急救必备!AED五十路六十路使用全攻略警惕身边的变化，是否应主动反思我们的行为？，重要历史时刻的见证，未来是否会重演？
在面对突发心脏病或心脏骤停的紧急情况时，一套全面且实用的AED（Automatic External Defibrillator）急救设备至关重要。以下是一份关于AED五十路六十路使用全攻略：
一、熟悉基本操作
1. 了解并正确识别AED类型：AED通常分为50路和60路两种类型，其中50路主要用于常规心肺复苏（CPR），适用于成人和儿童；60路则更适合成人和老人，能够进行高级的心脏骤停急救，包括胸外按压（SICP）、电击除颤（ECG）及简易移动式电击器（EMR）。
2. 学习CPR步骤：在对患者进行全面评估后，可以先实施胸外按压（深而均匀地压迫胸部以增大心脏搏动）。之后，再交替进行口对口人工呼吸和正压通气（PEEP）等基础的生命支持措施。每次按压应在2-3个周期内进行，间隔时间约为10秒至30秒，直到心跳恢复为止。
二、掌握基本位置摆放与使用
1. AED放置地点：尽量选择靠近有电源插座的地方，并确保周围无遮挡物。通常情况下，AED应安装在门把手附近，或者放在窗户下，以便于快速接通电源并实施急救。将电池装入AED内部，确保其充满电状态。
2. 操作方法：打开AED面板，并将充电插头插入插座，等待设备指示灯亮起并充电完成。此时，AED显示屏上会显示“AED电量充足，请您打开并开始自动检测”。按下绿色“ON”按钮，AED开始启动并监测心率。在监测过程中，显示屏上的红色报警信号代表心脏跳动频率下降或过快。一旦检测到心脏跳动异常或频率低于正常范围，AED会发出警报提示并自动提供应急处理程序。
三、熟练应用简化的基本动作
1. 立即确认心搏停止：当屏显出现红灯或蜂鸣警告时，立即判断患者是否心跳停止。如果确定心搏已停止，无需任何额外的操作，直接对患者实施基础生命支持措施。
2. 开启ECG：在心搏暂停前，开启AED内置的电生理监测功能，查看当前心电图信息，包括心率、血压、血氧饱和度等关键参数。如果需要，可能需要通过手动电击除颤来辅助心肺复苏。
3. 进行胸外按压：对于成年人，只需根据标准心肺复苏步骤进行实施。用一只手或双手同时在患者胸骨中央施加10厘米宽、30厘米高的垂直压力，使其下陷6-8厘米，然后缓慢抬起，形成一个胸骨下陷的角度，使胸部充分贴合胸壁。按压频率为100次/分钟，深度大约为5厘米，持续5-10秒钟。对于儿童或老年人，可适当减小按压深度和频率，但需保证按压力度均匀。
4. 做好心肺复位：在患者的心跳恢复后，再次进行胸外按压，保持按压力量，直至患者再次稳定心跳。若在胸外按压过程中没有心跳恢复，则需要重新检查ECG并考虑是否进行电击除颤。
四、定期维护与学习
1. 定期维护AED：根据设备制造商的建议，定期对AED进行清洁、充电和校准，以确保其性能稳定。特别是一旦设备长时间未使用或进入
IT之家 6 月 11 日消息，IT之家从中国科学院自动化研究所微信公众号获悉，近日该所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合团队结合行为实验与神经影像分析，首次证实多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。这项研究不仅为人工智能认知科学开辟了新路径，更为构建类人认知结构的人工智能系统提供了理论框架。相关研究成果以 Human-like object concept representations emerge naturally in multimodal large language models 为题，发表于《自然・机器智能》（Nature Machine Intelligence）。
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义 —— 这种多维度的概念表征构成了人类认知的基石。
传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正“理解”物体含义。论文通讯作者何晖光研究员指出：“当前 AI 能区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式。研究采用认知心理学经典的“三选一异类识别任务”（triplet odd-one-out），要求大模型与人类从物体概念三元组（来自 1854 种日常概念的任意组合）中选出最不相似的选项。通过分析 470 万次行为判断数据，团队首次构建了 AI 大模型的“概念地图”。
实验范式示意图。a，物体概念集及带有语言描述的图像示例。b-d，分别针对 LLM、MLLM 和人类的行为实验范式和概念嵌入空间。
研究人员从海量大模型行为数据中提取出 66 个“心智维度”，并为这些维度赋予了语义标签。研究发现，这些维度是高度可解释的，且与大脑类别选择区域（如处理面孔的 FFA、处理场景的 PPA、处理躯体的 EBA）的神经活动模式显著相关。