IT业给世界带来的危机

文章通过湾区的一个实例探讨了IT业的快速发展对当地社区及居民生活的影响。一方面,IT巨头如Apple和Google的扩张带来了经济的表面繁荣;另一方面,却也使得其他行业衰落,居民生活成本上升,部分居民甚至面临失业和生活困境。

原文转载:http://www.yinwang.org/blog-cn/2016/06/20/it-and-society

昨天写了文章之后,回忆起这几年在湾区的经历,觉得自己是一个很不幸的人。然而就在今天,我的自怜奇妙的转换成了另一种感情,因为我看到了更不幸的人……

正在女朋友 Cinny 的父母家吃饭,忽然窗外来了一个人。仔细一看,是个约莫十来岁年纪的漂亮白人女孩,她说:“亲爱的,你们想要一些刚从树上摘下来的新鲜李子吗?” 据女朋友妈妈介绍,她是邻居的女儿。之后我尝了一个李子,颜色已经黑透了,非常新鲜非常甜!

随后我和 Cinny 出去散步。在她家的对面,耸立着两栋高大华丽的豪宅,看那样子,价值恐怕超过200万美元。两栋豪宅的中间,夹着一间样式非常不搭调的便宜小矮屋。这屋子周围被篱笆围了起来,可以看见里面种了很多的植物。在那门口的无花果树下,赫然出现这样的一个牌子:

它说:“请不要摘我的无花果。我失去了我的工作,需要依靠自己种的食物为生。我是一个生物学家,如果你知道有任何的工作,请告诉我。谢谢!” 这树上还挂着好几个类似的牌子,从它们看来,这位生物学家已经失业一年了……

Cinny 说,吃饭时给我们送果子来的女孩,就是这家的孩子。我想起她甜美的笑容,不禁一阵心酸!哎,谁才是真正可怜的人?我之前在无病呻吟些什么啊……

这些年来湾区的 IT 业大量的扩张,Apple,Google 等公司不停地在附近建新的办公楼。IT 业的过度发展,导致了其它行业的衰落,让附近土生土长的居民生存困难。本来公司的扩张应该引起经济的流通,社区的繁荣,人气的高涨,结果每当像 Google 这样的公司提供免费餐饮,附近就会有多少店铺关门,又有多少人失业,成为一片荒漠……

是的,大家节省外出买饭的时间能为公司赚很多钱,自己也节省了不少开支。但是这些公司真的回报了社会吗?新闻早已经曝光,这些大公司利用美国税法的漏洞,每一家每年都导致政府少收上亿美元的税钱。没有收到税,就没法给这些丢了工作的人发福利,以至于他们落魄到这种地步。

Cinny 告诉我,这家人可能也要卖掉房子,搬到别州去了。之前有好些邻居已经搬走了,其中有一些以前在附近开小店,卖很好吃的东西。现在这些儿时的美好回忆,都已经不在了……

我们一直盲目的以为技术会改善人们的生活,很多人总是试图做一些 O2O 服务,甚至研制机器人和自动车,这样可以代替许多人的劳动。如果这些技术真的能代替繁重或者危险的劳动,那确实好。可是如果发明这些技术的公司不回报社会,反而想办法钻法律的漏洞避税,那就变得有害了。在创造这些技术的同时,我们有想过因为它们而失去工作,而又因为公司不交税,不回报社会而变卖房产,颠沛流离的无辜人们吗?

作为一个 IT 人,我们不得不思考,这是不是一种无情的掠夺,我们是不是害虫?当我们帮助雇主掠夺了别人的工作之后,我们自己会不会就是下一个被社会抛弃,丢掉工作的人?“独乐乐,与人乐乐,孰乐乎?不若与人。” 我们在思考如何发展自己事业的同时,也应该思考如何回报社会了。否则我们面对的将是一片毫无生气的荒原,我们不会再看到幸福的笑脸……

有人说这一切都是资本主义造的孽,而不能怪 IT 业。不过由于 IT 存在高度的“智能”和“自动”,它已经开始给资本主义的社会关系带来灾难性的影响。有位大胡子说,无产阶级是资本主义的掘墓人,那么我说,IT 业就是资本主义的定时炸弹,它离爆炸的那一天已经不远了。

我想我们应该都能做点什么…… 话说,如果你知道湾区有招生物学家的工作,请联系我!

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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