马斯克:推特发帖机器人太多,现在起搁置440亿美元收购

机器之心报道

编辑:泽南

直播「尽职调查」,压价还是打退堂鼓?

「因为现在要计算推特上虚假账号的数量是否占 5% 以下,所以推特的收购暂时被搁置了,」5 月 13 日晚,全球首富伊隆 · 马斯克突然发推说道。

91c49709c16165484d6c8c1702e90b05.png

马斯克与推特价值 440 亿美元的交易突然被叫停了,因为该公司提供的虚假账号数据可能存在问题。消息一出,推特(Twitter,TWTR)在纽约证券交易所的股价在盘前交易中下跌超过 20%。

不过马斯克又表示他仍然致力于完成这笔交易。最终,推特昨日股价收跌 9% 至 40.72 美元,较每股 54.20 美元的收购价大幅缩水。

f6f26c0cac3cb099a34518a57079689f.png

此前,马斯克在 4 月 25 日同意收购推特时决定放弃尽职调查,以努力让这家总部位于旧金山的公司接受他「最高的也是最终的报价」。这可能会让他更难辩称推特以某种方式误导了他。

自从马斯克签署收购推特的协议以来,由于投资者担心通货膨胀和潜在的经济发展放缓等大环境问题,美国的科技股经历了一轮暴跌。

最近几天,要约价格与推特股票价值之间的价差不断扩大,这意味着按原计划完成收购的可能性越来越低,因为投资者猜测经济低迷将促使马斯克离开或寻求更低的价格。

根据马斯克与推特的合约条款,他有权在交易签署后要求该公司提供有关其运营的信息。但这是旨在帮助他为自己拥有推特做准备,而不是进行尽职调查和重新谈判。

知情人士称,推特不打算立即因最近的评论而对马斯克采取行动。消息人士补充说,该公司认为马斯克发推是贬低并违反了他们的交易合同条款,但马斯克随后在推特上发布了他承诺收购的消息,这让该公司感到鼓舞。

推特发言人表示,作为交易计划过程的一部分,马斯克曾于 5 月 6 日来到推特总部开会。

推特的首席执行官 Parag Agrawal 也在推特上表示:「虽然我预计交易会完成,但我们需要为所有情况做好准备。」周四,Agrawal 刚刚宣布了推特领导层变动和招聘冻结,消费者负责人 Kayvon Beykpour 和收入产品负责人 Bruce Falck 离职。

推特有多少虚假账号?

作为重要的全球性社交网络,推特上也存在数量可观的垃圾邮件和虚假帐户,其旨在操纵或人为地促进推特服务活动。如给人制造印象,让某事或某人比实际热度更高。

马斯克曾在 10 天前在推特上发布了一篇引用虚假账户数据的路透社报道。推特表示,这些数字只是估计数字,实际数字可能更高。

根据推特作为上市公司提交的监管文件,自 2013 年以来,该社交网络上的垃圾消息账户估计数一直稳定在 5% 以下,因此一些分析师质疑马斯克为什么现在选择了这个理由。

5f526dadaef28d6babf77ae3da62d756.png

「5% 的虚假账号指标已经出现了一段时间。马斯克显然早已知晓...... 所以这很可能是砍价格策略的一部分,」Hargreaves Lansdown 的分析师 Susannah Streeter 表示。

券商 Wedbush 的分析师 Dan Ives 则表示:「马斯克在推文,而不是文件中制造如此多不确定性的行动让投资者和华尔街非常不安,已经把推特的私有化交易变成了一场『马戏表演』,带来了对于交易进展的许多疑问。」

马斯克的代表没有立即回应媒体的置评请求。

相比之下,特斯拉的股价周五上涨 5%。自马斯克于 4 月 4 日披露其持有推特股份以来,其股票的价值已经下跌了约四分之一,原因是投资者担心他作为特斯拉 CEO 会分散精力,同时他可能不得不出售更多特斯拉股票来为这笔交易提供资金。

在市场出现波动之后,有很多可能重新谈判价格的交易案例。在 2020 年新冠疫情爆发并给全球经济带来冲击时,有几家公司对已达成的收购协议重新定价。

例如,法国奢侈品零售商 LV 曾威胁放弃与蒂芙尼公司的交易,随后这家美国珠宝零售商同意将价格降低 4.25 亿美元至 158 亿美元。

寻求退出的收购方有时会求助于其合并协议中的「重大不利影响」条款,称目标公司已受到严重损害。

但与最近的许多并购一样,推特交易协议中的措辞不允许马斯克因为商业环境恶化而离开,例如广告需求下降或推特股价暴跌。

如果马斯克没有完成交易,他有合同义务向推特支付 10 亿美元的「分手费」。但合同还包含一个「特定绩效」条款,法官可以援引该条款来迫使马斯克完成交易。

在实践中,输掉特定业绩案例的收购方几乎从不会被迫完成收购,通常会与目标公司协商付费和解。

抗击发帖机器人

马斯克曾表示,如果他购买推特,他将「全力打击垃圾邮件机器人」,并指责该公司对广告的依赖是让垃圾发帖机器人泛滥的原因。

他还批评了推特的审核政策,并表示他希望推特算法能够优先考虑公开推文。

1c7e1bb34f2238541d0b265fef572f3c.png

本周早些时候,马斯克表示,当他购买社交媒体平台时,他将撤销推特对美国前总统唐纳德 · 特朗普的禁令,这表明他打算削减审核机制。

作为另一个当事人,特朗普创办了一款名为 Truth Social 的社交媒体应用,周五在他的平台上发表了看法。

特朗普在一篇帖子中写道:「伊隆 · 马斯克不可能以如此荒谬的价格收购推特,尤其是在意识到它是一家主要基于机器人或垃圾信息账户的公司之后,」并补充说他的网站要好得多。

参考内容:

https://www.businessinsider.co.za/elon-musk-twitter-deal-horror-show-wedbush-dan-inves-tesla-2022-5

https://www.reuters.com/technology/musk-says-44-billion-twitter-deal-hold-2022-05-13/

(完)
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,可先查看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,可先查看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,可先查看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