近期全美各地针对数据中心的反对浪潮,其驱动力并非源于对能源和水资源消耗等生态问题的真正关切,而是源于对人工智能普遍而深刻的恐惧。由于联邦政府未能针对人工智能如何造福普通民众提供监管框架或发展蓝图,美国民众感到无能为力,并对一个不确定且可能导致去人性化的未来充满恐惧。
因此,地方上的反数据中心运动已成为民众表达对大型科技公司及威胁其生计的经济体系不满的“迟钝工具”。然而,逐一抵制这些设施是一种避开真正必要议题的徒劳策略。美国需要的是更广泛的全国性政策议程,而非聚焦于地方上的分区规划博弈。我们必须超越“邻避”(NIMBY)主义的阻挠,参与严肃且深思熟虑的进程,探讨如何通过监管人工智能来保护人类主体性,并确保技术进步能够带来共享的经济繁荣,而非导致大范围的被剥夺感。当前对实体基础设施的关注,分散了我们对人工智能时代下人类劳动与公平治理这一紧迫且本质任务的注意力。
**PCMFlowG722** 是 PCMFlow 库的可选附加组件,为 ESP-NOW、UDP 或 WebSockets 等数据包网络提供用于实时双向高清语音的免专利 G.722 编解码器。 **主要功能:** * **高音质:** 提供 16 kHz 采样率的 7 kHz 宽带音频。 * **高效压缩:** 提供 4:1 的压缩比,在与 G.711 的 64 kbps 比特率持平的同时,提供两倍的音频带宽。 * **轻量化:** 专为 32 位微控制器(如 ESP32、RP2040、STM32 F4)设计,每个方向仅需约 10 KB Flash 和 512 B RAM。 * **集成:** 将公有领域 `sippy/libg722` 编解码器封装在 PCMFlow 标准的 `PCMSource`/`PCMSink` 接口中。 * **许可:** 库代码采用 MIT 许可,编解码器核心使用兼容的公有领域及宽松型许可证。 **对比:** * **G.722:** 当您拥有 64 kbps 带宽预算时,是实现高清语音的理想选择。 * **G.711:** 最适合极低内存占用(< 4 KB)的窄带应用。 * **Opus:** 在追求全频带音质或极高带宽节省,且能承受更高 CPU/Flash 开销(约 150 KB+)时优先选择。 PCMFlowG722 非常适合带宽受限的应用,例如需要比标准窄带电话更出色清晰度的 ESP-NOW 收发器。
KDE 已正式宣布将淘汰 Plasma X11 会话。从预计于五个月后发布的 Plasma 6.8 开始,登录界面将不再提供 X11 会话选项,所有与 X11 相关的代码也将从 Plasma Shell 和设置中移除。
此次转型是一个重要的里程碑,它使开发人员无需再维护双重代码路径,能够全身心投入到 Wayland 的开发中,从而提供更好的性能和新功能。尽管如此,XWayland 支持仍将保留,以确保现有的 X11 应用程序能够继续顺畅运行。此外,KDE 应用程序在其他桌面环境中仍将保持对 X11 的兼容性,登录管理器也将继续为其他桌面环境提供 X11 会话支持。
内部数据显示,超过 95% 的 Plasma 6.6 用户已经迁移至 Wayland,这表明该平台已基本被开发者弃用。虽然团队承认部分工作流程可能需要调整,但他们仍致力于解决遗留痛点。鼓励遇到问题的用户在 Plasma 6.8 发布前反馈,以助力实现向全 Wayland 未来的平稳过渡。
独立上诉中心(Appeals Centre Europe)的一份报告显示,各大社交媒体平台(尤其是 Meta)未能配合庭外争议解决程序。
据报道,在 4600 起涉及用户声称其 Facebook、Instagram 和 Threads 账号被错误封禁的案件中,Meta 仅提供了不到 100 起案件的证据。这种缺乏参与的态度,使得许多依赖这些平台进行商业活动或维持个人联系的用户,在申诉账号封禁时几乎求助无门。
该报告还强调了内容审核方面的重大失误。在审查仇恨言论投诉时,上诉中心发现各平台经常未能执行其自身的政策,超过三分之二的案件中,种族歧视、厌女和恐同内容仍未被删除。在整个行业内,对于该机构处理的 1 万起案件,各大平台有 72% 的情况未能提供必要的审查数据。
尽管 YouTube 和 TikTok 声称致力于与此类独立机构合作,但调查结果表明,这些科技巨头在管理封禁和执行安全标准方面,普遍存在系统性的透明度和问责制缺失。
在互联网出现之前,图文电视(teletext)曾是一项革命性的模拟信息服务,通过电视遥控器上的一个“神奇”按钮,就能提供新闻、天气预报和节目指南。它采用高效的低带宽设计,利用模拟信号中的空闲行来传输可读文本。
受图文电视诞生 40 周年及其业余无线电慢扫描电视(SSTV)局限性的启发,作者着手创建了“Spectel”——一种通过无线电传输图文电视页面的数字业余无线电协议。通过利用 AX.25 协议,Spectel 实现了高效、可靠的数据传输,即使在信号较差的情况下也能接收并重构数据。
