曾鸣:区块链的春天还没有到来| 阿里内部干货

原文链接:点击打开链接

摘要: 01 区块链随想 我们简单地看一下互联网的发展历史。第一款获得大规模应用的互联网工具是浏览器。1993年发明,最早叫Mosiac,后改名Netscape,1995年8月上市,开启了互联网商业的第一次大爆发。

01 区块链随想

我们简单地看一下互联网的发展历史。第一款获得大规模应用的互联网工具是浏览器。1993年发明,最早叫Mosiac,后改名Netscape,1995年8月上市,开启了互联网商业的第一次大爆发。浏览器极大地推动了互联网内容和用户的发展,因为用户可以方便地浏览内容。

由于网上内容的大发展:

1994年一月,杨致远和David Filo建立了导航网站,Jerry and David's Guide to the World Wide Web,1995年改名yahoo.com, 1996年四月IPO。

Amazon1994年7月成立,1997年5月上市。Ebay 1995年9月成立,1998年9月上市。当然,同时期的大量上市公司很快就破产不见了,另一方面,Google 直到1998年9月才成立,2004年8月才上市。

对区块链更深入的讨论,我将放在后面几篇展开,这篇文章先讨论区块链的宏观思考。大家常常把现在的区块链比作互联网的早期。这段简短的历史概述应该可以带给我们几个简单,但很重要的结论。

02 区块链的春天还没有来到

到目前为止,区块链还没有任何应用达到千万或者上亿用户的。这应该是区块链价值实现的一个基本标准。在这个意义上今天我们肯定还处于区块链前商业期。大部分关于区块链未来伟大前景的讨论还只是猜想而已。

27e22ac97784688d898d2a306fb9258351e6acbb

03 区块链第一次大爆发后大应用

创业者需要试出区块链最有可能创造价值的地方。这中间需要巨大的创造力,也必将面临巨大的挑战。最后能走出来的,肯定是真正的信仰者。希望短期套利的人,不可能最后成功。 

04 区块链能挑战BAT吗?

错误的问题。在雅虎时代思考Facebook是毫无意义的。任何颠覆性的创新都是从边缘开始的。淘宝早期只是边缘人群用边缘方法购买边缘产品。要很多年的积累,才能挑战主流市场和主流消费习惯。

在任何大变革的早期,能让人看懂的东西肯定都不够颠覆,从而价值也不够大。但真正有价值的,早期肯定也是绝大部分的人看不懂的。然而,绝大部分看不懂的项目最终都是失败的实验。当然,这也是正确的废话。

05 今天相当于互联网的哪一年?

这是最难回答的问题。纯粹个人直觉,大概类似在1990年左右吧。目前在快速改进的各种基础设施和百花齐放的各种应用之间,至少还得两三年的磨合,才能孕育出成功的大应用。

去年在曾鸣书院的年度公开课中,专门提到三浪叠加的挑战。区块链作为这十年可能最重要的创新,是下一个大浪。一定会有大量的创业者前赴后继,试图找到创新点,突破口。最终一定会有人大成。 对于已经身在其中的创业者来说,意识到这是真正的长跑,很难一击而中,现在所做的一切可能都是二次创业的一个积累,心态和节奏会好很多。而对于大多数正在第二浪中拼搏的创业者,如果目前企业的模式很清晰,发展空间还很巨大,那至少在未来两三年不用担心区块链的冲击。再大的风浪也需要时间的积累。


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