人工智能概念是一個(gè)很好的框架，用于展示有遠(yuǎn)見(jiàn)的想法，而機(jī)器學(xué)習(xí)是機(jī)械過(guò)程的一種實(shí)用方法，可以轉(zhuǎn)換成代碼行.Mimecast ANZ首席技術(shù)顧問(wèn)加勒特·奧哈拉（Garrett O‘Hara）表示：“對(duì)于AI來(lái)說(shuō)，似乎三件事是正確的：AI的能力被夸大了，AI的實(shí)用性被低估了，當(dāng)AI被被談?wù)摃r(shí)，它經(jīng)常與機(jī)器學(xué)習(xí)相混淆。”

什么是AI？

加勒特·奧哈拉（Garrett O’Hara）表示：“通常，當(dāng)人們談?wù)揂I時(shí)，他們談?wù)摰氖荕L的子集。而在其他時(shí)候，當(dāng)人們談?wù)揗L或AI時(shí)，他們只是在談?wù)摽此啤?a target="_blank">智能”的常規(guī)編程。例如，這個(gè)文字處理程序一直在語(yǔ)法和拼寫(xiě)上給我們帶來(lái)麻煩，并不是因?yàn)樗苈斆鳎且驗(yàn)槲淖痔幚沓绦蛘谠L(fǎng)問(wèn)字典并且知道語(yǔ)法規(guī)則-一個(gè)不聰明的工具，但卻是非常有用的工具。有用的并不總是最精確的?！?/p>

BlackBerry Spark ANZ董事總經(jīng)理Jason Duerden補(bǔ)充說(shuō)：“我同意（提出的問(wèn)題）這種觀點(diǎn)-機(jī)器學(xué)習(xí)（ML）是正在快速創(chuàng)新和進(jìn)步的技術(shù)類(lèi)別。與此同時(shí)，人工智能（AI）以其真正的思想形式（例如我們?cè)诳苹秒娪昂碗娨曋锌吹降哪欠N形式，例如《終結(jié)者》系列的《天網(wǎng)》或《狼來(lái)了》中的機(jī)器人），我們今天所擁有的機(jī)器學(xué)習(xí)技術(shù)只是其中的一部分，但AI是用于市場(chǎng)營(yíng)銷(xiāo)材料的術(shù)語(yǔ)。該術(shù)語(yǔ)的普及意味著我們經(jīng)常在小冊(cè)子和幻燈片上看到它，但這種希望很少能實(shí)現(xiàn)。

SAS澳大利亞和新西蘭的人工智能和機(jī)器學(xué)習(xí)主管Ray Greenwood表示：“我喜歡引用這一觀點(diǎn)，但我不能說(shuō)我同意這一點(diǎn)-有爭(zhēng)議的聲明是引發(fā)辯論的好方法！近幾年來(lái)，對(duì)人工智能（AI）的大肆宣傳確實(shí)導(dǎo)致了很多幻滅。此外，我希望隨著組織繼續(xù)發(fā)現(xiàn)構(gòu)建可為AI應(yīng)用程序提供支持的基礎(chǔ)模型變得容易的同時(shí)，人們對(duì)AI的“膨脹期望”也會(huì)越來(lái)越高。但要實(shí)施它們要困難得多?！?/p>

多虧了Duerden，我們才有了一個(gè)相對(duì)準(zhǔn)確的定義：“ DARPA，美國(guó)政府的科學(xué)研究機(jī)構(gòu)，對(duì)三波AI進(jìn)行了分類(lèi)：手工知識(shí)，統(tǒng)計(jì)學(xué)習(xí)和情境適應(yīng)。

“ Wave 1是‘手工知識(shí)’，即ML在基于簽名的防病毒軟件中看到的基本啟發(fā)式方法的起源，提供了狹窄的問(wèn)題解決范圍，并且在策展之外沒(méi)有學(xué)習(xí)能力。2014年，網(wǎng)絡(luò)安全行業(yè)意識(shí)到真正的深度學(xué)習(xí)學(xué)習(xí)和機(jī)器學(xué)習(xí)模型可能會(huì)極大地改變游戲規(guī)則，供應(yīng)商開(kāi)始將任何機(jī)器驅(qū)動(dòng)的決策分類(lèi)為ML，這在買(mǎi)方市場(chǎng)上造成了混亂，大多數(shù)賣(mài)方將基本啟發(fā)式營(yíng)銷(xiāo)推向了AI。

