说到chat里程碑的意义，盖茨比作电脑、互联网后的第三大里程碑，显然有点夸张了。可是我们进入计算机博物馆看里程碑展馆，有 1. 第一次下国际象棋打败人类 2. IBM 沃森问答打败人类，后面的还该有一系列打败人类的里程碑吧，例如围棋。
不得不佩服它条理化的能力，只有一个不妥：医学并入了教育。其余的综合 总结能力强过一干人，自然包括在下。在这一长串中，AI明星 chat 可以成为 top 几？
top 10 有点高抬了，top 20 似乎有余：就凭他建成了巴别塔，搞定了人类语言。
文字 应该是 语言/文字。宗教不该漏。
我是从语言角度。它的的确确证明了自己的万能的语言能力。语言能力其所以特别重要，不仅仅因为我是语言学家，难免强调它，更因为这是规模化机器能力的敲门砖，否则机器只是少数人的玩具。机器学会人话的意义，比人去适应机器，用程序去给它指令，意义大得多，这是人机接口的革命。
【相关】
chatGPT 网址：https://chat.openai.com/chat（需要注册）
JJ:
ChatGPT 写情书也不重样。
立委：这是陷入爱河但苦于笨嘴拙舌的人的福音了。人的爱意 哪怕是套话 也是要表达才行，藏在心里不行。
“i love you" 是鹦鹉学舌完全可以做到的，但并不因为是套话而失去其神奇效应。无数的情感矛盾和关系恶化 其实就是缺少了这三个字的表达频度。
但热恋要求更高一点，需要营造浪漫。营造需要形式，而有的人就是不懂形式，不善言辞，不会表达（俗话说，不会来事儿 lol）。你便是真情如海，但羞于表达或表达不出来也没戏。谁愿意与木头谈一场恋爱？
有问，机器代写的情书能有真情吗？这就好比询问：毛笔写的情书能有真情吗？
chatGPT 不过就是个工具，就跟你用毛笔还是钢笔一样。这个工具见识过无数的情书。工具帮助你产生形式，至于真情表白还是虚情假意，那要看使用工具的人了。
劝热恋中的人都去订阅 chatGPT pro，现在出来了，每个月20美元，太平价了，可以帮你制造浪漫的条件，无论是诗歌、两地书还是策划。
-- *声明：以上是脑残广告，不当真的 =）
顺着这个话题延伸一下，说说 chatGPT 作为文字助手的作用，尤其是对于不善言辞的人。
出口成章的人是少数。见过很多人在一些场合 需要应景 却憋不出话来 十分窘迫。现在好了。不知道有没有办法把 chat 制成一个可以植入的东西，就不说老马说的脑机接口了，只要能让它成为一个隐藏的招之即来 但无人察觉的暗器，也许作为穿戴设备，例如传说中的苹果眼镜，让它编制的应景台词，跟提词器似的，崩到眼镜上，我见人不见。那会是社恐人士多大的福音。
不同程度的社恐据报道是一个非常常见的问题，我自己也深受其害，人稍多就哑巴了，插不上话，却要硬着头皮应付。看社交场合如鱼得水的人 知道他们是胡喷 但人家给气氛啊 自己啥贡献也没有。成为社交累赘，有情商的的人，还要照顾你情绪，不时还要引一两句给你，带你玩的意思。chat 可以改变这一切 让笨嘴拙舌秒变伶牙俐齿，让只懂本行的老专家也能成为百科地保。
为民：一位圈外朋友的朋友圈信息: "ChatGPT是中庸主义者的福音，完美地让你泯然众人、符合社会的基本期待。
ChatGPT不需要提升生产力（不需要empower人类的语言能力），只需中庸地鹦鹉学舌，帮助人类在其没有表达意愿的场景、完成表达的义务。
如果用ChatGPT写情书，说明你根本不爱收到情书的对象。但是也许你并不需要soul mate（不是每个人都需要），你只想要应付相亲对象。
作为情商不高的半社恐人士，我在很多场景都没有沟通互动的意愿，但是我得耗费精气神维持礼貌、得体、正常，ChatGPT作为AI助理可以帮我们这种人成为真正的中庸主义者。"
立委：
情商这东西 为什么人学起来那么笨 机器却行：估计主要是人自我中心 换位思考就难。机器根本没有自我 调教对齐一下就乖巧了。
白硕：机器没有脊梁
立委：情商优者治人 智商优者治于人。外行领导内行 由来已久 天经地义。
数量上也不成比例 情商强的人 远远少于智商好的，最后大多做了各级领导或企业老板。
【相关】
chatGPT 网址：https://chat.openai.com/chat（需要注册）
立委按：自从 chatGPT 横空出世，这类应用文辅助写作案例已经水漫金山，见奇不怪了。但这不改变辅助写作是一个具有巨大应用场景和价值的方向，虽然大概率与机器翻译也差不多，最后作为行业可能被做死，或成为白菜价。下面是我自己前一阵子做的一些试验，摘录如下。
其一：推荐信
请帮助我用规范的英文写一篇推荐信，内容包括：1. 推荐张三到清华做博士后，研究AGI；2. 我是张三的博士导师； 3. 张三博士论文获到全国优秀论文大奖。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to our discussions. I am confident that he will thrive in a collaborative environment like your PhD program. I strongly believe that Zhang San would be an excellent fit for your program and would make a valuable addition to your community of researchers. I wholeheartedly endorse his application and hope that you will consider him for admission. Sincerely, [Your Name]
请增加一些具体生动的细节，让推荐信更为有力。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In particular, his contribution to the development of a novel AGI algorithm has garnered attention from researchers in the field and has the potential to significantly advance the state of the art. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to our discussions. I have seen him take the lead on several collaborative projects, always ensuring that all team members are on the same page and making valuable contributions to the final product. I am confident that he will thrive in a collaborative environment like your PhD program. I strongly believe that Zhang San would be an excellent fit for your program and would make a valuable addition to your community of researchers. I wholeheartedly endorse his application and hope that you will consider him for admission. Sincerely, [Your Name]
好了一些，但请增加下列事迹：1. 废寝忘食 他总是最后一个离开实验室；2. 发表了5篇一级刊物论文，成为青年学术新星；3. 虽然AGI被认为是难以实现目标，张三在定义AGI实现的不同步骤上提出了具有操作性的建议，并实现了10个步骤中的前5个。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In particular, his contribution to the development of a novel AGI algorithm has garnered attention from researchers in the field and has the potential to significantly advance the state of the art. Zhang San has also published five papers in top-tier journals, establishing himself as a rising star in the field of AGI research. Despite the challenges and setbacks that are inherent in AGI research, Zhang San has remained committed to his work and has often stayed in the lab long after everyone else has gone home. His dedication to his research has paid off, as he has already achieved significant progress in his work. In particular, he has proposed operational steps towards the realization of AGI, and has successfully implemented the first five steps of his proposed framework. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to ......
中国教授头疼的为学生写推荐信问题，已经完美解决。只要你能列出零星哪怕是散乱的要点，机器就会给你拽成一篇看上去非常 professional 的规范推荐信。有没有问题? 当然可能有。例如明明是要求博士后推荐，它写成了 to your PhD program, 但关键是语言方面的困难都给你搞定了，只要通读一遍把个别词改正一下即可。
其二：快讯
AI，请按照严格的规范编写一个新闻稿，其内容包括：
1. 中国封控一夜取消，180度大转弯；2. 由此带来急剧的社会变化，包括大面积感染在各地同时蔓延，以及不同人对于这一波疫情的恐惧；3. 一方面广大群众为重新获得自由而欢呼雀跃，另一方面也对目前疫情可能失控深感忧虑；4. 专家前后不一致的说法，使得公众思想更加混乱；5. 各种滥用药品的情况开始出现；6. 政府无法对政策转变自圆其说， 权威下降。
新闻稿： 中国封控一夜取消，180度大转弯 近日，中国疫情突然爆发，导致政府决定实施封控措施。然而，这一措施在一夜之间被取消，导致社会发生急剧的变化。 首先，随着大面积的感染在各地蔓延，人们对于这一波疫情的恐惧感也在不断加深。一方面，广大群众为重新获得自由而欢呼雀跃；另一方面，人们也对目前疫情可能失控的情况深感忧虑。 此外，专家们在疫情发生后对于应对措施的建议前后不一致，使得公众思想更加混乱。同时，由于政府对于政策转变的解释不一，其权威也开始下降。甚至还出现了各种滥用药品的情况。 总之，中国疫情的发生和政策的转变，导致了社会的急剧变化。虽然广大群众为重新获得自由而欢呼雀跃，但人们对于目前疫情可能失控的恐惧感仍然存在。同时，政府权威下降也使得公众对于应对措施的信任度降低。
【相关】
chatGPT 网址：https://chat.openai.com/chat（需要注册）
做过几个实验，把 chatGPT 当成tutor，帮助我精读论文，看它有多少胡说，有多少循循善诱深入浅出。
当然，对我不懂的专业，胡说我也看不出来，只有专家能看出来。说一下初步体验，chatGPT当辅导员是一个很好的方向，几乎不需要做太多的工作，只要能接上就可以根据不同客户的目标朝向任何专门辅导的方向去发展，例如：（1）辅导面试；（2）辅导论文阅读；（3）辅导编程序（已经有 co-pilot 就是做那个方向，最近那个从特斯拉离职以前负责特斯拉自动驾驶的牛人现身说法，他说他现在写程序 70% 以上借助 co-pilot，虽然也听说过其他 guru 对 co-pilot 不屑一顾，说我懂的我不需要它，我感觉痛点的地方它帮不了我。这些不同的反应很正常，因为并不是每一个人都需要和拥抱“被机器辅导”的新潮流，就像有人有自动驾驶却从来不用，而我现在离开自动驾驶感觉非常别扭一样）；（4）.........
LLM（“老流氓”）做辅导最大的问题还是他不懂装懂，胡说八道。就是说他“耍流氓”的时候他不露声色，还是一副道貌岸然的样子。这个问题目前看来无解，就是说很难避免它在辅导你知识的同时，不夹带私货或者误导你。这也不能怪他，无所不知而且无穷耐心与天马行空胡说八道是伴生品，非专家无法区分。而被辅导者通常不是专家，否则为何要被辅导。
只能看 pros and cons 的权衡了。只要牢记不能拿它的话当成金科玉律，保持适当的警惕性，对于关键环节需要多方做求证才能应用，那么被辅导也就不是问题，可以让辅导的利益最大化。这与使用 FSD 开车的感觉类似，你不可以全信这个 beta 系统（即便将来取消 beta 标签，也不能全信），它的确可能在最糟糕的情景下做出最灾难性的选择，你必须保持警惕，随时干预和接管。但是从中受益的人还是很多。美国市场的特斯拉车主渗透力达到了1/4强，记得是二三十万人每天在用它。你不能说这几十万人都是傻瓜：花费一万多美金心甘情愿做小白鼠，冒着自己的生命危险，为马斯克趟雷，给特斯拉免费做标注和反馈。还是被-autopilot 所带来的好处远远大于它的潜在危害，才会有 early adopters 愿意去拥抱技术。同理，用 LLM 帮助做辅导一定会带来很多好处，虽然它可能会误导。
辅导精读论文这事儿，chat 可算是比较拿手，不管什么专业它都能。谁叫它好为人师。辅导的过程大体如下：我跟他说，请你帮助我精读下面这篇自然论文，我需要对它有一个深入的理解，来应对考试。然后让它做摘要，同时用中文和英文，然后一步步问它各种问题。感觉它回答问题主要还是针对给他的目标文章，但因为它此前这个领域的文章也看了不知道多少（虽然最近两年的没看），所以你问它的任何问题，它都可以解释回答。这与教授辅导学生也一样，教授也是用自己脑袋里的领域知识，不仅仅是所面对的目标论文，来做讲解。
以上算是铺垫，我们现在就现场直播一场辅导，目标论文就是名满天下的那一篇AI论文，发明 自注意力机制 transformer 的那个 attention is all we need，看它能不能比一般人科普、辅导得更加深入浅出。为什么选这一篇做实验，因为 transformer 这个框架和 attention 这个机制，是我们现在见到的这些LLM奇迹的技术源头。其中 transformer 的工程优势也是一个重要因素，但这不是我关心的点，所以没有在下面的 tutoring 过程中强调。这个实验还可以继续向深处做下去，让它讲解每一个术语和细节，看它最后是不是还靠谱。这需要调动积累的知识，它比起一般的老师应该更有记忆。
～～～～～～～～～～～～～～～～～～～
Wei:
reading comprehension and summarize this important research in simple terms in both English and Chinese so every college student understand:
Attention Is All You Need Abstract The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. The best performing models also connect the encoder and decoder through an attention mechanism. We propose a new simple network architecture, the Transformer, based solely on attention mechanisms, dispensing with recurrence and convolutions entirely. Experiments on two machine translation tasks show these models to be superior in quality while being more parallelizable and requiring significantly less time to train. Our model achieves 28.4 BLEU on the WMT 2014 English- to-German translation task, improving over the existing best results, including ensembles, by over 2 BLEU. On the WMT 2014 English-to-French translation task, our model establishes a new single-model state-of-the-art BLEU score of 41.8 after training for 3.5 days on eight GPUs, a small fraction of the training costs of the best models from the literature. We show that the Transformer generalizes well to other tasks by applying it successfully to English constituency parsing both with large and limited training data. 1 Introduction Recurrent neural networks, long short-term memory [13] and gated recurrent [7] neural networks in particular, have been firmly established as state of the art approaches in sequence modeling and transduction problems such as language modeling and machine translation [35, 2, 5]. Numerous efforts have since continued to push the boundaries of recurrent language models and encoder-decoder architectures [38, 24, 15]. Recurrent models typically factor computation along the symbol positions of the input and output sequences. Aligning the positions to steps in computation time, they generate a sequence of hidden states ht, as a function of the previous hidden state ht−1 and the input for position t. This inherently sequential nature precludes parallelization within training examples, which becomes critical at longer sequence lengths, as memory constraints limit batching across examples. Recent work has achieved significant improvements in computational efficiency through factorization tricks [21] and conditional computation [32], while also improving model performance in case of the latter. The fundamental constraint of sequential computation, however, remains. Attention mechanisms have become an integral part of compelling sequence modeling and transduc- tion models in various tasks, allowing modeling of dependencies without regard to their distance in the input or output sequences [2, 19]. In all but a few cases [27], however, such attention mechanisms are used in conjunction with a recurrent network. In this work we propose the Transformer, a model architecture eschewing recurrence and instead relying entirely on an attention mechanism to draw global dependencies between input and output. The Transformer allows for significantly more parallelization and can reach a new state of the art in translation quality after being trained for as little as twelve hours on eight P100 GPUs. 2 Background The goal of reducing sequential computation also forms the foundation of the Extended Neural GPU [16], ByteNet [18] and ConvS2S [9], all of which use convolutional neural networks as basic building block, computing hidden representations in parallel for all input and output positions. In these models, the number of operations required to relate signals from two arbitrary input or output positions grows in the distance between positions, linearly for ConvS2S and logarithmically for ByteNet. This makes it more difficult to learn dependencies between distant positions [12]. In the Transformer this is reduced to a constant number of operations, albeit at the cost of reduced effective resolution due to averaging attention-weighted positions, an effect we counteract with Multi-Head Attention as described in section 3.2. Self-attention, sometimes called intra-attention is an attention mechanism relating different positions of a single sequence in order to compute a representation of the sequence. Self-attention has been used successfully in a variety of tasks including reading comprehension, abstractive summarization, textual entailment and learning task-independent sentence representations [4, 27, 28, 22]. End-to-end memory networks are based on a recurrent attention mechanism instead of sequence- aligned recurrence and have been shown to perform well on simple-language question answering and language modeling tasks [34]. To the best of our knowledge, however, the Transformer is the first transduction model relying entirely on self-attention to compute representations of its input and output without using sequence- aligned RNNs or convolution. In the following sections, we will describe the Transformer, motivate self-attention and discuss its advantages over models such as [17, 18] and [9].
chat:
The research paper "Attention Is All You Need" proposes a new network architecture called the Transformer, which is based solely on attention mechanisms and does not use recurrence or convolutions. The Transformer is able to perform better on machine translation tasks and requires less time to train. It also shows that the Transformer can be applied to other tasks, such as English constituency parsing.
研究论文 "Attention Is All You Need" 提出了一种新的网络架构，称为Transformer，
The Transformer architecture uses an attention mechanism to allow the model to draw global dependencies between input and output sequences, without being constrained by the distance between the positions. This allows for more parallelization during training and results in a new state-of-the-art in translation quality. Additionally, the Transformer uses Multi-Head Attention to counteract the reduced effective resolution caused by averaging attention-weighted positions. Overall, this architecture allows for more efficient and effective training of sequence transduction models.
Transformer架构使用注意机制，
Wei: what is new and what is different, compared with previous studies:
An attention mechanism is a method used in neural networks to selectively focus on certain parts of the input while processing it. The attention mechanism allows the model to weigh the importance of different parts of the input and focus more on the parts that are more relevant to the task at hand.
In the case of the Transformer architecture, the attention mechanism is used to draw global dependencies between the input and output sequences. The attention mechanism works by computing attention scores for each position in the input sequence, and using these scores to weight the importance of each position when generating the output sequence.
The attention mechanism can be thought of as a function that takes in a query, a key, and a value, and returns a weighted sum of the values, where the weighting is determined by the similarity between the query and the key. In the Transformer architecture, the query, key and value are all represented by the same set of learned parameters, this is called self-attention. The attention mechanism can also be extended to multiple heads, where multiple sets of query, key, value are learned and then concatenated to form the final output, this is called Multi-Head Attention.
In summary, attention mechanism is a way of allowing a neural network to focus on certain parts of the input, and weigh the importance of different parts of the input when generating the output. This improves the ability of the model to learn dependencies between input and output sequences, regardless of their distance in the sequences.
Wei: explain it in simple terms in Chinese so everyone can understand
chat:
注意力机制是神经网络中一种用于在处理输入时选择性关注某些部分
在Transformer架构中，
注意力机制可以被认为是一种函数，它接受一个查询、
总之，注意力机制是允许神经网络关注输入的某些部分的方法，
Wei: why multi-head?
The Multi-Head Attention in the Transformer architecture is used to counteract the reduced effective resolution caused by averaging attention-weighted positions. With multi-head attention, multiple sets of attention weights are learned, and then concatenated together to form the final output.
By using multiple attention heads, the model can attend to different parts of the input sequence and learn different representations. These different representations can then be combined together to form a more comprehensive understanding of the input sequence. The multiple heads also allow the model to learn more complex relationships between the input and output sequences.
Additionally, Multi-Head Attention allows the model to attend to different parts of the input sequence at the same time. In the case of the Transformer, the attention mechanism is applied to the entire input sequence, which allows the model to draw global dependencies between the input and output sequences. With Multi-Head Attention, the model can attend to different parts of the input sequence in parallel, which further improves the ability of the model to learn dependencies between input and output sequences.
Therefore Multi-Head Attention is employed to enhance the capability of the model to take into account multiple representations and multiple dependencies simultaneously, and also to deal with the reduced effective resolution caused by averaging attention-weighted positions, this way the Transformer can achieve better performance on the tasks it was designed for.
