XiaoMi-AI文件搜索系统
World File Search System新鲜事
人工智能：革新护理教育和实践
摘要：人工智能（AI）是制造智能机器，尤其是智能计算机程序的科学和工程。医疗保健中的AI并不是什么新鲜事；实际上，目前，它以许多与护士和护理教育有关的护士相关的方式使用。它包括许多改变护士角色并增强患者护理的医疗技术。它减轻了护士的负担，减少了护士的工作量。道德原则在AI中很重要，因为该技术不仅可能影响单个患者的最终结果，而且可能会影响其在整个开发设计和测试过程中的医疗保健中的用途及其整合和持续使用。护理AI工具包括临床决策支持，移动健康和基于传感器的技术，包括语音助手和机器人技术。护士应参与AI的概念化，发展和实施，尤其是在影响护理实践的情况下。关键字：人工智能，护理，医疗保健，实践，教育1。简介什么是人工智能？当我们想到人工智能或人工智能时，可能会像我们想到很多事情一样 - “ AI表示机器人”或“ AI技术是新的？？”或“ AI工具帮助_and_hurt患者护理”或“ AI可以替代护士？？”等等AI已经是我们日常生活的一部分，我们一直以某种方式使用它来使我们的工作更轻松。和医疗保健世界没有什么不同。护理中的人工智能只是产生其全部影响的悬崖。智能家居设备，移动地图应用程序，Siri，Alexa，Google Assistant，在线银行业务，行为改变应用程序等语音助手以及无数其他内容需要以某种方式使用AI。人工智能或AI是计算机系统的开发，该系统能够执行通常需要人类智能的任务，例如决策，对象检测，解决复杂问题等。AI可以分为两个主要子场：机器学习（ML）和深度学习。机器学习专注于通过获取新数据来提高技术的性能。深度学习使用人工神经网络 - 经过人工训练的算法 - 模仿人脑从大量数据中学习以执行任务的方式。例如：在YouTube上自动生成的字幕，并在数字照片库中解锁电话或分组照片。AI John McCarthy的历史，也称为AI的父亲，在1956年创造了人工智能一词。 尽管AI技术已经以某种形式存在多年，但其在护理教育和实践中的充分利用。 帮助护理教育与AI扩展保持同步，护士保持高级AI John McCarthy的历史，也称为AI的父亲，在1956年创造了人工智能一词。尽管AI技术已经以某种形式存在多年，但其在护理教育和实践中的充分利用。帮助护理教育与AI扩展保持同步，护士保持高级
湿件化身人工智能？迈向基于合成生物学的自创生组织方法
具身人工智能 (EAI) 是当代人工智能的一个方向，其特点是发展对自然认知过程的综合研究，其假设是认知者的身体在认知中起着决定性的作用。在 EAI 中，“身体”的概念呈现出广泛的解释，从概念上讲，可以认为跨越了两个极端：一种是用于符号信息处理的神经元外物质支持的概念，适合将符号置于感觉运动关联中；一种是多重、集成、嵌入环境的系统的概念，其自组织的生物动力学与意义建构过程密不可分（纠缠在一起）（例如，Gallagher，2011；Ziemke，2016）。EAI 通常被宽泛地等同于机器人 AI，即一种以构建和实验探索自然认知过程的硬件模型为目标的 AI 形式。事实上，与计算机不同，机电机器人被赋予了身体，使其处于物理世界中 — 即，不（仅仅）处于抽象的“信息世界”中 — 并允许它们基于传感器（例如，能够检测障碍物、光、声音、电磁信号等的传感器）与其进行交互。和执行器。在大多数情况下，EAI 创建由计算机控制的机器人，这样机器人代理的身体在其与环境的感觉运动交互中，将中央处理单元的活动作为基础，中央处理单元充当信息处理和决策设备。然而，EAI 社区也致力于构建不受计算机引导的机器人，这些机器人能够仅通过身体来了解周围环境并完成认知任务（例如 Brooks，1991；Steels 和 Brooks，1995）。自 20 世纪 90 年代初出现以来，EAI 通过其多种表现形式，在基础研究和应用研究层面都取得了令人瞩目的进步（例如 Pfeifer 和 Bongard，2006）。