“ Wave 2是‘Statistical Learning’，即機(jī)器學(xué)習(xí)預(yù)測(cè)，這是BlackBerry Cylance的起點(diǎn)。Wave2極大地改變了安全行業(yè)的先機(jī)，這使防御者首次可以預(yù)測(cè)攻擊，而以前從未見(jiàn)過(guò)并減少了攻擊。在第二波中，ML引擎提供了有限的策略解釋?zhuān)瑢?duì)變更的適應(yīng)性有限以及需要一些人工訓(xùn)練標(biāo)簽，從而在檢測(cè)和響應(yīng)方面付出了大量的努力-在威脅發(fā)生之前。

“ Wave 3是“上下文適應(yīng)”，即機(jī)器學(xué)習(xí)的預(yù)測(cè)，解釋和對(duì)概念流的調(diào)整，這是通過(guò)使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行反饋循環(huán)和策略來(lái)實(shí)現(xiàn)的。Wave3正在成為網(wǎng)絡(luò)防御者的新領(lǐng)域， Wave 2的所有預(yù)測(cè)優(yōu)勢(shì)，現(xiàn)在可以為更快的人類(lèi)智能做出解釋?zhuān)瑢?duì)非監(jiān)督學(xué)習(xí)結(jié)構(gòu)（例如用戶(hù)身份和身份驗(yàn)證流程）進(jìn)行預(yù)測(cè)，并且可以自動(dòng)，自主地重新訓(xùn)練或更新智能模型?！?/p>

奧哈拉解釋說(shuō)：“人工智能之所以似乎就像PowerPoint編寫(xiě)的，是因?yàn)樗c機(jī)器學(xué)習(xí)，深度學(xué)習(xí)混淆了。人工智能這個(gè)詞聽(tīng)起來(lái)很有趣。機(jī)器學(xué)習(xí)（ML）聽(tīng)起來(lái)像像我們行業(yè)中的許多事物一樣，AI / ML可以提供的現(xiàn)實(shí)是非常真實(shí)的，但是不幸的是有時(shí)被夸大了?！?/p>

“多年來(lái)，IT工程界一直在爭(zhēng)論機(jī)器學(xué)習(xí)已經(jīng)在全球各行各業(yè)中廣泛使用，而AI可以說(shuō)仍然是一個(gè)理論概念。真的有智能機(jī)器嗎？”

Databricks的ANZ國(guó)家經(jīng)理Bede Hackney表示：“數(shù)據(jù)+人工智能具有改變每個(gè)行業(yè)的潛力。許多擁有人工智能的組織所面臨的問(wèn)題是沒(méi)有正確的架構(gòu)來(lái)使其完全可訪(fǎng)問(wèn)，因此這仍然只是一個(gè)想法

“雖然以前的組織已經(jīng)在‘?dāng)?shù)據(jù)倉(cāng)庫(kù)’中管理了用于BI和報(bào)告的數(shù)據(jù)，并將存儲(chǔ)在‘?dāng)?shù)據(jù)庫(kù)’中的數(shù)據(jù)應(yīng)用了機(jī)器學(xué)習(xí)算法，但客戶(hù)需求已經(jīng)發(fā)生了變化，并且需要有一個(gè)將這兩種類(lèi)型的數(shù)據(jù)庫(kù)連接在一起的統(tǒng)一數(shù)據(jù)平臺(tái)，數(shù)據(jù)管理范例已變得越來(lái)越普遍。

“從相反的方向（使用數(shù)據(jù)倉(cāng)庫(kù)）開(kāi)始，將繼續(xù)使許多公司感到AI只能存在于PowerPoint演示文稿中。”

Greenwood繼續(xù)說(shuō)道：“對(duì)于AI的構(gòu)成缺乏清晰的認(rèn)識(shí)，導(dǎo)致人們對(duì)其交付的現(xiàn)實(shí)表示懷疑。但是，AI確實(shí)是我們生活中許多方面的一部分-它的無(wú)縫性（缺乏漫游機(jī)器人）意味著很多例如，大多數(shù)呼叫中心現(xiàn)在都使用AI模型來(lái)為聊天機(jī)器人提供動(dòng)力，這些聊天機(jī)器人尋求簡(jiǎn)化呼叫過(guò)程，無(wú)需人工干預(yù)即可管理請(qǐng)求或在相關(guān)的上下文信息表明有需要時(shí)向工作人員介紹客戶(hù)需要人類(lèi)的投入才能達(dá)到最佳效果。

