歐盟競爭專員瑪格麗特•維斯塔格(Margarethe Vestager)
4月14日消息,據(jù)國外媒體報道,歐洲針對谷歌的反壟斷調(diào)查已拖延近五年沒有解決,這讓谷歌獲得了一些喘息空間,得以繼續(xù)壟斷歐洲的互聯(lián)網(wǎng)搜索市場。
但谷歌這樣的好日子可能很快就要結(jié)束了。
歐盟競爭專員瑪格麗特·維斯塔格(Margarethe Vestager)將于周三對華盛頓進(jìn)行首次訪問,在訪問期間將參加兩個反壟斷會議。外界預(yù)計(jì),在此次訪問中,維斯塔格可能會宣布在谷歌反壟斷案上將采取的下一步行動。
維 斯塔格可能采取她的前任華金•阿爾穆尼亞(Joaquín Almunia)竭力避免的舉措——發(fā)起被稱為“異議聲明(Statement of Objection)”的正式指控。這可能會提高谷歌的壓力,迫使其盡快達(dá)成和解,以避免發(fā)現(xiàn)存在違法行為和可能遭到巨額罰款。或者她可能會建議對谷歌反 壟斷案進(jìn)一步研究,甚至為該公司提供通過談判達(dá)成和解的最后機(jī)會。
一些專家表示,阿爾穆尼亞此前采取的策略遭到失敗,使谷歌反壟斷案不太可能在沒有發(fā)起正式指控的前提下達(dá)成和解。
英國國際法與比較法研究院(BIICL) 競爭法論壇主管Liza Lovdahl-Gormsen 指出:“鑒于此前未能讓谷歌做出重大承諾,我認(rèn)為維斯塔格沿著前任的路線走下去也不會有什么收獲,除非谷歌已經(jīng)承諾做出更大讓步,而我們不知情。”
Lovdahl-Gormsen表示,如果沒有受到正式的指控,“谷歌可能會通過提出不大可能為歐盟委員會和更不會為市場所接受的承諾,從而為自己爭取時間,因?yàn)樗幌M媾R‘異議聲明’的指控。
歐盟對谷歌進(jìn)行的反壟斷案調(diào)查,主要針對谷歌是否濫用其在歐洲搜索市場的壟斷地位,偏袒自己的產(chǎn)品。在一些歐盟國家,谷歌搜索引擎的市場份額達(dá)90%,這一比例甚至超過其在美國的市場份額。
包括微軟在內(nèi)的谷歌搜索領(lǐng)域的主要競爭對 手,以及德國和法國的強(qiáng)大出版商,對維斯塔格施加了巨大壓力,希望她利用手中廣泛的權(quán)力,為歐洲公司仍然處于弱勢的在線地圖、搜索和購物等領(lǐng)域注入更多的 競爭。然而,歐盟在這一問題上也要顧忌大西洋彼岸的態(tài)度:美國總統(tǒng)奧巴馬今年2月警告稱,反對歐洲出于“商業(yè)動機(jī)”,懲罰谷歌和Facebook等美國互聯(lián)網(wǎng)巨頭。
“異議聲明”將列出盟委員會認(rèn)為的谷歌存在的所有違法行為。一旦歐盟委員會發(fā)布該聲明,谷歌反壟斷案更有可能以這種方式結(jié)案:谷歌遭到巨額罰款并被 要求改變其商業(yè)模式。但與雙方達(dá)成和解不同的是,這樣的決定可能導(dǎo)致谷歌向歐盟最高法院提起上訴,讓雙方可能會耗費(fèi)數(shù)年的時間來打這場官司。
從理論上講,對谷歌的罰款可能超過60億歐元(約合64億美元),即相當(dāng)于谷歌最近一年?duì)I收的10%左右。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。