银行暴雷、科技脱钩与AI革命，技术创业的未来在哪里？

最新推荐文章于 2023-11-29 17:26:09 发布
最新推荐文章于 2023-11-29 17:26:09 发布
阅读量72 收藏
点赞数
文章标签： 人工智能 科技 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bluemouse/article/details/129828408
版权

480079b21595bb64cff6779eda929b94.jpeg

点击文末“阅读原文”即可参与评论互动

剪辑、音频 / 朱峰  运营 / SandLiu 卷圈 

监制 / 姝琦   封面 / Midjourney

文案 / 声湃AI（测试版）  

制作人 / 魏星  产品统筹 / bobo  

录音支持 / 声湃轩北京录音间

最近，硅谷银行的破产事件引起了科技圈的广泛关注和担忧。由于该银行服务大量科技公司，并直接或间接地参与了许多初创公司的融资，因此该事件可能会对整个科技创新领域带来更大的系统性风险。这也引发了人们对科技创新生态系统中金融体系的重要性和稳定性的思考。

同时，OpenAI的出现和可能带来的通用技术革命，也为科技从业者和创业者们带来了一丝乐观情绪。这种人工智能的涌现可能会带来许多新的机会和挑战，同时也可能会在某种程度上改变我们社会和经济的结构。

在本期节目中，经济学人·商论总编吴晨老师将为我们分析这些事件，并探讨科技从业者和创业者未来可能的道路和方向。本期节目将会讨论科技创新生态系统中金融体系的重要性、科技创新的社会和经济影响、人工智能的未来发展方向以及可能涌现的新机会和挑战。这将有助于我们更好地了解科技创新领域的未来发展趋势，并提供一些指导和启示。

本期嘉宾

吴晨：《经济学人·商论》总编

朱峰：「津津乐道播客网络」创始人，产品及技术专家。（微博：@zhufengme）

姝琦：已经把AI融入生产力的产品经理、津津乐道联合创始人

经济学人·商论订阅入口

点击这里订阅《经济学人·商论》中文版：

https://r.daofm.cn/djscz

关于「科技乱炖」

84ee7268875798912dccce04e9457373.png


朱峰、高春辉等多位知名 IT 业者主持的科技资讯点评播客。
主播和嘉宾利用多年经验和业内视角，嬉笑怒骂之间，
把近期科技热点变成犀利、独到、深刻的独家观点。

b56c54df0dd1b97db8e861fe673f2b7a.jpeg


在一派纷繁芜杂里，我们为愉悦双耳而生。科技、教育、文化、美食、生活、技能、情绪……严肃认真却不刻板，拒绝空泛浮夸。与专业且有趣的人携手缔造清流，分享经历，传播体验，厘清世界与你的关系。


更多播客节目

5d952c10bb9400ad157b6bc0f928782d.png538b0e3dabf679d371fd60967e9fbcaa.png5dd3e1fc9df1d5b29c2840ed167f1f96.png7814d6bc3232072b038f980017e40463.png895382881d17e6e7d0bf09810505a527.png142ae253e7a17c1e87ec7fcc1a8b1825.png5bf8caabae1bb2930637c67056fdec1d.png1496af4ba8fbf01255a2fd6d65b49712.png6b608391f2a3576c090b3c6920787f44.pngce08b4f5ce6385f71bb935f8593c1b1c.png

