想改变Facebook? 先改变扎克伯格!

640?wx_fmt=png

640?wx_fmt=jpeg


来源:网易科技频道


Facebook在很长一段时间以来都成了关注的焦点,假新闻、隐私问题,具体比如说剑桥分析公司的数据丑闻,随后又有议员和前高管主张拆分,而年度股东大会的召开,似乎又使问题放大。一位投资者问马克·扎克伯格,为了公司的利益,他是否愿意放弃部分权力。该投资者没有得到扎克伯格的回答,但她问的问题可能正中要害。


据外媒报道,在Facebook的年度股东大会上,一位股东走到麦克风前,问马克·扎克伯格(Mark Zuckerberg)是否愿意放弃他在公司的部分权力,比如说,辞去首席执行官(CEO)或董事会主席一职。扎克伯格现在兼任这两个职位,他在任何问题上都拥有60%的投票权,以及影响力强大的否决权


640?wx_fmt=jpeg

股东会期间facebook上流传的照片,民众在向facebook表达不满


对于上面的问题,扎克伯格给出了一个间接回答,他呼吁政府进行监管,还提到他计划成立一个外部咨询委员会,以对平台上的有害内容做出判断。


但扎克伯格的这个回答其实算不上回答。提问者又问了一遍,但主持人告诉该提问者只能问一个问题。


越来越多的投资者呼吁对Facebook公司高层进行重大改革,要么将董事长和首席执行官的角色分离,要么干脆不让扎克伯格担任CEO。提问上面问题的股东娜塔莎·兰姆(Natasha Lamb)就是呼吁者之一,她还是投资公司Arjuna Capital的任事股东。


投资者这么做没错儿。


如果想改变Facebook,就必须改变马克·扎克伯格!


原因很简单:扎克伯格就是Facebook, 而Facebook就是扎克伯格。Facebook公司,无论是表面发言,还是实际行动,都是扎克伯格的远见、才华、抱负、道德准则和世界观的产物。而扎克伯格的愿景很专一,自2010年以来就没有多大变化。在做出“真正改变”这件事儿上,扎克伯格的能力有限,Facebook亦是如此。


640?wx_fmt=jpeg


很多方面的力量、很多人都在要求或强迫Facebook尊重数据隐私,要求其更加透明地进行运营,但大都不太可能奏效。


美国联邦贸易委员会(FTC)对Facebook进行罚款,但这并不会使该公司在数据隐私方面变得更加透明和更负责任。Facebook付完钱,然后继续着自己的生意。隐私监管也不好使,因为Facebook要么会影响法律的制定方式,要么会找个能摆脱法律精神的方法。那拆分Facebook呢?即便如此,该公司核心的公共社交网络仍会保持完整,因此,数据收集、假新闻等行为都不会受到影响


如果你不能改变,或者不愿改变,你就会变得非常善于创造各种“假象”来显示自己已经做出改变。长期以来,Facebook一直在为自己的错误道歉,但从未真正纠正这些错误,随后情形又恢复如初。


作者认为,自从剑桥分析公司丑闻爆出以来,Facebook就把上面提到的这门艺术提升到了一个新的水平。


640?wx_fmt=png

剑桥分析丑闻后的扎克伯格


该公司雇佣了大量人员来搜索并删除其网站上的有害内容。比如说,聘请了受人尊敬的记者来处理假新闻问题。最近,还聘请了三位知名的隐私拥护者。而且该公司刚刚宣布了禁止白人至上主义者。


其中一些改变可能最终会在Facebook内部产生积极影响,但这将是这些努力的副产品。该公司的真正目的是安抚用户和监管机构,使广告业务一如既往地蓬勃发展。


扎克伯格、雪莉·桑德伯格(Sheryl Sandberg)和其他Facebook高管正在告诉全世界:


Facebook正在成为一个“注重隐私的平台”。扎克伯格说,这种对隐私伦理的重视将被注入到公司的最深层,将被注入公司的产品和经营方式中。在连续两年的F8开发者大会上,扎克伯格都谈到了隐私问题。扎克伯格还预测,公共社交网络的巨大影响力将会给更小、更私人的数字空间让位。Facebook公司的广告业务深受营销人员喜爱,因为其“触角”能伸向各种各样的细分受众,但是这种巨大的影响力如何给更小的私人数字空间让位,扎克伯格那时没有解释,现在也没给出说明。


有一些很好的理由能让扎克伯格辞去CEO或董事会主席的职务,或者是限制他的投票权。两家呼吁对Facebook公司高管进行改组的团体Majority Action和Color of Change表示,扎克伯格除了拥有57.7%的投票权,还对公司拥有其他太多的权力。两家团体指出,Facebook的首席产品官、WhatsApp和Instagram的高管最近都离职了,公司9人董事会的最新提名人选佩吉·奥尔福德(Peggy Alford)也离职了。此前,奥尔福德在专注于社会公益事业的“陈-扎克伯格倡议”(Chan Zuckerberg Initiative)组织中担任高管。


但华尔街和Facebook的大多数股东并不指望高层发生变化


在扎克伯格与提问者进行问答之前,股东们提出了几项限制扎克伯格权力的措施。这些措施都没有通过。董事会曾建议不要这样做。


在随后的一个问题中,另一位股东问Facebook首席独立董事苏珊·德斯蒙德-黑尔曼(Susan Desmond-Helmann)是否愿意召集一次高管会议,讨论将扎克伯格的董事长一职交给其他人。“我给出的答案是不,”苏珊说道。“我和我的公司以及董事会都对目前的运营安排感到满意,扎克伯格是董事长兼CEO。”


为什么扎克伯格没有直接回答股东的问题?而扎克伯格曾经对分析家和记者的其他报告和问题作出过很直接的回答。扎克伯格应该是在想,如果他直接回答这个问题,后果及影响可能更糟,以现在这样一种“防守式”的方式来回答,可能会显得更妥当。


但不管怎样,在场的每个人应该至少都知道这个核心事实:Facebook的股价在2019年上涨了30%。


往期精选


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png- 加入社群吧 -

640?wx_fmt=png

640?wx_fmt=png

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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