分类 华宇招商平台网址 下的文章

本文来源:央视评论员、新点

在昨天的中国发展高层论坛上,董事长兼CEO李彦宏表示,“中国人对隐私问题的态度更开放,也相对来说没那么敏感。如果他们可以用隐私换取便利、安全或者效率。在很多情况下,他们就愿意这么做。当然我们也要遵循一些原则,如果这个数据能让用户受益,他们又愿意给我们用,我们就会去使用它的。我想这就是我们能做什么和不能做什么的基本标准。”此言一出,引起很多网友的关注和争论。为了方便,用户真的愿意用隐私为代价换取吗?到底是愿意还是无奈?

安装一个App 用户需要开放10多项权限许可

在山东济南工作的张敏下载了一款手电筒软件。在下载页,这款软件被标注为“官方、安全、MTC认证”,已被下载过1856万次。安装时张敏发现,该软件要求获得通讯录、拍摄照片和视频、录音、位置等10多项与之主要功能无关的权限。“只有手电筒照明功能,只使用摄像头即可,要通讯录这些无关的权限干嘛呢?”张敏对此表示质疑。

△图/新华视点△图/新华视点

记者调查发现,张敏遇到的并非个别现象。如另一款下载量为1998万的手电筒软件,要求获得的权限竟然多达30项。

程序任性“越权” 用户无奈接受

有用户表示,“虽然知道这样做会泄露隐私,但为正常使用软件,不得不‘被同意’、 ‘被授权’。”

业内人士指出,当前不少App,你一旦装上,就几乎成了透明人,没有任何隐私可言。部分手机App“越权”获取的用户信息,已成为公民个人信息泄露的主要渠道之一,并由此衍生出规模庞大的“黑灰”产业链。中国互联网协会发布的《中国网民权益保护调查报告2016》显示,仅在2015年下半年至2016年上半年,我国网民因为垃圾信息、诈骗信息、个人信息泄露等遭受的经济损失达915亿元。

在数据就是资源的当下,商家们想要抢占宝贵资源,是不是也得在保证用户隐私安全的前提下进行呢?谁来保护用户的隐私安全?

央视评论

李彦宏这番话引发舆论反弹,并不意外。但百度选择在焦头烂额、全世界眉头一紧之际说出这样的话,有点意外。而人们最害怕的,不是李彦宏往枪口上撞说了错话,而或许是他说了真心话,是科技巨头对用户核心利益的熟视无睹,成为一种脱口而出。

△图/视觉中国△图/视觉中国

在使用权面前 用户“不得不”让渡隐私权

中国的用户何曾不在意自己的隐私?当算法与大数据正以水银泻地一般进入各领域,无论算法推荐新闻、大数据消费,还是基于大数据的公共治理,大数据无处不在,也正给这个时代带来惊喜。但随之而来的也有隐私问题。算法推荐让新闻无比精准,也将个人阅读习惯完全记在账上;电商平台上稍作浏览,同类商品立马展现在其他网页,用户毫无隐私可言;疑似大数据杀熟案例相继曝光,数据巨头是不是要将消费者的剩余价值吃干榨尽?当大数据为时代精准画像,人们却仍在继续使用,这难免就有成为透明人的忧虑。

即使国内用户的习惯,恰如李彦宏所讲,为效率可以放弃隐私,但那并非他们“愿意”,而是“不得不”。随着各色电信诈骗曝光,网站撞库风险加剧,用户对于自己的隐私何尝没有清醒认识?但完全靠自己捂住隐私,非不为也,不能也。相对应的,一个垄断平台比谁都清楚,当“互联网+”重新界定生活方式,在各色长长的协议上,用户除了按下“同意”,其实别无选择。用户选择不断让渡隐私权、在使用权面前低头,除了“离不开”,无非是基于这样一种最后的信念:大公司至少比小公司靠谱,他们能够守护隐私,这对企业也有利。

△图/视觉中国△图/视觉中国

为大数据使用建立更完善的原则

信任绝不应该被辜负,焦虑应该被更妥善地回应。面对迭出的大数据负面新闻,科技巨头恰恰应挺在前面,以切实行动给人以信心。当然,仅仅表态依然不够,当数字规则远远落后于数字生活,当务之急是为大数据使用建立更完善的原则。

