比尔盖茨的风流情史,妻子同意他与前女友同居,婚内出轨损失 80 亿

本文主要是介绍比尔盖茨的风流情史,妻子同意他与前女友同居,婚内出轨损失 80 亿,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这是「进击的Coder」的第 154 篇热点新闻

编辑:雅欣

文:冰忆风

来源:霞姐娱乐阵线(网易新闻)

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍阅读本文大概需要 10 分钟。

1994 年 1 月 1 日,39 岁的亿万富翁比尔盖茨在夏威夷兰奈岛上和梅琳达举行了盛大的婚礼,为了婚礼不被外界因素干扰,他承包了这个岛上的所有设施,包括酒店、直升机、游艇等等。

梅琳达当时 28 岁,长相并不漂亮的她为人聪慧,能力出众,7 年前就凭借自己的能力取得了双学士学位,成功应聘到微软做销售,7 年后她已经成为了微软的销售部经理,并且嫁给了自己的老板比尔盖茨。

一年后,比尔盖茨成为了世界首富。

两人的婚姻一度成为了闻名世界的佳话,婚后梅琳达为比尔盖茨生下了 3 个儿女,有儿有女,家庭幸福,还有花不完的钱。

两人一起成立了以双方名字命名的基金会,并且捐出了全部的财产,专注于做慈善。

谁也不会想到两人在结婚 27 年后,这段婚姻就以无法让彼此继续提升的理由结束了。

01

比尔盖茨 1955 年出生在美国西海岸的西雅图市,原名威廉·亨利·盖茨 3 世,他的外祖父是国家银行行长,父亲是有名的律师,母亲也是多家公司的董事。

从小比尔盖茨就是含着金钥匙长大的,不过比尔盖茨小时候并不善与人交流,他把所有的时间都用在了学习编程上,甚至一天几天都不跟人说话。

母亲担心他不跟外界接触会得自闭症,于是给他报了各种特长班,可倔强的小比尔只喜欢计算机。

母亲望子成龙,对于他的不听话经常唠叨,小比尔也经常跟父母顶嘴,那时候的他就跟我们身边很多孩子一样,任性,叛逆。

父母无奈之下带他去见了心理医院,心理医生给出的建议是:

不要对孩子过于严厉,应该给孩子更多的自由。

此后,13 岁的比尔正式开始了自己的独立生活,他因成绩优异被招进了学校的程序员小组,开始系统化的学习计算机,而他的文化课也一点没有退步。

1973 年,18 岁的比尔盖茨在学术能力评估中以 1590 分(满分 1600)的成绩被哈佛大学法学院录取,作为律师的父亲这时候还想着儿子将来成为一名律师,继承自己的衣钵。

可比尔盖茨再一次让父亲失望了,那时候他除了对计算机感兴趣外,对所有的课程都不屑一顾。

最终他选择了辍学创业,父母因此大发雷霆,可他们也知道儿子已经长大了,小时候都没能改变他的想法,这时候更难以改变。

1977 年,比尔盖茨辍学后创立了微软,开始了自己辉煌的创业生涯


02

创业初期,比尔盖茨遇到了红颜知己温布莱德,她比他大 9 岁,成熟稳重又不乏性感。

在西雅图举行的一次产品研讨会上,温布莱德在台上侃侃而谈,对计算机行业的发展和商业化开发提出了很多独到的见解,这些想法也让比尔盖茨对她佩服不已。

之后,比尔常常去找温布莱德研究问题,两人在一起总有说不完的话,很快他就被温布莱德迷住了,开始了同居生活。

其实在这段感情之前,比尔还喜欢过一个名叫珍妮的女孩,那时候他经常丢弃手中的工作去和珍妮约会,可珍妮在他面前总是摆出一副女人为上的态度,年轻的两人经常因为一些小矛盾争吵,而每次都是比尔被迫屈服,时间长了,他也累了,于是向珍妮提出了分手。

