y39彩票软件|y39彩票计划群

美国高科技企业裁员潮愈加汹涌******

　　据央视新闻消息，据路透社1月20日报道，谷歌母公司“字母表”公司在一份员工备忘录中称，由于面临“不同的经济现实”，该公司将裁员约1.2万人。公司称将加倍投入人工智能，并裁减支持实验项目的人员。

　　此次裁员影响该公司6%的员工。此前，包括亚马逊、微软和元宇宙平台公司在内的科技巨头已经大量裁员。

　　总部位于加利福尼亚的“字母表”公司的股价20日上涨4%。在过去12个月里，该公司股价已经下跌30%，与整个科技行业24%的跌幅相呼应。

　　自2019年以来一直担任“字母表”公司老板的孙达尔·皮柴20日在备忘录中称，他对导致裁员的决定承担“全部责任”。

　　皮柴称，由于“字母表”公司希望为产品融入更多人工智能，现在是“让我们更加专注、重新设计我们的成本基础并将我们的人才和资本引向我们最优先考虑领域”的时刻。

　　“字母表”公司一直是人工智能领域的领导者，目前正面临来自微软的竞争。

　　与此同时，由于消费者削减支出，“字母表”公司的主要收入来源广告收入也受到企业削减预算的挤压。

　　哈格里夫斯-兰斯当股票经纪公司的分析师苏珊娜·斯特里特称：“显然，由于对美国经济衰退的担忧加剧‘字母表’公司也不能幸免于艰难的经济背景。”

　　斯特里特称：“广告增长已经降温……竞争还在升温‘字母表’公司面临强大的竞争对手TikTok，Instagram也在争夺YouTube的观众。”斯特里特指出，“字母表”公司还被处以数十亿美元的监管罚款。

　　埃弗科国际战略和投资集团的分析师马克·马哈尼说，“字母表”公司创纪录的员工人数造成了2023财年的重大利润率风险。伯恩斯坦的分析师称，裁员可能为“字母表”公司节省25亿至30亿美元的成本。

　　随着“字母表”公司裁员，过去几个月里，美国最大的四家科技公司共裁员5.1万人。在美国就业市场依然紧张的情况下，这些数据加剧了人们对经济衰退的担忧。

　　Equiti投资公司的经济学家斯图尔特·科尔称：“科技行业有点像煤矿里的金丝雀。”科尔认为，科技行业的裁员预示着就业保障的前景终于开始变得更加负面。

　　在疫情期间更谨慎招聘的苹果迄今为止一直没有裁员。不过，“苹果内幕”网站20日援引消息人士的话报道称，苹果已经开始在百思买等零售渠道裁员。

　　苹果公司没有立即对该报道发表评论。

　　两名知情人士在接受记者采访时说，“字母表”公司一直在致力于一项大型人工智能产品的发布。其中一位消息人士称，发布将在春季举行。《纽约时报》也报道称，谷歌计划推出20多种新产品和搜索引擎。

　　皮柴说，失去工作的人中有招聘人员、企业员工以及工程和产品团队的工作人员。该公司的一名发言人在接受记者的采访时称，该公司已经削减其内部研发部门Area 120的大部分职位。

　　“字母表”公司工会在一份声明中称，该公司领导层承担“全部责任”的做法“并没有让人感到安慰”。

　　在美国，“字母表”公司已经向受影响员工发送电子邮件，员工将获得遣散费、六个月的医疗保健以及移民支持。

　　皮柴在备忘录中说，在海外，根据当地的雇佣法律和惯例，裁员通知将需要更长的时间。亚洲的员工将从2月开始了解裁员是否对他们有影响。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）