


'Facebook whistleblower' menunjukkan laluan yang jelas ke Musk: Algoritma Twitter mestilah sumber terbuka
Selepas beberapa siri sandiwara, Musk akhirnya berjaya membelanjakan 44 bilion dolar AS dan menjadi bos baharu Twitter, tetapi Twitter nampaknya semakin hampir dengan "komitmen sumber terbuka" yang pernah dia lakukan. dibuat semakin jauh.
Baru-baru ini, Frances Haugen, yang telah mendedahkan maklumat orang dalam Facebook, menyatakan dalam temu bual dengan NBC News tentang "Musk percaya bahawa media sosial mempengaruhi aktiviti politik ” pandangan.
Dia berkata bahawa perkara paling kritikal yang boleh Musk lakukan sekarang ialah mendedahkan algoritma Twitter untuk membuktikan bahawa dia benar-benar mahu membina Dataran Awam.
Buka sumbernya. Dia akan mendapat lebih banyak bantuan – ia akan menjadi lebih menguntungkan.
Dia akan mendapat lebih banyak bantuan dengan menyumber terbuka algoritma—ia akan memerlukan sedikit kos untuk memperoleh lebih banyak.
Haugen juga berkata bahawa syarikat media sosial secara amnya menentang campur tangan kerajaan kerana ia boleh menyebabkan sekurang-kurangnya 20% penurunan dalam margin keuntungan. Facebook ialah contoh. margin keuntungannya hanya 15%.
Haugen ialah pengurus produk dalam pasukan integriti sivik Facebook dia meninggalkan Facebook pada Mei 2021 dan mengambil dan mendedahkan puluhan ribu halaman dokumen dalaman Facebook.
Isu yang didedahkan dalam dokumen termasuk pengetahuan jelas Facebook bahawa produknya Instagram memburukkan lagi kerosakan kepada kesihatan mental remaja yang mencetuskan keganasan etnik di negara seperti Ethiopia dan gagal mengekang maklumat yang salah; sebelum rusuhan di Washington, D.C. tunggu.
Haugen juga dikenali sebagai "Facebook Whistleblower".
Dia malah meramalkan bahawa gergasi media sosial itu tidak akan pulih melainkan Zuckerberg berundur sebagai CEO.
Dalam penyiasatan berbilang bahagian seterusnya, The Wall Street Journal terus melaporkan bahawa Facebook menganggap golongan pra-remaja sebagai pasaran yang belum diterokai untuk membolehkan 580 Jutaan pengguna, termasuk ahli politik dan selebriti, dapat memintas peraturan kandungan dan banyak lagi.
"Sumber terbuka" hanyalah cakap-cakap?
Musk membuat janji penting dalam wawancara TED April lalu:Algoritma Twitter sumber terbuka!
Saya rasa salah satu perkara yang Twitter patut lakukan ialah sumber terbuka algoritma Jika tweet pengguna diubah suai, semua orang sepatutnya dapat melihatnya, yang bermaksud tiada jenis tertentu operasi di belakang tabir, sama ada algoritma atau manual.
Musk juga menyatakan harapannya bahawa Twitter boleh menjadi "sumber maklumat yang paling tepat di dunia, bagaimanapun, dalam beberapa minggu selepas pemerolehan selesai, bos baharu itu bukan sahaja memberhentikan pekerja." bilangan kakitangan teknikal, tetapi juga Mengurangkan bilangan orang yang bertanggungjawab terutamanya untuk mengendalikan penyederhanaan kandungan.Menariknya, Musk pernah berkata bahawa dia seorang orang yang bebas bersuara mutlak
, dan pernah melancarkan tinjauan pendapat "Adakah anda fikir Twitter mempunyai kebebasan bersuara " dan berjanji untuk melancarkan potensi Twitter dengan "mempromosikan kebebasan bersuara" dan "melarang bot spam."Tetapi selepas mengambil alih Twitter, Musk terus memecat pekerja Twitter yang menentangnya secara terbuka.
Tidak lama selepas membelanjakan $44 bilion, Musk menjelaskan dalam memo bahawa dia memperoleh Twitter untuk mempromosikan perbualan, tetapi dia percaya perbualan itu gagal.
Setelah berkata demikian, akibat lain daripada jumlah pemberhentian yang besar ialah Twitter tidak dapat meneruskan projek sumber terbuka.
Seperti syarikat perisian moden yang lain, Twitter juga sangat bergantung pada program sumber terbuka Contohnya, tapak web itu sendiri berjalan pada sistem CentOS 7 percuma dan sumber terbuka, dan aplikasi berkaitan juga dibangunkan pada kod sumber terbuka.
Will Norris, bekas ketua projek sumber terbuka di Twitter, berkata dalam temu bual dengan media asing: "Apabila saya mula-mula menyertai Twitter, kami sudah menjadi salah satu pengguna terbesar Apache Kafka, Hadoop dan Scala. Kami juga mempunyai garpu tersuai Java A untuk mesin maya JVM yang akhirnya boleh menjadi sumber terbuka Tetapi selepas Musk mengambil alih, kebanyakan orang penting yang bekerja pada sumber terbuka di Twitter meninggalkan semua jurutera Norris dalam dunia sumber terbuka telah pergi.
Jangka panjang, Norris percaya Twitter telah menjadi tidak relevan dalam komuniti sumber terbuka. Komuniti sumber terbuka dibina atas perhubungan dan kepercayaan, dan kini Twitter tidak mempunyai hubungan dengan pasukan pembangunan ini, mereka telah kehilangan sebarang keupayaan untuk mengambil bahagian secara bermakna dalam komuniti ini.
Selain itu, kakitangan teknikal yang pergi beberapa bulan atau bahkan tahun yang lalu masih mempunyai akses kepada repositori sumber terbuka Twitter di GitHub, dan masalah ini masih belum diselesaikan.
Bagi projek sumber terbuka Twitter sendiri (seperti Finagle), Norris tidak menjangka Twitter akan melakukan apa-apa untuk terus mengekalkan projek ini, di sekurang-kurangnya tidak setakat tahap sebelumnya.
Jadi, dari perspektif yang realistik, semua projek ini mungkin perlu dicabang dan dipindahkan ke tempat baharu, tetapi ia akan menjadi proses yang tidak kemas dan mungkin akan berlaku Sangat merosakkan.
Atas ialah kandungan terperinci 'Facebook whistleblower' menunjukkan laluan yang jelas ke Musk: Algoritma Twitter mestilah sumber terbuka. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ditulis di atas & pemahaman peribadi penulis: Pada masa ini, dalam keseluruhan sistem pemanduan autonomi, modul persepsi memainkan peranan penting Hanya selepas kenderaan pemanduan autonomi yang memandu di jalan raya memperoleh keputusan persepsi yang tepat melalui modul persepsi boleh Peraturan hiliran dan. modul kawalan dalam sistem pemanduan autonomi membuat pertimbangan dan keputusan tingkah laku yang tepat pada masanya dan betul. Pada masa ini, kereta dengan fungsi pemanduan autonomi biasanya dilengkapi dengan pelbagai penderia maklumat data termasuk penderia kamera pandangan sekeliling, penderia lidar dan penderia radar gelombang milimeter untuk mengumpul maklumat dalam modaliti yang berbeza untuk mencapai tugas persepsi yang tepat. Algoritma persepsi BEV berdasarkan penglihatan tulen digemari oleh industri kerana kos perkakasannya yang rendah dan penggunaan mudah, dan hasil keluarannya boleh digunakan dengan mudah untuk pelbagai tugas hiliran.