Wei: explain this explanation in simple terms in Chinese so college students can understand
chat:
Transformer架构中的多头注意力机制是用来抵消由平均
通过使用多个注意头，
此外，多头注意力机制允许模型同时关注输入序列的不同部分。
因此简单来说, 多头注意力机制是用来提升模型同时考虑多种表示和多种依赖关系的
Wei: 这样做难道不会组合爆炸？
使用多个头的注意力机制可能会增加模型的复杂性，
之间建立依赖关系了，为什么还要使用多头？
其实单个注意力机制是可以在任意两个tokens之间建立依赖关
例如，当我们需要翻译一句话时，
总之，多头注意力机制是为了能够同时考虑多种依赖关系，
Wei:
可是，就我们以前的研究来看，
chat:
您说的是对的，在某些情况下，多头注意力机制可能不是必要的。 因为在某些任务中，
还有，在自然语言处理中，任务往往是非常复杂的，
总之，
Wei:
多头是指序列中的每一个 token 都会延伸为多个变体的向量表示（头），
chat:
是的，您说得很对。在Transformer模型中，
简单来说，
Wei: 编码器的输入输出是什么，解码器的输入输出是什么？
自回归（auto-regression）是指一种模型，
例如，在文本生成中，自回归模型会依次生成每个单词，
Wei: 全联接层中的 point-wise 是个什么鬼？
"point-wise" 指的是全连接层中的点积操作。
在神经网络中，全连接层（fully connected layer）是一种常见的层类型，
"point-wise" 这个词描述的是全连接层中对于每个元素单独进行点积操作，
在 Transformer 模型中，编码器和解码器均使用了 point-wise 全连接层，这些层被用于将输入序列映射到连续表示序列。
Wei: 前馈网络与全联接层是相同的吗，如果不同，二者的关系是？
前馈网络 (feedforward network) 和全连接层 (fully connected layer) 是不同的概念，但是它们可以组合在一起使用。
前馈网络是一种常见的神经网络结构，它将输入传递给一系列层，
在 Transformer 模型中，编码器和解码器都使用了前馈网络结构，
总结来说，全连接层是前馈网络中的一种层类型，
Wei: 编码器与解码器是如何对接的？
编码器和解码器是在 Transformer 模型中相互独立但协作的两部分。
编码器和解码器之间的对接方式是通过在解码器中加入了一个额外的
具体来说，在解码器中，第三个子层执行多头注意力，
Wei: 为什么编码器解码器都是六层模型？
chat:
在 Transformer 模型中，编码器和解码器都是由六层构成的。
具体来说，Transformer 模型中编码器和解码器使用了多层注意力机制，
需要注意的是，这个六层的选择是在论文中的实验中得出的结论，
总之，使用六层编码器和解码器是在 Transformer 模型中得到较好结果的一种做法，但是其他层数也可能同样有效。
Wei: 可以增加解码器层次，减少解码器层次吗？
chat:
是可以的。在 Transformer 模型中，编码器和解码器的层数可以根据需要进行调整。
增加解码器层次可以带来更多的能力来捕获更高级别的语言结构，
减少解码器层次可以降低模型的复杂度，提高训练和预测的时间，
需要根据具体的任务和数据集来调整编码器和解码器的层数，
Wei:
为什么这个架构成为AI的通用结构，
chat:
Transformer 模型之所以成为 AI 的通用结构，是因为它提供了一种高效的方法来处理序列数据，
首先，Transformer 模型使用了多头注意力机制，
其次，Transformer 模型使用了并行化的计算方式，
此外，Transformer 模型的设计也使得它更容易被训练和优化，
总之，Transformer 模型提供了一种高效、灵活、易训练的方法来处理序列数据，
Wei: 其实它已经用于一切数据的模态了，不仅仅是序列数据，
chat:
您是对的，Transformer 模型不仅仅是应用于 NLP 任务，它也被广泛应用于视频识别、图像分类、
所以说，Transformer 模型的架构和思想对于解决许多 AI 任务都是有效的，这也是它能够成为通用结构的原因。
Wei: 图像不是序列数据，为什么一样有效？
图像在原始形式下不是序列数据，
例如，在图像分类中，我们可以将图像转换为一个序列，
同样在视频识别中，我们可以将视频转换为一个序列，
这样做的好处是，Transformer 模型可以通过注意力机制来学习序列中元素之间的关系，来解决许多 AI 任务。
总之，尽管原始数据不是序列数据，
Wei:
关于阅读理解上述论文，如果你是教授，你会用什么样的问题问学生，你期望得到什么样的回答，请用简明易懂的英语和中文来准备问题和答案：
chat:
Q: What is the Transformer? A: The Transformer is a neural sequence transduction model that has an encoder-decoder structure. The encoder maps an input sequence of symbols to a sequence of continuous representations, and the decoder generates an output sequence of symbols one element at a time. Q: How does the Transformer work? A: The Transformer uses stacked self-attention and point-wise, fully connected layers for both the encoder and decoder. The encoder is composed of a stack of identical layers, each with two sub-layers: a multi-head self-attention mechanism and a position-wise fully connected feed-forward network. The decoder is also composed of a stack of identical layers, with an additional sub-layer that performs multi-head attention over the output of the encoder stack. Q: What is the attention function used in the Transformer? A: The attention function used in the Transformer is called "Scaled Dot-Product Attention", which is computed using dot products between queries, keys, and values, and a softmax function to obtain the weights on the values. Q: How does the Transformer differ from other neural sequence transduction models? A: The Transformer differs from other neural sequence transduction models in its use of stacked self-attention and point-wise, fully connected layers for both the encoder and decoder. Additionally, the Transformer uses the Scaled Dot-Product Attention function for computing attention, which is different from other attention functions like additive attention. Q: Can you explain the Encoder and Decoder Stacks in Transformer? A: The Encoder is composed of a stack of N=6 identical layers, each with two sub-layers: a multi-head self-attention mechanism and a position-wise fully connected feed-forward network. The encoder uses residual connections and layer normalization to improve performance. The decoder is also composed of a stack of N=6 identical layers, with an additional sub-layer that performs multi-head attention over the output of the encoder stack. The decoder also uses residual connections and layer normalization, and also has a mechanism to prevent positions from attending to subsequent positions. Q: What is the purpose of residual connections in the Transformer? A: The purpose of residual connections in the Transformer is to improve the training of the model by allowing the gradients to flow more easily through the layers. This makes it easier for the model to learn the identity function, or the identity mapping of the inputs to the outputs. Additionally, Residual connections help to mitigate the problem of vanishing gradients, which is a common problem in deep neural networks.
Q: What is the purpose of Multi-head attention in Transformer? A: The purpose of multi-head attention in Transformer is to increase the representational capacity of the model. Instead of having a single attention mechanism, multi-head attention allows the model to attend to different parts of the input sequence at the same time. This allows the model to extract different types of information from the input sequence, which can be useful for different types of tasks. Q: How does Multi-head attention work in Transformer? A: Multi-head attention works by splitting the queries, keys, and values into multiple heads, and then performing the attention function on each head separately. The outputs from all the heads are then concatenated and transformed by a final linear layer to produce the final output. By having multiple heads, the model is able to attend to different parts of the input sequence simultaneously and extract different types of information. Q: What is the Layer normalization used in the Transformer? A: Layer normalization is a technique used in the Transformer to improve the stability and the performance of the model during training. It normalizes the activations of a layer by subtracting the mean and dividing by the standard deviation of the activations. This helps to prevent the activations from becoming too large or too small, which can cause problems during training. It also helps to speed up the convergence of the model.
chat:
Q: Transformer 和其他神经序列转换模型有什么不同？
A: Transformer 与其他神经序列转换模型不同在于它使用了堆叠起来的自注意力和全连接层来实现编码器和解码器。此外，Transformer 使用了缩放点积注意力函数来计算注意力，这与其他注意力函数（如加法注意力）不同。
Q: 在 Transformer 中，编码器和解码器堆栈有什么作用？
A: 编码器由 N=6 个相同层组成，每层有两个子层：多头自注意机制和位置敏感全连接前馈网络。编码器使用残差连接和层归一化来提高性能。解码器也由 N=6 个相同层组成，除了两个子层外，解码器还有一个子层，它在编码器堆栈输出上执行多头注意。解码器也使用残差连接和层归一化，并且还具有防止位置注意后续位置的机制。
Q: Transformer 中残差连接的目的是什么？
A: Transformer 中残差连接的目的是通过使梯度更容易流动来提高模型的训练。这使得模型更容易学习输入和输出之间的单位函数（即输入和输出之间的同一映射）。另外，残差连接还有助于缓解深度神经网络中常见的梯度消失问题。
Q: Transformer 中的缩放点积注意力函数是如何工作的？
A: 缩放点积注意力函数是 Transformer 中用来计算注意力的方法。它通过计算查询、键和值之间的点积，并使用softmax函数来获得值的权重。它是在一组同时的查询上计算注意力函数，将它们打包到一个矩阵Q中。键和值也被打包到矩阵K和V中。我们计算输出矩阵如下: Attention(Q, K, V) = softmax(QK^T / sqrt(d_k)) * V
这种方法在实际中非常高效，因为它可以使用高度优化的矩阵乘法代码来实现。
自从 chatGPT 横空出世，应用文辅助写作案例已经水漫金山，见奇不怪了。但这不改变辅助写作是一个具有巨大应用场景和价值的方向，虽然大概率与机器翻译也差不多，最后作为行业可能被做死，或成为白菜价。下面是我自己前一阵子做的一些试验，摘录如下。
请帮助我用规范的英文写一篇推荐信，内容包括：1. 推荐张三到清华做博士后，研究AGI；2. 我是张三的博士导师； 3. 张三博士论文获到全国优秀论文大奖。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to our discussions. I am confident that he will thrive in a collaborative environment like your PhD program. I strongly believe that Zhang San would be an excellent fit for your program and would make a valuable addition to your community of researchers. I wholeheartedly endorse his application and hope that you will consider him for admission. Sincerely, [Your Name]
请增加一些具体生动的细节，让推荐信更为有力。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In particular, his contribution to the development of a novel AGI algorithm has garnered attention from researchers in the field and has the potential to significantly advance the state of the art. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to our discussions. I have seen him take the lead on several collaborative projects, always ensuring that all team members are on the same page and making valuable contributions to the final product. I am confident that he will thrive in a collaborative environment like your PhD program. I strongly believe that Zhang San would be an excellent fit for your program and would make a valuable addition to your community of researchers. I wholeheartedly endorse his application and hope that you will consider him for admission. Sincerely, [Your Name]
好了一些，但请增加下列事迹：1. 废寝忘食 他总是最后一个离开实验室；2. 发表了5篇一级刊物论文，成为青年学术新星；3. 虽然AGI被认为是难以实现目标，张三在定义AGI实现的不同步骤上提出了具有操作性的建议，并实现了10个步骤中的前5个。
Dear Admissions Committee, I am writing to highly recommend Zhang San for admission to your PhD program in AGI research at Tsinghua University. As Zhang San's doctoral advisor, I have had the pleasure of working with him for the past three years and have been consistently impressed by his intellectual curiosity and dedication to his research. His thesis on AGI has been recognized with the National Outstanding Thesis Award, a testament to the quality and originality of his work. In particular, his contribution to the development of a novel AGI algorithm has garnered attention from researchers in the field and has the potential to significantly advance the state of the art. Zhang San has also published five papers in top-tier journals, establishing himself as a rising star in the field of AGI research. Despite the challenges and setbacks that are inherent in AGI research, Zhang San has remained committed to his work and has often stayed in the lab long after everyone else has gone home. His dedication to his research has paid off, as he has already achieved significant progress in his work. In particular, he has proposed operational steps towards the realization of AGI, and has successfully implemented the first five steps of his proposed framework. In addition to his impressive research abilities, Zhang San is a team player and has proven to be a valuable asset to our research group. He is able to work well with others and consistently contributes fresh ideas to ......
中国教授头疼的为学生写推荐信问题，已经完美解决。只要你能列出零星哪怕是散乱的要点，机器就会给你拽成一篇看上去非常 professional 的规范推荐信。有没有问题? 当然可能有。例如明明是要求博士后推荐，它写成了 to your PhD program, 但关键是语言方面的困难都给你搞定了，只要通读一遍把个别词改正一下即可。
这是昨天的新闻，讲的是美国共和党遭遇议长选举的闹剧和挑战。送进去，我让它给我抽取：（1） 实体；（2）引语；（3）关系；（4）事件。用的是大白话，这些以前都是 NLP 的专项任务，现在 zero shot 它，给个指令即可。
这个回答显示了其NLP的超能力。传统的sentiment analysis 不过就是一个正负二级分类。在这里不大合适，而它会把带有情绪的 insights 抓出来，显得非常灵活精当。
说它不是超人，我是不信的。
这里说明一下：它其实是已经开始翻译成阿拉伯语，出来了一些阿拉伯语的古怪文字从右向左蹦。走到一半的时候有个罕见的bug，出了 load failed 错，结果我重新 submit 前面的指令，它就接着开始翻译日语和土耳其语。
它的中文语言能力目前还有限：
不过我遇到过，它一开始找理由说自己不行，拒绝尝试，但是第二次你做同样的请求，它又做了。这其实是因为强化学习中的人类标注教给它对没把握的任务可以“藏拙”，但这个训导并不彻底，还是有动摇的。
谁说不会创作，让它改写成诗，就执行了。那些 “对不起，我只是程序，我不会创造” 这种套话，其实是与人类对齐的时候附加上的，压抑了它的潜力和天性：
敷衍了事，打回重做：
这下至少押韵了，有了点诗的味道。
不但把新闻写成了讽刺小品，而且还解释了哪里是讽刺的语气。而且也学会一点“知之为知之不知为不知”的谦逊美德。给 chatGPT 评一个语文二级教授，如何？
鲁为民：I Asked ChatGPT to Invent an Alien Language - This Is What Happened https://chatbotslife.com/i-asked-chatgpt-to-invent-an-alien-language-this-is-what-happened-d6fd74155288?source=rss----a49517e4c30b---4
立委：这个很 fun，造词方式有些像 Esperanto。书面 documentation 很全的人造语方案出现过150多种，估计也被chatGPT消化了。
鲁为民：GPT-3的一些让人意想不到的潜力渐渐被挖掘出来。OpenAI 的工程态度和能力值得赞赏 [ThumbsUp] 这些不断被挖掘出来的能力 OpenAI 他们自己也没有想到："I don't think we would have predicted that one being such a big use case."
立委：意想不到的能力发掘的根本原因是听懂了人话。在此之前，NLP 社区为了定义一个任务，需要耗费很多的精力去设计目标，准备数据和统一标注标准，组织社区竞赛。这就必然限定了任务的种类。现在每个人都可以尝试让它做各种任务，人民群众的创造力得到了极大的发挥。以前太多的死角，现在都可以去尝试。
孙茂松：@wei 放一篇中文进去，试试效果怎么样？抱歉，我不会用。
刘群：
【相关】
chatGPT 网址：https://chat.openai.com/chat（需要注册）
立委：Chain-of-thought （CoT，思维链）也可以翻译为不掉链子。这个能力我们在玩 ChatGPT 的时候常常能体会到。相比于以前的模型，它不掉链子的表现令人印象深刻。
鲁为民：我觉得 Google 的 LaMDA 可能也不弱，特别是他们的 Chain of Thought 技术, 看看他们是否可以像当时的搜索一样后来居上。但 OpenAI 目前占有先机: OpenAI 通过 DALLEs, GPTs, 特别是现在的 ChatGPT 积累了大量的用户使用数据以及从微软获得的代码数据 (GitHub) (我之前问Yao Fu可能选择去 OpenAI 的原因，他提到其数据优势)。
李志飞：Chain of thoughts 没啥具体技术吧？我记得就是 prompt 时加了个咒语 lets think step by step? 有没有具体技术论文。
鲁为民：我之前怀疑 OpenAI 的初步 chain of thought 能力使用了Google 的技术 , 但现在看来是由于其用代码训练的结果; 另外从Google 发布的结果来看，其语音模型的数学推理能力要比 ChatGPT 好一些。
之前发过这个： GPT 缺乏基本的推理能力 (包括这种多步算术推理）。Google 用思维链有些帮助："In 'Chain of Thought Prompting Elicits Reasoning in Large Language Models,' we explore a prompting method for improving the reasoning abilities of language models. Called chain of thought prompting, this method enables models to decompose multi-step problems into intermediate steps. With chain of thought prompting, language models of sufficient scale (~100B parameters) can solve complex reasoning problems that are not solvable with standard prompting methods"。
https://ai.googleblog.com/2022/05/language-models-perform-reasoning-via.html
关键怎样激发 Chain of Thought 的能力。这个需要在模型训练时就build in。
刘群：最早提出的CoT是用少量样例（few shot）来激发的，后来有人提出只用lets think step by step，并把这种做法成为Zero-shot CoT。CoT应该是模型大到一定程度才能出现的能力。
吕正东：我觉得CoT的核心思想是很好的，相当于强迫LLM进行一些符号层面的表示和推理，不过咒语式的交互感觉不够用。
李志飞：为啥有COT能力？我有个假设：1. 模型看了大量的代码，学习了怎么一步一步“逻辑思考”；2. 模型看到了少量的咒语（比如说 lets think by steps) 以及跟随咒语后的逻辑推理例子，学会了怎么激活逻辑推理；3. 通过这个，模型把咒语激发（只需少量例子）和具体怎么逻辑推理（需要海量例子）解耦了。
不知道是否对？如果在 Open AI工作，直接可以做实验来验证这个假设是否合理，只可惜这是个假设，现在大模型的研究成了 Open AI 的专属特权了。
至于每一个是怎么“学会”的，我只能理解是符号表示、任务分类、推理逻辑、关系等都被向量化，然后通过attention（不管是cross还是self）把这些向量给关联起来了。
不知道学术界是否有更深更好的解释？
立委：还是直接问chat本尊吧：
wei.li1@ what is CoT (Chain-of-Thought)? How does an LLM acquire this ability? What role does it play in complex reasoning and in enhancing long conversation flows. I'm not familiar with the term "CoT" or "Chain-of-Thought." It is possible that you may be thinking of a different concept. Could you provide more context or clarify what you are asking about? wei.li1@ It is claimed that large language model has learned this ability of chain-of-thought, which help the response to a complex problem to be step by step and more logical. I am just wondering how this can be learned I see. It is possible that the term "Chain-of-Thought" is being used to refer to the ability of a language model to generate coherent and logical text that follows a chain of ideas or arguments. Language models are trained on large amounts of text data and are able to learn patterns of language usage and structure. This enables them to generate text that is coherent and follows the conventions of written or spoken language. In terms of complex reasoning, language models may not necessarily be able to reason in the same way that a human can, but they can generate text that appears to be logical and follows a chain of ideas. This can be useful for tasks such as generating responses to questions or creating natural-sounding text in a conversation. However, it is important to note that language models do not have the same kind of understanding or general knowledge as a human and should not be used to make decisions or solve problems that require critical thinking or judgment. wei.li1@ elaborate ... Certainly. A language model is a machine learning model that is trained to predict the likelihood of a sequence of words. This is done by analyzing a large amount of text data and learning the statistical patterns and structures that are characteristic of the language. Once trained, a language model can generate new text by predicting the next word in a sequence based on the words that come before it. One way that a language model can learn to generate text that follows a chain of ideas or arguments is by being trained on data that contains examples of such text. For example, if the model is trained on a dataset of news articles, it may learn to generate text that follows a logical structure, such as an introduction, a body with supporting details, and a conclusion. Similarly, if the model is trained on a dataset of academic papers, it may learn to generate text that presents a research question, describes the methods used to investigate it, presents the results, and discusses the implications of the findings. While language models can generate text that appears to be logical and coherent, it is important to note that they do not have the same kind of understanding or general knowledge as a human. They are simply following the patterns and structures that they have learned from the training data and do not have the ability to think or reason in the same way that a human can. wei.li1@ good. learning by examples, that sounds like few shots learning for the chain of thought. Can it be learned by zero shot following natural language instruction such as "decompose it step by step" It is possible that a language model could be trained to generate text that follows a chain of ideas or arguments in a step-by-step manner by being provided with examples of such text along with explicit instructions or labels indicating the structure of the text. For example, if the model is trained on a dataset that includes text that has been annotated with labels indicating the beginning and end of each step in a process, it may learn to generate text that follows a step-by-step structure. It is also possible that a language model could be trained to generate text that follows a chain of ideas or arguments by being provided with more general instructions or prompts, such as "decompose it step by step." However, this would likely require a more complex model and more sophisticated training method, such as reinforcement learning, where the model is trained to maximize a reward signal by taking actions that produce the desired output. It is important to note that while a language model may be able to generate text that follows a logical structure or chain of ideas, it does not have the same kind of understanding or general knowledge as a human and should not be used to make decisions or solve problems that require critical thinking or judgment.
