暴裂无声张一鸣

2009年,张一鸣第一次创业,项目名为九九房。最巅峰时,九九房的用户超过600万,移动产品用户量超过100万,日启动10万人次。如果这一项目成功地做下去,张一鸣很有可能成为一名地产大佬。

可惜的是,张一鸣在2012年初突然变换跑道,做了两款名字分别叫做“内涵段子”和“搞笑囧图”的App。那时谁也说不清楚张一鸣到底想干什么。

九年后,他却以“字节跳动创始人”身份成为媒体报道的头条人物,一次次被推至舆论浪潮顶峰。

本月初,借着抖音Tiktok第一季度在苹果商店下载量冲顶,张一鸣首次在朋友圈“揭竿而起”:微信的借口封杀,微视的抄袭搬运挡不住抖音的步伐。马化腾当即回击:这可以理解为诽谤。

如同莱克星顿的一声枪响,头条与微视间的种种纠葛再次引发公众的追议。2018年多轮监管压力下,内涵段子被下架,头条估值持续下滑,腾讯对微视不断加码,抖音成为今日头条制胜的关键要素。

而其后,抖音起诉微信侵犯名誉权、“第一届文物戏精大赛”H5遭“封杀”、抖音控诉博物馆相关视频被腾讯视频下架、传云峰基金领投今日头条……本月以来,他与腾讯、马化腾之间的爱恨情仇几乎每天都有新戏码。

内忧外患之下,张一鸣内心的焦虑与不安全感,似乎帮助他在巨头的狭缝间找到了一条“独辟蹊径”的生存之道。

技术是“中立的”,人性是叵测的

在做九九房之前的几年打工生涯里,张一鸣分别在酷讯、饭否实践着自己的技术梦想。

酷讯是张一鸣的第一份工作,刚刚加入酷讯时,张一鸣像任何一名刚工作的码农一样,认为酷讯那样的垂直搜索将会改变世界。那几年,酷讯的广告打满了北京的地铁站和公交站台,就好象现在的oppo和vivo一样。

遗憾的是,酷讯红极一时后迅速衰落。不过,在酷讯,张一鸣没有给自己设置天花板,拼命积累各方面的互联网技术能力。24岁时,张一鸣已经成为酷讯的技术总监,并且得到了酷讯投资人王琼的青睐。

同乡王兴创办饭否、海内网时,张一鸣被拉入伙。在饭否和海内工作时,张一鸣的产品天赋被发掘,他对信息分发已形成全面且独到的见解。

直到有一天王琼给了张一鸣创业的第一笔钱。

有了钱,加上张一鸣自己的产品技术能力,经过对酷讯、饭否倒下的深刻反思,和九九房黯然落幕的创业实践,张一鸣最终走上了以“算法决定论”和“技术没有价值观”为指导思想的创业之路。

这既为张一鸣打开了一个潘多拉魔盒,又为他关闭了一扇认识这个真实世界的窗户。

一直以来,今日头条都把自己定位成AI技术公司,用算法做内容推荐,但是“算法推荐”的信息却得到广大网民,尤其是家长们的一致声讨。

一些评论认为,人的本性追逐那些离奇的新闻、激进的言论、夸张的表演,因此,在“算法决定论”里,最容易成为高点击、高转发、高推荐的内容必然是那些低俗和非主流的内容。当技术通过算法决定了人们看什么、听什么,并且深入人们的思想,这将与历史上层出不穷的邪教类似。控制人们的思想之后,技术借助算法还将改变人们的生活方式。

就这样,大量低俗甚至垃圾信息,以新闻的名义,打着“算法推荐”的招牌,蜂拥而进南来北往、男女老少的网民手机页面。

而算法背后是商家的精心设计——什么低俗离奇就推什么,只要有粘度有流量,就代表着广告商的青睐,代表着滚滚而来的利益。

有知乎网友表示,绝对不会让自己的孩子去接触今日头条和抖音等App。细想一下,今日头条上扭曲的历史故事、为了吸引人而拼凑的社会新闻、带有擦边球性质的娱乐八卦,对于成长中的孩子来说无异于精神×××。

甚至有网友认为,如果推行APP分级制度的话,像今日头条之类的App应该被归入三级。

早在两年前,张一鸣在采访中表示:“把权力让度给算法,让算法来识别你的喜好,推荐你可能感兴趣的内容,这种方法能大大提高信息分发的效率。”彼时,张一鸣引以为豪的“技术没有价值观”的经营理念无懈可击。