尽管如此，从 20 世纪 90 年代末开始，人们就开始争论 EAI 方法是否适合生物体建模。这些批评越来越多地不局限于强调 EAI 典型的理论和实现的身体机械观。他们注意到 EAI 无法对身体组织进行建模，即通过新陈代谢支持生物体不断自我生产的功能关系动态网络（Ziemke，2016；Damiano 和 Stano 2018）。这些都是激进的批评，指出目前 EAI 对自然认知过程的综合研究仅仅建立在对生物体的模仿建模上：一种人工重建，只考虑身体结构的表面方面（例如，运动和解剖元素）而忽略了其最具体的维度——自主组织。在这篇短文中，我们打算介绍一种旨在克服这一差距的 EAI 研究方法的一般纲领路线。这样的程序本身并不是什么新鲜事。EAI 研究
证券行业风险小组 (SIRG) - FS-ISAC
新的俄罗斯支持的威胁行为者 许多人想知道，与俄罗斯和乌克兰的冲突是否会引发俄罗斯政府的“网络战”。研究人员已经确定了一个名为“Ember Bear”的俄罗斯国家支持的威胁行为者，也被认为被称为 UAC-0056、Lorec53、Lorec Bear、Bleeding Bear 和 Saint Bear，很可能是一个情报收集敌对组织，曾针对东欧的政府和军事组织开展行动。该组织似乎将其在入侵期间获得的数据武器化，以支持旨在制造公众对目标机构的不信任并削弱政府反击能力的信息行动。在俄罗斯入侵乌克兰之前，Ember Bear 在 1 月份对乌克兰网络使用了 WhisperGate 擦除器恶意软件。尽管 Ember Bear 是一个国家支持的。威胁行为者，但它有所不同，因为它不能与特定的俄罗斯组织联系起来。其目标概况评估了意图。其策略、技术和程序 (TTP) 与俄罗斯 GRU 的其他网络行动一致。四步实现经过身份验证的零信任方法 许多组织在用户访问其系统时更加依赖零信任策略。虽然对用户进行身份验证是关键步骤，但评估用户的授权也同样重要。授权并不是什么新鲜事，但转向协调的授权方法可以提供集中的、总体的策略视图。策略建模过程中有四个不可或缺的步骤：识别应用程序、确定需求、考虑属性和编写策略。与任何零信任策略一样，组织永远不应信任，而应始终进行验证，以最终提供合理的访问决策。网络防御策略在公共云中是否安全？过去两年，利用公共云的大规模迁移取得了快速进展，许多组织都在努力保护其远程员工。虽然迁移到云为远程工作的员工提供了首选的安全方法，但配置错误以及对云资产和库存缺乏可见性是一个主要问题。根据云安全联盟 (CSA) 的一份报告，受访者表示，组织的云安全、IT 运营和开发团队之间仍然缺乏一致性，不仅在安全策略上，而且在策略的执行上也存在差距，导致这些关键领域的沟通存在差距。CISA 将漏洞添加到其积极利用的漏洞列表中 网络安全和基础设施安全局 (CISA) 增加了以下安全漏洞： (CVE-2022- 22960)，一个 VMware 漏洞，已于 4 月 6 日修补，该漏洞“由于支持脚本中的不当权限，允许攻击者将权限提升到 root 易受攻击的服务器”和 (CVE-2022-01364)，由于 V8 类型混淆弱点，允许远程代码执行。
NIST 智能电网互操作性小组优先行动计划 2
前言 用于技术和商业通信的无线技术已经存在一个多世纪，并广泛应用于许多流行的应用。无线技术在电力系统中的使用也并非新鲜事。它在系统监控、计量和数据收集方面的应用可以追溯到几十年前。然而，现在预见到的智能电网的先进应用和广泛使用需要高度可靠、安全、设计良好和管理的通信网络。将无线技术应用于任何给定应用集的决定都是一个局部决定，必须考虑几个重要因素，包括技术和业务考虑。智能电网应用要求必须以足够的规范来定义，以定量定义通信流量负载、性能水平和服务质量。应用要求必须与系统生命周期的一整套管理和安全要求相结合。然后可以使用这些要求来评估各种无线技术是否适合满足特定应用环境的要求。本报告包含关键工具和方法，可帮助智能电网系统设计人员就现有和新兴无线技术做出明智的决策。