两会期间,就有委员建议应进一步完善网络安全法,对用户数据保护进行更清晰的定义,制定用户隐私信息保护“三原则”。这三原则其实也说出了很多人的心声,因为无论是将数据信息视作用户个人资产,还是保障用户对数据使用的知情权、选择权,或是明确互联网公司对用户数据信息的安全责任,都将有力地提升用户的数据利益。事实也是如此,当人们的消费越来越多地体现为数字消费,对消费者安全权的保护也应该从传统意义上的人身安全权、财产安全权向数据安全权拓展。

△图/视觉中国△图/视觉中国

立足互联网时代,数据已成为界定一个人网络属性的细胞,它早已不再是“身外之物”。脸书的危机足以表明,数据滥用将会带来不可控的后果,对数据的保护,再怎么用力都不为过。而要保障个人隐私权利,保证大数据不被异化,既需要监管部门尽快拿出强化隐私保护的互联网法则,也需要科技公司更有良知、更有担当,让大数据在善意的边界内蓬勃发展。这一点,脸书看起来似乎是懂了,百度也必须得懂。

文丨央视评论特约撰稿 之山

原标题:港大学生刊物再播“独” 妄揣候任校长将“赤化”学校

 “学苑”日前又再出版新一期“独”物。(图:文汇网) “学苑”日前又再出版新一期“独”物。(图:文汇网)

海外网2月25日电 近年屡屡借所谓“学术讨论”大肆播“独”的港大学生会刊物“学苑”,日前又再出版新一期“独”物,文章不但“妖魔化”香港本地教育界行之有效的内地实习计划,又将港大候任校长张翔于内地成长及接受教育的背景无限放大。对于此举,港媒直斥其排除异己、心态荒诞,毫无理性可言。

据香港《文汇网》消息,“学苑”最新一期多篇文章均渗透强烈煽动“独”流讯息,其中一篇对国情交流团与“内地实习计划”极尽抹黑,文中仿佛将鼓励年轻人认识国情及爱国视为“洪水猛兽”,动辄便将寻常交流活动称为“洗脑”,扬言要予以抗衡云云。

乱扣帽子 “独”刊妄揣候任校长“赤化”港大

另有文章则厚颜曲解港人“主流意见”,一厢情愿称香港人看内地“不是既畏却怒,多少带点不情愿又无可奈何的矛盾,便是从香港民族或邻国心态望向中国” ,又将内地与香港的紧密关系抹黑成“如鬼魅般瞰视,盘旋”,营造恐怖假象。

另一篇文章则“总结”并“展望”两代港大校长表现。该文行文极尽偏题,部分论点更充分反映“学苑“认为校长必须无条件支持学生,否则便是“软弱无能”的无赖作风。

在总结马斐森部分,文章提及港大校委会冲击事件。据了解,港大校委会冲击事件事实是多名滋事学生暴力冲击与禁锢校委,过程中更有校委因此受伤及不适,其后港大上一任校长马斐森忍无可忍谴责学生所为是“暴民统治(mob rule)”,主动报警处理本是尽校长之责,但“学苑”却可将之演绎为“软弱无能”,“未有站在学生的一方”,批评其言行是“出卖学生”,却从未反思学生连场暴力行为带来多少破坏。

文中亦有提及港大候任校长张翔,更无端指责其“身为首位在中国土生土长和接受教育的港大校长,张的背景难免令师生以至外界忧虑港大会否被‘赤化’。”其后文中又称外界对他所知甚少,却又武断称对方“行政经验不足惹质疑”,又引述消息称张翔拟倡议港大要“面向中国”,主动向国家争取更多科研资助,称立场“引起广大师生的关注”。

教联会主席斥责:毫无认知 不着边际

对于“学苑”发表的连篇胡言乱语,港媒指出,到头来不过是“逢内地必反”的荒诞心态作祟,毫无理性可言。

香港教育工作者联会主席黄锦良也表示难以苟同,其中就文章对香港学界推行内地实习与交流工作的评论,黄锦良直斥是胡说八道,指“学苑”对教育界的工作毫无认知,“在专业角度而言,内地交流能为内地与本港教师建构交流平台,互相分享与学习,取长补短;学生则可透过交流互相认识,了解彼此文化”,所谓“洗脑”之说根本是不着边际。

