IT跨国巨头带给中国工人的痛苦

<!-- @page { size: 21cm 29.7cm; margin: 2cm } P { margin-bottom: 0.21cm } -->

(注:本文希望互相传阅。)

            26日,一份有关中国工人被IT跨国巨头无情压榨和剥削的调查报告公布之后,激起全球善良人们的抗议怒火(浪潮)。为此,我的心情也久久不能平静。为什么?

           今年2月,《国际劳工委员会》公布了一份“调查报告”,题为“High Tech Misery in CHINA”(直译为“在中国,高科技的痛苦”)。报告极其深入地揭示了位于广东省东莞市的台资“美泰(Meitai)塑胶电子公司”无情压榨和剥削中国工人的事实。报告指出,美泰公司为LenovoIBMHPDell和微软(原文是如此排序)生产计算机键盘和打印机机箱等附属设备,是这些IT跨国巨头的“(零配件)供应工厂”(Supply plants)。报告敦促Lenovo董事局主席杨元庆和William J. Amelio执行长立即终止美泰公司严重和系统地违反工人基本权利的恶劣行径,同时,对IBMHPDell和微软也提出同样的要求。报告指出,在如此条件(违反人类尊严的基本标准)下生产的产品应当认为是违禁品,不允许污染国际贸易的渠道。(注意:有了这个结论,他们可要惹麻烦了!)

            212日,微软急忙出面为此辩解,表示愿意立即行动起来,联系相关供应商和合作伙伴,积极应对(处理)此事,而(我国的)联想不见任何动静,仿佛与其无关。我们要知道,《国际劳工委员会》的调查报告(正文60页,PDF),不是好惹的,其中大量的图片和数据都是确凿无疑的,有根有据,人家就是吃这碗饭的,任何抵赖都是徒然。在此,我确实建议诸位耐心阅读“High Tech Misery in CNINA”一文,特别留意那些现场拍摄的图片(20余张)。我相信,在你阅读之后,一定会流下同情的热泪,并且对这些IT跨国巨头的恶行表示无比愤怒。

            该报告是在去年6月至9月进行实地取证的(调查方法保密),今年1月中旬又一次进行了确认和修订。台资(指台湾人拥有)公司美泰压榨、剥削中国工人的罪行令人发指,不可饶恕。美泰公司的2,000名员工,其中70%是年轻女工(1835岁),他们每天要工作12小时,坐在一个木制的小园凳上(没有靠背),不许抬头张望、不许把手伸进裤口袋里,厕所也不准随便去。每周工作7天,春节也只放假3天。如果是星期天,你外出(比如,会见朋友),或是,上班迟到一分钟,就要扣掉你2天半的工资。在美泰,劳动强度之高,简直让人不可想象,平均1.1秒钟就要安装好键盘的一个按钮(以便保证流水线每小时下线500个键盘),一天劳动12小时,在流水线上不停的这般劳作,不许有任何半点差错,如同当年美国卓别林电影一样。美泰工人,在名义上,每月工资才有1,000元~1,200元,但实际上,根本拿不到这些工资。美泰工人的住宿,几片破布一挡,就像个小窝棚(人要钻进去),简直令人吃惊。美泰工人的膳食,稀饭如水一般,哪能充饥?在该调查报告最后一页(第60页),大字写着这么一段:美泰公司的工人说:“我们实际上是牲畜(Livestock),而不是工人(Workers)”。调查报告还说,有的美泰工人说:“我感到自己好像被关在监狱里面”,“我们与机器没有任何区别”,“工厂老板根本不把我们当人看”.......。让我们扪心自问,一个人整天如同当年卓别林(美国著名电影明星)那样不停地劳作,每天长达12小时,人劳累到了极点,都会要发疯的。我们的(东莞市)劳动监管部门的官员们,你们到哪里去了?你管不管这些严重违反我国劳动保护法的丑行?我是这么想的,工厂老板给你一个小红包,你就闭上眼睛不管这些(女)同胞们的死活?东莞啊,东莞,全球善良人们都在关注着你!

        (请求:这篇文章,就算我不对,也请不要骂(人)了。多谢!)

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. **则化(Regularization)**:技术如 Dropout、L1/L2 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。研究人员在不断探索新的方法来解决这些问题。
评论 19
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