未有天才和创新之前

本文转载自http://www.programmer.com.cn/4279/

      鲁迅有过一个很有名的演讲《未有天才之前》,那是在1924年,针对一片呼唤天才的声音,他说要有天才必须有能够培育天才的土壤。我时常感觉这个跟当下的情景非常相似,我们现在有各种创新奖励基金,我们用各种姿势呼唤创新,然而创新在哪里呢?

跟1924年不同,现在中国GDP已经超过日本,名列全球第二;在次贷危机引发的全球衰退中,中国是风景这边独好。但是历史总是有惊人相似的一面,1924年人们呼唤天才,现在我们呼唤创新,这似乎说明我们和1924年的中国人一样急功近利,以为天才和创新是可以从天下掉下来的,不需要土壤、不需要培育。

     创新首先需要宽松的环境。任何伟大的创新刚刚从土壤冒出来的时候,都浑身是土,看起来又脏又丑,完全不受人待见。Google公司刚创业的时候,创始人是两个刚拿到博士学位的Nerd。即使是给他们第一笔天使投资的教授,也一定不会想到Google会成长为全球最大的搜索引擎公司。和纳斯达克的大多数新兴公司一样,Google遵循了类似的路径;天使、风险投资,IPO。其中天使和风险投资部分的投资成功率非常低,经常投资100个公司只有7~8个真正成长起来,但是因为少数成功的项目的投资回报率极其可观,所以,这两种投资还是在蓬勃发展中。中国现在也有了很多天使和风险投资(有的是国外的基金,有的是本土的资金)。已经在促进创新方面起了很大的作用。但是在中国的创业投资还很保守,风险投资部分发展得还可以,但是关注于更小企业的天使投资还没有发展起来。

      宽松的资金环境只是其一,更重要的是宽松的言论环境,宽松的竞争环境。Twitter是一个典型的例子,这种促进信息流动言论自由的应用绝对不会首先从中国发展起来。当Twitter成为了全世界最重要的一种互联网服务类型的时候,中国的互联网公司纷纷跟进,我们有了新浪微博,腾讯微博,网易微博,搜狐微博……等等。但如果Twitter这种形式是新浪发明的会如何?结局大家不难以想象吧?中国僵化的体制,低效的官僚体系,造成一个可笑的局面,一方面知道经济要继续发展,要提高国家的竞争力,需要创新;但另外一个方面,他们看到任何形式的创新时,第一个念头就是这东西要干什么,是不是造成麻烦。所以本质上,他们是反对创新的,虽然创新可能带来效益,甚至可能给他们带来政绩,但是在官场有功没有比无过更加重要。

     中国的竞争环境也不够宽松。几乎每个初创企业被投资的时候,都会被问道,如果百度做了你的业务,或者如果腾讯做了你的业务,你该怎么办的问题。这是不良竞争环境的一个典型体现。在美国,如果你业务做得很好,证明了一个商业模式有价值以后,大公司会考虑收购,创业者和投资人会得到丰厚的回报,从而促进创新。而在中国,巨无霸企业就会考虑直接复制你的模式,创业者和投资人可能会在跟大企业的竞争中败下阵来。近两年还有一个更严重的问题,那就是国进民退。当一个国有企业倾全国之力去和中小企业竞争的时候,一切创新都会被抹杀,资本决定一切。

     另一个大问题是知识产权保护方面。因为缺乏对版权的保护,中国的通用软件行业其实已经白白浪费了十多年,没有出现一家上市公司,没有一家公司真正通过卖软件获得客观的利润。同样是这十多年,所有致力于数字音乐版权、数字内容版权的公司也罕有成功的。而数字内容版权,数字音乐版权是这些年美国创新的一个热点。03年到现在,在美国苹果公司创建的数字音乐市场iTunes Music Store已经超过了线下的最大音乐销售店沃尔玛,而苹果的数字电影销售和租赁市场的销售额也在大幅增长中。亚马逊的电子书也超过了实体书的销量。而在中国,所有致力于数字音乐、数字内容的公司,还在猖獗的盗版下苟延残喘。

      知识产权保护不利的另外一个方面,是专利保护的匮乏,以及对不正当竞争的漠视。创新的小公司,得不到回报,前面我们提到过“在中国,巨无霸企业就会考虑直接复制你的模式”就是因为用复制的方式成本最低,而且法律对此完全无能为力。在中国,当某些企业大到一定程度以后,就可以获得地方政府的保护,在法律上政策上得到各种倾斜,这些不公平的现象,都大大地放大了马太效应,导致强者更强,有创新的小公司很难脱颖而出。

作者简介:郝培强,现居上海,程序员及二手经济学家。

(本文来自《程序员》杂志10年11期)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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