也就是在这时他认识了温布莱德,温布莱德是一位知性的学者型美女,在她的眼里,比尔盖茨就像是自己的弟弟,无论发生任何事,她都会以温柔的态度去抚平他心里的那些小暴躁。

她的温柔与体贴让比尔盖茨感动不已,两人也真正达到了精神上的契合。


期间,比尔盖茨还和摇滚歌星斯哥特传出了绯闻,当时微软公司已经研究出了 DOS 计算机系统,他被称为可以改变世界的天才,身价高达上百亿美元。

斯哥特和比尔盖茨暧昧过后,经常大肆宣扬与他的关系,以此炫耀,令公司股价下跌,损失了 9 亿美元。

温布莱德知道后,并没有责怪他,而是一如既往地安慰开导,告诉他要自尊自爱,因为将来比尔盖茨这个名字很可能会是载入史册的人物,名誉对他非常重要。

在温布莱德的帮助下,比尔盖茨顺利渡过了这次名誉危机,也使微软挽回了数以亿计的损失。


之后她还向比尔盖茨提出了结婚,想给他一个稳定幸福的家庭,不再遭受外界的非议,可比尔盖茨这时候却犹豫了。

这时候两人在一起已经相处了 10 年,10 年里温布莱德始终在扮演恋人、知己、姐姐以及助手的身份。

比尔盖茨知道温布莱德结婚的想法后,他有些犹豫了,他很爱温布莱德,也喜欢跟她在一起相处,但是当时他并没有做好结婚的打算。

正当他犹豫不决之时,他的母亲出面瞒着他去和温布莱德见了一面,立场鲜明地表明了她的态度,她不允许自己的儿子娶一个比他大 9 岁的女人。

温布莱德为了不让比尔盖茨左右为难,选择了独自一人离开这个城市,比尔盖茨在发现她失踪之后,开始疯狂地寻找,寻遍了西雅图的每一个角落,都没能找到深爱的那个人,这时候他对自己的犹豫自责不已,他以为是自己没有答应和温布莱德结婚,才导致的结果。

而远赴欧洲的温布莱德在迷茫了几天后,心里还是舍不得比尔盖茨,于是她又回到了他身边。

比尔盖茨的母亲在得知消息后,又一次密会了温布莱德,语重心长地跟她谈了谈比尔盖茨的前途问题。

这一次,温布莱德没有逃避,而是选择了妥协,她答应会尽心尽力的帮助比尔盖茨,但是永远不会和他结婚

之后她向比尔盖茨表明了态度,比尔盖茨面对母亲的压力和对婚姻的恐惧,也默认了,两人正式结束了恋人的关系。

分手后,他将温布莱德的照片放大,挂到了自己的办公室,并告诉众人:

她将是我一生中最好的朋友!


03

正当比尔盖茨准备暂时放下感情,全身心投入工作的时候,年轻的梅琳达出现在了她的生活中。

梅琳达 1964 年出生在达拉斯一个普通家庭中,从小她就非常聪明,接连取得了多个学士学位,加入微软后,更是凭借自己的能力为微软的发展立下了汗马功劳。

由于在工作中经常跟比尔盖茨在一起开会,两人也渐生情愫。

一个秋天的下午,两人在停车场偶遇,比尔盖茨邀请她和自己一同到外地出差,梅琳达欣然同意了,之后两人便开始了美好的办公室恋情。

这段恋情也得到了温布莱德的首肯,她不能给比尔盖茨幸福完整的家庭,她希望梅琳达可以做到。

1993 年,在私人飞机上他正式向梅琳达求婚成功,随后两人在夏威夷举行了世纪婚礼。

当时比尔盖茨已经 43 岁了,年龄的增大加上母亲的病重,让他不能再按照自己的想法生活。

结婚前,他再次征求了温布莱德的意见,并且跟梅琳达说道:

