观点 | 手机解禁后,飞机将成为下一个“菜市场”?


文章经授权转载自 创业邦(ID:ichuangyebang)



春节出行,你选择的哪种交通工具呢?

 

要说今年春运变化最大的交通工具,那就当属飞机了!以前,在国内坐个飞机想玩手机都需要偷偷摸摸的,稍有操作不慎就会被空姐提醒『先生/女士,请您将手机调至关机状态』



随着今年1月的『手机解禁』开始,中国大陆航空公司不允许在飞机上使用手机的规定也成为了历史。


但是,在大家欢呼雀跃庆祝这一利好的同时,有不少网友却表达了不满的情绪。


方便不等于随便!

 

事情发生在东方航空MU254,一趟从武汉飞往上海的航班上。“飞机即将起飞,请各位乘客收起小桌板,系好安全带,将手机等通讯设备调至飞行模式”。


这天天气晴好,正值下午时分,舱内许多的乘客选择趁着这个时间好好睡个午觉,也有人安静地在翻看杂志、书籍。除了飞机引擎轰鸣,再无其他喧闹声。


图via 视觉中国

 

这时,有位女士打破了这片刻的宁静。


这位穿着艳丽的女士明显是有备而来。她戴着墨镜和口罩(社会摇标配),右手拿着装有外置镜头的手机,大金耳环和戒指也是格外亮眼。

 


只见她张牙舞爪地挥舞着手机,头也跟着手机里传来的喧闹音乐在摇晃。看到这,相信大家已经猜出来,这位『灵魂舞者』玩的就是『抖音』。

 

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="0.5666666666666667" data-w="272" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=g05574c1yt3&width=638&height=478.5&auto=0" style="display: none; width: 638px !important; height: 478.5px !important;" width="638" height="478.5" data-vh="478.5" data-vw="638"/>


玩『抖音』没有错,在飞机上玩也没有错,但是你外放音乐就不太合适了吧?


在『手机解禁』刚开始的几天里,英国女歌手Jessie J搭机从中国回英国时,在飞机上遭遇噪音干扰,她在社交网路分享了机舱内的画面,吐槽前排和左边乘客用手机看视频声音太大,让她很不理解。


class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7666666666666666" data-w="848" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=d0537i9zig3&width=638&height=358.875&auto=0" style="display: none; width: 638px !important; height: 358.875px !important;" width="638" height="358.875" data-vh="358.875" data-vw="638"/>

 

一经发出,无数的国外网友纷纷参与热议。


 

到底该不该解禁手机呢?



看过《人在囧途》的朋友,应该都记得这一幕,王宝强因为看到徐峥在起飞时玩手机,在飞机上和他大吵大闹。

 

飞机上对手机的禁令最早始于1991年,由美国联邦通信委员会(FCC)出台规定。实施这项规定的原因有:


1、在飞机上使用手机,会影响手机的地面基站系统。

2、手机发射的无线电波,有可能干扰机载电子系统。

 

后来,经过了漫长的实验与测试,NASA实验所再次证明,信号干扰的影响概率非常的小甚至比出门被雷劈的概率还要小。于是,手机终于洗清了『冤枉』。


图via 视觉中国


从2013年起,美国和欧盟相继开放了在飞机上用手机的限制,但需要将电子设备设置在飞行模式。

 

然而,中国直到今年才放开这一限制。

 

1月16日,国家民航局发布《机上便携式电子设备(PED)使用评估指南》。指南中明确表示在经过技术测试、规章修订等工作之后,开放飞机上便携式电子设备使用的条件已基本成熟。

 

为什么比欧美国家晚了这么多年呢?

 

这主要是因为中国的通信情况比较复杂,三个运营商的电信制式、通信频道均不一样;其次,国内手机厂商众多,一些山寨手机产品是否安全仍需检测;手机用户的素质残次不齐,是否会真的将手机保持飞行模式无法保证。

 

『手机解禁』毫无疑问是大势所趋,也是生活质量提高的一种体现。而且,WIFI服务也将会慢慢登上国内的飞机。


 

目前中国的空中WIFI仍处于试点萌芽阶段,主要集中在国际远程航线和国内重点商务航线上。专家表示,『预计到2021年,有望让一半的中国机上接通互联网』

 

不过,这样的消息,听起来让人忧喜参半。

 

如果,社会的整体素质不能与科技的发展进步保持统一的步伐,那将会是一种可怕的结果。就像飞机上的乘客,同坐在一个公共的机舱內却有人置他人于不顾,随意外放音乐、影响乘坐体验。

 

很难想象普及WIFI以后,飞机里面各种视频、各种音乐上演『交响乐』的场景。



请保护飞机上最后的『静土』

 

如今的高铁俨然已经成为喧闹的『菜市场』,与当年的绿皮火车别无他样,有在车内放电视剧的、有在车内放凤凰传奇的、有打斗地主的,当然遇到最多的就是从上车吵到下车的熊孩子。



飞机,也就成了最后的『静土』。

 

去年,有一位妈妈一上飞机就将准备好的几袋小礼物分发给座位身边的乘客,里面是耳塞和两颗糖果,更让人感动的是纸袋中这张纸条上的话:

 

 

如果,一岁半的小孩都能够做到保持安静,那你一个成年人有什么理由不关上你的手机外放,收起的你任性和随便呢?

 

小小机舱,就是一个社会的缩影。

 

现实中,很多人不懂得如何得体的在公共场合使用手机。维持飞机上的『安静』,对于乘客来说是一种权利,对于航空公司来说,则是一种义务和责任。显然,他们对于『手机解禁』并没有做好应对。


姚明在飞机上看书


许多人选择飞机出行也是考虑到其舒适性,尤其是商务人士,能够在没有手机信号的这几个小时里安心的看本书、安稳的睡一觉将是多么宝贵的时光啊!

 

好东西请留给自己欣赏,带上耳机、减小噪音,举手之劳而已。


END


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值