至于文章对两位校长的评析,黄锦良亦认为有欠客观,“难道校长眼见学生做错事都要盲目支持?”他强调,身为一校之长需权衡学生以至社会大众对学校的期望,不可能只照顾学生一方,而且事件中学生是有做错,理应予以指正。

他又批评“学苑”以“中国土生土长”标签张翔,强调对方尚未上任已作批评是有欠公允,叫人难以接受。(海外网 侯兴川)

二是中国近年先后4次降低部分商品进口关税。2015年,降低了749项商品进口关税,2016年又降低了787项产品进口关税。

三是服务领域开放迈出了实质性步伐。WTO对服务贸易定义了160个部门,中国加入WTO承诺开放100个,但目前已经开放120个。中国货物贸易虽是顺差,但服务贸易一直是逆差。王受文表示,尽管如此,中国还将扩大服务业的开放。

四是在投资领域,中国过去五年两次修改《外商投资产业指导目录》,对外资限制性措施削减了65%。先后设立11个自由贸易试验区,成为中国全面扩大开放的试验田。

五是中国高度重视知识产权保护。王受文举例称,中国对知识产权的保护给国外知识产权所有人带来了巨大利益。2001年,中国对外支付知识产权使用费为19亿美元,2017年达到286亿美元。

六是中国坚定支持多边、双边贸易体制,与WTO成员一起结束了信息技术的扩围谈判,取消了201项信息技术产品关税。积极进行贸易协定谈判,目前签署了16个自由贸易协定。

在回应中美贸易摩擦相关提问时,王受文指出,中美两国贸易规模巨大,摩擦在所难免,希望中美两国在WTO框架内磋商解决分歧。“中国不希望打贸易战,但利益受到损害,将会采取一切措施捍卫。”(完)

3月22日下午消息,去年,由创新工场、、头条联合主办的AI Challenger(以下简称AIC)全球AI挑战赛吸引了来自65个国家近万团队参赛。今年,AIC预热赛零样本学习(zero-shot learning)竞赛即日起开始比赛。

零样本学习竞赛同样发布大规模图像属性数据集,包含78017张图片、230个类别、359种属性。与目前主流的用于zero-shot learning的数据集相比,图片量更大、属性更丰富、类别与ImageNet重合度更低。

创新工场AI工程院运营副总裁吴卓浩表示,因为在很多情况下人们难以获得足够的有标注的数据来训练识别或预测模型。受人类学习能力的启发,零样本学习(zero-shot learning)希望借助辅助知识(如属性、词向量、文本描述等),在没有任何训练样本的情况下学会从未见过的新概念。这具有重要的研究意义和广泛的应用场景,被认为是实现大规模物体识别的一个重要方式。瞄准这个国际前沿课题,AI Challenger带来了目前世界最大的零样本学习数据集、以及国内首次零样本学习竞赛。

最具挑战的AI识别方法

零样本学习是当前最具挑战的AI识别方法之一。简单来说就是识别从未见过的数据类别,即训练的分类器不仅仅能够识别出训练集中已有的数据类别,还可以对于来自未见过的类别的数据进行区分。这是一个很有用的功能,使得计算机能够具有知识迁移的能力,并无需任何训练数据,很符合现实生活中海量类别的存在形式。

传统的“零样本学习”方法首先是让智能体(Agent)对类别进行语义理解。将类别标签利用辅助知识(如属性)嵌入到语义空间中,再利用训练集中的数据学习这种从图像到语义的映射关系。此后,即使遇到新的类别,只要提供了该类别的语义知识,模型即可识别该类别,这就是零样本学习。

例如识别一张斑马的图片,但在训练时没有训练过斑马的图片。那么我们可以通过比较这张斑马图片中包含的属性和各个类别的属性定义,进而在属性空间中找到与该测试图片相近标签,即为该图片的标签。

而零样本学习的意义也显而易见:在传统图像识别任务中,训练阶段和测试阶段的类别是相同的,但每次为了识别新类别的样本需要在训练集中加入这种类别的数据。一些类别的样本收集代价大,即使收集到足够的训练样本,也需要对整个模型进行重新训练。这都会加大识别系统的成本,零样本学习方法便能很好的解决这个问题。