精选往期节目

447. 津津有味：少吃精制碳水，能让我们成为精致人类吗？

#451 津津有味：趁给父母买年货，我使了一招暗渡陈仓

红黑榜 | 植物奶的风居然能刮到今天，牛都傻眼了

订阅节目

苹果播客 | 小宇宙App | 汽水儿App | Spotify

喜马拉雅 | 网易云音乐 | QQ音乐 | 微信听书 | 荔枝FM

央广云听 | 听听FM | Sure竖耳App

Bilibili | YouTube

搜索「科技乱炖」订阅收听

为了保证第一时间收到不被阉割的节目，且可以同步读到更多背景资料

强烈建议您在订阅和收听时采用「通用型播客客户端」

公众号中回复“收听”了解具体订阅方法

df50f298dff59daca8df2ea1cba88a68.png

bluemouse
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
高盛：中美未来更多的脱钩？.pdf
09-01
高盛：中美未来更多的脱钩？
京津冀煤炭消费与经济增长脱钩分析-论文
07-08
分析结果显示：京津冀区域煤炭消费与经济增长长期保持弱脱钩状态，其中，北京实现了从弱脱钩向强脱钩的转变，天津仍保持弱脱钩状态，河北逐渐实现从扩张连结向弱脱钩态体的转变。在影响煤炭消费的因素中，经济增长...
乘人车重载全速脱钩试验安全技术措施.docx
10-06
乘人车重载全速脱钩试验安全技术措施.docx
北大国家战略研究院-中美经济脱钩与技术脱钩的可能性及其后果-722-4页.pdf
07-25
北大国家战略研究院-中美经济脱钩与技术脱钩的可能性及其后果-722-4页.pdf
DeferredResources:在Android上将资源声明与资源解析脱钩
03-19
一个将资源声明（无上下文）与资源解析（具有上下文）分离的Android库。这允许解析器（活动性，片段或视图）与源（从API获取的标准资源，属性或值）无关，并使存储库/配置层不了解Android的上下文。 请参阅以获取API...
小红书关键词搜索商品列表API接口（分类ID搜索商品数据接口，商品详情接口）演示案例
2301_78671173的博客
11-23 546
通过关键词搜索商品API接口，电商平台可以为消费者提供一个简单、快捷的商品搜索功能。用户只需输入关键词，就可以得到与该关键词相关的商品列表。关键词搜索商品API接口还可以提供给第三方开发者一个便捷的商品搜索服务。开发者可以利用该接口，在自己的应用程序中实现商品搜索功能，从而为用户提供更好的购物体验。通过关键词搜索商品API接口，用户可以更方便地找到自己需要的商品，同时获得更优质的购物体验。关键词搜索商品API接口可以提高电商平台的竞争力，帮助电商平台更好地满足用户需求，增加用户的忠诚度和购买意愿。
【NLP】培训LLM的不同方式
sikh_0529的博客
11-22 655
在大型语言模型（LLM）领域，存在多种具有不同手段、要求和目标的培训机制。由于它们有不同的用途，因此重要的是不要将它们相互混淆并了解它们适用的不同场景。在本文中，我想概述一些最重要的训练机制，包括预训练微调人类反馈强化学习 (RLHF)和适配器。此外，我将讨论提示的作用，提示本身不被认为是一种学习机制，并阐明提示调整的概念，它在提示和实际训练之间架起了一座桥梁。预训练预训练是最基本的训练方式，与您所知道的其他机器学习领域的训练相同。
Python 订阅 image_transport 压缩后的深度图 compressedDepth
～勿据散客～的博客
11-23 483
是ros的一个图像处理工具，可以很方便地进行图像数据的压缩，可惜当你如下安装了image_transport及其plugin后运行可看到如下内容一些原因就需要用python订阅压缩后的图像，CV_8U的RGB或者灰度图（image_transport/compressed）倒是好订阅解压，而深度图常用的数据类型是CV_16UC1和CV_32FC1（像素值范围分别为[0,65535], [0,1.0]，单位通常为mm和m。），其压缩方法与RGB图像有一些出入。
影响语音芯片识别率的因素概述
jiuxindianzi的博客
11-24 594
影响语音芯片识别率的因素有很多，包括硬件设计、声音质量、语言模型、环境因素和算法优化等。为了提高语音芯片的识别率，需要综合考虑这些因素并进行相应的优化和改进。