Cabaran biasa yang dihadapi oleh algoritma pembelajaran mesin dalam C++ termasuk pengurusan memori, multi-threading, pengoptimuman prestasi dan kebolehselenggaraan. Penyelesaian termasuk menggunakan penunjuk pintar, perpustakaan benang moden, arahan SIMD dan perpustakaan pihak ketiga, serta mengikuti garis panduan gaya pengekodan dan menggunakan alat automasi. Kes praktikal menunjukkan cara menggunakan perpustakaan Eigen untuk melaksanakan algoritma regresi linear, mengurus memori dengan berkesan dan menggunakan operasi matriks berprestasi tinggi.

Lapisan bawah fungsi C++ sort menggunakan isihan gabungan, kerumitannya ialah O(nlogn), dan menyediakan pilihan algoritma pengisihan yang berbeza, termasuk isihan pantas, isihan timbunan dan isihan stabil.

Konvergensi kecerdasan buatan (AI) dan penguatkuasaan undang-undang membuka kemungkinan baharu untuk pencegahan dan pengesanan jenayah. Keupayaan ramalan kecerdasan buatan digunakan secara meluas dalam sistem seperti CrimeGPT (Teknologi Ramalan Jenayah) untuk meramal aktiviti jenayah. Artikel ini meneroka potensi kecerdasan buatan dalam ramalan jenayah, aplikasi semasanya, cabaran yang dihadapinya dan kemungkinan implikasi etika teknologi tersebut. Kecerdasan Buatan dan Ramalan Jenayah: Asas CrimeGPT menggunakan algoritma pembelajaran mesin untuk menganalisis set data yang besar, mengenal pasti corak yang boleh meramalkan di mana dan bila jenayah mungkin berlaku. Set data ini termasuk statistik jenayah sejarah, maklumat demografi, penunjuk ekonomi, corak cuaca dan banyak lagi. Dengan mengenal pasti trend yang mungkin terlepas oleh penganalisis manusia, kecerdasan buatan boleh memperkasakan agensi penguatkuasaan undang-undang