温布莱德是他以前的恋人,但现在不是了,但我们仍是最好的朋友,每年他都会用一周的时间来陪伴温布莱德,两人同居在一起时,只谈工作和友谊,纯属“柏拉图”式的精神交流。

面对丈夫如此无理的要求,梅琳达竟然同意了。

生下第一个女儿后她退出了微软,专心在家相夫教子,虽然丈夫是世界首富,但她还是希望能平静地过普通人的生活,除了慈善活动,很少在公众面前露面。

2000 年,夫妻两人成立了比尔和梅琳达基金会,旨在为全球在健康和教育方面遇到困难的人们提供帮助,基金会成立以来已经帮助数以千万的人重获了健康与幸福。

随后在比尔盖茨 50 岁生日时,他还表示,会将自己所有的财富捐献给社会,不会给子孙留任何的遗产。

04

在和梅琳达结婚后,比尔盖茨还遭遇过一次出轨风波,出轨对象是他公司的女员工斯特凡妮。

25 岁的斯特凡妮长相甜美,身材火辣,盖茨在办公室对其展开了攻势,两人相约到酒吧谈心。

开始比尔盖茨还只是一本正经地和她谈工作,后来情不自禁地用膝盖去轻触她的腿,之后低声向她表明了爱意。

面对世界上最富有的男人,已经有男友的斯特凡妮还是没能拒绝,两人一起甜蜜的出入酒吧。餐厅和酒店,并且还相互通过电子邮件表达爱意。

在双方关系最甜蜜的那段日子,斯特凡妮还破格参加了多次微软的机密会议,了解了微软公司很多不为人知的内幕。

两人的关系曝光后,在舆论压力和梅琳达的干预之下,这段感情也被迫结束。

随后,美国对微软进行了反垄断调查,斯特凡妮作为知情人在法庭上与比尔盖茨针锋相对,她的证词几乎让微软陷入绝境,比尔盖茨也因此损失了 80 亿美元,还辞去了微软的 CEO。

这时候梅琳达站出来全力支持丈夫,两人的关系得到了升华。

05

之后两人在长达 20 多年的婚姻中再无传出绯闻,取而代之的是一家人甜蜜在一起的幸福生活。

2020 年 1 月 1 日,两人在结婚 26 周年之际,梅琳达分享了一张两人在一起跳舞的照片,庆祝彼此结婚周年快乐。

2 月 14 日情人节,两人在一起逛水果市场时,比尔盖茨分享了一张抱着梅琳达的照片,并配文说道:

这辈子再也找不到更好的伴侣了。

而今年的 1 月 1 日,双方没有发布任何庆祝的消息,只有梅琳达发布了一张风景照,并附带文字说:

翻开新的一页,不一定意味着从头开始,这意味着从好时光和坏时光中学习以后,用到新的开始。

两人的离婚在这时候已经显露出了一些端倪。

不过,5 月 3 日,两人发布的离婚声明,还是震惊了全世界,拥有巨额财富的两个人竟然真的离婚了。

离婚后两人财产分割的问题也成了大家十分关注的问题,可我想他们既然选择离婚,跟金钱应该没有任何的关系,因为到他们这个段位,金钱也只是个数字而已。

而官方声明中那个“无法继续提升”的理由也只是双方给彼此体面的一个借口。

结语

离婚真相纠结如何,我们不能妄加猜测,但已经 65 岁的比尔盖茨能够勇敢地结束 27 年的婚姻,真的让人对这个谦谦君子般的天才又有了更多的看法。

比尔盖茨和梅琳达的离婚告诉我们,金钱并不是衡量婚姻幸福的唯一标准,两个人在一起需要的彼此关心,彼此守护,才能做到执子之手,与子偕老。

End

「进击的Coder」专属学习群已正式成立,搜索「CQCcqc4」添加崔庆才的个人微信或者扫描下方二维码拉您入群交流学习。

看完记得关注@进击的Coder

及时收看更多好文

↓↓↓

好文和朋友一起看~

这篇关于比尔盖茨的风流情史,妻子同意他与前女友同居,婚内出轨损失 80 亿的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/991796

相关文章

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Docker容器创建时,无法访问镜像源:Could not connect to archive.ubuntu.com:80

1.问题描述 当基于dockerfile创建容器时,遇到Could not connect to ...、Failed to fetch ...等异常时,大概原因是没有配置好容器创建所需的镜像源。这里以Ubuntu基础镜像源为例。 dockerfile内容 FROM ubuntuRUN apt update && apt install python3 -y && apt install

全能AI神器!工作效率提升80倍!Zmo.ai带你玩转AI做图!

