=3190551）。我们在后来的研究中介绍了一个称作 Mesh TensorFlow 的系统，通过它可以很方便地定义具有并行模型的大规模分布式计算，这样的系统可以包含多达几十亿个参数。另一个例子是，我们还发布了一个用于可拓展的深度神经排序的 TensorFlow 库。TF 排序库支持多项目评分架构，是传统的多项目评分的拓展我们也发布了 JAX（https://github.com/google/jax），这是一个带有加速器的 NumPy 的变种，它可以支持 Python 函数的任意阶自动微分。虽然 JAX 并不包含在 TensorFlow 中，它所使用的部分底层基础软件其实是和 TF 相同的（比如 XLA，https://www.tensorflow.org/xla/），而且 JAX 的一些想法和算法也对 TF 起到了不小帮助。我们在机器学习的安全和隐私方面也做了更多研究，我们开发的安全、保证隐私的开源框架也用在了更多的 AI 系统中，比如 CleverHans （https://github.com/tensorflow/cleverhans）和 TensorFlow Privacy（https://github.com/tensorflow/privacy）。我们看重的另一个研究方向是机器学习在软件系统中的应用，这可以发生在许多不同的层次上。比如，我们持续地研究用层次化模型向不同的设备分配计算任务（https://openreview.net/pdf?id=Hkc-TeZ0W），以及我们参与了学习内存访问模式的研究（http://proceedings.mlr.press/v80/hashemi18a/hashemi18a.pdf）。我们也继续探索如何用模型学习到的索引在数据库和存储系统中替代传统的索引结构。正如我在去年的总结中写的，对于如何在计算机系统中使用机器学习，我们目前的认识其实还处在非常早期。层次化分配器（https://openreview.net/pdf?id=Hkc-TeZ0W）对一个四层的神经机器翻译模型的计算量的分配。其中白色表示 CPU，四种不同的彩色表示 GPU。值得注意的是，每一层的每一步计算都是分配给了多个 GPU 在执行的。这种分配方式比人类专家设计的分配方式快 53.7%。2018 年里我们也结识了 Spectre 和 Meltdown 这两个现代计算机处理器带有的严重安全漏洞，它们也正是在谷歌的零计划（Project Zero）团队与其他团队的合作中发现的。这些漏洞以及其它相关的漏洞着实让计算机架构研究人员们忙活了一阵子。在我们持续地对 CPU 的行为建模的过程中，我们的编译器研究团队把他们的测量机器指令延迟和端口压力的工具集成进了 LLVM 中，这让编译器得以做出更好的决定。谷歌具有为计算、存储和网络构建大规模、可信赖、高效的技术架构的能力，谷歌的消费者产品、谷歌的云端服务以及机器学习模型的推理就都高度依赖于这种能力。在过去的一年中，这些方面的研究亮点包括谷歌最新进化的软件防御网络 WAN（https://ai.google/research/pubs/pub47191）；一个独立工作、联邦式的查询处理平台，它可以在以不同的文件形式存储的数据上、在许多不同的存储系统上执行 SQL 查询语句（https://ai.google/research/pubs/pub47224）；以及一个关于我们谷歌的代码审查做法的详细报告，包含了谷歌的代码审查背后的动机、目前的惯例、开发者的满意状况以及挑战（https://ai.google/research/pubs/pub47025）。运行一个内容存储之类的大规模网络服务需要在不断变化的环境中做稳定的负载均衡。我们开发了一个持续的哈希方案（https://dl.acm.org/citation.cfm?id=3175309），它对于每一个服务器的最大负载有一个严密、可证明的保证，我们把它部署在了谷歌云的 Pub/Sub （https://cloud.google.com/pubsub/）上，为谷歌云的客户提供服务。在发布了最初版本的论文（https://arxiv.org/abs/1608.01350）之后，Vimeo 的工程师注意到了这篇论文，实现了它并把它开源到 haproxy，然后在 Vimeo 的负载均衡项目中使用它。它带来了显著的改进，这些算法思想的运用大幅降低了服务器缓存的带宽需求，几乎只有原先的 1/8，消除了一个重大性能瓶颈。（未完，下半篇见这里）via https://ai.googleblog.com/2019/01/looking-back-at-googles-research.html，雷锋网 AI 科技评论编译

