整理 | 王启隆
透过「历史上的今天」,从过去看未来,从现在亦可以改变未来。
今天是 2022 年 10 月 11 日,在十年前的今天,中国作家莫言获得诺贝尔文学奖,成为首位获得诺贝尔文学奖的中国籍作家,开创了中国在这个世界奖项的先河。而在计算机界,历史上的今天也诞生了许多形形色色的事件,深刻地影响着我们如今使用的技术和工具。
1943 年 10 月 11 日:数据库先驱、图灵奖得主 Michael Stonebraker 出生
Michael Stonebraker 是一名计算机科学家,他于 1943 年的今天出生在美国新罕布什尔州的米尔顿,是世界上最重要的数据库专家之一;Stonebraker 是数据库系统 Ingres、 Postgres 、Vertica、Streambase、Illustra 和 VoltDB 的开发者,他发明了几乎所有现代数据库系统中使用的许多概念,并创建了许多成功的数据库技术公司,以“洞察力”和“多产”而闻名。
Stonebraker 因“对现代数据库系统底层的概念与实践所作出的基础性贡献(For fundamental contributions to the concepts and practicesunderlying modern database systems)”而获得 2014 年图灵奖,他也是数据库领域自 1973 年 Bachman(数据库与网状数据库)、1981 年 Codd(关系数据库)、1998 年 Gray(数据库与事务处理)之后的第四位图灵奖得主。
图源:维基百科
早在 20 世纪 70 年代初,受 Edgar Codd 发表的关系数据库论文启发,Stonebraker 组织伯克利的教师和学生开发了最早的两个关系数据库之一 Ingres,Sybase 和 sql 就是从这个数据库发展起来的。Ingres 在查询语言设计、查询处理、访问方法、并发控制和关系数据库的查询重写方面作出了重大贡献。
Ingres 只是 Stonebraker 传奇生涯的一个开始。在这之后,他先后开发了 Postgres 、Vertica、Streambase、Illustra 和 VoltDB 等多个项目,并且整个美国的数据库公司和关键人物,无论是 sql、数据仓库、Nosql、大数据还是 Newsql,都与他有着密切的关系,可谓是桃李满天下。
作为数据库领域如今的掌门人,Stonebraker 从没有停止自己的求知精神与疑问精神,他经常发表许多饱受争议的言论,譬如在 2011 年他说过 Facebook 在 MysqL 上生不如死,迅速遭到了业界猛烈的回击;随后他改口道:“Facebook 面对的是这个星球上最难的数据管理问题之一。他们花了数年的时间尝试从 MysqL 迁移到别的系统,但是到目前为止还没有发现可以匹配他们规模的替代品。”
资料来源:维基百科
1999 年 10 月 11 日:域名 baidu.com 上线
含意优美,众里寻他千百度,蓦然回首,那人却在灯火阑珊处。国内早期互联网的许多网站都有着相当不错的名字,除了百度以外,像“天涯”也是文艺范、“新浪”意简言骇地表达了美好寓意、而“网易”这个名字则是创始人丁磊希望中国人从此可以更简易地使用互联网……在那个年代,李彦宏可以注册到 baidu 这样的双拼域名,可看出他的眼光独当。图源:维基百科
1991 年,李彦宏毕业于北京大学信息管理专业,随后前往美国布法罗纽约州立大学完成计算机科学硕士学位,先后担任道·琼斯公司高级顾问,《华尔街日报》网络版实时金融信息系统设计者,Infoseek 公司资深工程师。到了 1999 年,李彦宏认为环境成熟,国内互联网创业势头蓬勃;此时,搜狐、新浪、网易等门户网站相继建立,阿里巴巴、腾讯融资成功,但全都是些缺乏搜索引擎的初创企业。
李彦宏看到机会来了,决定回到中国创业。2000 年 1 月 1 日,他在北京大学资源酒店租了两间房,和一名财会人员、五名技术人员,以及他的合伙人徐勇八人一起创办了百度公司,而 baidu.com 这个域名,正是 1999 年 10 月 11 日他们手工注册的,当时,他们还顺便保护了与其相关的 baidu.cn 和 .com.cn 等域名。
2001 年,李彦宏说服百度董事会股东将百度转型为面向终端用户的独立搜索引擎,并实施“闪电计划”,将百度升级为全球第二大、中国第一的独立搜索引擎。当时,很多个人电脑,包括网吧的电脑浏览器,都被百度搜索所占据。经过十多年的发展,百度让中国成为了美国、俄罗斯和韩国之外,全球仅有的 4 个拥有搜索引擎核心技术的国家之一。
资料来源:维基百科
2008 年 10 月 11 日:谷歌推出软件市场 Android Market
图源:维基百科
2008 年 10 月 11 日,谷歌推出了针对 Android 设备的在线软件市场 Android Market;它后来与谷歌的另外两个市场(Google Music 和 Google eBookstore)合并,成为我们如今熟知的一个 App —— Google Play。在国内互联网初期,诞生了五花八门的第三方应用市场,比较有名的有豌豆荚、机锋、木蚂蚁、安卓市场等等,这些第三方市场当时所提供的 Apk 文件基本全部来自 Android Market,在国内移动互联网的探索阶段解决了许多人的燃眉之急。