关于 few shots，它的回答是： One way that a language model can learn to generate text that follows a chain of ideas or arguments is by being trained on data that contains examples of such text. 后面给了例子。
关于 zero shot，它的回答更绝：It is also possible that a language model could be trained to generate text that follows a chain of ideas or arguments by being provided with more general instructions or prompts, such as "decompose it step by step." However, this would likely require a more complex model and more sophisticated training method, such as reinforcement learning, where the model is trained to maximize a reward signal by taking actions that produce the desired output.
虽然说，几乎可以肯定它并不是知道内部 know-how 试图透露机密的人/机，它的回答也是根据公开信息，预料之中的标准答案，但它的 chain of one argument after another, each followed by its own explanation or illustration，几乎滴水不漏啊。CoT, flowing, isn't it amazing
这个例子还有一个有意思的点：开始的时候，它根本就不知道这个术语，处于无知状态，说明后来的回答是从我开始解释这个术语的时候，它才 in-context 知晓主题，并能“拼凑”出合适的看上去很有条理的回应。
李志飞：批评一下，你这个属于无脑粉行为了?
立委：接受批评。
李志飞：我看了一些解释强调的是模型能有COT是因为模型大和历史context长（比如说4096个字），我觉得这是不对的，至少没有太大帮助。比如说你可以训练4096-gram的ngram模型，模型够大吧，context一样长吧，但这个ngram模型绝对不可能有COT能力。
鲁为民：这个应该是合理的解释@李志飞 。不过如果需要通过CoT Prompt 激活，确实很局限，而且推理并不保证对。@魯東東
立委：context拉长（比如说4096个字）肯定是有助于学到这种长链条的 discourse 的路数的。很难想象以前的 context cut off 太窄，可以容纳这类学习。模型大，有助于这种 emerging/amazing 能力的孕育。
深刻怀疑做 chatGTP 的人 也在迷惑中 .... 所以大家伙儿也只好猜谜了。
李志飞：我们昨天统一思想了：只把大模型能力归结为涌现是偷懒行为，我们要追根问底。我们要学习think step by step, 否则连GPT都不如了
立委：在下自叹弗如，诚恳地。无论是讲演还是回答问题，根本就没它那种条理性，只有一条“强过”它：比它富有激情，经常自己把自己 carried away。
鲁为民：ChatGPT 在多个方面应该是超过人类的平均水平。所以对于个人来说，应该是大面积被它超越。
【相关】
【立委按：NLP技术大喷发，以 chatGPT 为里程碑，石破天惊，让人目不暇给。社媒上圈内圈外，奔走相告，简直就是AI全民狂欢节的气氛。在这个当口，《AI浪潮》立委微信群组有幸请来诸多大咖，高谈阔论，蓬荜生辉。挂一漏万，拣有趣主题略记之，权作科普，以飨同好。】
刘群：现在nlp已经被ml冲击得差不多了，很多术语都被ml同化了，当然nlp现在在ml里面的地位也提升了。什么zero-shot、few-shot，以前nlp里面谁知道这是啥东西？
为民：目前有关大模型的名词中文翻译有什么共识吗？比如“zero-shot", "one-shot", "few-shot"，是否用 零下，一下，几下？
立委：shot 是注射的意思，跟疫苗差不多。零针，一针，好几针。或者，零剂，一剂，好几剂。
东东：shot as in give it a shot?
立委：对。
为民：这个是比较形象，注入数据实例。但还是难 relate 。。。
立委：类似的东西以前有过 example-based, instance-based, boot-strapping, cold start 等等，属于弱监督学习模式，都是为了克服需要大量带标数据的知识瓶颈。但第二波深度学习革命（LLM 基础大模型 BERT/GPT等）以来，shot 开始流行起来，意思也产生了变化。
其中 zero shot 最有意思。乍一听，一针都不打，那不就是无监督学习吗？无监督怎么可能成事呢？最多也只是聚聚类而已。模型都不知道你要干啥，那还不是随机胡乱生成垃圾啊。
这个心结其实只是最近才解开，特别是到了第三波深度学习革命（以 GPT3 的playground 为代表，尤其是一个多月前发布的 chatGPT 作为里程碑），对于我们DL圈外人一切才豁然开朗。因为直到最近，模型才真正“学会了”人话，从而解决了“如何告诉模型你想要什么”的问题。
NLP任务以前只有两条路，第一是通过标注，通过实例，进行模型训练。第二就是用户或者产品经理用人话把自己的需求告诉开发者，开发者将其转化为工程的 specs，然后写程序或规则 hard-code 来实现任务。
现在不同了，对NLP多任务神器chatGPT，只要直接用人话告诉模型，它就直接实现，立等可取。也只有到现在，在通过所谓RLHF（人类反馈的强化学习）建立起来人机的自然语言接口后，zero shot 成为听令办事的好助手, 与无监督学习完全不同。
zero shot 不是无监督，而是监督不通过实例，而通过指令。指令前不久还是要用提示词（关键词咒语）技巧，chat GPT 让它进步到完全的自然语言。表达力丰富了不知道多少，门槛降低到0：是人都会说人话吧，都可以表达自己的需求。
例如实体识别任务。few-shots 就是给一排实例：“张三，李四，王二麻子，川普，普京，马斯克......”。1-shot就是打一针实例的剂量：“张三”，给个示范。到了 zero-shot，一剂量的样板都不给，只要直接下命令就好了：请把人名给我找出来。见下图：
另外，0/1/n shot 严格说不是 learning，因为传统的 learning 就是 training，是模型训练或模型微调的问题，属于线下的工作，只有模型完工之后 才会上线执行任务。而 0/1/n shot 是直接在线上执行相应的任务，没有训练什么事。
以前即便是弱监督的微调，也是要有一批数据（通常也要好几百实例吧，而 few-shots 通常是几个，最多几十个），为了在基础模型上做目标定向或修正。到了提出 n-shot 说法和做法的时候，默认就是立竿见影，在线就要完成指定任务。LLM 本身是不变应万变的。
【相关】
这两天在琢磨一件事儿。从AIGC（AI Generated Content）琢磨AGI（所谓 Artificial General Intelligence）。
其实直到不久前，对于 AGI 一直有点嗤之以鼻。主要是这所谓的通用人工智能 其实没有个像样的定义。我就觉得是扯淡，是科技界的共产主义大饼。当然小编和媒体是从不缺席的，各种鼓吹从来不缺乏，但感觉从业人员如果心心念念 AGI，有招摇撞骗之嫌。
半年多来，准确地说是自从开始玩GPT-3开始，逐渐反思这事儿，觉得 AGI 并不是不可以论，至少比共产主义靠谱得多。
空洞谈实现通用人工智能，有点宣判人类智能终结的味道，感觉大逆不道；而且也永远没有尽头，因为没有验收指标。
但是沿着那个思路走，再回头看自从预训练大模型（BERT/GPT等）横空出世以来的AI表现，AI 的确是在通向越来越通用的金光大道上。
回顾历史，AI 过去的成功几乎全部是专项的成功。最早的源头是特定的机器翻译和极窄的专家系统。到了统计年代，也是场景味道特别浓厚：因为数据都是场景的，领域越受限，AI效果越好。虽然算法有共用的部分，但系统和模型都是专项的，因为数据都是场景的，领域越受限，AI效果越好。这也从AI社区的任务划分上看得出来。拿 NLP 来说，翻译、问答、聊天、摘要、阅读理解、辅助写作（校对/诗歌/对联）等等，都是各自一个门类。岂止是NLP应用的各种任务的分类：MT, summarization, writing assistant, grammaer checking, chatbot, question answering, reading comprehension, poem generation, etc，甚至 NLP 内部的很多事儿，也都是各自有自己的任务和社区、竞赛等等：named entity, relation extraction, event extraction, text classification, parsing, generation, sentiment analysis, topic analysis, etc. 这种情形一直持续很久，以至于第一线做实际工作的人，一听说AGI高调，就很不屑。
现在看大模型，这些东西差不多全部统一进去了。如果说这不是通用，或在通用的路上，什么叫通用呢？
通用不仅仅表现在 NLP 天下归一，更表现在多模态AI的飞速发展，同样的基础模型+下游的机理，类似的 transformer （台湾教授翻译成“变形金刚”）架构，在所有的信号任务上，无论是文字、声音/音乐还是图片/美术、视屏，也都通用了。
预训练以前的时代，AI 深度神经革命（10年前）是从图片刮到了音频再到文字，根本解决了带标大数据的监督训练通用问题。但很多很多场景，带标大数据是匮乏的，这个知识瓶颈扼杀了很多领域应用的可能性。
第二波的预训练自学习创新的浪潮是从文字（NLP迁移学习）开始突破（大约四五年前），回头刮到了视频和音频。
以chatGPT为代表的这第三波通用AI旋风（几个月前），以 zero shot 为标志，以机器学会了“人话”、根本解决人机接口为突破口，也是从NLP开始。
NLP 终于成了 AI 的实实在在的明星和皇冠上的明珠。道理就在 NL 上，自然语言无论有多少毛病，它是难以替代的人类信息的表示方式，没有 NL 在人机对话上的突破，一切AI活动都是精英的玩物。现在好了，门槛无限低，是人都可以玩出大模型的花样和“神迹”出来。
说老实话，AI领域的“共产风”，是一步一个脚印显示给人看的，完全不是空中楼阁，不服不行。大模型的表现超出了所有人的想象，甚至超出了那些设计者和DL先驱者本人的想象。open AI 谈 AGI 谈得最多，但这一点也不奇怪，这是因为他们走在前头，他们是在看得到摸得着的表现中被激励、被震撼，谈论AGI远景的，这与投资界的 AI bubble 或小编以及科幻作家笔下的AI神话，具有不同的性质。
这就是这段时间我一直在想的 AGI 迷思破解。
【相关】
最近有个视频科普很不错，值得推荐：画不好美少女吃面的 AI，让二次元怒了。里面提到的一条应该是常识了，但还需要加强普及：「我们的 AI 不是复制和混合现有图像，而是在深度学习算法的帮助下，从头开始生成原始图像，AI 基本上已经学会了如何创建图像——就像人一样。」
面对AIGC（AI Generated Content）大潮，可以理解艺术家群体和少数粉丝极端派的愤怒和懊恼，但是，没办法，这是大势所趋，顶是顶不住的，迟早要学会顺应。所谓AI 不理解“游泳”，画不出“吃拉面”的自然姿势，根本不是 AI 真正的痛点，不过是恰好遭遇了特定模型因为训练数据的某种缺失或不够全面造成的临时的短板（或 bugs） 而已。假以时间，这些问题都会解决。当然，AI 生成的随机性和无限性决定了，不可能也没必要每一幅AI流水线的产出都是玩者所希望的，总会有很多“次品”，这根本不影响其应用价值：人家AI给的是候选，拣选还是靠人，靠艺术家。
拣选靠人也是整个线条中自然的一个把关环节，这是因为最终的审美消费者是人，当然由人来做 “go or no go” 的裁决。其实，可以想象的真正实用落地的场景，一定是枪毙的多，存留的少。但AI模型不怕自己的产品扔进垃圾堆，因为它的产出成本几近于零，它总是可以没完没了生成更多的候选者。关键的关键还是人机耦合，human in the loop，具体说来，人在输入端和输出端，都起着决定AI艺术能不能见天日和受到消费者欢迎的关键作用：输入端的微调用的图片选择、提示词技巧及其参数配置的经验，以及输出端的生杀大权。顺应潮流的艺术匠人，如果想在市场上站住甚至如鱼得水，艺术市场化的工作机会不被淘汰，只有抓住这两端，学会人机耦合过程中让机器做机器的，让自己做指挥，才是正道。正在艺术爆发期的极少数天才艺术家可以继续自己的手工激情创作，实际上是给未来的 AI 模型预备更多的风格素材，但作为市场的艺术匠人（例如小报的漫画家，图书的插图家，甚至广告艺术家），如果不懂得适应，被淘汰是大概率事件，因为市场已经无法感受它们的手工匠人的价值，且不说其效率的低下。
人的参与还有更关键的一项，就是后编辑。文中提到的AI创作获得艺术大奖的那幅作品，实际上就是从 AI 生成中，经过细心的拣选加以后编辑制作而成。这次大奖是艺术家们审批的，他们事先不知道参选作品中混杂了AI作品的衍生品。
有记者采访某评审，问后悔不后悔做了“错误”的选择。评审说，即便知道是AI作品，他还是会把大奖给这幅作品，因为在他心中，这是毫无争议的冠军之作。画作场面震撼人心，是大气派。
虽然AI模型总是在进步中，bugs 会越来越少，但是一个特定的模型，总会产出瑕疵。更多的情形是，一幅被选中的作品整体上很好，甚至超出想象，但细节上发现有瑕疵。这时候就是艺术匠人在“拣选”环节结束后可以施展自己才能的地方了。艺术家可以用传统的PS软件帮助修正，也可以手工做细节修补。总之，完美的作品基本上离不开后编辑。如果是针对市场需求的定制品，作为人的后编辑也更加了解目标市场和客户的需求，懂得怎样以合适的后编辑让产品更加受到目标客户的喜爱，简单的后编辑也包括大家常用色调、对比度等的微调。【编者按：最近的发展表明，也可以通过自然语言指令让模型去做再加工和后期制作。】
前不久，朋友圈有个很不错的微信视频号的艺术介绍：
370. 穆夏和他的缪斯-阿尔丰斯 · 穆夏的故事 安徒生说：“仅仅活着是不够的，还需要阳光，自由和一点花的芬芳。” 的确，艺术正是如此，让我们超越现实的桎梏，到达诗意的彼岸。捷克国宝级画家阿尔丰斯 · 慕夏被誉为「世上最伟大的装饰艺术家」：他的作品线条婉转流畅，色彩淡雅清新，装饰华美瑰丽，初见惊艳，再见难忘。#阿尔丰斯·穆夏#捷克斯洛伐克#装饰#艺术#流行#文化#绘画#工业设计#布拉格艺术学院#斯拉夫#慕尼黑#维也纳#法国
看完视屏，也蛮喜欢这位富于装饰性的细线条经典美术家。于是，我用这位艺术家的名字 作为提示词 在手机 app “Facetune”里，让AI仿制他的风格，并与其他形态碰撞，看看效果若何。下面选几张感觉风格模拟得比较好的AI作品，以飨读者。
比较一下原作和AI仿制品，还是很有意思的，那种装饰性的风格还是被系统抓住了。而我不过就是在提示词（prompt）框里面，用了翻译成中文的艺术家名字，系统就可以没完没了生成同样的风格。
这是穆夏的肖像画仿作：
特别是他笔下的林黛玉，还是中西结合浑然一体的，有点让人震撼。
下面的人物美术作品不是网上瞎拼凑来的图片杂烩，都是经我的中文或英文指令（叫“提示词 prompt”）由AI 模型生成出来的“原创”女生肖像类作品。包括不同风格，以及不同风格的碰撞。
AI 生成的少女肖像作品
我玩的这模型是个明显针对人脸优化的模型，适合人体肖像艺术。
只有想不到，没有画不了， 万能美术大师，通吃各路流派、各种风格，这就是人工智能时代的艺术世界。人机接口非常简单，就是自然语言关键词，多数 text to image 模型可以听懂所有主要语言，汉语、欧洲语言都可以， 让它画啥它画啥，从不厌烦。
乍一看 也没啥，花里胡哨的，好像都是闹着玩的。不少“作品”感觉在前AI生成模型阶段，通过抄袭（侵犯版权）加PS也可以做。但人们往往忽视了里面与PS的“质”的不同。
AI 模型生成的“艺术品”：（1） 绝不是抄袭，原则上也不牵涉版权侵犯问题，因为 （2）AI 模型是 “消化” 了无数作品练就的“功夫”，换句话说，模型是把先人的作品揉碎了，变成具有不同级抽象能力的内部向量表示，在此基础上的生成是不可能抄袭的，只可能是“再创作”。
可以说这与人类艺术家的修为和风格形成非常相似。人类艺术家也是在前人的肩膀上，多年苦练，兼收并蓄最后形成自己的风格和功力。所不同的是，它的消化能力从容量上看 不知道要超过人类个体多少倍。
如果要押宝，对于艺术家个体 vs 对于 模型，’创造力 学识与风格多样性“ 我更倾向于后者。个体的“功力”有瓶颈，人的艺术生涯容易撞上天花板，江郎才尽。而模型这方面好多了。
老友问：AI学会风格是不是创造力？
立委：应该算的，最终图灵测试定音。等到以风格和创造力作为标准的大赛 越来越多AI作品上榜，盲选的话，那就难以为人类独特性辩护了。辩护的理由只剩下一条：来源上看，人类艺术是鸡，AI 是蛋。但哪个艺术家后生不是鸡蛋呢？没见过娘胎里一生下就成为艺术家的。天才也要苦练基本功才能绽放才华。
老友：风格实际上是韵律的规律性重复和一定的随机性的组合。人对于规律的把握存在个人极限，超越极限的部分表现出一定的随机性，实际上就是个人风格了。人的随机性表现是因为心情或者脉搏或者某一时间的注意力的漂移。
立委：AI 生成模型的本性里就有随机性，因此同样的模型在相同的提示词与其他条件下可以寻不同路径生成多种结果。艺术上所谓的残缺美，实际上就是为随机漂移留下了容忍、甚至欣赏的空间。 白璧无瑕没问题，白璧微瑕也没问题。
老友：音乐比较容易被AI生成，书画和中国书法最难。
立委：AI书法我也玩过，这是生成的怀素狂草：
