大公司作恶史


西雅图IT圈:seattleit

【今日作者】栗头蓝

一个充满人文情怀的

web前端相声演员

可口可乐

棺材店老板祝你早日康复的时候,他不一定是真心的。

可口可乐公司也干过类似的事。他们曾经不遗余力号召大家节约用水。愿望很良好,业界很良心?

当然是因为喝白水又不赚钱。但是他们粉饰得很好,他们的口号是,“为广大餐厅谋福利”。他们自己出资,培训餐厅的服务员,对那些“来杯水”的顾客,教她们各种推销饮料的话术。比如“健怡可乐可以代替水啊”,“冰红茶不是水,是水的升级版啊”,云云。如果碰上冥顽不灵坚持只要水的顾客,还可以推荐可口可乐旗下的瓶装水(比如Dasani)。

讽刺的是,平均要浪费一瓶多的水,才能生产出一瓶瓶装水。业界良心昭然若揭了。

Google

巨人容易做巨恶。这里只试举一小例。

美国IT网站CNET某编辑曾经在Google上搜索其CEO埃里克施密特的信息,然后用搜索结果发表文章。Google认为此人有很大安全隐患,封禁了他的账号一年。

Google: 我搬运信息可以,你组装信息就不行。

IBM

巨人做巨恶。这回是真的巨。

1933年德国纳粹开始迫害犹太人的时候,当局迫切需要自动化的方式去管控与追踪德国境内的60万犹太人信息。当时电子计算机还不存在。IBM德国说,技术有险阻,苦战能过关。以此为目的,他们研发了打孔机,并送往各个集中营, 把犯人的宗教,位置,处刑方式等信息记录在打孔卡上。

科技没有错,用错地方就很发指。

HSBC

英国的HSBC在美国境内被爆出多次参与洗钱。英国政府和财政机构警告说,HSBC这种体量的,一旦关了,可是要出经济危机的啊。美国的检查官说,这样啊,那交点儿罚款完了。

教会了我们一些人生哲理。

Verizon

一张图胜过万语千言。

由于费用纠纷,Verizon在加州山火期间把消防局的data plan降级了。教育了我们十万火急的时候也得按经济规律办事。

杀虫剂公司

(American Cyanamid Co.)

某些杀虫剂被证实致癌。美国政府:禁止在国内售卖!——但是可以生产出口。卖到第三世界国家去创汇,拿好不谢请叫我雷锋。这些国家生产的被杀虫剂洗礼的蔬菜水果,又进口回了美国。

不要向井里吐痰,也许你还会来喝井里的水。——《静静的顿河》

Space X

一则趣事,并算不上是作恶。迄今为止SpaceX已经放了800多颗卫星上天。蔚为壮观。

SpaceX StarLink 卫星

不过惹恼了天文学家们。由于太空中光线不足,对于星体的拍摄很多都要长时间曝光。坏事就坏在,SpaceX的卫星并没有使用黑色涂料,亮晶晶的经过曝光之后更是光彩照人。天文学家本来想观星,现在观到的都是SpaceX的卫星。

SpaceX表示,我的锅,这就给这些卫星披件黑衣服。

西雅图IT圈原创

仅有不到7%的公众号, 还在坚持原创

如果喜欢, 请分享我们的文章

每天加点料

资深程序员debugging

投稿,转载,商业合作,请联系E-mail:

SeattleITquan@gmail.com

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 6
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