已汇总了一组初始量化要求，用于高级计量基础设施 (AMI) 和初始配电自动化 (DA) 通信。这两个领域因其范围和规模而面临技术挑战。这些系统将涵盖从城市到农村的各种地理区域和运营环境以及人口密度。这里介绍的无线技术涵盖不同的技术，这些技术在功能、成本和满足先进电力系统应用的不同要求方面各不相同。系统设计人员可以通过展示一组无线功能和特性来获得进一步的帮助，这些功能和特性以矩阵形式呈现，这些功能和特性针对现有和新兴的基于标准的无线技术。本报告提供了功能的详细信息，以便设计人员初步筛选可用的无线技术选项。为了进一步协助决策，报告以模型的形式提供了一组工具，可用于对各种无线技术进行参数分析。虽然无线技术对未来充满希望，但它并非没有局限性。此外，无线技术还在不断发展。本报告提供了一套初步指导方针，旨在帮助智能电网设计人员和开发人员独立评估候选无线技术。优先行动计划 2 (PAP02) 从根本上贯穿了智能电网的整个领域。无线是智能电网的几种通信选项之一，必须以技术严谨的态度对待，以确保通信系统投资能够很好地满足智能电网当前和未来的需求。无线技术的范围和规模将代表一项重大的资本投资。此外，智能电网将支持各种各样的应用
Bucuti & Tara 首席工程师主持顶级清洁能源论坛
阿鲁巴鹰滩——2022 年 5 月 5 日——Bucuti & Tara 海滩度假村总工程师 Dagmara Avanindra 刚刚返回阿鲁巴，担任了加勒比可再生能源论坛 (CREF) 的主持人。第 14 届年度会议 CREF 2022 于 2022 年 4 月 26 日至 28 日在佛罗里达州迈阿密举行。Avanindra 在整个地区可再生能源领域的丰富背景以及 Bucuti & Tara 海滩度假村作为加勒比地区第一家也是唯一一家获得认证的碳中和酒店的地位，为致力于转向清洁能源的加勒比实体提供了资源。CREF 2022 是政策制定者、监管机构、公用事业公司、投资者、开发商和金融家聚集在一个鼓励市场满足、发起和交易向清洁能源转型的环境中的地方。在佛罗里达州迈阿密举行的会议上，超过 80 位演讲者参加了 25 场重点突出、精心策划的会议和演讲。 Avanindra 主持了一场会议，重点讨论了即将在圣基茨建成的加勒比地区最大的大型太阳能和储能微电网。会议探讨了在满足基载电力需求的同时满足清洁能源和脱碳目标的必要性。Avanindra 和小组讨论了如何克服气候脆弱的加勒比地区可再生能源项目的障碍。她分享说，加勒比地区许多可再生能源项目没有实现或失败，原因是保守的法规、避免犯错的政治氛围以及缺乏资金。“虽然 Bucuti & Tara 规模可能较小，但我们在实施可再生能源方面也面临类似的障碍，然而我们的坚持不懈使我们成为加勒比地区第一家碳中和酒店，我们希望在 CREF 2022 上分享的这种现实生活经验可以帮助其他开发商、投资者和政客看到成功是可以实现的，可靠的可再生能源确实是可能的，也是我们在加勒比地区需要的地方，”阿鲁巴 Bucuti & Tara 海滩度假村首席工程师 Dagmara Avanindra 说。 “CREF 2022 提供了一个很好的论坛，可以向其他志同道合的专业人士学习加勒比地区发展可再生能源计划所面临的挑战以及如何克服这些挑战。”主持和谈论加勒比地区的可再生能源对 Avanindra 来说并不是什么新鲜事。Avanindra 毕业于斯坦福大学，拥有电气工程学士和硕士学位，她的职业生涯一直在该地区从事清洁能源工作。她是可再生能源女性 (WIRE) 组织的成员。WIRE 致力于为加勒比能源领域的女性建立网络，为男性主导的领域创造更多机会。WIRE 得到了克林顿气候倡议和 RMI（落基山研究所）的支持。
人工智能时代的社会分类危机