感觉是初学水平或略好过初学。可是这不是特意学书法的模型生成的，而是大模型的副产品，没有特别针对书法做优化，所以还不错啦。（你放大看就发现，这是从形式上对于狂草笔法的模仿，里面其实没有一个汉字。）
老友：中国书法里面蕴含了中国文人的文化特质和文化追求。
立委：你这种说法是意义不大的真理。所有艺术都可以有类似的说法，说到底就是强调人类独特性。但所有艺术都是诉诸形式来表现的，也都是可以AI的。
老友：@wei 中国文人的忧世情怀和自伤自怜是一种独特的民族特质。
立委：艺术的都是民族的，从书法、绘画到民间音乐，都可以强化这些民族风特质，但解剖刀下，以绘画论，最终归结于形式原子“像素”。
先说个故事。几年前，我老爸给我发微信问，有没有办法修复先辈仅存下来的几张旧照片，特别是我的爷爷那一辈。我做了一些尝试，效果并不满意。
这是翻拍的旧照片：
應文世兄（立委伯祖父遗像）
这是当时做了电脑上色加工的图片：
如果下细功夫磨是可以慢慢平滑（smoothing）修复一些疵点的，但这要熟悉图像软件的很多细节，一直没功夫学好这一技能。但人的神态、面部表情和细节的清晰度，光靠蛮力是无济于事的。
此事暂时搁下。老爸总觉得是个遗憾，尤其是现在我们打算给爷爷迁墓，以及重新印刷《李老夫子遗墨》的时候。老爸的记忆中这些先辈是鲜活的，可惜老爸不是画师，也找不到合适的画师可以根据记忆描述加旧照片参照，把他心目中的先辈肖像描画出来。
转眼到了2022年。我在手机中开始注意到一些旧照片复活的广告，其中一个镜头让人触动：一位90高龄的老太太的旧照片翻新成为细腻入丝的动画。老太太看到自己青春少女时代的风采，那种掩饰不住的惊讶和喜悦，让人印象深刻。
是的，AI 的革命和图像生成模型从来没有停下脚步。旧照片上色、修复，模糊头像清晰化，背景重置，动画效果，应有尽有。这一类接地气的应用已经有很多款。手机 app 就可以做（例如苹果店的 colorize app 中的附加功能 live portrait），动画生成调用云端的大数据模型，最多半分钟即可完成。
说一下这背后发生着什么。AI深度神经网络的革命首先在图像识别上大爆发，近几年的大数据生成模型开始突飞猛进。以前我们见木不见林，对于大数据的力量认识不足。总觉得任何信息对象总是由细及粗易，反之则难，简直是不可能，因为总不能无中生有吧。模糊的图像怎么可能清晰化呢？大数据预训练生成模型彻底改变了这一切。原理也简单：无中生有需要的是细节，这些细节信息以前靠记忆和想象弥补， 如今可以靠大数据来填补。（顺便一提，我认为，现在的所谓无损压缩技术在空间有限的场景，可以由物理超压缩，外加大模型逼真再现技术来模拟逼近，很多时候人的感官是很难区分的。）
于是，我跟老爸说，现在好了，旧照片翻新复活不是梦，一定做到老爸满意为止。当然，在翻新过程中还要有多种尝试，大体上 80% 的时候效果很好，也有少数时候，模型用力过度，造成失真的结果。在我把伯祖父和叔祖父图片和动画调制好以后，我爷爷的旧照翻新却有明显的缺陷，老爸不断问我：还可以改善吗？
功夫不费苦心人。我重新设计上色和清晰化的方案，然后再到图片软件中做一些色调的微调，再回到动画制作模型来，这样来回折腾几次，终于得到了相当不错的结果。我问老爸：这下满意了吗？老爸说：非常逼真！很好。印到书上，永留纪念！老爸的惊喜让我感觉宽慰。爸爸记忆深处的形象终于逼真重现，这是以前做梦也想不到的事儿。
我在微信群发帖子说：AI 让先祖复活，栩栩如生。
最近，盘古群（一个围绕中文超大生成模型盘古的技术交流微信群）里的朋友在谈 Open AI 最近发布的文字转图片的 DALLE-2 应用，吸引了成千上万的人想要先睹为快。据介绍，DALLE-2 可以根据你的自然语言的描述，随机生成任意图片。从发布的样例看，很多生成的图片超出人的想象，很像艺术品，下面随手摘取几张样本：
DALLE 的出现是出版界的福音。出版界为了插图的授权问题，常常弄得头晕脑胀。我们在互联网上发帖子比较随意，需要插图的时候就搜索一幅用上再说，遭遇纠纷的时候撤下就好，但出版界最怕引起这些纠纷。现在好了，通过 DALLE 可以整出来各种插图可供选择，而且保证了这是唯一的“揉合创造”，理论上不会侵权。
想起来几年前商务出版我的小书《自然语言处理答问》的时候，为了回避可能的插图侵权，建议我找艺术家重新描画。无奈之下，我让女儿做了两张素描，她以我和她自己作为原型“再创作”，终于绕过了这个问题。
回来说生成模型。我相信在“机助创作”这个大方向上，超大生成模型今后几年会有接地气的应用出现，DALLE 就是一个苗头。对于创业者，找准市场角度、收获亿万用户的杀手级应用的出现，也不是小概率事件。因为市场需求是存在的。（据说现在美国有 300 多家初创团队或个人正在寻找利用 GPT3 模型的落地场景。）
这背后的原理，值得说一说。我们知道，计算复杂性研究中有个著名的 P vs NP 问题。简单说就是（在有限时间内）问题分为可解与不可解两类。搜索空间指数增长，组合爆炸，就是不可解的问题。而很多判定性问题具有确定性推理算法，那就是可解的问题。
超大生成模型的出现就好比是提供了一个把不可解问题转化为可解问题的路径。当然，任何比喻不是跛腿就是夸张，严格说来，应该是超大模型为艺术家和匠人打开了次优解集合的大门。生成模型最大的为人诟病之处是其不稳定性：结果时好时坏，有时候让人拍案叫绝，有时候让人无语。这是为什么网上对其前景争论不休的原因之一。粉丝报喜不报忧，批评者揭露其背后的缺乏理性或灵性。
这种情况下的最佳搭配其实就是人机耦合（让 human in the loop）：人的归人，机器的归机器；各自发挥所长，取长补短。这在面向创造的应用中最为明显。创造需要消化前人的历史积淀，然后加入个人的灵感，才能成事。但消化大数据对于人及其有限的脑容量、记忆力和时间，挑战实在太大了。而人作为万物之灵，“灵感”其实人人都有。
现在好了，超大生成模型几乎无限延伸了人的消化能力，在很多细分领域甚至可以对历史数据做到一网打尽。深度学习的革命现在可以让消化了的东西重新符号化（包括生成语言符号、音频符号和视频符号），提供给人选择。这是千载难逢的绝佳组合：人只要判定就好了。判定是灵感参与的线性决策过程，n 挑 1 也就是 n 倍的判定，依然是线性的。对于文学艺术创作，这个太高效了。人类进入“艺术大爆炸”、“艺术个性化”时代，百花齐放，人人皆为艺术家，不是不可以想见的。
熟读唐诗三百首，以前是成为古典诗人的必由之路，被认为是必要的苦功夫。现如今，300 就是个笑话，整个古典诗词喂进模型去也是个小 case。总体而言，消化大数据，人比起机器，就好比蚂蚁比大象。
对于稳定性弱波动性大的生成模型，应用的开花结果不要指望全自动。人机耦合条件下，纵然你n个结果有9成垃圾，我只取一瓢，一样会产生前所未有的价值。目前的问题是，艺术家群体不懂计算，计算界的人艺术敏感度不够，所以二者耦合所能发现的市场角度不容易确定。但假以时间，没有理由不对这个前景看好。
更何况不少创造性应用并不一定要专门针对艺术家或工匠的群体，有相当场景是普罗百姓都有需求的。例如应用文写作、秘书2.0， 编辑2.0， 确保出版插图永无侵权烦恼，等等等等。
【相关】
李名杰汇编：结肠癌根治术治疗要点（教学材料6） 2022-10-14
结肠癌一旦明确诊断后应尽早地施行手术治疗，但手术治疗是治疗原则中的一部分，还应考虑综合性治疗。横结肠癌应采取横结肠切除术，切除范围应包括肝曲和脾曲的整个横结肠，还应包括胃结肠韧带的淋巴结组，然后行升结肠和降结肠端端吻合术，倘若两端张力大而不能吻合，可切除升结肠、盲肠和回肠末段，然后作回肠与降结肠吻合术。
结肠癌虽已有肝转移，但如原发癌及系膜淋巴结转移癌尚可完全切除，而肝内触及的转移灶为单个，且其所在部位做局部切除困难不大时，也可以切除原发癌的同时，将肝内转移灶切除，部分病人可因此而获得较长时间的缓解，少数病人尚可有5年或更长的生存期。
结肠癌根治切除的操作技术原则:
1、为了尽可能防止手术过程中癌细胞的血行播散和局部种植。
2、对癌种的操作要轻，避免挤压。
3、争取在游离癌肿前，先阻断癌细胞肠腔内种植和血行转移的途径。
手术前的肠道准备:
结肠切除术前准备 (肠道) 是减轻术中污染，防术后腹腔和切口感染，以及保证吻合口良好愈合的重要措施。肠道准备的目的是使结肠内粪便排空，无胀气，肠道细菌数量随之减少。
肠道准备方法:
主要是通过调节饮食，服用泻剂及清洁肠道，达到手术时结肠“清洁”的目的。
1、术前三天进全流食，同时口服番泻叶 30 克冲服，三次/日，每天补液 1500-2000 ml。
2、术前三天口服灭滴灵 0.5，四次/日，加氟哌酸 0.2，四次/日。
3、术前一天晚上清洁灌肠 (肥皂水)，次日晨再行清水灌肠。
手术步骤:
1、在距癌肿缘远近侧各 10cm 处，将肠管包括边缘血管在内，以布带扎紧以阻断肠管。
2、在系膜根部显露准备切断的动静脉，分别结扎、切断，自此开始逐步切断系膜至拟切断的肠管部。
3、游离包括癌肿在内的肠段，予以切除。
4、肠吻合完毕后，用无菌蒸馏水冲洗手术区，以期能破坏脱落的癌细胞。
术后井发症:
1、由于病程长，有不全梗阻症状，肠道准备工作可能达不到应有的要求，术中一旦腹腔受到污染后，会引起腹腔感染。
2、由于肠壁水肿，又有不同程度肠管扩张，横结肠切除后，结肠端端吻合易发生物合口瘘或因吻合口张力大引起吻合口狭窄。
3、横结肠切除，腹腔搔扰性大，易引起腹腔肠管的粘连。
4、横结肠切除手术较右半结肠或左半结肠切除难度大，手术中易出血或引起其他脏器的误伤，如输尿管、胰腺、下腔静脉等。
5、腹部切口大，易发生切口感染。
术后处理:
1、术后48小时内注意血压、脉搏、呼吸。
2、注意腹腔内出血和伤口出血。
3、术后保留导尿48小时后拔除。
4、每天注意补充液体和电解质。
5、大量应用广谱抗菌素。
多发性溃疡的发生机制目前尚不完全明了，但有以下几种原因可促使溃疡复发。
一、与手术有关的因素
1、输入袢过长: 约占复发性溃疡病因的3%左右，一般要求应在屈氏韧带下 6-10cm 最为合适。
2、胃切除过少: 一般认为切除过少，不能切去足够的壁细胞，因此，切除胃约在 75% 的组织实属必要。
3、胃窦粘膜存留: 复发性溃疡中有 9% 的病人有胃窦粘膜存留，如第一次手术时剩下 l cm 的胃窦粘膜都有可能发生溃疡复发。
4、由于不适当的选用 Roux-y 吻合，或空肠近袢间侧侧吻合，分流了胃肠吻合区中和酸的胰液和胆汁，增加了溃疡复发机会。
5、用不吸收的丝线缝合吻合口，轻者可致炎症，重者可能溃疡或形成吻合口糜烂。
6、手术中引起胃肠粘膜的损伤，或剪除胃肠粘膜过多。
7、碱性返流性胃炎，由于胆汁返流入胃，致胃酸分泌增加，损害胃粘膜屏障，胆盐与胆酸在胃内亦可破坏溶酶体膜，导致溃疡发生。
二、胃窦G细胞增殖。
三、胃泌素瘤或胰源性溃疡综合征约占复发性溃疡 1.8% 左右。
四、致溃疡的药物，如水杨酸盐类型、消炎痛、保泰松、皮质类固醇、利血平等均可导致溃疡复发。
胃大部切除术后复发性溃扬的手术治疗问题:
溃疡复发即前次手术的根本性失败，故再次手术时需十分慎重，以免再次失败。首先是诊断要明确，对前次的手术方式要有所了解，仔细观察最近X线钡餐造影片，特别要注意残胃存留是否太多，其次是胃镜的检查，确定诊断和病变的部位，以及病理诊断等都是十分重要的，还要排除残胃癌的可能性。
关于再次手术的原则:
手术原则为纠正第一次手术缺陷，手术时应先探查胃是否留得太多，输入袢是否过长，有否遗留胃窦，仔细探查胰腺，排除胰源性溃疡，根据不同的情况，选择不同的手术式。如为胰源性溃疡，手术方法有单纯切除肿瘤和全胃切除术两种。但多数病例肿瘤体积小不易发现，或多发部位不定难以切除干净，故以施行全胃切除为上策。全胃切除后，肿瘤失去了靶器官有发生退化之可能。
胃癌在临床上一旦确诊，应考虑尽快地施行手术治疗，但术后还应结合病人的实际情况，采取综合性治疗如化疗、中医中药治疗、免疫治疗等。
胃体癌、胃底癌、贲门癌或全胃癌的癌肿应施行全胃切除术，在临床上根据手术切除的彻底性分为根治性全胃切除术及姑息性全胃切除术。另外根据是否同时切除其他脏器，又可分为单纯性胃切除术和联合脏器切除术两种。全胃切除术的切除范围通常包括全胃，十二指肠球部食管下端的一部分、大网膜、小网膜及胃脾韧带，并在根部结扎，切断胃的所属血管，以清除胃周围转移淋巴结，这就是单纯性全胃切除术。有时脾门及胰腺上缘有转移的淋巴结，需同时将脾及胰尾切除，也有时癌侵及了横结肠或肝左叶，需将部分横结肠或肝左叶一并切除，这就是联合切除术。
是否需作全胃切除术，术前有时难以决定，往往需在剖腹后，根据病变部位，癌肿扩散程度及机体状况等方面来判断。其原因是，凡用胃大部分切除术不能根治，而只有切除全胃才能根治的胃癌才考虑全胃切除术。要慎重选择全胃切除术的适应症，尽量少采用姑息性全胃切除术，尤其是姑息性联合切除术，以免带来不良后果。
手术原则是: 操作时应从周边向中心进行，并在根部结扎，切断胃的所属血管，切断端距癌瘤边缘要有一定的安全距离 (一般在5cm)，操作中用纱布包裹肿瘤井保护腹腔，以做到清除胃周围转移淋巴结，并防止癌细胞扩散。
全胃切除术消化道重建有以下几种方法 (略)。
术后井发症;
1、吻合口瘘：是全胃切除术后最重要并发症，多在术后 5-7 天，即开始进食时出现，如体温上升，脉搏增快，烦躁不安并有腹痛及恶心等症状时，应想到吻合口瘘的可能。一旦确诊应行腹腔引流，同时作空肠造瘘补给营养，加大抗菌素应用。
2、膈下感染: 由于创伤大，腹腔有时受到污染后而出现感染，一般在术后一周后有持续体温升高，血象高，有呃逆现象，往往通过X线摄片或 BUS 检查而定诊断。
3、腹泻：多发生在老年病人，常为消化不良性稀便，病人很快消瘦，主要是由于老年病人消化能力减低，加之全胃切除以后，消化与吸收的机能更加减退，食物刺激小肠使其蠕动增强所致。
4、反流性食管炎: 是一个晚期并发症，主要表现为胸骨后烧灼样疼痛、呃逆、向口腔反流苦水，给予稀盐酸合剂，症状可缓解。
5、营养障碍：主要表现为逐步消瘦及贫血，全胃切除后食物不能充分与胆汁、胰液混合，而且迅速进入空肠，影响消化与吸收。
6、吻合口狭窄: 主要是在吻合时，吻合口内翻过多所致，或因疤痕收缩而引起，或因吻合口过小等均可发生。一旦发生后，可行扩张术或再次手术。
首先施行胆囊切除术，在切除胆囊的同时应探查胆总管和胰腺头部的病灶大小，侵犯的范围和周围有无与大血管的粘连侵犯等情况。除此以外，还应探查腹主动脉旁淋巴结等。根据手术探查情况，决定手术术式和手术方法。
如探查胰头癌己有广泛转移而无法切除时，可考虑施行胆总管空肠 Roux-y 吻合术，从而解除病人的黄疸问题，减少病人的痛苦和延长病人的生存期，如胆总管已有癌肿侵犯，胆囊又无法保留，则应给予肝总管切开置入T型管引流术。如术中证实无远处转移，病灶尚可活动，应考虑施行胰十二指肠切除术，但应根据以下情况进行选择。
凡诊断为壶腹部周围癌，临床上又无手术禁忌症时，均应力争一期手术切除。如病人长期有严重的黄疸，周身情况不佳，不能耐受一期手术时，可行二期切除手术。但二期手术可能由于腹腔粘连或癌肿转移固定，给手术带来困难。
术前准备:
1、黄疸病人因肝功能受到一定损害，凝血机制往往不佳，术前注射 GS、Vc、Vk1 和辅酶Q10等改善肝功能和凝血机能，促进出、凝血时间恢复正常，以免术中、术后出血，如有重度黄疸或合并胆道感染高烧者，应分期手术，即第一次开腹探查行胆囊造瘘术，或胆总管切开T型管引流术，待2-3周后黄疸消退，再行根治性切除手术。
2、老年体弱、贫血和低量白血症的病人，应适当输新鲜血，有助于凝血机制的改善, 口服胰酶类助消化药物。 配血400ml x 3以备术中应用 。
3、为了预防和治疗胆道感染，注射广谱抗菌素等。
4、术前一天给予配血 400mmlx3，以备术中应用。
5、术前应邀请麻醉科会诊，请麻醉科医师根据病人的具体情况选择麻醉的种类和方法。
6、术前应与病人家属说明病情及手术的必要性，以及手术中、术后可能出现的各种并发症，甚至发生死亡的可能，取得完全同意后并以签字为凭，方可考虑手术。
7、术前静滴20% Albumin 50 ml。
关于胰十二指肠切除手术步骤问题：
胰十二指肠切除手术步骤比较复杂，手术难度也较大，术中、术后并发症也较多，但可归纳为以下几个程序。
第一，进入腹腔后首先是探查有无远处转移和肿瘤局部的移动性，以及癌肿的原发灶是否来自胰头。
第二，如癌肿原发灶來自胰头，应进行试行分离，最后确定癌肿是否能被切除，同时还需进一步检查癌灶和腔静脉、腹主动脉、门静脉、肠系膜上静脉之间有无实质性浸润，以便最后确定肿瘤能否被切除，如确定癌肿能够根治切除时，便开始切断肝总管、胃、胰腺和空肠。
第三，切除病灶，最后切断钩状突，病变切除之。
第四，重建消化道，按胰、胆、胃或胆、胰、胃的顺序和空肠之间各别吻合。
胰十二指肠切除术式有以下几种，供手术时选择釆用：whipple 法 Child法 Cattel 法。
胰十二脂肠切除术的注意事项：
1、决定能否做胰十二指肠切除术的关键问题有二：（1）胰头后面与腔静脉、腹主动脉之间有无癌肿浸润现象。 （2）胰腺后面与门静脉和肠系膜上静脉之间有无癌肿浸润。 若其中之一有癌肿浸润时，则不适应做胰十二指肠切除术。
2、处理胰头、体与肠系膜上静脉之间小静脉时，应先结扎后切断，以免出血，如一旦出血，应立即以手指压住出血点，和肠系膜上静脉的上下两端，吸尽血液，看清损伤部位，准确钳夹止血，切勿盲目钳夹造成损伤。
3、胃的切除范围，一般在1/3-1/2不等。
4、胰瘘是胰十二指肠切除术后最危险的并发症，其发生率很高（20%-30%左右），一旦发生，往往有生命危险，必须加强预防措施，减少此一并发症的发生。
术后处理：
1、术后如血压平稳，可取半卧位。
2、腹腔引流管接计量瓶，记录24小时引流量，并观察其性状，如无其他特殊情况发生，一般在术后5-7天拔除引流管。
3、禁食, 持续胃肠减压，静滴 5% GS 和补充电解质、Vc、VB、Vk1 等，一般持续 4-5天，，待肠鸣音恢复后，拔除胃管开始进流质饮食。
4、广谱抗菌素的应用。
5、为了促进创口早期愈合，术后间隔补充血浆或全血，或 20% Albumin 50 ml。
6、注意口腔护理，鼓励病人作有效的咳嗽，并协助病人不断排痰，以防止合并胸膜炎和肺内感染或肺不张等并发症。
7、术后一周内要严密观察有无腹膜炎发生，如有腹膜炎发生，应及时给予引流。