Android Market 是一个由谷歌公司为 Android 系统用户创建的服务,允许安装了 Android 系统的手机和平板电脑用户从 Android Market 浏览和下载一些应用程序。用户可以购买或免费试用这些应用程序。2012 年 3 月 7 日,谷歌将把在线商店 Android Market 更名为 Google Play Store,于 13 日起正式启用。
Google 推出 Android Market,主要目的还是加强 Google 在移动领域与苹果的竞争实力,实现当时苹果 iTunes 的部分功能,有助于 Google 与苹果的竞争。早先苹果开发的 iTunes 软件,可以让用户通过电脑来发现并购买应用。此服务也一定程度上打击了一些例如“豌豆荚”等第三方的下载安装应用,当然,从使用体验上看,在中国肯定还是没被屏蔽的第三方应用市场更好。Android Market 最大的历史意义,还是在于它是 Google Play 的前身。
资料来源:维基百科
2016 年 10 月 11 日:三星正式宣布永久停止生产 galaxy Note 7
五年前,三星 galaxy Note 7 的爆炸事件曾一度占据各大新闻头条,这也成为三星的国行销量逐步跌入谷底的导火索。8 月 24 日,galaxy Note 7 刚发布三周,韩国发生了 Note 7 首起爆炸事件;三星随后表示:用户应该使用官方充电器,并且在充电时将手机远离人体。三星本以为这是用户操作不当导致,而在一周后的 8 月 31 日,又爆出三星 Note 7 爆炸的消息,后续的连环事件一发不可收拾,让这个当时的 Android 手机王朝从云端跌入地狱。
2016 年 10 月 11 日,三星(中国)投资有限公司召回 SM-N9300 galaxy Note 7 数字移动电话机,并宣布在经历了电池爆炸起火事件后,决定永久停止生产和销售 galaxy Note 7 智能手机,希望尽早结束公司历史上这一最耻辱的事件之一;同日,召回在中国大陆地区销售的全部 SM-N9300 galaxy Note 7 数字移动电话机,共计 190984 台。
图源:维基百科
galaxy Note 7 究竟为什么会爆炸?一切问题在 10 月 11 日后解决了吗?事实上,在 2016 年 10 月 11 日宣布停产后没几天,日本的关西国际机场便又发生了冒烟事件;2016 年 11 月 18 日,一名加拿大男子在开车回家途中忽然觉得装着 Note 7 的口袋发热,便将手机取出,取出瞬间,手机就在他手中爆炸了。爆炸导致了他的手部二级烧伤,手腕三级烧伤。三星实在抵挡不住压力,决定在这一年的 12 月 9 日为全球的 Note 7 推送一次更新,禁止充电功能,永绝后患。
三星官方对于这一切给出的唯一解释只有两个字:电池。三星把过错推到了自家供应商 SDI 身上,SDI 为了安全在电池设计上做了不少改动,但 Note 7 电池 R 角仍然会发生短路问题,从而引发自燃,甚至爆炸。但也有许多人反对官方的说辞,毕竟直到 2022 年,我们的手机还在用锂电池呢;还有一种主流观点,则是将爆炸原因归咎于“激进设计”,电池尺寸偏大、机身过小,所以一挤压就会产生机械损坏,造成严重的后果。
你认为三星 galaxy Note 7 爆炸的真正原因是什么?欢迎参与本期评论,分享你的真知灼见。无论真相如何,这起事件带来的损失已经无法挽回,三星国行因此彻底衰亡,同时也让 2016 年下半年的 iPhone7 和 iPhone7P 一枝独秀;这起事件也一定程度上打开了国产手机如今百家争鸣的局面:华为崛起、小米爆火、OPPO 和 VIVO 异军突起、一加和锤子紧随其后,时间验证了 2016 年这起事件的最终答案。
资料来源:维基百科
2018 年 10 月 11 日:谷歌 AI 团队发布开源 BERT 模型
图源:维基百科
2018 年 10 月 11 日,谷歌 AI 团队发布开源 BERT 模型。 BERT 的 全 称 是 Bidirectional Encoder Representation from Transformers(基于 Transformer 的双向编码器表征),被认为是当前最强的 NLP 预训练模型。BERT 在机器阅读理解顶级测试 squad1.1 中表现惊人。
阐述 BERT 模型的论文为“BERT : Pre-training of Deep Bidirectional Transformers for Language Understanding”,由雅各布·德夫林等在 2018 年发表。BERT 模型通过一种高效的双向 Transformer 网络同时对上文和下文建模,在许多 NLP 任务上取得了惊人的成绩。
自然语言处理(NLP)是人工智能领域永恒的话题,BERT 模型证明了一个非常深的模型可以显著提高 NLP 任务的准确率,而这个模型可以从无标记数据集中预训练得到,对于 NLP 来说有着非常重要的意义。有时候,一个世纪难题需要的可能不是更多的理论和模型,而是提出一个全新的可能性、一个新的游戏规则,这便是 BERT。
【欢迎投稿】以史为镜,可以知兴替。计算机科学发展至今,有许多至关重要的事件、人物,欢迎所有朋友一起共建「历史上的今天」,投稿邮箱:tangxy@csdn.net 。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。