01Garis prospek Pada masa ini, sukar untuk mencapai keseimbangan yang sesuai antara kecekapan pengesanan dan hasil pengesanan. Kami telah membangunkan algoritma YOLOv5 yang dipertingkatkan untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi, menggunakan piramid ciri berbilang lapisan, strategi kepala pengesanan berbilang dan modul perhatian hibrid untuk meningkatkan kesan rangkaian pengesanan sasaran dalam imej penderiaan jauh optik. Menurut set data SIMD, peta algoritma baharu adalah 2.2% lebih baik daripada YOLOv5 dan 8.48% lebih baik daripada YOLOX, mencapai keseimbangan yang lebih baik antara hasil pengesanan dan kelajuan. 02 Latar Belakang & Motivasi Dengan perkembangan pesat teknologi penderiaan jauh, imej penderiaan jauh optik resolusi tinggi telah digunakan untuk menggambarkan banyak objek di permukaan bumi, termasuk pesawat, kereta, bangunan, dll. Pengesanan objek dalam tafsiran imej penderiaan jauh

1. Latar Belakang Pembinaan 58 Portrait Platform Pertama sekali, saya ingin berkongsi dengan anda latar belakang pembinaan 58 Portrait Platform. 1. Pemikiran tradisional platform pemprofilan tradisional tidak lagi mencukupi Membina platform pemprofilan pengguna bergantung pada keupayaan pemodelan gudang data untuk menyepadukan data daripada pelbagai barisan perniagaan untuk membina potret pengguna yang tepat untuk memahami tingkah laku, minat pengguna dan keperluan, dan menyediakan keupayaan sampingan, akhirnya, ia juga perlu mempunyai keupayaan platform data untuk menyimpan, bertanya dan berkongsi data profil pengguna dan menyediakan perkhidmatan profil dengan cekap. Perbezaan utama antara platform pemprofilan perniagaan binaan sendiri dan platform pemprofilan pejabat pertengahan ialah platform pemprofilan binaan sendiri menyediakan satu barisan perniagaan dan boleh disesuaikan atas permintaan platform pertengahan pejabat berkhidmat berbilang barisan perniagaan, mempunyai kompleks pemodelan, dan menyediakan lebih banyak keupayaan umum. 2.58 Potret pengguna latar belakang pembinaan potret di platform tengah 58

Ditulis di atas & Pemahaman peribadi penulis ialah dalam sistem pemanduan autonomi, tugas persepsi adalah komponen penting dalam keseluruhan sistem pemanduan autonomi. Matlamat utama tugas persepsi adalah untuk membolehkan kenderaan autonomi memahami dan melihat elemen persekitaran sekeliling, seperti kenderaan yang memandu di jalan raya, pejalan kaki di tepi jalan, halangan yang dihadapi semasa memandu, tanda lalu lintas di jalan raya, dan sebagainya, dengan itu membantu hiliran. modul Membuat keputusan dan tindakan yang betul dan munasabah. Kenderaan dengan keupayaan pemanduan autonomi biasanya dilengkapi dengan pelbagai jenis penderia pengumpulan maklumat, seperti penderia kamera pandangan sekeliling, penderia lidar, penderia radar gelombang milimeter, dsb., untuk memastikan kenderaan autonomi itu dapat melihat dan memahami persekitaran sekeliling dengan tepat. elemen , membolehkan kenderaan autonomi membuat keputusan yang betul semasa pemanduan autonomi. kepala

Baru-baru ini, Ketua Pegawai Eksekutif Tesla Musk memberi respons positif sama ada Tesla akan meningkatkan fungsi penyepaduan dengan Apple Watch. Beliau berkata bahawa pemilik Tesla boleh mengharapkan untuk menggunakan Apple Watch untuk mengawal kereta mereka, yang mendapat perhatian meluas. Walau bagaimanapun, jadual pelaksanaan khusus untuk ciri ini masih belum diumumkan, menjadikan jangkaan orang ramai untuk masa depan lebih tinggi. Difahamkan bahawa apl Apple Watch Tesla merancang untuk menyediakan satu siri fungsi praktikal, termasuk membuka kunci kereta, memanaskan atau menyejukkan awal persekitaran dalaman, mendayakan atau melumpuhkan mod Sentry dan mengunci atau membuka kunci kereta dari jauh. Ciri-ciri ini akan meningkatkan kemudahan dan pengalaman pemilik Tesla. Pada masa ini, terdapat beberapa aplikasi pihak ketiga dalam AppStore, seperti Tess