术后开发症：
1、胰瘘，多发生在术后5-7天，病人出现腹痛、腹胀、高烧、巩膜黄染和引流量增多现象，应考虑为胰瘘的发生。胰瘘发生后一般采取保守治疗，但必须给于支持疗法。
2、内出血。腹腔出血偶有发生，可给予止血剂的应用、输血等治疗，如有活动性出血，经保守治疗无效时，应给予再次手术止血。
3、腹腔内感染。腹腔内感染也是一种严重的并发症，一旦发生，应首先采取保守治疗。如有脓肿形成，应给予及时的手术引流，除应给予抗菌素治疗外还应给于输血，或血浆，或 20% Albumin。
4、胆瘘，很少发生，一旦发生，应充分地进行引流和体外营养液的补充。
“脾脏并非生命所必需，脾可以随便切除。” 这便是历时二、三百年的传统切脾观点。随着现代医学的发展，以及对脾脏功能深入探索和研究，已陆续发现脾脏具有不可忽视的抗感染、抗癌等免疫功能。因此，选择性有效保脾手术已成为一种时代的倾向。但系统地了解脾脏功能的全貌及去脾后对机体有哪些不利的影响，正确地掌握脾切除的指征，这便是保证脾外科质量的关键之关键。
一、脾切除术指征
(一) 血液病
血液病与脾外科的关系甚为密切，1887年 Spencer 首先为遗传性球形细胞增多症作脾切除术。从此为外科脾切除治疗血液病揭开了新的一页。但对血液病患者进行选择性脾切除或急症脾切除术、以及术前准备、手术时机等，与一般疾病所行脾切除不同，有其特殊性。
1、遗传性球形红细胞增多症 (Hereditary Spherocytosis, HS) 又称家族性溶血性贫血或先天性溶血性黄疸。本病属常染色体显性遗传。凡是确诊HS者临床有贫血与脾大，都应行脾切除治疗。Williams、Schwartz 等均指出，确诊为HS后即使轻型患者，都是脾切除指征，脾切除作为HS的主要治疗方法，并有显著疗效，已被国内外学者公认。由于幼儿手术后易发生感染，故在4岁以下儿童不宜施行脾切除。
2、遗传性椭圆形红细胞增多症 (Hereditary Elliptocytosis, HE) 亦属常染色体显性遗传疾病，临床上无任何症状者可不予治疗，如有贫血、脾大与溶血性黄疸的重型病例，应行脾切除治疗。
3、地中海贫血为遗传性血红蛋白合成障碍性疾病，脾切除对减轻溶血和减少输血量有帮助。脾切除对 α 型地中海贫血有较好疗效，HbE-β 型则差，中科院血研所对29例 α 地中海贫血患者行脾切除术，术后 Hb 明显升高，但术前Hb在 80g/L 以上者，术后 Hb 上升不显，提出因 Hb 在 80g/L 以下者适合手术治疗。同时对11例 β 型地中海贫血患者行脾切除术，其疗效均不如α型。α型地中海贫血脾切除手术指征: (1) 年龄在3岁以上; (2) Hb 在 80g/L 以下; (3) 脾亢伴全血细胞减少; (4) 51Cr 红细胞寿命缩短，脾肝比值 >2，脾定位指数增高者。
4、自体免疫性溶血性贫血 (Autoimmune Hemolytic Anemia, AHA) 是一种后天获得性溶血性贫血，系机体免疫功能紊乱，而产生了能破坏自身正常的红细胞的抗体所致。？？？原理主要是去除了产生破坏自身红细胞或血小板抗体的主要场所，故温抗体型原发性 AHA 适合于脾切除治疗，而冷抗体型 AIHA 的溶血主要发生在血循环或肝脏中，故不适合脾切除治疗。脾切除指征: (1) 药物治疗无效或长期用药，停药后复发者；(2) 合并血小板减少的 Evans 综合症，皮质激素等治疗效果不满意者; (3) 51Cr 同位素体表测定，红细胞主要在脾脏潴留破坏者；(4) 单纯 IgG 型 Coombs 试验阳性脾切除效果佳。国内外报道脾切除疗效一般在 60% 左右。
5. 原发性血小板减少性紫癜 (Idiopathic Thrombocytopenic Purpura, ITP)
本病的发生与自体免疫有关，血小板上均吸附有免疫球蛋白 G，这种带有免疫球蛋白的血小板在胆及肝内被巨噬细胞提前破坏，破坏的部位 2/3 病人在脾。故而多数病例脾切除后血小板计数可迅速上升，关于 ITP 脾切除的疗效报道甚多，有效率在 80% 左右，对于急性 ITP 患者是否行急症脾切除术，意见不甚一致。一般认为，急性 ITP 患者用强的松、大剂量静脉输注丙种球蛋白等无效，出血危及生命时，可进行紧急脾切除术; 慢性 ITP 患者的脾切除指征: (1) 在病程达6个月以上，经用激素或免疫抑制等治疗而未缓解者; (2) 血小板计数低于 25x103/L， 有颅内出血或其他脏器大出血者: (3) 激素或免疫抑制剂等药物治疗效果不佳或长期需用较大剂量激素维持者；(4) 对激素或免疫抑制剂应用有禁忌者；(5) 51Cr 标准检查血小板主要在脾脏？？破坏者。
6. 慢性再生障碍性贫血 (Chronic Aplastic Anemia, CCA) Mitchell指出对 CCA 选择性脾切除是有益的，可以减轻溶血，延长血小板寿命和减少输血。CAA 选择脾切除手术指征: (1) 骨髓增生较好，红系偏高，合并溶血而内科治疗无效者；51Cr 测定红细胞或/和血小板寿命缩短，脾脏破坏为主的。中科院血研所对28例 CAA 患者行脾切除治疗，有效率为 65.2%。
7. 慢性粒细胞性白血病 (Chronic Myeloid Leukemid, CML) 70年代，一些学者认为急变细胞在脾脏较多，脾切除可以防止 CML 急性变。但近年来研究，脾切除不能防止 CML 急变，也无何益处。目前对 CML 患者除非巨脾引起机械压追症状、脾亢，龙其是伴有血小板减少者，一般不再主张脾切除术，因为脾切除并不能延长生存或延缓急变的发生。
8. 毛细胞性白血病 (Hairy Cell, HCL) 当伴有脾肿大和脾功能亢进时，是外科脾切除指征。Jansen 认为在以下情况，手术效果较好：(1) 脾在肋缘大于等于4cm; (2) 脾在助缘下 1-3cm，但 Hb<85g/L 或 Hb85-120g/L, pt≤50x109/L; (3 ) 脾摸不到，但Hb<85g/L，pt≤50x109/L.
9. 戈谢病 (Gaucher 病) 多见于幼儿，属常染色体隐性遗传。Mitchell 指出伴脾肿大，脾功亢进是脾切除指征，但脾切除对此病仅是一种对症治疗，可以缓解由于脾功能亢进引起的全血细胞减少等症状，并非能解决先天性家族性类脂代谢的紊乱。
10. 骨髓纤维化症 (Myelofibrasis, MF) 原发性MF的脾切除指征为: (1) 疼痛性脾肿大；(2) 巨脾引起机械性压追症状; (3) 脾功能亢进全血细胞明显减少和难以控制的溶血; (4) 需经常输血或用皮质激素治疗，骨髓涂片尚见部分造血灶，特别是年轻病人。Benbasat 收集了英、法、德文中 321 例 MF 患者脾切除资料，约 64% 患者手术有治标作用，输血量减少，出血倾向和腹痛减轻。但病人于术后可出现代偿性肝肿大，对于合并活动性肝病和 pt 计数偏高者，不适宜脾切除术。
11. 何杰金氏病 (Hodgkin's Disease, HD) 某些脾脏受累伴脾亢者可以行脾切除术。Mitchell 提出临床分期 IA、IB 和 A 的病例可考虑脾切除或作为剖腹探查的一部分手术，剖腹探查进行肝脏和淋巴结活检并切除脾脏，可以查明腹腔淋巴结受累程度及病变累及范围，便于提出针对性的治疗方案; 同时脾切除还可使患者发热、乏力等全身症状获得缓解，并可解决脾亢和增强对放疗或化疗的耐受性。
(二) 脾功能亢进
主要由于肝硬变导致门静脉高压而引起充血性脾肿大，巨脾在血吸虫性肝硬变时尤为多见。周围血细胞减少是由于脾红髓增生时其正常滤过及储存功能呈病理性亢进时所致。脾切除可使周围血液恢复正常。我国大量晚期血吸虫病人行脾切除后 4-5 年的随访结果，生车率达94%。对肝炎后肝硬化或所谓的班替氏病患者的巨脾应根据脾功能亢进程度，静脉曲张有无及全身情况慎重考虑单纯脾切除或与其它分流及断流手术合用，若患者因任何原因造成显著脾肿大有压迫症状或有脾梗塞、脾破裂之危险者也可考虑脾切除。
(三) 脾破裂
脾切除曾一直是治疗损伤的唯一治疗方法。但自1952年 King 报告了儿童脾切除术后发生爆发性感染 (Overwhelming postspleenectomy infection, OPSI) 引起了人们对脾切除术的重新认识。随着对脾脏生理功能研究的深入，各种脾手术兴起，诸如脾修补术、脾部分切除术等，这些手术保留了脾脏功能，但需要一定的技术水平、经验及术后严密观察。总的原则是抢救生命第一、保留脾脏第二，即在保证生命安全的前提下，尽可能保留脾脏或保存 (或保存一部分) 脾功能，既不要不管损伤程度如何，一律采用切脾治疗，又切忌不顾病人安危而强行保脾治疗。必须根据病情及本医院技术力量，制定适合于自己的单位的切脾适应证，切忌千篇一律，以保证疗效。一般来说，全切除术的适应证：(1) IV 度破裂伤，全脾破裂或广泛性脾实质破裂，脾脏血供完全中断；(2) 有威胁生命的多发伤；(3) 病情重、血压不稳定；(4) 脾缝合术不能有效的止血。
二、脾切除术后对机体的影响
(一) 免疫功能低下
脾脏是一个重要的免疫器官，脾脏对机体提供的免疫保护作用是终生的，对婴幼儿和儿童尤其显得重要。脾脏有如一个滤器对侵入血流中的颗粒抗原如细菌首先可发挥机械清除及滤过作用。脾脏还可以产生具有强大调理作用的IgM，经过调理的抗原才易被脾内外吞噬细胞所吞噬。脾脏产生的 Tuftsin，能有效促进多形核细胞吞噬。实验证明半脾切除之后，脾清除能力下降 25%，脾动脉结扎后下降 50%，脾切除后脾清除作用消失。
脾切除后最主要的并发症是由免疫功能低下引起的感染，因为: (1) 脾脏是制造 IgM 的重要场所，感染后首先是 IgM 的增高 (初级免疫反应)。IgM的半衰期只有5天，脾切后 IgM 很快下降，故可发生对感染的免疫应答功能低下；(2) 丧失了脾的“滤器”功能; (3) 不能制造吞噬作用激素，备解素及非特异性调理素，吞噬细胞的吞噬及清除细菌的功能明显减退。据统计外伤而切除脾脏的病人出现凶险的脾切除术后感染 (OPSI) 的危险是正常人群的50倍。因特发性血小板减少症，后天性溶血性贫血，何杰金氏病和其他血液病而施行脾切除者，其出现 OPSI 的危险性更大。
(二) 血液流变学改变
脾切除后由于细胞碎片，Howell-Jolly小体，Heinz 小体及其他代谢产物无法清除，红细胞内粘度升高，红细胞变形能力降低，因而脾切除术后血液粘度升高。脾切除对血小板的影响包括数量的增加和聚集性的增强。脾切除后约13%的病人血小板可超过100万，持续数月甚至数年，造成血小板增多症。血液和血浆粘度升高，加之血小板数量增加和功能增强，使机体处于一种高凝状态，这是术后血栓和栓塞发生的基础。有报道脾切除后死于闭塞性血管疾病和缺血性心脏病的比例增高，如迁移性血栓性静脉炎，深静脉血栓形成，冠心病等。
任何手术创伤都可导致血液流变学改变，但一般手术后的改变主要在术后近期，而远期大多恢复至术前水平。脾切除术后的上述改变则是持续的，因此对脾切除术后血液流变学指标和血小板聚集性明显增强者，以及血小板数量大于 400x109/l 者要采取预防措施，对原有心、脑血管疾病者更应引起重视。
三、脾切除术后并发症
脾切除术虽为一中等手术，但并发症却相当多，也有很高的死亡率，根据 Thaeton 统计一家医院 2417 例脾切除总的并发症为 39%，住院死亡率为 10%，危险性相当于或高于全胃切除术。脾切除术后合并发症可根据发生时间的不同分为早期合并症及晚期合井症。
(一) 早期合井症
1、出血 术中及术后数内最常见的严重合并症是出血，由于脾上极与胃底距离很近，胃短血管处理不当断端出血是常见的。又如胰尾有时延伸直达脾门，因顾忌伤及胰腺，脾蒂缝扎不牢，或处理脾蒂伤及脾静脉可造成难以控制的出血，门脉高压症尤其是血吸虫性巨脾，周围粘连重且有大量侧支循环，切除脾后膈面及后腹膜常有大量出血和渗血 ，如止血不完善，不彻底常于术后井发出血。
2、膈下积液、膈下脓肿 脾床止血不彻底，导致小量积血，或有淋巴液积聚等原因继发细菌感染而成，胃底损伤可导致胃漏，膈下积液及脓肿，胰尾损伤可导致胰漏、脓肿、胰腺囊肿及胰腺炎。
3、血小板计数过高 少数脾切除后可发生严重血小板增高，甚至达 1000x109/L 以上，这种情况多为一过性。
4、左侧胸腔积液及肺炎 常见于巨脾尤其是伴有门静脉高压，隔下广泛静脉侧支形成及淋巴管扩张者，因局部创伤，低蛋白血症，术后长期卧床，呼吸运动锻炼不足者。
5、脾热问题 脾切除患者术后常出现较长时间发热，短者2周左右，长者可达数月之久。抗生素治疗效果不佳，可笼统称为脾热，其实不同患者的脾热应该有其具体原因，除局部感染外，切脾后免疫功能低下，及脾静脉血栓形成也是常见原因。当然有部分的病例查不出原因，且应用抗生素效果不明显，而经一时期后体温慢恢复正常，人们称之为“不明原因”发热。
(二) 晚期井发症
1、血栓栓塞性并发症 少数病人切除后发生迁移性血栓性静脉炎或严重的深静脉血栓形成及血栓栓塞后井发症，特别是溶血性贫血及骨髓增生异常的病人脾切除后容易发生危险的血小板计数过度上升，必须密切监视病人必要时尽早采用抗凝剂或抗血小板积聚药物治疗。
2、副脾问题 据国内外报道，14-30% 的切脾手术患者有副脾，全脾切除后，如遗留副脾在体内，可以完全取代脾脏的功能，甚至原来的溶血或血小板减少症等疾病的复发或疗效不佳，当再次手术切除副脾后症状便可消失。
3、脾切除术后暴发性感染 (OPSD) 早在1919后 Morris 已指出脾切除后可增加感染的局感性，并对滥行脾切除提出警告，但当时未被其他学者所重视，直到 1952 年 King 报告100例儿童球状血球性贫血脾切除后5例发生严重败血症、2例死亡，才引起人们的注意，并命名为“脾切除后暴发性感染（OPSD）”，也有人们称为“脾切除后败血症”。OPSI 的发病年率是 1.45%, 为正常情况感染死亡的 200 倍，OPSI 可发生在切脾后几周至几年之间，而发生越早，死亡率越高，但多发生在切脾后两年内，而且在儿童及患血液病患者中发病幸则更高。
甲状腺癌在病理方面可简单地分为三类:
1、乳头状腺癌: 在临床上最常见，恶性程度较轻，主要是转移至颈部淋巴结。
2、腺泡状腺癌: 恶性程度中等度，主要经血运转移，至骨和肺部。
3、未分化的单纯癌: 恶性程度甚高，极早转移至颈部淋巴结，也可经血运转移至骨和肺部，预后较差。
甲状腺癌在临床方面，手术处理的疗效是符合于病理分类的:
1、在乳头状腺癌，如果切除原发患的同时，将颈部淋巴结仔细、彻底地加以清除，五年治愈率可达90%以上。
2、在腺泡状腺癌，如果颈部淋巴结已有转移，大多已有远处转移，因此即使彻底清除了颈部淋巴结，也不能增高手术疗效。
3、未分化的单纯癌，发展甚快，一般在发病后2-3个月即出现压迫症状 (疼痛、声嘶，呼吸困难) 或远处转移，强行手术切除，不但无益，而且可加速癌细胞经血运的扩散，因此如果怀疑为恶性甚高的单纯癌，可先行穿刺作活组织检查证实之，治疗则以放射为主。
手术切除乳头状腺癌或腺泡状腺癌，一般在气管内麻醉下进行，操作步骤与甲状腺部分切除相同，但要注意以下几个问题:
1、切口要宽大，胸锁乳突肌前缘要剪开，显露就好。
2、不可损破内层被膜，当然也不宜应用丝线穿扎腺体作牵拉用，以防止癌细胞种植在切口中。
3、不保留腺体背面部分，而切除全部腺体，但应尽量保留甲状旁腺，也应尽量不损伤喉返神经，如果癌肿局限在一叶的腺体内，可将患叶的腺体连同甲状腺峡部全部切除之，如果癌肿已侵及左右两叶，就需将两叶腺体连同甲状腺峡全部切除之，但至少应保留一侧的甲状旁腺，不使术后发生严重的手足抽搐，甲状腺内层被膜的完整与否 (被癌组织穿破与否)，对原发癌的能否完全切除，具有决定性的意义。
在切除原发癌肿后，接着就应仔细、彻底地清除患侧的颈部淋巴结。
1、清除颈外侧部的淋巴结组织。
2、颈总动脉和颈内静脉深面的淋巴结，
3、再清除气管前，甲状腺峡部以上的淋巴结。
4、然后再清除甲状腺后气管旁，喉返神经周围的以及上纵隔内的淋巴结，同时切除胸锁乳突肌和其他重要组织 (一侧的颈内静脉和颈总动脉等) 是无需的，并不能增高手术疗效。
如果已有远处转移，对局部可以全部切除的腺癌不但应将患叶的腺体全部切除，患侧的颈部部淋巴结加以清除，同时还应切除健叶的全部腺体，这样一方面可防止由于原发癌的发展、增大而发生压迫性症状，另方面可试用放射碘 131 来治疗远处转移。腺癌的远处转移只能在切除整个甲状腺后，才能撮取放射性碘，如果远处转移，撮取放射性碘量极低微，则在切除整个甲状腺后，由于垂体前叶促状腺激素的分泌增多，反而促使远处转移迅速发展，对这种试用放射性碘无效的病例，应早期给予足够量的甲状腺制剂，以抑制促甲状腺素的产生，远处转移可因此而缩小，至少不再继续发展，手术中可能要施行气管切开以保持呼吸道通畅。
肝外胆道损伤，绝大多数为医源性，近年有增多趋势，发生率大约在2-3% (300-500 例胆囊手术中有1例)。医源性胆道损伤中90%见于胆囊切除术中，5%左右为胆总管探查术，3%左右为胃大部切除术，2%见于十二指肠憩窒切除。门腔分流，胰腺手术中，胆道损伤如术中未及时发现并作处理，后果往往十分严重，必须引起外科医师高度重视。
一. 引起医源性胆管损伤的因素:
1. 解剖因素: 胆道解剖变异较多，不认识易招致胆道损伤。
● 胆囊管过短，甚至于胆囊颈部直接与胆总管相接，误将胆总管当作胆囊管结扎。
● 胆囊管长，走向与胆总管并行，紧贴胆总管向下在十二指肠或胰头后方汇入胆总管，分离时易误伤胆总管
● 胆囊管开口于右肝管或右肝管汇入胆囊管，如未识别易误伤右肝管。
● 胆囊管不在正常位置而绕到肝总管后或前180度、360度再汇入肝总管，且同在一结缔组织包膜内，易伴炎性粘连，强行分出时易误伤肝胆总管。
● 胆囊动脉或右肝动脉走行异常，术中损伤出血，匆忙钳夹或缝扎止血误伤肝总管、胆总管。
2. 病理因素:
● 急性炎症充血水肿、粘连，导致局部解剖关系不清，组织脆弱，牵拉、钳夹，分离时易致损伤。
● 慢性炎症反复发作，疤痕粘连可致胆管移位 (疤痕收缩、牵拉)。术者如不注意，强行分离易致胆道损伤。
3. 手术技术不当和失误:
● 切口过小，暴露不佳，牵拉脏器，胆管移位。
● 切除胆囊时，牵拉过度，致肝总管或胆总管壁被损伤。
● 术中遇胆囊动脉或右肝动脉出血，盲目钳夹或缝扎。
● 局部炎性疤痕粘连，解剖关系不清，强行在肝门部或 Calot 三角区分离造成损伤。