然而,在更深入地追问一层,人类应该驾驭技术,还是被技术驾驭?在“算法决定论”中,这一问题的答案显然是后者。

现在看来,铺天盖地对的批判和反对,一定不是张一鸣创业之初希望给世界带来的改变。只是对技术的迷信,使张一鸣不得不走向他初衷的另一面。

2018年上半年的多轮监管,给了张一鸣猛烈一击——他和他的今日头条第一次深刻地认识到,他们面临的下一个问题,不是如何通过技术改变世界,而是如何用世界的美好来改变技术的方向。

张一鸣的焦虑和N个没想到

乔布斯有一句非常著名的话,是他劝斯卡利加入苹果时说的,他说:“你是想卖一辈子糖水呢,还是想抓住机会来改变世界?”

张一鸣无疑是想改变世界的。

张本人有点小清新,创业的初衷单纯而美好,想做一家小而美的技术公司。他希望改变世界的方式是技术,以及由技术带来的算法。

不过,今日头条发展的太快,以至于张一鸣还来不及停下来思考,就在资本、舆论、员工及他身后众人的裹挟下,今日头条逐渐去向了一个与张一鸣的初衷正好相反的方向。

在这场投资人、合伙人等各路人马的合谋中,资本追逐利益的最大化,舆论需要塑造一个年轻的创业领袖,员工需要高估值以快速套现,唯独剩下技术男张一鸣,成了背负这台庞大机器的唯一一个人。

作为一个希望改变世界的技术男,他本不应背负这么多。但在发展过程中,他首先没想到的是头条系会做的那么大。

的确,在创业之初,以搞笑囧图和内涵段子起家的张一鸣,只是想做一款信息分发的APP,其规模充其量相当于PC时代的糗事百科。如果今日头条成了糗事百科,就不会有后来的故事,不会把张一鸣架在公众的火上烤,不会全网通发道歉信,更不会与社交巨头腾讯有任何瓜葛。

在战火最开始那场充满火药味的对话,张一鸣其实心里也很清楚:在监管之下没有谁能置身事外。腾讯出手对包括自家的微视、快手在内短视频的“封杀”,也只是为“自保平安”不得已为之。今年以来,微信还封杀过腾讯体育、微视等自家产品的营销活动与链接的封杀,哪一次不是封喉见血?

至于张一鸣称“微视系统搬运”一说,张一鸣心里理应清楚,抖音也正站在“搬运”抄袭的边缘。也许张一鸣需要和抖音的法务团队先内部彻查一轮——至少在已有的指责看来,抖音上出现腾讯音乐集团的独家版权音乐,据说还不在少数。

腾讯重金扶持企鹅号后,微视的版权与网红资源迅速上涨,搬运其实不会给微视带来任何好处。据业内人士透露,微视开始猛挖抖音的员工,投资部门也开始收割短视频PGC和MCN,首要条件就是“排头条系”。

从过去低调的技术男,到频频见诸报端的男主角,张一鸣没想到的是,其实,他正在被他所创造的今日头条悄然改变。

4月9日,今日头条官方号发布题为《“记录美好生活”的抖音得罪了谁?》声明,称近百个以市级地域号为主的微信公众号,同一天,刊发转载了内容素材几乎完全一致的谣言文章,只是改了一个标题前缀:《XX人注意!你们疯狂日刷夜刷的抖音快手,终于出事了...》。

随后,张一鸣也在朋友圈贴出截图痛斥:不知什么人,居然24小时内雇了400多个微信号拼凑黑抖音的稿子,并表示“长见识了,黑公关”。

在行业里,极短时间大规模地发动市级地域号为主的微信公众号和大V号,并且不露半点风声,基本上不可能。而直到今天也没有任何证据指向是哪家的行为,极可能只是自媒体追逐热点蹭取流量“博眼球”的结果。

也许是风口之下的草木皆兵,也许是行业被害妄想的普遍传染,也许是焦虑不安驱使下,张一鸣更没有想到,自己有一天会效仿周鸿祎,把个人的朋友圈变成喊话马化腾,对标BAT的下一个战场。

在一次公开的对话中,张一鸣表示,“人要因为产品而改变,还要因为行业改变,从行业、文字图片进化到视频,从OGC进化到UGC,作为创业者来说我需要跟上时代。另外,我还有一个改变,即跟着业务改变。我的很多改变都是为了业务,被业务推着向前改变的。”