本文探讨了我们计算社会的方式的最新转变（Cardon 等人，2018 年）。使用计算技术来辅助决策并不是什么新鲜事。长期以来，计算方法一直被用于对个人进行排名和选择，例如，借助计算机脚本来验证表单是否符合确定性决策规则。随着机器学习 (ML) 工具的出现，这些方法为决策者在处理结合了越来越多的实体和事件列表的文件时的不确定性时产生的困惑提供了技术解决方案。面对文件提供的用于围绕不同原则进行定位的多种参考点，决策者可能会感到无助。他们的决策质量更容易受到批评（Hahn & Tetlock，2005），理由多种多样：他们优先考虑某些标准；他们的社会同质性掩盖了结构性偏见；他们没有注意到可能导致其他结果的变量的多样性；等等。面对分散而庞大的文件，引入基于机器学习模型的自动化工具来辅助决策，建议用统计概率取代不稳定的决策依据。当候选比较空间变得难以理解时，这些工具会对变量进行排序。如今，统计分数的引入方式截然不同，具体取决于领域。它有时采用的只是文件中的一条附加信息，例如在美国法官批准保释的决定中预测重复犯罪的可能性；或者它可以具有更大的自动化程度，例如将警察引导到犯罪更频繁的地方（Brayne & Christin，2020 年）。正如关于人工智能使用的立法草案所表明的那样，结果的自动化问题是监管机构寻求“让人类参与其中”的主要干预点之一（Jobin 等人，2019 年）。本文建议将计算方法的这种转变与社会对统计类别日益增长的批评联系起来，我们称之为社会类别危机。我们认为，决策向机器学习的转变得益于基于类别的方法（使用标准的规则等）无法涵盖世界事件的多样性和多样性1。最后，我们认为这种转变延续了数据空间更普遍的时空扩展。机器学习技术的出现带来了统计文化的变化，值得关注（Breiman，2001）。这些方法的特殊性之一是它们事先并不知道决策规则；它们从数据中学习。要建立这种类型的模型，必须使用由输入数据（文件）和先前决策的输出结果组成的数据集（训练数据库）来训练算法。然后通过反复试验调整模型，使基于训练的预测误差尽可能小（Goodfellow 等，2016）。如果模型是基于输入和输出数据之间的对应关系来学习的，那么决策规则就不能再以先验稳定和自动的基于标准的依据为基础。控制选择的模型是对与给定目标相关的文件变量的最佳比较方法的统计近似。传统的呈现此类模型设计的操作的方式是定义三个独立的空间（Cornuéjols 等，2018；Mitchell，1997）。输入数据构成观察空间，计算结果构成决策空间。在这两者之间，计算的设计者必须想象一个假设空间（有时也称为
人口统计学和经济学简介
人口统计学和经济学导论 约翰·B·肖文 字典中对人口统计学的定义是“研究导致人口变化的人口规模、增长和年龄结构（生育率、死亡率和移民率）”。当然，通过查字典，我已经表明自己不属于美国年轻一代，因为他们会在网上查字典。 本书的主题是人口统计学与经济之间的相互作用。就我们的目的而言，人口统计学不仅包括生育率、死亡率和移民率，还包括人口的种族和性别构成、生活安排、婚姻、离婚、进入和退出劳动力市场的时间，以及年龄、性别和种族特定的健康和残疾情况。 经济人口统计学是一个很大的话题，本书中的论文虽然很优秀，但也只是触及了这两个领域之间重要联系的表面。关注人口统计学和经济学之间的界限并不是什么新鲜事。政治经济学家托马斯·马尔萨斯因预测人类社会将不可避免地回到仅能维持生存的状态而闻名，因为人口增长速度将超过农业产量的增长。他在 1798 年的《人口原理》中提出了这一观点，并得出结论：“人口的力量无限地大于地球为人类提供生存物质的能力。如果不加以控制，人口将以几何级数增长。”（第 13 页，牛津世界经典重印版）。马尔萨斯显然是一位重要的经济人口统计学家。他预测社会不可能长期维持在仅能维持生存的生活水平之上，这一预测没有经受住时间的考验。虽然可能仍有 10 亿人生活在仅能维持生存的水平，但他的模型很难与大约五分之六的世界人口享受更高生活水平的事实相协调。在这 210 年里，产量，甚至农业产量，都比人口增长得更快。马尔萨斯未能预见到电力、无线通信、抗生素、计算机等惊人突破，更不用说化学肥料、转基因种子和整个绿色革命，这是可以理解的。但他对经济和人口之间重要相互作用的认识是正确的。