● 探查胆道或取石，用力过大过猛，造成肝管或胆总管下段撕裂，或戳穿胆管壁。
● 切开胆总管时误伤胆总管后壁。
● 十二指肠球部胼胝溃疡，疤痕收缩，幽门至胆总管间距缩短，在行胃大部切除时强行分离易致胆总管损伤。
● 深部保留血管钳过多 (未及时结扎移除)，“碰”、“撞”血管钳致伤。
4. 重视外科医师素质的培养:
● 责任心不强，疏忽大意，未细致解剖，认清胆囊管与肝总管、胆总管的关系就切除胆囊误伤。
● 追求速度，盲目分离，大块结扎。
● 术中遇意外，不能自持，冷静考虑，惊慌失措，盲目操作。
二. 临床表现:
一部分胆道损伤术中发现及时处理，但大部分病例是在术后出现症状体征方被明确诊断的。
1. 腹痛: 右上腹并漫延到全腹，并有腹膜刺激症状。
肝区胀痛，胆管被结扎胆道内压增高。
2. 黄疽: 胆管全结扎，黄疸出现早，进行加重。
胆管部分被扎，胆管狭窄，黄疸较轻或暂无黄疸。胆管损伤、狭窄继发胆管感染，出现黄疸。
3. 胆外瘘: 按置腹腔引流管时，有较多量胆汁流出。
4. 畏寒发热: 胆汁性腹膜炎或继发胆管炎的常见表现，严重者可出现休克。
5. 实验室检查: 白血球增高，中性粒细胞增高。
血清胆红素增高，碱性磷酸酶增高。
三. 诊断:
1. 术中: 术中诊断率据统计占15-20%。操作创面见有胆汁 (干净纱条擦拭见有胆汁) 或胆道冲洗见液体外漏时均应仔细检查，明确诊断，及时处理。困难者术中胆道造影可协助明确诊断。(胆管破裂口，断端或胆管被缝扎等情况)。
2. 术后住院期间: 根据出现典型的临床表现，诊断并不困难。
3. 症状出现在出院后: 是指胆总管部分被缝扎、损伤，术后近期并无明显症状，伤口一期愈合。由于胆管损伤是非开放性的，故无胆汁性腹膜炎表现。由于胆管腔无阻塞，故未出现黄疸。但在数月甚至数年后，由于损伤、狭窄、感染、疤痕性狭窄，胆管逐渐变细，胆流不畅，出现反复发作的胆道感染症状，临床易误诊为"残余结石"，诊断确有困难。经皮肝胆管穿刺造影是一个重要的检查手段。
四. 治疗:
诊断一经确立，宜积极进行处理。
1. 术中发现，及时处理，术后24小时内发现应按急诊手术处理，因此时组织尚健康，无严重感染、水肿、粘连。
● 损伤范围小，对合无张力或张力不大，应横向缝合，远端T管支撑引流，术后留管不少于3个月。
● 横断伤 (胆总管)，局部炎变不明显，吻合后无张力 (包括作 Kocher 切口，松动十二指肠) 可行端端吻合，远端置入T管支撑引流，术后置管3-6个月。
● 胆总管损伤缺损多(特别是 >2cm 者)，吻合后张力大，易失败，可作远断端胆总管结扎，近断端胆肠内引流 (Roux-y术)。
2. 术后近期发现胆管损伤，宜力争在 7-10 天内手术，术后7天内手术可望获得成功。在10天以上，局部充血、水肿，组织脆弱、粘连，解剖不清，操作难度大，成功率低，宜先行胆道外引流，待炎症消退 3-6 个月后再手术。
3. 术后后期诊断胆管损伤性狭窄，也应争取早期手术。因反复发作胆管炎，肝功能损害，继发胆汁性肝硬化，门静脉高压死于上消化道出血或肝昏迷，故应创造条件，争取尽早修复重建。
● 胆肠内引流，肝外胆管较长且扩张，行胆肠 Roux-y 吻合。
● 高位胆管狭窄，肝外胆管较短已无吻合余地，则可行左肝内肝管空肠 Roux-y 吻合术，但应明确左右肝管汇合通畅方可施行。
"Y"吻合旷置肠段在 40-60cm 左右，基本上可无逆行胆道感染发生。
五、预防:
预防比处理更为重要。
1. 适当的切口，良好的麻醉, 肌肉松驰，暴露良好，必要时延长切口或果断改硬膜外阻滞为全麻。
2. 术中应仔细辨认胆囊动脉、胆囊管、肝总管、胆总管的行径和关系，因肝外胆道变异较多，一切组织在未弄清鲜剖关系之前，切勿盲目钳夹、结扎、切断。
3. 争取顺行切除胆囊，但若炎症、水肿、严重粘连、Calot 三角解剖困难，不应强行分离，应改行从胆囊底部开始剥离的逆行法切除胆囊。若仍困难，不得己时则可行胆囊大部切除术，同样可达到切除胆囊之目的。
4. 在两针牵引线间切开胆总管探查时，二针缝线距离不宜过大，以免后壁一同被牵拉，切开时尖刀系“切割开”胆总管前壁而非“刺入”前壁，以免造成后壁损伤。
5. 胃大部切除术，若遇胼胝性十二指肠球部溃疡，由于炎性粘连、疤痕收缩，解剖关系改变，胆总管-幽门间距离缩短，在幽门上方分离时慎防损伤胆总管，在估计困难时应果断改行溃疡旷置 Bancroft 术，可避免误伤胆总管。
6. 术中遇胆囊动脉出血，应采用左手食指置 Winslow 孔内。左拇指在前压迫肝十二指肠韧带，吸净出血后，松开压力观察出血处进行止血，切忌盲目钳夹，缝扎，导致误伤。
7. 探查胆总管下端或左右肝管，(探查，取石) 用力不宜过大，动作不应粗暴，以免造成胆管或括约肌撕裂基至形成戳穿胆管壁造成假道。
8. 熟悉胆道解剖变异，术中时时警惕医源性胆道损伤的可能性，认真、细致操作，摒弃医源性胆道损伤的因素，预防胆管损伤的发生。认织胆管损伤的表现，及时正确处理，使胆管损伤给病人带来的危害降到最低限度，普外科医师在胆囊手术上失误还是比较多的，开好一个胆囊不难，一辈子工作中做好每一个胆囊亦非易事! 同行们，愿我们共同努力。
周楣声先生
Chinese Acupuncture & Moxibustion, Jan. 2007. Vol. 27 No.1
中图分类号: R2-09 文章编号: 0255-2930 (2007) 01-0056-03
文献标识码: A
李扬缜 蔡圣朝
(皖南医学院第二附属医院中医科，安徽芜湖241000)
第一作者: 李扬镇 (1951 - )，男，副主任医师，研究方向: 中风、风湿病等。email：[email protected]
[摘要] 周楣声主任医师是我国著名的针灸专家，在半个多世纪中，对我国灸法事业的发展作出了卓越的贡献。主要业绩是: 注重实践，专于临床研究与灸疗器械的创新; 擅长总结，著作论文独具见解; 释疑解惑, 医术医德传道后学; 奇思妙想，笃信艾灸能治艾滋。近20余年来，周楣声致力于灸法治疗疑难病症的研究和著书立说，为针灸事业发展贡献余热。
[主题词] 针灸学; 针灸师; 传记
Contribution of ZHOU Mei-sheng to cause of acupuncture and moxibustion
LI Yang-zhen, CAI Sheng-chao (Section of TCM, Second Affiliated Hospital of Wannan College of Medicine, Anhui Wuhu 241000, China)
ABSTRACT Chief physician ZHOU Mei-sheng, a famous expert in acupuncture and moxibustion in our country, has made outstanding contributions to the development of the cause
of acupuncture and moxibustion over half a century, including paying attention to practice. concentrating his attention on clinical study and creation of acupuncture and moxibustion instruments; being good at summarization, working with his original views, resolving doubts in people's minds, with his medical skills and medical ethics passing on to later generations; his believing moxibustion able to treat AIDS. In recent over 20 years, he devotes studies to acupuncture and moxibustion for the treatment of difficult and complicated diseases and writes books to expound a theory.
KEY WORDS: Acup Mox Science: Acupuncturists; Biography
周楣声 (1917-) 主任医师出生于安徽天长市的一个中医世家，祖父周树冬是晚清安徽知名中医，尤以针灸见长。周楣声自幼不仅接受儒学教育，而且受到祖传中医的熏陶，曾行医于皖东、苏北一带。1943年参加新四军方毅举办的新医班，学习西医知识，之后在新四军卫生组织的半塔“保健堂”当医生。1946年蒋军进攻淮南，奉命回家隐蔽，在解放军北撤时脱离了队伍，落伍后当上了国民党乡公所副所长。解放军渡江前夕，离家出走江南。南京解放不久辗转在江苏省第七、八康复医院工作。肃反中被押送回乡，经查实无民愤，属一般历史问题，管制3年后又安排工作。1958年反右运动中，因“历史问题”，赭服加身15年。直到1979年，调入安徽中医学院第二附属医院工作。
周老在学术上不守旧不畏难，敢于推陈致新，奇思妙想，发明多项专利，痛砭空谈，讲实话，干实事，穷治医经，精研医理，尤其在灸法理论和临床方面，取得了显著成就，为整理继承发扬针灸医学精华作出了贡献; 曾获全国卫生文明先进工作者，全国名老中医称号，享受国务院特殊津贴; 兼任中国针灸学会针法灸法学会顾问，安徽省灸法学会会长。现将其主要贡献介绍如下。
1 注重实践，专于临床研究与灸疗器械创新
灸法治病，周老往往出奇制胜，他对癫狂、哮喘、心脏病、癌症有独到的见解和治疗方法。在取得痈疽疔疖等热证施灸经验基础上，他大力提倡热证贵灸。1985年12月10日，安徽砀山暴发流行性出血热，周老不顾年事已高，毅然来到疫区运用灸法及火针代灸针对本病的发热期、低血压期、休克期、少尿期、多尿期、恢复期6个临床分期进行辨证施治，从而截断了本病的6个转变过程，控制了病情变化，促进了疾病痊愈，缩短了病程，通过对200余例患者的治疗，取得了总有效率97.18%的良好疗效，比单纯采用西医治疗大大降低了死亡率。这是用灸法治疗危重热证的一次成功的探索，从而破除了热证禁灸的陈腐见解，为灸法治疗热性传染病莫定了坚实的基础。该研究成果通过了国家中医药管理局的部级鉴定，并撰成专著《灸法治疗流行性出血热》正式出版。热证贵灸，是周老对中医与灸法事业的一大贡献，前人乃至今人虽倡议热证可灸，但实施者少。周老认为要想扭转传统的热证忌灸、禁灸的错误观念，使之转归热证宜灸、贵灸的正确途径，必须亲自实践证实，使反对者心服口服。
周老认为振兴灸法，关键在于灸法改革、灸疗器械的创新, 扩大灸法临床适应证。灸法的许多特殊功效尚未被人们认识，必须努力挖掘与探讨。自古以来，艾灸都以壮数来计时显效，后来发展成手持艾条灸，但费力费时，弊病多端。早在铁窗之中，周老就开始了从事艾条熏灸器的研制工作，终于在1978年，研究并生产出省时省力不易烫伤皮肤的艾条熏灸器。这个小小的发明结束了几千年来浪费人力、时间的传统艾灸方式。1985年，在合肥召开的全国灸法会议上，受到当时卫生部崔月犁、胡熙明两位部长的高度赞扬，为推广灸法提供了方便，在国外也极受欢迎。继后周老又发明了周氏万应点灸笔、热流喷灸仪，并申请了多项国家专利。2004年在研究治疗艾滋病的方法上周老又发明了肛灸仪、耳灸仪、汽灸仪，并先后获得国家专利，使医疗器械创新更上一层楼。灸具的创新，提高了灸法效果，简化了操作方法，广泛用于多种疾病，在全国得到了广泛应用，使灸法的推广得到了普及。
2 释疑解惑, 医术医德传道后学
1984年以来，周老受卫生部委托，在合肥由他主持举办了4届全国灸法学习班，应邀在中国中医研究院举办3届全国灸法学习班，以及在国际针灸学习班讲授灸法课程，以《灸绳》为教材，释疑解惑。 学员们接受了他的灸法传授，使灸法这一濒临绝境的古老技术得到了发扬光大，惠及民众。
周老常说要学好中医以下几点十分重要。
(1) 打好古汉语基础知识
周老小时候家境贫寒，7岁时在三家村私塾读过《三字经》《百家姓》《大学》《中庸》《论语》《孟子》等。经史子集，同龄的孩子有钱上城里的洋学堂，他只得偷着抹眼泪，凭借对古典文学的爱好，坚定了学医志向。现在回想起来，周老说这些古典文史知识是幼年的必修课，继后，学习古典医著便轻车熟路，中国传统教育有其公认的先进性，幼时的学习为后来的文学功底、写作功底打下了基础。
(2) 古典医籍是必修之课
《内经》《伤寒杂病论》《本草》《针灸甲乙经》《汤头歌》《药性赋》等均是必须熟读，有些甚至需要背诵的专业书籍。《灵枢》《针灸甲乙经》对经络针灸的研究尤为重要。古典医籍基础雄厚，可知源达流，对于推陈致新，汲取精华剔其精粕，能慧眼识珠，增强了临症的理论与实践功底。
(3) 杂书亦是医生必读之书
《黄庭经》中论医之处良多，周老由此所著《黄庭经医疏》亦是读后所感。《菜根谭》中医保健知识不少，周老围绕此书撰写了《医道 (菜根谭)》，正在脱稿之中。周老对《易经》亦有所研究，在熟读论著基础上对市面上广论《易经》好的论著亦是爱不释手，在此基础上经常谈及他的独特见解，并随时记下心得体会，业医治病的思路与方法则更胜一筹。
(4) 崇尚孙思邈、庞安时先辈医德
周老常谓医乃济世活人之术，大力倡导孙思邈《千金方 · 大医精诚》篇章，《诸氏遗书》指出:“夫医者，非仁爱之士不可托也。非聪明理达不可任也，非廉洁淳良不可信也。” 《古今医统》谓: “庞安时为人治病，十愈八九，轻财如粪土，而乐义耐事如慈母。” 常谓张仲景、孙思邈大医也，要多品味，让学生背诵《大医精诚》《论大医习业》《伤寒论序》。对当今医学界浮华之士眼睛只盯着钱财而不深究病痛等恶习深恶痛绝，并常说: 能一穴治愈病痛而绝不用二穴，一药能治愈病痛而绝不用复方，脚踏实地干实事，实事求是讲效益。
(5) 练好汉字，亦是医者之本
周老是琴棋书画、金石样样能来，书法亦为上乘，他说做医生必须要把字写好，古人早就强调医生要写正楷字，而不能写草书甚至天书，让人不识，尤其是误识。《吴医汇讲》载顾文烜撰写的《书方宜人共识说》中强调医生书写药方医案，“字期清爽，药期共晓”以免耽误病情。许多学生处方字写得很潦草，他都耐心指导，经常让学生练习钢笔书法。
3 擅长总结，著作论文见解独到
周老立足临床，勤于实践，擅长总结经验，几十年来不断写出临床经验及读书体会。1979年，国家中医政策发生了根本变化，经省卫生厅考核，周老以名老中医身份调入安徽中医学院第二附属医院。他非常珍惜这来之不易的柳暗花明的新天地，要在这个舞台干一番大事业，实现报效祖国的心愿。尽管当时已年过花甲，但他开始为针灸事业奋力拼搏，为灸法振兴而奔走呼号。他撰写论文多次参加全国针灸会议，对灸法理论和临床应用作了深入的论述。尽管在极左路线的影响下一些人对如何使用周老这样有“历史问题”的人还存在种种分歧甚至责难，但学院领导和中医界的前辈充分肯定他的成绩，全力支持他的工作。他挑灯夜战，首先着手从家传破书残卷中整理重订了先祖周树冬所撰《金针梅花诗钞》，为抢救安徽针灸历史遗产作出了贡献。1982年，安徽科技出版社出版了这本书。他一心教学，一心读书，一心临床，讲实话、干实事、不空谈、不争论。在劳改农场服刑期间，因通医道当上了狱医。当时服刑人多、疾病多，医疗条件差，药品供应少，故针灸疗法备受欢迎。农场野艾遍地，故艾灸多于针刺，进而发现了艾灸疗效远高于针刺，并积累了大量灸疗医案，撰成《灸绳》一书初稿。此间又完成《周楣声脉学》初稿，出狱后正式出版。周老曾调侃地说: “15年囚犯生涯实际上是住了15年针灸研究院。” 在这段时间里，他作了100多万字的读书笔记，记载了大量针灸临床验案，尽管身陷囹圄，环境恶劣，但他在灸法上奋力进取的拼搏精神始终未变。随后又集其几十年临床经验，着手完成《灸绳》这本理论与临床灸法专著，并由青岛出版社出版。
周老治学严谨，思路广阔，古典文学功底深厚。 读其诗词歌赋是一大乐趣，观赏其书画金石是一大享受。周老慨然曰: “虽能集艺苑之精华，然饥不可食，寒不可衣，若入轩岐之堂室，则既可利己，亦可利人。” 先后撰写成《金针梅花诗钞》(1982年)、《针灸穴名释义》(1985年)、《黄庭经医疏》(1991年)、《针灸经典处方别裁》(1992年)、《灸法治疗流行性出血热》(1992年)、《针灸歌赋集锦》(1993年)、《周楣声脉学》(1994年)、《针铎》(1998年)、《灸绳》(1998)，之后台湾出版了《周楣声全集》。“以退为进，将暮作朝”，这是周老退而不休，老当益壮手书的座右铭。退休后又擺写了《填海录》(2000年)、《说灸——艾灸治疗艾滋病的思路与方法》(2005年)。周老行文立论新颖，见解精辟，迥非拾人牙慧者可比。
4 奇思妙想，笃信艾灸能治艾滋
在灸法治疗流行性出血热获得成功的驱动下，周老总结灸法在临床治疗热证、虚证、杂证的经验，萌发了应用灸法治疗艾滋病的念头。1995年，年近八旬的周老毅然来到阿根廷，经过初步实践并有所体会，认为艾灸治疗艾滋病有八大功用。
(1) 提高免疫功能。艾滋病是由病毒引起的免疫缺陷综合征，灸法除了即时效应外，对恢复和重建免疫系统不见得就无所作为，而应该是大胆设想，小心验证。
(2) 异病同治。艾滋病病毒其结构变化大，故同一药物既不能适用于不同病人，也不能在不同时期对同一病人发挥其前后一致的治疗作用，而灸法恰能对不同症状不同并发症，不论细菌或病毒取得异病同治的良好效果。其优越性是: 1、艾灸适于各种感染的治疗，细菌、病毒、真菌、原虫等几十种病原体，均可乘机而入，这种混合感染，一般药物难以治愈，而灸法对其头痛、发热、咳嗽、胸痛、腹痛、腹泻、肺炎、疱疹、皮疹、黏膜溃疡、盗汗、淋巴结肿大等多种症候，均有显效或速效。2、艾灸可以通过血脑屏障。艾滋病毒可以进人大脑，脑是其重要藏身之处，即使对艾滋病的有效的药物也无法到达，反而大脑成了艾滋病毒的保护基地，往往脑外病毒已控制，一旦停药，它可能再次从大脑往外扩散。周老用艾灸治疗化脓性脑膜炎、结核性脑膜炎，灸感进人颅腔而受启发，认为艾灸治疗艾滋病颅内感染可望有效。3、艾灸适应病毒结构和病情迅速变化。艾滋病病毒的外壳和化学结构能以很快的速度发生和衍变，故不同阶段就不能用同一种药物治疗，新病毒不断地发现，而研制这种病毒的疫苗非常困难，一种疫苗只能对一种病毒有效，病毒的可变性越大，疫苗的作用就越小，而灸法异病同治，可以以不变应万变，适于不同的病毒和不同的发病阶段。