AI人工智能对话系统网页版源码系统 附带完整的搭建教程
codeji的博客
11-24 378
此外，随着互联网的普及和人们对智能对话系统的需求不断增加，AI人工智能对话系统网页版源码系统也逐渐成为了企业和个人的首选。该系统可以通过网页进行访问和交互，方便快捷地解决用户的问题和需求，同时还可以为企业提供定制化的服务，提高企业的竞争力和用户体验。AI人工智能对话系统网页版源码系统采用了自然语言处理技术，可以理解和分析用户输入的自然语言，从而进行智能化的回答和交互。用户可以通过对话系统进行连续的交互和提问，系统可以根据用户的意图和问题，进行自我学习和回答，从而完成复杂的任务。
AIGC系列之：CLIP和OpenCLIP
Sual的博客
11-27 289
CLIP（sd v1版本）、OpenCLIP（sd v2版本）等模型将人类语言（文字）编码为计算机语言（语义向量）。训练CLIP（OpenCLIP）则需要一个图文配对的数据集。数据集来自LAION-5B，由50亿个图片以及图片对应的标签组成。包含23.2亿的英文描述，
【在线AI绘画平台】哩布AI 在线生成图片、训练Lora、上传AI生成图简易实测
进一寸有一寸的欢喜
11-27 983
在哩布AI试用 在线生成图片、训练Lora、上传AI生成图 https://www.liblib.ai/
机器学习数据集整理：图像、表格
Gene_I must wait for the sunrise
11-24 735
如果你对这篇文章感兴趣，可以点击「【访客必读 - 指引页】一文囊括主页内所有高质量博客」，查看完整博客分类与对应链接。
win10 tensorrt源码编译onnx
整理ing
11-24 274
直接利用官方源码，如下图，双击trtexec.sln文件，使用vs2019。
基于Springcloud微服务框架智慧工地系统源码
xingchenCSDN的博客
11-23 348
智慧工地工程进度流程： 前期临建搭建、基础工程施工、主体结构施工、主体封顶地库平口、主体结构验收、地库安装完成、外立面施工、室外景观工程、内部一户一验、竣工备案、一站式交付。
数字图像处理（实践篇）十三 数据增强之给图像添加噪声！
最新发布
静谧、淡雅
11-29 474
数字图像处理（实践篇）十三 数据增强之给图像添加噪声！
AIGC原理：扩散模型diffusion综述一：面向视觉计算的扩散模型研究进展
weixin_43509698的博客
11-25 977
由于生成式AI的出现，计算机视觉领域正在迅速发展，它为图像、视频和3D场景的生成、编辑和重建解锁了前所未有的能力。在这些领域中，扩散模型diffusion是首选的生成式AI架构。仅在去年，关于基于扩散的工具和应用的文献就呈指数级增长，每天计算机图形学、计算机视觉和AI社区都有新的作品出现在arXiv上。这一领域的迅速发展使它很难跟上最近的所有发展。
一. BEV感知算法介绍
周同学的博客
11-26 946
一. BEV感知算法介绍
我的创作纪念日
无法自律的人的博客
11-23 371
通过讨论与交流，你可以从他人身上学到新知识、拓展视野，同时也能对自己的学习进行反思和调整。制定详细的日常学习计划，将学习任务分解为小目标，逐步完成。同时，将计划与实际生活相结合，充分利用碎片时间，如上下班途中、午休时间等，进行短时间的学习。了解自己的学习习惯和喜好，选择适合自己的学习方法。在开始日常学习之前，首先明确自己的学习目标。本文将探讨如何有效地进行日常学习，帮助你建立适合自己的学习方式，提高学习效率。建立良好的学习习惯，每天保持一定的学习时间。将日常学习视为生活的一部分，逐步培养学习的热情和动力。
分析多省多年份的灰水足迹总量与经济增长的tapio脱钩关系，已知灰水足迹量和gdp总量都是矩阵，行是年份，列是省份，写matlab代码
09-25