今天,我要给大家介绍一款神器:Zmo.ai。 这个平台简直是做图神器,集多种功能于一身,让你像专业人士一样轻松创建和编辑图像,不需要任何美术与设计基础,真的非常适合我们这些“手残党”! 我们只需单击按钮即可从文本或图像生成令人惊叹的 AI 艺术、图像、动漫和逼真的照片,最关键的是它的功能真的很全啊! Zmo.ai旗下产品分类: AI照片生成器 AI动漫生成器 AI照片编辑器 A

逐行讲解Transformer的代码实现和原理讲解:计算交叉熵损失

LLM模型:Transformer代码实现和原理讲解:前馈神经网络_哔哩哔哩_bilibili 1 计算交叉熵目的 计算 loss = F.cross_entropy(input=linear_predictions_reshaped, target=targets_reshaped) 的目的是为了评估模型预测结果与实际标签之间的差距,并提供一个量化指标,用于指导模型的训练过程。具体来说,交叉

【深度学习 误差计算】10分钟了解下均方差和交叉熵损失函数

常见的误差计算函数有均方差、交叉熵、KL 散度、Hinge Loss 函数等,其中均方差函数和交叉熵函数在深度学习中比较常见,均方差主要用于回归问题,交叉熵主要用于分类问题。下面我们来深刻理解下这两个概念。 1、均方差MSE。 预测值与真实值之差的平方和,再除以样本量。 均方差广泛应用在回归问题中,在分类问题中也可以应用均方差误差。 2、交叉熵 再介绍交叉熵损失函数之前,我们首先来介绍信息

Anchor Alignment Metric来优化目标检测的标签分配和损失函数。

文章目录 背景假设情况任务和目标TaskAligned方法的应用1. **计算Anchor Alignment Metric**2. **动态样本分配**3. **调整损失函数** 示例总结 背景 假设我们在进行目标检测任务,并且使用了YOLOv8模型。我们希望通过TaskAligned方法来优化Anchor与目标的匹配程度,从而提升检测效果。 假设情况 图像: 一张包含

在目标检测模型中使用正样本和负样本组成的损失函数。

文章目录 背景例子说明1. **样本和标签分配**2. **计算损失函数**3. **组合损失函数** 总结 背景 在目标检测模型中,损失函数通常包含两个主要部分: 分类损失(Classification Loss):用于评估模型对目标类别的预测能力。定位损失(Localization Loss):用于评估模型对目标位置的预测准确性。 例子说明 假设我们有一个目标检测模

World of Warcraft [CLASSIC][80][Shushia][Molten Core][BOSS-5 Baron Geddon]

80级术士单杀[熔火之心]40人团队副本 [5号BOSS 迦顿男爵] BOSS技能①[点燃法力],每3秒燃烧400点法力值,实际上还附带400点伤害,持续5分钟 BOSS技能②[人体炸弹] :迦顿男爵会随机给一个人施放DEBUFF,被DEBUFF影响的人需要在最短时间内跑到远离人群的角落,等待炸弹爆炸。这个技能会造成3000+的伤害,并且会对周围一定范围内的玩家造成等量伤害,感觉我

逻辑回归-损失函数详解

有监督学习 机器学习分为有监督学习,无监督学习,半监督学习,强化学习。对于逻辑回归来说,就是一种典型的有监督学习。  既然是有监督学习,训练集自然可以用如下方式表述:  {(x1,y1),(x2,y2),⋯,(xm,ym)} 对于这m个训练样本,每个样本本身有n维特征。再加上一个偏置项 x0 , 则每个样本包含n+1维特征:  x=[x0,x1,x2,⋯,xn

机器学习的损失函数

损失函数(loss function)是用来估量你模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项,通常可以表示成如下式子: 其中,前面的均值函数表示的是经验风险函数,L代表的是损失函数,后面的是正