许多重要的经济制度都建立在马尔萨斯的正确认识之上——生育率将使后代人口不断增加。在美国和世界许多地方，社会保障部分基于这一前提。现收现付制以工人支持退休人员为基础，工人的数量远远超过退休人员。在美国社会保障早期，每 9 名工人对应 1 名退休人员。这一比例现在大约为 3，根据各种预测，未来 25 年内将降至 2。人口下降的主要原因是过去四十年来生育率较低，同时年龄别死亡率大幅下降。在一些欧洲国家和日本，工人与退休人员的比例已经是二倍，预计会接近一倍。工人与退休人员比例下降给社会保障和国家健康保险制度带来巨大压力，包括美国的医疗保险和医疗补助。当每名退休人员对应三到四名工人时，现收现付制计划还算有效，但现在无法同时发挥作用。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
2021年年度报告
2021 年是德国联邦国防军的一年，军队在许多方面都表现出了令人印象深刻的意愿和能力。这在行政援助领域是显而易见的。自 Covid-19 疫情爆发以来，德国联邦国防军一直在医院和疗养院、检测中心和公共卫生办公室、疫苗接种活动、检测和接触者追踪等方面不间断地提供行政援助。有时，多达 25,000 名男女军人处于待命状态。从弗伦斯堡到阿尔高，从亚琛到奥得河畔法兰克福，遍布德国各地。如果没有军队的帮助，疫情可能会发生什么样的转变，这不值得想象。此外，德国还为应对北莱茵-威斯特法伦州、莱茵兰-普法尔茨州和巴伐利亚州的洪灾提供了行政援助。在极短的时间内，军人们就做好了部署准备，为清理洪灾造成的损失以及重建道路、桥梁和学校提供了宝贵的帮助。行政援助突出了两个方面。首先，德国联邦国防军的效率。部队随时准备提供帮助。无论任务通知时间有多短。无论需要多长时间。他们提供的支持专业、务实，完全符合实际情况。其次，它暴露了民间灾难准备和救援方面的明显缺陷。新冠疫情过去和现在都不再是新鲜事。在过去两年的疫情中，联邦政府和州政府、农村地区和市政当局本可以也应该做更多工作来加快自身结构的步伐。需要进行根本性改革，以便能够切实可行、可持续地应对未来的疫情和自然灾害。不能忘记的是，行政援助旨在作为辅助和短期措施。它不是永久的，也不应该是永久的。德国联邦国防军的核心使命是不同的——首先是国家和集体防御。俄罗斯根据国际法对乌克兰的攻击清楚地表明了这一点。普京的战争不仅质疑了乌克兰的领土完整和政治主权。这也是冷战结束以来对欧洲和平架构和我们自身安全的最大威胁。那么还会剩下什么？为了公平地完成其国家和集体防御使命，德国联邦国防军需要每一位军人和男兵。也正是鉴于此，其应对 Covid-19 大流行的行政援助任务必须尽快结束。德国联邦国防军的另一项核心任务是在国际危机管理范围内的行动。在这方面，2021 年对部队来说是非常特殊的一年。经过 20 年，兴都库什山脉的国际参与结束了。这次任务在许多方面标志着与过去的决裂。这是德国联邦国防军历史上最广泛和最具影响力的部署。共有 59 名士兵在阿富汗丧生。还有更多人在精神和/或身体上受到伤害——直到今天仍能感受到伤痕。这次任务的结束方式尤其具有分水岭意义。国际部队撤离阿富汗后，阿富汗的政治体系立即崩溃，塔利班几乎立刻就夺取了政权。在随后的混乱日子里，许多人都担心自己的生命安全，尤其是那些曾为德国联邦国防军和其他武装部队工作的阿富汗人。在这项史无前例的任务中，德国联邦国防军在短短 11 天内就将 5,000 多人安全带到了德国。这是德国联邦国防军历史上规模最大、最困难、最危险的撤离任务。我们在阿富汗 20 年的参与中取得了什么成就？我们在政治、经济、军事和公民社会方面取得了什么成就？这是近年来所有驻扎在那里的男女军人都在问自己的问题。所有阵亡士兵留下的家属也想知道他们的亲人为何而死。撤军后发生的戏剧性事件使得这个问题的答案变得难以找到。但答案是必要的。这正是我们的士兵所要求的。确实如此。毕竟，是德国联邦议院批准了德国联邦国防军在阿富汗的行动，而且作为一个社会，我们也支持它。
疫苗犹豫、接受和反对......
