为什么自由软件比以往任何时候都重要

  导语:美国《连线》杂志网络版周六刊登题为《为什么自由软件比以往任何时候都重要》(Why Free Software Is More Important Now Than Ever Before)的评论文章称,随着云计算技术的发展,普通用户对自己使用的软件越来越缺乏控制力,这不仅会限制他们调用资源的能力,而且可能因此受到他人 的监视,所以自由软件在当今时代比以往任何时候都更重要。

  以下为文章全文:

  自由软件运动

  从我发起自由计算运动到现在已经30年了,那场运动的目的是促进软件的“解放”——我们之所以使用这个词,是为了强调我们讨论的是自由,而不是 价格。Photoshop等专有程序十分昂贵,而Flash Player等软件却可以免费获得——但在这两种情况下,用户都要受制于他人的力量。

  自从自由软件运动发起以来,环境已经发生了翻天覆地的变化:发达国家的多数人都已经拥有可以上网的电脑或手机。非自由的软件仍然会把用户的计算 能力割让给他人,但现在,还有了另外一种方式来剥夺用户的自由:软件即服务(SaaS),它可以用他人服务器的资源来帮你处理计算任务。

  无论非自由软件还是SaaS,都可以监听用户、束缚用户,甚至攻击用户。恶意软件在服务和专有软件中随处可见,因为用户根本没有任何控制权。这是根本问题所在:虽然非自由软件和SaaS都由其他实体控制(通常是一家公司或一个国家),但自由软件却由用户自己控制。

  控制为何如此重要?因为自由意味着控制自己的生活。

  如果你用软件来为生活服务,你的自由就取决于你对软件的控制力。在你使用软件时,你理应享有控制权,更何况是当你用这些软件来处理对生活至关重要的事情时。

  你是否控制了软件,要看你是否获得了四大自由。如果任何一项缺失或不足,整个程序就属于专有软件,或非自由软件。

  1、按照自己的意愿自由地运行软件,无论何种目的都不会受到制约。

  2、自由的研究软件的“源代码”,并修改代码,以便软件可以按照你的意愿运行。程序是由程序员用编程语言编写的——就像是英语与代数的混合体 ——这种程序被称作“源代码”。任何懂得编程,并且以源代码形式获得程序的人都可以阅读源代码,理解它的运行模式,并对其修改。如果你获得的只是最终的执 行模式,即使存在一系列效率低下的问题,也无法理解并修改程序。

  3、可以按照自己的意愿自由地制作和分发额外的副本。这不是义务,你可以自由选择。如果程序自由,并不意味着别人有义务为你提供副本,也不意味 着你有义务为别人提供副本。不能自由地向他人分发软件对用户是一种虐待;然而,选择不对外分发程序,而是自己使用,就不会虐待任何人。

  4、如果你愿意,还可以自由地对外分发你修改的版本。

  前两项自由可以让用户独立控制程序,后两项则可以让任何一组用户合作控制程序。但最终结果都是为用户赋予软件的控制权。

  如果用户无法控制软件,软件就会控制用户。

  在专有软件中,总是会有一些实体,也就是软件的“所有者”,正是他们控制了软件,并借此控制了用户。非自由软件是一种束缚,是一种创造不公平的工具。在极端情况下(尽管这种极端情况已经十分普遍),专有软件甚至可以监听用户、限制用户、审查用户、虐待用户。例如,苹果公司的i系列产品都是如此。Windows、手机固件、Windows版Chrome浏览器也都使用了通用的后门,使得一些公司可以不经用户允许就远程修改程序。亚马逊Kindle也可以通过后门删除电子书。

  自由软件运动的目标是终止非自由软件这种不公平的现状,解放软件程序,从而让用户解放自我。我们1984年就开发了自由操作系统GNU。如今有数百万台电脑运行GNU,主要是GNU/Linux的结合。

  新时期的挑战

  SaaS发挥了什么作用?SaaS并不意味着在服务器上运行的软件是非自由状态(尽管多数情况如此),而是说,使用SaaS会导致与使用非自由 软件相同的不公平:这是殊途同归的两股邪恶力量。以SaaS翻译服务为例:当用户向服务器发送文本时,服务器会将文本翻译出来,然后把译文发回给用户。整 个翻译工作都由服务器的运营者控制,用户丝毫无法插手。

  如果你使用SaaS,服务器运营者就会控制你的计算过程。它要求你将所有相关资料都提交给服务器运营者,而服务器运营者则有可能被迫将资料提交给政府——由此看来,这些服务器真正的服务对象究竟是谁?