被改变的张一鸣,似乎已经逐渐失去了对头条系产品的掌舵能力。如今的今日头条也渐渐失去了创立之初的小而美的愿景,成了这个社会里“最社会”的一个地方。

在整个行业叫嚣“梦想”的今时今日,不知道被众人裹挟下的张一鸣,是否也会偶尔想到,自己在24岁时的初心。

头条与抖音的不确定性

今年3月,有投资人透露,今日头条正在展开新一轮融资,投前估值为350亿美元。这一估值已与此前机构对今日头条的估值略有下降:一份截至今年2月的融资材料显示,今日头条2018年估值预计为400亿美元,2019年有望达到600亿美元。

近日有媒体爆出,今日头条和阿里巴巴的关系不断暧昧,抖音经过电商渠道直接引流淘宝,阿里巴巴有社交梦,也屡次有风闻称阿里有投资头条意向。在头条新一轮融资中,投资人中也出现了云峰基金的身影。

材料显示,截至今年2月,头条系全球用户总数约10.5亿,去重后用户总数约9亿。其中,今日头条DAU约1.2亿,用户日均在线时长54分钟。其中,用户日均在线时长已经大幅缩短,从2017年11月时的74分钟,下降了20分钟。

据接近抖音的人士称,在年初的整顿以后,抖音的视频总量急剧下降,而用户数据有所下降。不过,目前行业上还没有看到靠谱的第三方数据。

还有自媒体曾爆料称,今日头条花重金在外买流量和用户,表示头条近期在全球全网采购积分墙(应用内广告)的量,期望冲榜造势。

严厉的监管正在把走上歧途的今日头条拉回正轨,包括腾讯在内的多家公司在今日头条的赛道上持续发力的结果正在挤压头条系产品的生存空间,另一方面也说明上了头条瘾的网民在消费网络内容时日渐理性。

有行业观察者认为,由于短视频还在一个快速发展的过程中,没有成熟到座次完全分出来的地步,所以行业地位并不是一成不变的,排名三四名的短视频平台变成一二名还是有可能的,至于短视频平台名次将如何变化则取决于各家如何做产品运营。我们不妨参考一下长视频领域,就是前几名的位置稳定,腾讯、爱奇艺、优酷三家,寡头垄断,但是排位不是固定的。“但市场百分之八九十的占有率都会被大玩家吃掉,小玩家崛起的机会比较少了。”

知乎上一位自称是张一鸣南开大学的校友发帖认为,“虽然张一鸣是我的学长,但我打心眼里看不起他。南开校训‘允公允能,日新月异’,很显然,他的‘能’是长进了,但是‘公’却没有跟上。”

南开大学历史上还出过×××、陈省身、吴大猷、曹禺等诸多先贤,受南开学风熏陶的张一鸣一定认为,头条系估值和使用时长的“双降”对于头条与抖音的长期发展有利无害。正如张一鸣在发给全体网民的一封道歉信中坦白的那样:产品走错了路,接受处罚,所有责任在自己。

结语

4月中旬,今日头条发布内部信称,今后公司层面和相关场景下将使用“字节跳动”品牌,不再用“今日头条”代表公司整体品牌。

这是张一鸣“去今日头条化”的开始,也是头条重回正轨的开始。在因监管而永久关闭了“内涵段子”之后,张一鸣已将重心放在抖音、西瓜视频等“记录美好生活”的短视频业务上。

从目前的情况来看,今日头条上的内容经过整治,已经比过去好了很多,但虚假广告的问题随之而来。今年3 月,央视财经《经济半小时》曝光今日头条刊登违法广告、虚假广告的消息。报道指出“今日头条利用二次跳转发布虚假广告,引诱消费者步入圈套。这不仅侵害消费者合法权益,还危害到相关药品企业正常经营。这一现象或将成为今日头条的又一隐患。

今日头条嫡系不断引发监管压力,虽给张一鸣带来高知名度与巨额财富,却同样给他带来大量指责——这或许是张一鸣下定决心“去今日头条化”的原因。

但,对于张一鸣来说,卸下资本重负与舆论纷扰,重新认识技术价值观,真正回归理性思考——技术想要把世界改变成何种模样,或许才是他暴裂无声的真正重生。


标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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