### 回答1： 假设灰水足迹矩阵为A，GDP总量矩阵为B。 首先，我们需要计算每个省份的平均灰水足迹和平均GDP总量。 ```matlab avg_A = mean(A, 1); avg_B = mean(B, 1); ``` 然后，我们需要计算每个省份的灰水足迹和GDP总量与其平均值的比值。 ```matlab A_norm = A ./ avg_A; B_norm = B ./ avg_B; ``` 接下来，我们需要计算每个省份的灰水足迹和GDP总量的增长率。 ```matlab delta_A = diff(A_norm) ./ A_norm(1:end-1, :); delta_B = diff(B_norm) ./ B_norm(1:end-1, :); ``` 最后，我们需要计算每个省份的灰水足迹和GDP总量的tapio脱钩指数。 ```matlab tapio = delta_A - delta_B; ``` 完整的代码如下： ```matlab % 输入灰水足迹和GDP总量矩阵 A = [...]; B = [...]; % 计算平均值 avg_A = mean(A, 1); avg_B = mean(B, 1); % 归一化 A_norm = A ./ avg_A; B_norm = B ./ avg_B; % 计算增长率 delta_A = diff(A_norm) ./ A_norm(1:end-1, :); delta_B = diff(B_norm) ./ B_norm(1:end-1, :); % 计算tapio脱钩指数 tapio = delta_A - delta_B; ``` 其中，A和B为输入的灰水足迹和GDP总量矩阵。tapio为输出的tapio脱钩指数矩阵。 ### 回答2： 为了分析多省多年份的灰水足迹总量与经济增长的脱钩关系，我们可以使用Matlab编写以下代码： ```matlab %% 定义灰水足迹量矩阵 灰水足迹量 = [ 1000 2000 3000; 4000 5000 6000; 7000 8000 9000 ]; %% 定义GDP总量矩阵 GDP总量 = [ 100 200 300; 400 500 600; 700 800 900 ]; %% 统计总量 灰水足迹总量 = sum(灰水足迹量, 'all'); GDP总量 = sum(GDP总量, 'all'); %% 计算脱钩关系 脱钩关系 = 灰水足迹总量 / GDP总量; %% 输出结果 disp("多省多年份的灰水足迹总量：" + 灰水足迹总量); disp("GDP总量：" + GDP总量); disp("灰水足迹总量与GDP总量的脱钩关系：" + 脱钩关系); ``` 在这段代码中，我们通过定义灰水足迹量矩阵和GDP总量矩阵来模拟多个省份多年份的数据。然后，我们使用`sum`函数计算出灰水足迹总量和GDP总量。最后，我们计算脱钩关系，即灰水足迹总量与GDP总量的比值。通过输出结果，我们可以得到多省多年份的灰水足迹总量、GDP总量以及它们之间的脱钩关系。 ### 回答3： 要分析多省多年份的灰水足迹总量与经济增长的tapio脱钩关系，我们可以使用Matlab编写代码来计算灰水足迹量和GDP总量的相关系数。 首先，假设灰水足迹量的矩阵为"HWM"，其中行表示年份，列表示省份。GDP总量的矩阵为"GDP"，也是以年份为行，省份为列的形式。 代码如下： ```matlab % 假设 HWM 和 GDP 是已知的矩阵 %计算灰水足迹量的总和 HWM_total = sum(HWM(:)); %计算GDP总量的总和 GDP_total = sum(GDP(:)); % 计算灰水足迹量和GDP总量之间的相关系数 corr_coef = corrcoef(HWM(:), GDP(:)); % 打印结果 fprintf('灰水足迹总量为：%f\n', HWM_total); fprintf('GDP总量为：%f\n', GDP_total); fprintf('灰水足迹量与GDP总量的相关系数为：%f\n', corr_coef(1, 2)); ``` 这段代码将计算给定灰水足迹量和GDP总量矩阵的相关系数，并输出结果。对于多省多年份的数据，需要确保矩阵的尺寸是正确的，并将其替换到代码中的相应变量。 这样我们就可以通过计算灰水足迹总量和GDP总量之间的相关系数来分析其是否存在tapio脱钩关系。如果相关系数接近于0或者为负值，则表示两者之间存在脱钩关系，即经济增长与灰水足迹总量的增长不相关或者负相关。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

bluemouse

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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