  当你使用专有软件或SaaS时,首先受害的就是你自己,因为这种软件给了某个实体不公平对待你的权利。为了你自己的利益着想,你应该逃离这种环 境。而如果承诺不与他人共享软件,还会伤害他人,做出这种承诺是邪恶的,不遵守承诺反而没有那么邪恶。从正直的角度来考虑,你压根就不应该做出这种承诺。

  有很多非自由软件还会迫使他人使用同样的软件。Skype就是最典型的例子:当有人使用非自由的Skype客户端软件时,就必须要求其他人也使 用Skype客户端——这就将自己的自由与他人的自由一同放弃。Google Hangouts也存在同样的问题。所以,我们应当拒绝使用这种软件。

  使用非自由软件和SaaS的一大坏处在于,它会奖励作恶者,鼓励这种软件或“服务”的进一步发展,从而导致更多人受害。

  当用户是公共机构或学校时,这种间接伤害还会被放大。公共机构存在的目的是为人民服务,不是为自己服务。当他们使用计算资源时,同样是为人民服务,所以他们有责任代表人民完全控制计算过程。因此,他们只能使用自由软件,而且要拒绝SaaS。

  要在计算领域维护国家主权同样需要采取这种方式。据彭博社报道,微软曾经在Windows的系统漏洞修复前将这一消息告知美国国家安全局(NSA)。我们不知道苹果公司是否也做过类似的事情,但他们都受制于同一个美国政府。对一国政府而言,使用这种软件则会危及国家安全。

  学校和所有的教育活动,都会通过言传身教影响社会的未来。所以学校应当教育学生,只能使用自由软件,从而向他们灌输民主意识,培养他们帮助他人的习惯。这甚至有助于培养新一批的编程专家。教育学生使用非自由软件,等同于让他们依赖软件所有者,这与学校的社会使命相悖。

  专有软件开发者肯定会要求我们惩罚那些想要共享软件或改写软件的学生。他们甚至会在学校展开反对共享的宣传活动。所以,每个班级都应该制定这样 的班规:“同学们,这个班级是让你们共享知识的地方。如果你把软件带到班里,就不能把它据为己有,必须与其他同学共享——如果别人想要学习,甚至还要共享 软件的源代码。因此,不允许把专有软件带到班里,除非是为了练习反向工程。”

 计算领域的合作包括把原来的程序副本重新分发给其他用户,还包括把自己修改后的版本分发给他人。自由软件鼓励这种形式的合作,而专有软件则会禁止。它禁 止分发副本,也不提供源代码,更不允许用户修改软件。SaaS也有着同样的问题:如果你的计算是通过他人的服务器完成的,你根本就接触不到软件,就更别提 共享或修改了。

  菜谱、教科书、字典、百科全书、字体、电路图和3D打印设计图并不是软件,所以自由软件运动严格来讲并不涵盖这些内容,但同样的逻辑也可以适用于这些领域。

  经常有人问我:自由软件的“优势”是什么?但“优势”这个词用在自由身上显得太过苍白。

  没有自由的生活是压抑的,计算活动如此,生活的各个方面同样如此。

  我们在使用所有软件时都必须得到控制权。如何赢得控制权?如果你是普通用户,可以在自己的电脑上放弃SaaS和非自由软件,不再向他人传播专有 软件的理念。如果你是程序员,可以开发自由软件,并放弃开发或推广非自由软件或SaaS。这样一来,便可解放所有的电脑用户。(书聿)

转载于:https://my.oschina.net/amtf/blog/165353

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