自 2020 年 1 月公布导致 2019 年冠状病毒病 (COVID-19) 的严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 的基因序列以来，世界各地的科学家正在以前所未有的速度研制针对这种致命疾病的疫苗 (125)。与此同时，有谣言称此次大流行是为了推销疫苗而制造的骗局，这种谣言在社交媒体“信息疫情”中传播得比病毒本身还快 (57)。COVID-19 大流行提高了全球对理解影响公众接受有效、科学严谨和合乎道德的减少传播建议（包括未来对疫苗的接受度）的复杂政治、社会和行为因素的重要性。抗拒疫苗接种并不是什么新鲜事，自第一个天花疫苗接种计划以来，人们就一直对疫苗持怀疑态度 (87)。然而，在全球范围内，越来越多的父母选择推迟和/或拒绝为孩子接种部分或全部疫苗，导致社区对疫苗可预防疾病的保护能力下降 (72, 117)。疫苗犹豫，即由于对疫苗的担忧和怀疑而不愿接受推荐的疫苗接种 (81)，被世界卫生组织 (WHO) 列为 2019 年全球十大健康威胁之一 (145)。2015-2016 年，丹麦和爱尔兰的人乳头瘤病毒 (HPV) 疫苗接种计划因媒体报道不同症状被错误地指控由疫苗引起的而脱轨。在这两个国家，HPV 疫苗接种率都从 85% 以上急剧下降到 40% 以下 (33, 123)。家长对疫苗安全性的担忧导致了疫苗接种率的下降，而这种担忧是由国家电视台播出的纪录片和反 HPV 疫苗组织的游说 ( http://regret.ie./ ) 造成的。值得注意的是，这些局部的疫苗恐慌并未蔓延到邻国（例如，瑞典的 HPV 疫苗接种率保持稳定）。30 多年前，1982 年，电视纪录片“DTP 疫苗轮盘”声称，白喉、破伤风和百日咳 (DTP) 联合疫苗中的百日咳成分会导致严重的脑损伤、癫痫和智力障碍，这对家长对疫苗的接受度产生了类似的不利影响，尤其是在美国 (62)。现在人们认识到，这些情况与免疫接种没有因果关系，但有时间上的关联（即大多数病例是由 Dravet 综合征引起的，这是一种通常在 5 个月左右发病的遗传病）（1, 7）。2018 年，由于一名未接种疫苗的旅行者，纽约和新泽西的正统犹太社区爆发了大规模麻疹疫情（86）。虽然接种疫苗并不违反犹太法律，但由于一些反对接种疫苗的宗教领袖的强大影响，这种疾病在居住在拥挤住房中的大家庭中迅速蔓延 (118)。瑞典的索马里社区已经爆发麻疹疫情，在美国也是如此。最近，许多家长拒绝接种麻疹、腮腺炎和风疹 (MMR) 疫苗，因为他们担心自己的孩子患自闭症的风险更高 (46, 63)。1998 年的一项不可信的研究错误地指控麻疹疫苗接种与自闭症之间存在联系 (131)，这加剧了人们的担忧。在明尼苏达州，这位声名狼藉的作者——一位已被从医生登记册上除名的前英国胃肠病学家——与索马里社区团体举行会议，传播他的错误信息，此后不久，这些社区的疫苗接种率急剧下降 (46)。公众对疫苗安全性的普遍担忧甚至可能导致疫苗接种计划的停止，例如 20 世纪 90 年代法国学校的乙肝疫苗接种计划 (141)（因为担心疫苗会导致多发性硬化症）或 20 多年后日本的 HPV 疫苗接种计划 (88)（因为据称疫苗会引起一系列复杂的多系统症状）。疫苗接受度和抵抗力一直是医学和社会科学研究人员感兴趣的话题（15, 90）。然而，在过去 10 年里，越来越多的研究