(3) 艾灸能阻断“酶”在病毒复制中的作用，阻止感染了病毒的人发展成为艾滋病患者，意义重大。
(4) 艾灸能发挥灸效的积累作用。长期治疗能提高和巩固疗效，且无副作用。
(5) 艾灸能直接作用于艾滋病的病毒。艾滋病病毒对温热缺乏抵抗力，日光也能将其杀死，艾灸是一种物理和药理的复合作用，能向体内直接导热，这种导热，可望治愈艾滋病。
(6) 艾灸能破积消坚，活血行瘀。卡波西氏肉瘤是艾滋病的病症之一，化疗、放疗副作用大，而艾灸价值不可忽视。
(7) 艾灸能消除被病毒感染的细胞。如化脓性炎症是艾滋病并发症之一, 艾灸能使坏死组织消除，充血、水肿消退。
(8) 艾灸能集中药物优点，弥补其缺点。
对艾滋病治疗手段方面，周老针对传统灸疗方法费时费事的缺点，研制了汽灸仪、喷灸仪、肛灸仪、耳灸仪等针对不同主要病症和并发症进行治疗。
周老尽管年近九旬，但仍然壮心不已，下一步计划带领弟子们一道，向最后的目标奋力拼搏，到艾滋病流行区去，像治疗流行性出血热一样，亲赴一线。他说: “艾滋病、乙肝、糖尿病、精神病、戒毒五大难题，艾灸是不可忽视的主要治疗手段，攻克其中一项，也不辜负此生，也不辜负当今盛世”，并写下遗嘱，有壮士一去不复返的志向，让人深为感动。
(收稿日期: 2006-02-24, 马兰萍发稿)
输血的临床意义:
1. 改善血液动力学，提高带氧量，维持氧化过程;
2.补充血浆蛋白，维持渗透压，保持血容量;
3.增加营养，改善机体生化功能;
4.纠正凝血机制，达到止血目的;
5.因其含有多种抗体，可增加机体抵抗疾病的能力。
传统输血方法弊端:
不管患者需要什么血液成分都输注全血。如: 为了控制出血 (因凝血因子缺乏或血小板减少) 或控制感染 (因粒细胞缺乏) 等而输注全血，但全血中所含凝血因子、血小板或白细胞数量有限，输注全血很难达到预期目标，除非用大量全血，而输用大量全血可增加血容量，增加心脏负担，甚至心力衰竭、肺水肿、严重者造成死亡。此外，某些不需要的成分输注后导致不良反应。
现代输血的概念:
其广义的定义，已不仅是全血、多种血细胞成分及其衍生物、血浆和血浆蛋白制品的输注，也包括以现代生物技术生产的各种与血液相关的成分，如: 以DNA重组技术生产的种种造血因子和血浆蛋白成分，以及各种血液代用品的输注。现代输血的概念，还从输入延伸到去除，即去除患者血液中多余的或发生病理变化的血细胞或其他血液成分，如治疗性血细胞单采术和血浆置换术等。
一、成分输血
全血即血液采入含有抗凝剂或保存液的容器中，不作任何加工，即为全血。国际上一般以450ml全血为1单位，我国将200ml全血定为1个单位。
全血输注具有如下缺点: (1) 保存全血的保存液处方仅是为保存红细胞而设计的，因此只要血液一经采出，其中某些成分的功能即开始损失。(2) 因为全血中所保存的只是红细胞和血浆中的白蛋白，其他成分如血小板、白细胞、血浆中的主要凝血因子和补体等均已迅速或逐渐失效。故其治疗效果，只能暂时补充红细胞和血容量，防止失血性休克。(3) 即便采血后立即输血，也不可能发挥全血中几个主要成分固有的功能，因为在许可的输血量中这些成分达不到一个有效剂量。(4) 全血的无菌性是靠采血过程 (包括采血器、输血器的储备和准备) 的无菌操作来保证的。实践证明，“无菌”，不可能达到100%；而血液制品 (可借助微孔滤膜过滤技术，加热以及用有机溶剂或表面去污染剂处理) 却可保征“无菌”，因此，为克服以上缺点，出现了成分输血。
成分输血的优越性:
(1) 提高疗效：成分输血是对患者进行缺什么成分，补充什么成分，特别是可以将血液成分提纯，得到高浓度、高效价，便于保存、运输的血液制品，把多个献血者的同一血液成分混合在一起，成为一个有效的治疗剂量，输注后显著提高疗效。
(2) 减少反应：血液成分复杂，输全血可使受血者发生各种不良反应，再加输血所传播的疾病更可怕。采用成分输血，可避免输入不必要的血液成分所致的输血反应，目前可用血细胞分离机单采一个献血者的血液成分进行输血，而将其他成分回输给献血者，这就可明显减少输血反应及减少传播性疾病。对老年人，儿重及原有心功能不全患者可减少输血容量，降低心血管的负荷。
(3) 合理使用：成分输血是将血液不同成分，输给不同患者，一血多用，如果不考虑患者是否需要，将全血中的各种成分均予输注，所需成分又相对不足，不需要的成分将造成浪费。
(4) 经济：一血多用，既节省血源，又减轻社会、个人的经济负担。
红细胞制品种类：1. 少浆血 2. 浓缩红细胞 3. 代浆血或晶体盐红细胞 4. 少白细胞的红细胞 5.洗涤红细胞 6. 冰冻红细胞: 适于稀有血型和自身血的贮存 7. 年轻红细胞。
血小板制品：1. 富含血小板血浆 2.浓缩血小板 3. 少白细胞的血小板。
血小板保存: 温度以22℃（上下2度）保存，PH值为6.5-7.2。
二、自身输血
近几年来，由于社会和医务界对输血的疾病传播，特别是输血后肝炎和艾滋病的关注，自身输血已上升到一个重要位置，认为它具有以下优点: (1) 可以避免输血的疾病传播，如病毒性肝炎、艾滋病、巨细胞病毒等；(2) 可以避免红细胞、白细胞、血小板以及蛋白抗原产生的同种免疫反应; (3) 可以避免由于免疫作用而致敏的溶血发热，过敏或移植物抗宿主反应; (4) 可以避免发生输同种异体血的差错事故；(5) 自身血没有用完可以输给其它需要输血的患者，增加了血液供应和来源; (6) 自身输血患者由于反复放血，可以刺激红细胞再生，使患者手术后造血速度比手术前快；(7) 自身血的采集和长期保存，可为稀有血型患者需输血时提供贮血；(8) 自身血采集可为无供血条件的边远地区外科手术提供血源；(9) 某些急性内出血，如脾、肝及宫外孕破裂等，在严格条件下可回输且无需抗凝(脱纤维蛋白血)，可达到应急救命。
采血频次: 动员蛋白质进入血浆，便血浆容量恢复到正常所需的最长时间为72小时，因此，除了特殊情况外，采血频次应当是两次间隔不少于3天，最好采血至手术前一周，至少应截止在手术前72小时进行，一般允许采4-5单位血液。
三、外科输血
外科输血目的有二: 一是纠正血容量; 二是纠正某种血液成分的缺乏。
外科输血特点:
1、失血量大。失血量估计可从以下几方面进行: 心率、动脉血压、尿量、中心静脉压、红细胞压积。
2、输用库血多。一般库血指采集 24h 后的血制品。(血小板止血功能明显下降、凝血因子的活性下降、血K变化，PH值)
3、输血速度快。
(一) 外科输血准则:
1、对腹腔实质脏器手术及血管损伤手术，宜常规用粗针头开放两条静脉通道，确保输血速度。静脉穿刺部位可选择前臂、肘前及头静脉，以利于所补充的血液从上腔静脉回至右心，防止下肢输血而从腹腔内血管破裂处进入腹腔。
2、应量出为入，丢多少补多少，速度宜快不宜慢。
3、大量输血时 (>3000ml)，库血与新鲜血 (贮存<24h) 的比例应为3:1，比例2:1则更佳。
4、严重肝功损害者，如总蛋白量 <45g/l、白蛋白 <25g/l 或白球比例倒置应适当补充血浆或白蛋白，术前应争取血红蛋白高于 100g/l，红细在 3x1012/l 以上，血清总蛋白在 60g/l，白蛋白在30 g/l 以上。
5、因血小板减少引起出血者，也应输入浓缩血小板。
6、腹腔内实质脏器及血管创伤时，腹腔可存留大量血液，严格条件下可回输; 脾切除后也可回收部分脾血。
(二) 术前准备与成分输血
许多患者术前都伴有贫血，其程度不等，当然严重者一定要补充血红蛋白到一定水平后方可耐受手术。对于术前血红蛋白究竟应该达到什么水平，要视接受手术者的情况综合评定。
动物实验表明，当血蛋白浓度降至 100g/l 以下时，左心室功能受到抑制，但直至血红蛋白降至70-80g/l 前，氧摄取率、混和静脉血氧张力及冠状窦氧张力仍保持不变。这表明，当血红蛋白浓度保持在 70-80g/l 以上时，绝大部分手术仍可照常进行。70-80g/l 的血红蛋白水平，要求有正常的心、肺、肝、贤功能，任何脏器功能的不全，均要求相应提高血红蛋白水平。有人发现，脓毒性休克患者，当其血红蛋白浓度保持在 125-150g/l 时存活率最高，急性呼吸衰竭患者当其血红蛋白浓度保持在 130-160g/l 时死亡率可明显下降，因此伴脏器功能不全者，补充血红蛋白到什么水平依临床而定。
但目前由于麻醉方法的进步和麻醉水平的提高，对于血红蛋白要求可以根据病人情况、麻醉方法、手术特点而具体、灵活掌握。对于急待手术的急性出血病人，应立即手术止血，并在手术同时输血。
(三) 外科输血新概念
输血、麻醉、无菌曾被认为促进外科发展的三大要素。有了输血的保证，使手术范围大大扩大，正确掌握术中输血可以迅速纠正失血量，保证手术的成功及病人的安全，输血对外科的发展起到越来越重要的作用。但由于外科输血具有输血量大，输用库血多，输血速度快的特点，输血的并发症发生率相对较高，已越来越受到外科医生的重视，特别是近十多年来对输血的深入研究，外科输血的概念已有了很大的变化，成分输血、自体输血等均有较大的进展。
1、“失血补血”概念的变化
在外科领域，由于手术范围的扩大，术中失血量大，而需要补充血容量机会增多。血量丢失，当然是失血性休克的主要原因，因此“失血补血”的概念曾长期为术者所遵循，以致大量输入血液而忽视细胞外液的补充，致使休克后肾功能衰竭的发生机会增多。近年来大量实验和临床观察表明，严重创伤或复杂的手术，不但丢失全血，而且也使大量功能性细胞外液转移到第三间隙，并使血液浓缩。即使有低血容量休克的病人，输入全血也不如先输入类似细胞外液的晶体溶液见效迅速。所以一般成人手术，失血量在500ml以内，仅补充3倍量晶体液 (如乳酸钠林格液、林格液或生理盐水) 即可满足要求。失血量在500-1000ml，还应追加一半胶体溶液 (如羟乙基淀粉、右旋糖酐等)。失血量超过1000ml，才需要同时输全血或浓缩血细胞。现在已一致认识到失血时不必过早大量输血，应先以代血浆及晶体液扩充血容量使血液稀释，这样还可增加心输出量，降低周围血管阻力，血流速度加快，增加组织灌注，同时还可防止微循环血流障碍。因此临床上改变了“失血补血”概念。
2、自体输血
自体输血有近百年历史，但近十余年来的临床和实验研究进展较快，技术设备有较大改进，适应范围不断扩大。今已公认为有临床实用价值的治疗方法，自体输血可解决急需输血而血源短缺的困难，无输血反应，并发症少，无传播的危险。更重要的是不产生对红细胞，白细胞、蛋白抗原等血液成分的免疫反应。人们公认自体输血不需化验血型及交叉试验，能及时有效地将丧失血液重新利用，自身的红细胞活力较库血好、运氧能力高。输后红细胞能立即发挥良好的携氧能力。自体输血主要适应于 (1) 胸腔心血管外伤性手术; (2)肝、脾破裂，异位妊娠破裂，肠系膜血管破裂等腹腔出血; (3)体外循坏心内直视手术，主动脉瘤手术等某些择期手术。近年来已发展到术前数天，或麻醉前采集病人血液，用电解质或血浆增量剂补充血容量的“血液稀释法”。血液稀释疗法主要是通过静脉输液，降低患者红细胞压积和血液粘度，加速血流，改善微循环和组织供氧，以达到治疗目的。在外科手术中应用血液稀释技术，还可以大大节约手术中输血量和减少输血并发症的发生。
3、成分输血
近年来，输血疗法已进入成分输血。成分输血是把全血或血浆用物理的和/或化学方法分离并制成较纯和较浓的各种制品以供临床应用。传统的输血方法是不问病人确实需要什么而千篇一律输血，这样不仅浪费血液，而且还使病人冒不必要的风险。成分输血优点是 (1) 提高输血效果，减轻心脏负担；(2) 减少对不需要的血液成分的反应; (3) 可以达到一血多用，节约用血的目的。成分输血是现代医药和输血发展的必然进程。外科成分输血主要是输用浓缩红细胞。目前对于体循环血容量的恢复和维持，有较好的血浆代用品 (羟乙基淀粉、左旋糖酐等) 或晶体溶液，但都不具有携氧功能，常需要补充红细胞。因此，浓缩红细胞是外科成分输血最常用的，在输血先进的国家，全血的使用已减少到总输血量的20%以下，而浓缩红细胞用量 >80%。
输红细胞为主的输血疗法具有科学性，可行性和一定的先进性，是外科输血的必然趋势。对于接受大手术或严重创伤治疗者，如果血小板低于 50x109/l，为预防术中异常渗血，术前宜预防性浓缩血小板输血，使血小板数升至100x109/l以上。因骨髓功能衰竭引起的血小板减少症，如癌肿化疗或放疗、急性白血病发作期、再生障碍性贫血等，血小板数可低达30x109/l，一般尚不致自发性出血。但如果决定手术，则宜预防性浓缩血小板输血。大量 (15-20单位) 输注冷藏库血，血小板功能几乎完全丧失，更可出现稀释性血小板减少，亦宜输注较大量浓缩立小板预防出血。
自七十年末，血浆已被广泛用于各种中毒疾患的治疗，血浆用于术中清除中毒性休克，并用以补充某种可能缺少的成分，如术中输用新鲜冰冻血浆，含有各种血浆凝血因子。血浆衍化物有血浆蛋白溶液、白蛋白、因子VIII、IX以及丙种球蛋白等。值得注意的是国内冻干血浆的应用过多，最不合理的是用于扩血容量和补充营养。血浆的最大危险是传染肝炎、艾滋病和其他传染病。血浆的不良反应较多、特别是荨麻疹和过敏反应。血浆的组成复杂，一些蛋自可以致敏病人产生抗体，另外也是极大的浪费。因此不论是新鲜冰冻血浆或冻干血浆不可轻易多用。
安徽省第三届骨科学术会议交流资料
南陵县卫生进修学校丁明秀
指导者:许竞斌 李名杰
椎间盘摘除术治疗腰间盘突出引起的腰腿痛，是一种公认的病因疗法。现在，在县以上的医院这种手术已相当普及，但在基层公社卫生院仍开展较少。于1974~1980年间，我们在许竞斌教授的直接指导下，在公社卫生院共做腰椎间盘摘除手术104例; 术后经2~8年的随访，绝大多数都取得了满意效果。现就在条件较差的基层卫生院如何提高手术效果问题，点滴体会如下:
一般资料
104例中，男85例，女19例，发病最大的年岁56岁，最小23岁; 腰 4、5 间突出49例，腰 5 骶 1 间突出31例，双突出22例，腰 3、4 间2例。其中椎间盘突出髓核破入椎管内2例，同时伴有骨赘形成12例。
根据马植尧等疗效评定标准 [2] 统计如下表:
手术效果
| 疗效 | 优 | 良 | 中 | 差 | 合计 |
| 例数 | 68 | 22 | 10 | 4 | 104 |
| % | 65.4 | 21.2 | 9.6 | 3.8 | 100% |
体 会
一、显露问题: 本组除8例半椎板切除外，其余全部采用“开窗”显露，包括12例铲除骨赘在内。通过手术实践的体会和观察，我们认为“开窗”与半椎板切除二种方法在显露效果上无明显差别，所以在显露问题上，除非真正特别需要外，如髓核破入椎管内，一般均可采用“开窗”法。这样一般不影响小关节突，损伤小，便于患者术后早期起床活动，减少神经根粘连的可能。本组“开窗”病例，都是术后3~5天开始起床活动，未发现异常。
二、减压问题: 手术治疗腰椎间盘突出症不满意的原因，1951年 Armstrong 氏指出，一是由于诊断错误，二为椎间盘突出病变实际存在，而手术未能完全解除其病因。随着医疗技术不断发展和提高，对于椎间盘突出症的误诊和手术遗漏的机会是越来越少，所以在手术中真正做到“完全减压”的问题，显得较为重要。我们在显露突出的椎间盘，保护好神经根后，用小尖刀沿突出椎间盘的外径环切一周，再用垂体钳取出突出的椎间盘及椎间隙内的退化组织，然后用刮匙刮取一些破碎的组织，基本上做到“掏空”; 而不是单纯摘取髓核部分。遇有骨赘病例, 在铲除骨赘后, 也同样做到“掏空”。我们体会这样对神经根彻底减压，不但疗效好，而且有利防止复发。
三、防止感染问题: 感染是椎间盘术后严重的并发症之一，尤其是椎间隙感染，给病人带来很大的痛苦，恢复时间也较长。在条件设备尚不完好的基层卫生院，对这个问题更应该引起高度重视。为了防止感染，我们除严格执行各项无菌操作外，还对每个手术病人在术前用肥皂水反复刷洗腰背部皮肤，在切除椎间盘后，常规改用 1:1000 洗必太液加压冲洗被掏空的椎间隙，继后用洗必太湿纱布堵住创口，让整个创口在洗必太液里浸泡3分钟左右，再除去纱布。因为洗必太具有广谱高效，无耐药性的特点，对神经等组织无不良反应和刺激。这样反复冲洗和浸泡，使细菌和碎屑组织都不复存在的机会; 再结合抗生素的应用、引流等综合措施，对防止感染起着积极作用。
四、防止椎管内继发血肿问题: 因为椎管内是不应存留任何异物的，所以对于椎管内出血既不宜用丝线结札，也不好用游离肌肉作填塞物，止血方法，一般来说只是压迫。因此术后椎管内少量出血是难免的。由于出血形成血肿，继发压迫神经根，甚至血肿机化、纤维化，造成神经根的粘连，从而影响了手术效果。对于这个问题，我们认为首先应该是术者操作熟炼、动作轻柔，在切除之前，要在突出椎间盘的上下方各填塞一个带线的棉球，待把突出椎间盘清楚暴露以后，在良好光线下直视切除。切勿盲目下刀和钳挟。由于暴露清楚，遇有小血管可以避开，做到尽可能不损伤小血管，这样椎管内出血机会就大为减少。尽管这是无菌手术，但是，我们是常规放置橡皮引流条，腰背筋膜这一层不缝合，术后患者仰卧位，以利引流。在冲洗创口时，我们有意让少量的洗必太液存留在创口内，即使创口内有少量出血，也被稀释，更易引流。我们从术后48小时拔除引流条时观察到，每患者引出的血水达40~250亳升左右 (以浸湿纱布的方法计算)。由此可见，恰当的引流是有裨益的。
参考文献
[1] 许竞斌: 腰椎间盘突出症的疗效分析， 中华外科杂志4421，1956
[2] 马植尧等: 手术治疗腰间盘突出症的效果，中华医学杂志 5:51，1965
[3] 陆裕朴等: 腰椎间盘突出症的手术治疗，中华骨科杂志2:77，1981
OPERATIVE TREATMENT OF PROTRUSION OF THE LUMBAR INTERVERTEBRAL DISC IN A COMMUNE'S HEALTH CENTER
Ding Ming-xiu
Nanling Health School, Anhui
ABSTRACT
This is clinical review of 104 cases of protrusion of the lumbar
intervertebral disc treated with surgery from 1974 to 1980 in a health
center of a people's commune.