将来未知语言也能翻译

早期的零样本学习研究可以追溯到2008 年,Larochelle 等人针对字符分类问题提出了零样本学习(zero shot learning)方法,并且识别准确率达到了60%。2009年Lampert 等人提出了Animals with Attributes数据集和经典的基于属性学习的算法,才真正打开零样本学习的关注度。

业内人士表示,在一些场景下,如细粒度物体识别、任意语言之间的翻译等,难以获得足够的有标注的数据来训练识别或预测模型。因此,零样本学习具有重要的研究意义和广泛的应用场景。受人类学习能力的启发,零样本学习希望借助辅助知识(如属性、词向量、文本描述等)学习从未见过的新概念。目前零样本学习被认为是实现大规模物体识别的一个重要方式。

以下是零样本学习的几个潜在应用场景。

1、未知物体识别——例如,模型在“马”、“牛”等类别上训练过,因此模型能够准确地识别“马”、“牛”的图片。当模型遇到“象”这个新类别,由于从未见过,模型无法作出判断。传统解决方案是收集大量“象”的图片,与原数据集一起重新训练。这种解决方案的代价高、速度慢。然而,人类能够从描述性知识中快速学习一个新概念。例如,一个儿童即使没有见过“象”,当提供他文本描述“象是一种的大型食草类动物,有长鼻和长牙”。儿童能够根据描述快速学会“象”这一新类别,并能在第一次见到“象”时识别出来。零样本学习与之类似,在没有任何训练样本的情况下,借助辅助知识(如属性、词向量、文本描述等)学习一些从未见过的新概念(类别)。

2、未知语言翻译——比如说要进行三种语言之间的翻译,按照传统的方法需要分别训练六个网络,在日语和韩语之间没有那么多样本的情况下,训练英语→特征空间→日语,韩语→特征空间→英语这两个网络,那么就可以自动学会韩语→特征空间→日语这个翻译过程。

3、未知类别图像合成——近年来,对抗网络GAN被用于图像合成,取得了以假乱真的效果。但传统图像合成仅能合成见过的类别的图像。零样本图像合成希望模型能够合成从未见过的类别的图像。目前已有一些算法通过条件GAN网络实现了零样本图像合成。

4、图像哈希——传统图像哈希算法利用一些训练样本来学习针对某些类别的哈希算法。但这些学习到的哈希算法无法用于新类别。零样本图像哈希,希望在已知类别上学到哈希算法能够运用到新的未知类别上。一些基于属性的零样本哈希算法已经被提出。

AI Challenger的想法

“数据是AI的燃料,开放数据集,才会更好地推动AI产业的进步。去年底,创新工场董事长兼CEO、人工智能工程院院长在北京举办的AI Challenger颁奖典礼上如此描述举办“AI Challenger全球AI挑战赛”的初心。

按照最初设定的目标,“AI Challenger全球AI挑战赛”首先要建设紧贴前沿科研任务需要的数据集,再者是要建立超大规模的高质量数据,第三个目标是要打造开放的世界级平台。

“人工智能发展的必经之路之一是“教会”机器认识我们的世界,这也是为什么有了互联网发展过程中所积累下来的海量标注数据,才促成了最近这一波人工智能技术和应用的突破。但是,让机器认识世界的挑战仍然非常大,因为在很多情况下人们难以获得足够的有标注的数据来训练识别或预测模型。“创新工场AI工程院运营副总裁吴卓浩表示,受人类学习能力的启发,零样本学习(zero-shot learning)希望借助辅助知识(如属性、词向量、文本描述等),在没有任何训练样本的情况下学会从未见过的新概念。这具有重要的研究意义和广泛的应用场景,被认为是实现大规模物体识别的一个重要方式。瞄准这个国际前沿课题,AI Challenger带来了目前世界最大的零样本学习数据集、以及国内首次零样本学习竞赛。(辛苓)

附:

竞赛奖励:*以下提及金额为税前金额,详细规则请参考《竞赛选手报名协议》

冠军:30,000人民币,颁发获奖证书

亚军:10,000人民币,颁发获奖证书

季军:3,000人民币,颁发获奖证书

双周冠军:3,000人民币

双周亚军:2,000人民币

双周季军:1,000人民币

数据集下载地址:https://challenger.ai/datasets

此次数据集和竞赛,由北京大学博雅特聘教授、博导、国家杰青王亦洲教授,大学付彦伟教授,创新工场AI工程院,在AI Challenger平台联合推出。