。2019年到校科研经费27.6亿元。5项成果获国家科技奖，其中牵头获自然二等奖2项、技术发明二等奖1项，这样2018年和2019年连续两年共获体现原创能力的国家自然奖4项、列全国高校第2；同时获中国高校科技成果奖一等奖5项，列全国高校第4；此外，获四川省科技成果一等奖11项，占四川省一等奖近1/3。新立项国家自然科学基金539项，直接经费3.8亿元，列全国高校第9。获准国家社科基金项目55项，立项数继续保持全国高校第1。新增国家创新群体1个，5人入选国家“杰青”、列全国高校第9，新增“长江学者特聘教授”5人、位于全国高校第4。……1月13日下午，四川大学2019年“双一流”建设与科研工作总结会在望江校区笃行楼举行。大会总结了过去一年学校“双一流”建设进展以及科研工作情况，隆重表彰了为学校做出突出贡献的优秀科研工作者。校党委书记王建国、校长李言荣，全体在校校领导，校长助理，院士、杰出教授，长江学者特聘教授、国家杰出青年科学基金项目负责人、二级岗及以上教授，“四青”人才，2019年度科研获奖代表，机关各部处、业务实体主要负责人，各学院（医院、哲学系）书记和院长（系主任）、分管科研和学科工作的负责人，科研秘书、学科联系人，国家及省部级重点实验室/工程中心主任、副主任参加大会。会议由副校长褚良银主持。会上，学校发展规划处处长李忠明作四川大学“双一流”建设2019年度进展情况汇报，介绍了学校在一流大学建设和一流学科体系建设两个方面取得的成绩，并表示将按照“文优、理进、工改、医强”的学科建设总体路径，全面建设具有中国特色、川大风格的世界一流大学。科研院副院长武梅作四川大学2019年度科技工作总结，从2019年度学校科技工作亮点、2019年度学校各单位科技工作情况、我校科技工作目前存在的主要问题与措施三个方面系统总结了我校2019年理工医科技工作情况，并提出了科研院下一步工作思路。社科处处长傅其林作我校2019年文科科研工作总结，梳理了一年来我校哲学社会科学取得的主要成绩和不足之处，提出了进一步完善文科科研成果评价体系、推进文科国家级科研基地平台建设、不断提升服务国家和社会重大需求能力等改进措施。常务副校长许唯临就我校2019年“双一流”建设与科研工作总体情况作了总结。他指出，2019年是学校的学科建设和科学研究继续全面提升的一年。学校按照“文优、理进、工改、医强”的建设思路，大力加强学科内涵建设。在全校师生员工的共同努力下，2019年学校多项核心指标再创新高。他强调，2020年是国家第一轮“双一流”建设的收官之年，第五轮学科评估和第一轮“双一流”建设验收工作也将相继启动，我们将重整行装再出发，通过一步一个脚印地扎实努力，来迎接科研工作和整个“双一流”建设前进道路上的各种挑战，为学校“两个伟大”贡献力量！副校长晏世经宣读了“2019年度理工医科研获奖名单”和“2019年度哲学社会科学研究奖励名单”，包括优秀科技成果奖、科技优秀人才奖、项目和平台组织奖、重大科研项目年度到校经费奖、科技管理先进奖等理工医科研奖项，学校年度十大基础科学进展，哲学社会科学重大成果奖、哲学社会科学重要成果奖、哲学社会科学决策咨询服务重要贡献奖、优秀人文社科人才奖、哲学社会科学社会服务贡献奖、哲学社会科学优秀科研项目奖、重大科研项目年度到校经费奖等哲学社会科学研究奖项。2019年度国家自然科学基金委创新群体和杰青项目获得者代表2019年度国家社科基金重大招标项目获得者代表已通过评审的2019年度四川省科技成果一等奖的获奖代表2019年度教育部科技成果一等奖的获奖代表2019年度四川省社会科学优秀成果奖一等奖的获奖代表2019年度四川大学十大基础科学进展的获奖代表2019年度国家科学技术奖的获奖代表四川大学党委书记王建国、校长李言荣等校领导向获奖代表颁奖。四川大学化学学院院士王玉忠、历史文化学院杰出教授霍巍、华西药学院长江学者特聘教授黄园作为获奖代表发言。他们感谢学校对科研工作的关心与支持，感谢科研团队成员付出的辛勤劳动，并结合自身工作实际，从不同角度畅谈了科学研究的心得体会，提出了对学科未来发展的真知灼见，表达了为学校未来改革发展，为国家蒸蒸日上贡献更多力量的信心和决心。来源：四川大学 大川 文字/应厚非、刘姝雯 摄影/何苗 编辑/陈好好 责编/王允保