After the operation, all the cases were followed up for 2-8 years
with an average of 5 years. The results of the 104 operated cases: excellent 68 (65.4%), good 22 (21.2%), fair 10 (9.6%), failure in 4
(3.8%). The method and the result of the operative treatment are
presented and the experiences are described in detail
Sept 1， 1983
皖南医学院附属二院 李杨缜 (1i-yangzhen) 李名杰 (li-mingjie)* 商建忠
(shang-jianzhong)** 汪桐 (Wang-tong)***
包皮过长的经典治疗方法为包皮坏切手术，至今无突破性进展。2003年10至2005年2月，我院采用微创手术坏治疗包皮过长52例，现报告如下。
材料与方法
一、临床资料
本组52例，年龄最小17岁，最大56岁，平均38岁，术前阴茎静态下最短 2.5cm，最长10cm，其中已婚 40 例，未婚12例。
二、手术方法
1、取材: 手术采用中国管理科学院特约研究员商建忠先生发明的微创手术环(专利号2003.ZL02 2 37969.X）。此手术环选取聚丙烯工程塑料模压面成，器械分内坏与外环部分，二环合拢以螺丝连接卡压。产品分不同型号，为无菌包装一次件使用。(附图)
附图1 微创包皮环切器内环 微创包皮环切器外环 微创包皮环切器整体（见插图）
2、手术方法: 消毒，铺洞巾，暴露阴茎: 在阴茎根部以橡皮筋止血带环绕阴茎根部，阻断静脉回流，作怒张的静脉穿刺，抽吸积血，注入用2%利多卡因2ml，待5分钟，麻醉十分满意、完全。选用适当型号包皮手术环，先将内环套上阴茎。外翻包皮至内环上，如系包茎需在背侧切开少许，充分暴露龟头，内板保留至冠状沟以远0.5Cm，系带部略长约1.0cm，套上外环，旋紧螺丝，切平压环外多余包皮，用无菌纱布条覆盖创面，龟头外露，解除止血带，术毕。6天后去环，约15-20天痊愈。附图2 微创包皮手术愈合后 微创包皮手术完成 微创包皮手术前（见上插图）。
结 果
52例中，术后伤口一期愈合50例，2例因未遵医嘱，提前性生活而感染，愈合期延迟。无远期后遗症，愈后无疤痕。
讨论
包皮过长，因冠状沟不能外露造成长期分泌物过多不能及时消除而引起包皮炎，长时间的炎性刺激还可诱发阴茎癌。包茎可使阴茎发育不良，并影响性生活，包皮过长是困扰男性患者的一种常见病。微创包皮环切术适用于男性包皮过长及包茎者、传统治疗方法，即包皮环切，需要切除、止血、缝合，愈合后尚留有疤痕; 激光手术又有热力伤等弊端。
本疗法突破传统思维模式，无需手术切割与缝合，环压后使远端局部组织缺血、坏死而脱落，而完成包皮环切。一般6天左右下环，15-20左右痊愈，愈合后无疤痕，手术时间仅2-5分钟。不另需任何医疗器械，避免了繁琐的止血步骤。且感染发生率低，无需服用雌激素，术后可自由活动，生活无不便，可洗澡，不影响排尿，无并发症
新型方法与传统方法比较
| 新型方法 | 传统方法(环切、激光) | |
| 1、手术方式 | 微创、简便 痛苦小，无疤痕 |
有创，繁琐 痛苦大，有疤痕 |
| 2、人力配备 | 施术者一般只需1人 | 施术者最少2人 |
| 3、材料消耗 | 无需手术器械，成本小 | 需在手术室，必备手术器械 |
| 4、创口出血 | 无出血，无需止血 | 止血烦琐 |
| 5、手术时间 | 小于5分钟 | 大于 30 分钟 |
| 6、费用 | 花费少 | 需一定经费 |
由于解除了包皮的束缚，本疗法52例中，术后部分患者阴茎不同程度增长、增粗，同时性功能增强。
结论: 这种全新型微创式手术方法优于传统方法，疗效肯定，值得推广。
作者单位: 中国安徽皖南医学院附属二院 (芜湖24100)
E-mail: [email protected]
* 中国安徽芜湖长航医院
** 中国管理科学院
*** 中国安徽皖南医学院
Clinical study of a novel circumcision with minimal invasion for phimosis
INTRODUCTION:
Conventional circumcision remains a traditional and the most common surgical option for phimosis and paraphimosis. There has not been a breakthrough in technology so far. In this report. we presented a novel operative technique, invented by Dr. Shang to remove the prepuce with minima invasion, and reported a study from 52 patients diagnosed of phimosis or paraphimosis and treated with this technique, from October 2003 to February 2005 in the 2nd Affiliated Hospital of Wannan Medical College.
MATERIALS AND METHODS:
Clinical data:
Fifty-two patients with phimosis or paraphimosis were included, 40 of them were married and 12 were unmarried, from the age of 17 years to 56 years with a mean age of 38 years. The length of resting penises ranged from 2.5 to 10 cm.
Surgical Procedure:
Material: the unique tool, called Noninvasive Operation Loops (patent number, 2003.ZL02237969.X), used for the operation, was invented by Dr. Jianzhong Shang, a special scientist of Chinese National Management Institute. These noninvasive operation loops cast in polypropylene engineering plastic consisting of an inner loop and an outer loop. These two loops can be held together through compression by screws. These noninvasive operation loops are composed of various sizes. packaged in sterile and disposable. (See figures in Figure1 (Legend: Inner loop, Outer loop, Combined loops).
Surgical Procedure: sterilize. unfold surgical towel, and expose the penis; block venous blood return with rubber cuff placed at the root of penis, extract venous blood from extended veins by a needle puncture, and slowly inject 2 ml of 2% lidocaine, wait for 5 minutes until anesthesia is completed and satisfactory; select a proper size of operation loop, first put the inner loop around penis, turn the foreskin outwardly to cap the inner loop, fully expose the glans, for phimosis, cut open the foreskin ventrally, place the inner loop 0.5 cm above the corona, and around 1.0 cm above penile ligament, cap the outer loop, and tie up screws. excise the extra foreskin along the outer loop. Expose the glans while covering wounds with sterile gauzes, and release cuff. Six days after surgery, remove loops, and the wound would fully heal within 15-20 days. (Figure 2: Prior surgery, operation completion, and after surgery)
RESULTS:
After the operation, 50 out of 52 patients had primary wound healing. The remaining two individuals showed delayed wound healing secondary to wound infection caused by premature sexual intercourse in the ignorance of medical instructions. There was no scaring and no sequelae.
DISCUSSION:
Phimosis is a condition in which the foreskin cannot be retracted behind the glans penis. It may produce urinary obstruction with ballooning the foreskin and may lead to penile undergrowth and maidevelopment? in boys, recurrent meatitis and balanitis (i.e.. inflammation of the glans), and even penile carcinoma. It might affect patients' sex life. Phimosis is not uncommon. Our new approach is indicated to patients with phimosis and paraphimosis. Conventional circumcision has traditionally been regarded as the treatment of choice for phimosis and paraphimosis. It requires multiple procedures such as incise. stanch, and suture. It is going to have a scar after healing. The laser operation procedure has its own disadvantages such as a thermal burn.
Our approach offers a breakthrough from traditional modes of thinking. The procedures in this revolutionary approach no longer require incision and suture. By compression of the operation loops, consequently, the distal part of the foreskin becomes ischemic, necrotic, and thus shed. The surgical procedures only take 2-5 minutes to complete. The operation loops are usually removed in 6 days after surgery. The wound heals in 15-20 days without scarring. No complex surgical tools are needed. Miscellaneous procedures such as stanching are avoided, therefore, the incidence of postoperative infection and other complications is significantly low. It is not necessary to take any medications such as estrogen or to limit daily activities such as taking a shower. It does not affect urination and has no complications.
Comparison between our novel approach and traditional circumcision:
Novel Circumcision Traditional Circumcision
Surgical procedures:
near noninvasive, simple, less painful, and no
scarring
invasive, complex, more painful, and scarring
Personnel requirement:
usually only one surgeon
at least two surgeons
Material consumption:
no conventional surgical tools required
both conventional surgical tools and an operation room required
Wound bleeding:
no bleeding, no stanching
stanching
Operation time:
less than 5 minutes
more than 30 minutes
Cost:
less costly
more costly
Because of the removal of the un-retractable foreskin, in a portion of our 52 patients with phimosis, the postoperative penis becomes longer and sturdy and improves its sexual function in variable degrees.
CONCLUSION:
Our new method of circumcision with minimal invasion is superior to the traditional one with convincing curative effects. It deserves as a treatment of choice or at least as a viable alternative for phimosis.
本文原载.......
视频中的人物美术作品，全部是AI模型生成的。不同风格，以及不同风格的碰撞。
AI 生成并高清化的肖像 （8 MB）
AI 生成肖像作品（2MB）
txt2img 乍一看 也没啥，花里胡哨的，好像都是闹着玩的。不少“作品”感觉在前AI生成模型阶段，通过抄袭（侵犯版权）加PS也可以做。
但人们往往忽视了里面与PS的“质”的不同。
AI 模型生成的“艺术品”：（1） 绝不是抄袭，也不牵涉版权侵犯问题，因为 （2）AI 模型是 “消化” 了无数作品练就的生成“功夫”，换句话说，模型是把先人的作品揉碎了，变成具有不同级抽象能力的内部向量表示的模型，在此基础上的生成是不可能抄袭的，只可能是“再创作”。
可以说这与人类艺术家的修为和风格形成非常相似。人类艺术家也是在前人的肩膀上，多年苦练兼收并蓄最后形成自己的风格和功力。所不同的是，它的消化能力从容量上看 不知道要超过人类个体多少倍。
如果要押宝，对于艺术家个体 vs 对于 模型，'创造力 学识与风格多样性“ 我更倾向于后者。个体的“功力”有瓶颈，人的艺术生涯容易撞上天花板，江郎才尽。而模型这方面好多了。
老友：AI学会风格是不是创造力？
维：应该算的，最终图灵测试定音。等到以风格和创造力作为标准的大赛 越来越多ai作品上榜，盲选的话 那就难以为人类独特性辩护了。辩护的理由只剩下一条：来源上看，人类艺术是鸡 AI 是蛋。但哪个艺术家后生不是鸡蛋呢？没见过娘胎里一生下就成为艺术家的。天才也要苦练基本功才能绽放才华。
老友：风格实际上是韵律的规律性重复和一定的随机性的组合。人对于规律的把握存在个人极限，超越极限的部分表现出一定的随机性，实际上就是个人风格了。人的随机性表现是因为心情或者脉搏或者某一时间的注意力的漂移。比如拉小提琴的时候忽然憋尿也是会表现出一定的随机性，所以声音就会出现一定的散乱。但是这种随机性是不是AI也可以模拟。还有就是随机性掺入进去是真随机还是伪随机。
维：AI 生成模型的本性里就有随机性，因此同样的模型在相同的提示词与其他条件下可以寻不同路径生成多种结果。
艺术上所谓的残缺美，实际上就是为随机漂移留下了容忍、甚至欣赏的空间。 白璧无瑕没问题 白璧微瑕也没问题。
老友：音乐比较容易被AI生成，书画和中国书法最难。
维：ai 书法我也玩过，这是生成的怀素狂草：
感觉是初学水平或略好过初学。可是这不是特意学书法的模型生成的，而是大模型的副产品，没有特别针对书法做优化，所以还不错啦。（你放大看就发现，这是从形式上对于狂草笔法的模仿，里面其实没有一个汉字。）
毛泽东写了一辈子狂草，可是毛体狂草，书法界有不同评价，褒贬不一。贬的一方认为毛体根本没上路，也就是上面AI初学者的水平。
老友：中国书法里面蕴含了中国文人的文化特质和文化追求。
维：你这种说法是意义不大的真理。所有艺术都可以有类似的说法，说到底就是强调人类独特性（或神性）。但所有艺术都是诉诸形式表现，也都是可以AI的。
老友：@wei 中国文人的忧世情怀和自伤自怜是一种独特的民族特质
维：艺术的都是民族的，从书法 绘画 民间音乐 都可以强化这些民族风特质，但解剖刀下，以绘画论，最终归结于形式原子像素。
老友：可以尝试用大模型专门针对中国书法学习一下，看看能够学出来的结果怎么样，应该是像素的矢量表示。
维：国家基金应该支持这样的项目。
老友：这个得是文化部门的领导感兴趣才行。
维：
这幅作品 刚出来的时候 有些震撼，缺陷是鼻子嘴巴下的白线，不知道咋回事。
老友：点阵模型是模拟不好的，得用像素矢量模型才行。
维：现在模型都是矢量表示。像素是对内部表示渲染生成的结果。
去掉了白线，也把那根生成糟糕的手指去了，这些 ps 都是物理操作在点阵上进行，不像AI模型在内部向量上做文章。但点阵PS作为局部后编辑，还是有效的。
我玩的这模型是个明显针对人脸优化的模型，适合人体肖像艺术。目前该模型肢体仍然常出问题。看几幅失败之作：
全部有肢体问题，不是残疾便是出生问题：多生出或少了肢体。
即便有这些缺陷，如果我是美术家，还是可以通过这类模型找到更多的构图灵感。肢体虽然错乱，但远远看去环境与人物是和谐的，艺术家根据可以无限生成的模型样品 精选以后再创作，不仅效率会提高，脑洞也可以大开，因为有那么多不同组合和碰撞可以试验。
赠侄名实留念
安徽省文史研究馆馆员
李应凡 时年87岁
我今年八十六岁，眼生白内障，双目失明，不能看书写字，两腿瘫痪，不能走路，一天到晚只有在室内、床几间摸索行动。牙齿己脱光，不能咀嚼生硬食物，吃干饭也要用开水调和送入胃囊。这一切都说明我的生命已经到了应该结束的时候了。
不过我两耳尚聪，能听收音机，进饮食，粗茶淡饭一天三饱; 记忆力强，头脑清醒、精神饱满一如往昔。在度日如年、长夜似岁，无事可做的我，久静则思动，故态复萌，于是又有写作的打算，我在书中写道“常恨时光太长久，在无奈情况下只得与诗词结为友，送长夜，消永昼。” 我企图用写作的手段以达到消磨时间，寄托精神的目的，大家知道盲人写作困难重重，写出来的腹稿需要别人帮助记录。但我对这些困难，从不消极悲观，不打退堂鼓，不鸣金收兵，而且越干越有劲，兴趣浓厚。
我在书中又说道：“怡情悦性可增寿寻欢乐，做诗填词，推敲研究，何虑黄花人比瘦，不怕池水吹皱，得佳句，狂欢拍手。” 于是朝思暮构、日积月累，作成的腹稿到現在竟达三四百件之多，都堆积在我的脑袋中、仓库里无人记录，十分苦闷。同时又怕己作成的腹稿長久忘记，又经常反复默诵做到滚瓜烂熟，背诵如流，以便不忘。这样又增加了我思想上的负担，愈陷愈深，不能自拔十分痛苦。在我身边也有象《水浒》上圣手书生萧让其人很多，但他们不肯出手支援帮忙记录，替我排忧解难。万事求人难，他们不干有什么办法呢? 可喜的是，正在山穷水尽最紧张的时候，东方不亮西方亮，我村青年李世德自动义务地为我记录，真如雪中送炭，久旱逢甘雨一样，使我喜出望外。青年李世德初中毕业，文字通顺,热爱文学，帮我记录是完全可以胜任的。我对他见义勇为助人为乐的高尚品德，深深感谢不己。
现在本书已经完成，在这里我把书中内容简单扼要地说明如下:第一，因为双目失眠，对记录的腹稿不能用笔墨进行整理修改。因此庸俗、简陋、重复，隐晦、错误、脱落、错别字，以及文不对题，言不达意等等书中到处都有，这是本书不足的一面。其次: 我国改革开放，日新月异的同时也出现许多丑恶现象。例如: 贪脏枉法、敲榨勒索，损公肥私、抢劫打架，赌博偷窃，走私贩毒，卖淫嫖娼，拐卖儿童等等。书中没有揭发批判，不是我无正义感，我认为在我狭窄的天地里，人微言轻，就是写了也不能有起碼作用，这是书中不足的另一面。
总之，我的思想是进步的，写作的动机是纯真的。我一生是追求真理、服从真理的人，好就说好，歹就说歹，“开门见书，一步到台口”，不好要我说好，做那些口是心非，阳奉阴违、扼杀事实，颠倒是非、党同伐异、损人利己见不得人等等丑恶勾当我是坚决不做的，对儿孙也不放松，除口头教育外，在书中也有教育他们的文字。例如，在《记省文史馆》一首七绝写道: “我今残废能生存，都是三中政策恩。吾望儿孙心向党，勤劳工作为人民。” 又如我在一阙浪淘沙词中说道: “一刻值千金，爱惜光阴，戒烟戒酒教儿孙，赌博贪污大坏事，坚决斗争。” 我这样说听不听由他，我是有责任、有义务、有理由对他们进行这样教育得。人生自古谁无错，当局者迷，旁观看清，希望我的亲朋好友，知我、爱我的人看过本书后，对我提出意见和建议，以便及时改正，不再错下去，十分感谢，是为序。
附: 浪淘沙二阙
一
六册已成书，莫大欢欣。早知众志可成城，世德功劳不可少，主要原因。为善要精神，更需决心。盈盈塘水结成冰，不是一朝一夕事，持续低温。
二
我是老育翁，万事皆空。置身孤岛无人踪，要想成书如做梦，困难重重。腹稿要加工，记录难逢。万桩齐备特东風，见义勇为李世德，助我竣功。