为了构建该系统,作者尝试了“感性编程”(vibe coding),利用人工智能将技术规范转化为功能性的 Python 软件套件,而无需手动编写代码。尽管实验取得了成功,但作者对此感受复杂:人工智能驱动的开发过程虽然加快了项目进度,却绕过了手动开发通常能带来的深度学习过程。尽管有这些保留意见,该项目仍标志着图文电视的一种怀旧且创新的复兴。目前,作者正在寻找无线电爱好者,以便在短波(HF)频段测试 Spectel。
作者认为,当前的人工智能热潮是一场由虚假信息、不可持续的补贴以及缺乏可衡量的投资回报率(ROI)所驱动的万亿美元“骗局”。
核心观点包括:
* **成本隐瞒:** AI 公司刻意隐瞒了基于 Token 的真实使用成本,以推动普及。随着企业转向直接的 Token 计费,他们发现 AI 的使用成本高得惊人,往往缺乏经济效益。
* **投资回报的幻象:** 尽管炒作热烈,但并无证据表明 AI 能显著提升生产力或盈利能力。该技术不可靠、容易产生幻觉,且需要持续的人工干预,更像是“鲁布·戈德堡机械”(指过于复杂的低效系统),而非自动化的解决方案。
* **独特的泡沫:** 与留下光纤等实用且可扩展基础设施的互联网时代不同,AI 专用数据中心极其昂贵、耗电量巨大,除了训练大语言模型外几乎没有其他用途。
* **行业共谋:** 作者认为,投资者、首席执行官和媒体共同编造了舆论,为大规模的资本错配提供合理性。
最终,文章断言 AI 技术既没有变得更便宜,也没有变得更好。由于 AI 缺乏内在的投资回报率,且仅靠炒作维持生存,作者预测,随着企业无法再忽视这些不可持续的成本,AI 泡沫终将破裂。
FidoNet 由汤姆·詹宁斯(Tom Jennings)于1984年创立,是一个全球性的“存储转发”广域网(WAN),利用调制解调器和公共电话系统来交换电子邮件和“回声邮件”(新闻讨论组)。它最初是为 MS-DOS 开发的,后来通过标准化协议扩展到了各种平台。 该网络以其独特的层级化数字寻址方式(区:网/节点/点)和一个每周更新的分布式“节点列表”为定义。FidoNet 采用了一种协作式的去中心化模式,即节点均为私人资助且自给自足。虽然最初使用的是原始的 xmodem 协议,但该网络后来采用了 zmodem 等高效流式协议,以最大限度地降低连接成本。 历史上,FidoNet 通过 uucp 网络维持着与互联网的网关,实现了两者之间的互操作性。尽管它最初是作为公告牌系统(BBS)爱好者的事业而兴起,但其用途后来扩展到了企业、非政府组织以及 K12Net 等教育计划。尽管过去曾因集中管理问题产生过政治紧张,但 FidoNet 依然是一种具有弹性的低成本通信基础设施。到1993年,它在全球拥有约20,000个公共节点,服务用户估计在20万到200万之间,并继续作为传统学术或政府网络之外的一个重要的独立替代方案而运作。
本指南概述了一场位于西雅图市中心的 1.3 英里“智慧城市”徒步导览,旨在帮助参与者识别隐蔽的监控技术。该研讨会由科技公平联盟(Tech Equity Coalition)与华盛顿州美国公民自由联盟(ACLU of Washington)合作开发,重点介绍了城市环境如何在居民不知情或未明确同意的情况下收集并存储其数据。
重点探索点包括:
* **监控摄像头:** 用于行为监测的永久性远程控制设备。
* **Amazon Go:** 通过天花板摄像头追踪消费者浏览和购物习惯,并将实体数据与在线档案合并的商店。
* **自动车牌识别系统(ALPRs):** 通过扫描数百万车牌创建庞大数据库的系统,其存在因警方与私营实体之间的数据共享而面临“范围蔓延”的风险。
* **Acyclica:** 用于识别并追踪移动设备在城市中移动轨迹的 Wi-Fi 追踪设备。
* **华盛顿州融合中心:** 一个负责本地、州和联邦情报共享的枢纽,促进了广泛的数据收集和政治监控。
* **AT&T 对等互联点:** 被美国国家安全局(NSA)用于拦截和记录海量互联网及电信数据的基础设施。
该项目鼓励围绕隐私、企业监管以及普遍数字监控对社会的影响进行批判性讨论。
作为 PE 解析库 *AsmResolver* 的维护者,作者认为 .NET 的**自定义特性(Custom Attribute)**存储机制是微软最糟糕的设计决策之一,给开发者带来了极大的复杂性和挫败感。 该批评主要集中在两个问题上: 1. **枚举序列化:** 自定义特性根据其底层类型(如 `int` 或 `short`)存储枚举值,但二进制格式中并未提供识别该类型的元数据。若要解析这些值,必须对程序集元数据、类型定义和类型转发器进行昂贵的递归遍历,以确定正确的字节长度。 2. **通过字符串引用类型:** .NET 二进制格式的其他部分使用了高效且去重后的元数据 Token,但自定义特性却将 `System.Type` 引用存储为完全限定名(FQN)字符串。这种方式效率极低,不仅导致了巨大的数据膨胀,还迫使解析器必须针对各种且往往缺乏文档的语法规则,实现复杂且易出错的字符串解析逻辑。 作者总结道,这些设计选择过于繁琐且与 .NET 架构的其他部分不一致。由于微软对长期向后兼容性的严格坚持,这些问题很可能将一直无法得到解决。