“隨著使用AI的基礎(chǔ)組件（包括機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺(jué)，自然語(yǔ)言處理，預(yù)測(cè)和優(yōu)化）的任何組合來(lái)增強(qiáng)更多的業(yè)務(wù)流程，對(duì)AI的確切定義的重要性將不及組織廣泛了解這些功能如何實(shí)現(xiàn)現(xiàn)代化和改變業(yè)務(wù)流程。歷史上一直將重點(diǎn)放在創(chuàng)建算法和技術(shù)上，未來(lái)將取決于成功的文化變革和分析素養(yǎng)計(jì)劃，以確保以可持續(xù)的方式實(shí)施和采用任何AI計(jì)劃。”

可以實(shí)現(xiàn)嗎？

我們不得不懷疑人工智能到底有多“真實(shí)”。Liberman建議：“為了從語(yǔ)音分析中提供真實(shí)的情報(bào)，我們的方法應(yīng)捕捉人類(lèi)感知的現(xiàn)實(shí)-這些是人的真實(shí)情感。真實(shí)的情感反應(yīng)和個(gè)性風(fēng)格是促使我們做出人類(lèi)決策的動(dòng)力?！?/p>

加勒特·奧哈拉（Garrett O‘Hara）在考慮提高IT安全性時(shí)表示，“在網(wǎng)絡(luò)安全中具有效用的人工智能屬于’狹窄的AI‘類(lèi)型（或弱AI）。這意味著該情報(bào)將適用于特定的問(wèn)題類(lèi)型，即威脅或安全區(qū)域-僅此而已。用于檢測(cè)人臉的AI已調(diào)整為只能做到這一點(diǎn)，因此，它在理解交通流模式方面不會(huì)特別擅長(zhǎng)（盡管可能采用類(lèi)似的算法方法）。將變得自我意識(shí)，遭受身份危機(jī)并決定要實(shí)現(xiàn)它，應(yīng)該成為拜倫灣的一名網(wǎng)絡(luò)木匠。圖靈測(cè)試甚至沒(méi)有被提及?！?/p>

奧哈拉繼續(xù)說(shuō)：“網(wǎng)絡(luò)安全又如何呢？正如在《黑客帝國(guó)》中所見(jiàn)，我們還沒(méi)有能夠用鐵拳來(lái)監(jiān)督組織安全的AI。但是，如果您使用子集構(gòu)建人工智能了解機(jī)器學(xué)習(xí)的目的是了解組織中所有用戶(hù)的“正常情況”，然后讓它“通知”“不正常的”情況，并引起其虛擬的眉毛或安全操作中心（SOC）警報(bào)。

“每天發(fā)送的數(shù)十億個(gè)URL怎么樣？埋在其中的URL會(huì)丟棄勒索軟件或促進(jìn)憑證盜竊。機(jī)器學(xué)習(xí)可用于解析龐大的數(shù)據(jù)集，并借助監(jiān)督學(xué)習(xí)，可以很好地識(shí)別出與危險(xiǎn)的URL匹配。惡意的URL是短暫的，因此，在保護(hù)方面，已知的好壞列表只會(huì)使您成為其中的一部分。機(jī)器學(xué)習(xí)會(huì)使您更進(jìn)一步。那么，您希望HI的下一個(gè)炒作浪潮或人力情報(bào)部為您提供了其余的服務(wù)。

Duerden繼續(xù)說(shuō)道：“在網(wǎng)絡(luò)安全行業(yè)中，自切成薄片以來(lái)，人工智能和機(jī)器學(xué)習(xí)通常是最好的產(chǎn)品。正如Forrester首席分析師Josh Zelonis雄辯地說(shuō)：“當(dāng)端點(diǎn)檢測(cè)和響應(yīng)市場(chǎng)開(kāi)始時(shí)，從隱私問(wèn)題到端點(diǎn)上第二安全代理的接受程度（顯然，這永遠(yuǎn)不會(huì)發(fā)生），有很多回?fù)?。然后發(fā)生了令人難以置信的事情……［基于行為分析的智能反惡意軟件］出現(xiàn)在現(xiàn)場(chǎng)，蔑視基于簽名的惡意軟件檢測(cè)，并開(kāi)創(chuàng)了AI /機(jī)器學(xué)習(xí)營(yíng)銷(xiāo)的時(shí)代。

“在網(wǎng)絡(luò)安全中使用ML永遠(yuǎn)改變了整個(gè)行業(yè)：一方面，它確實(shí)徹底改變了終端安全解決方案；另一方面，人工智能成為供應(yīng)商在現(xiàn)有產(chǎn)品上使用的流行語(yǔ)。與研究，開(kāi)發(fā)和開(kāi)發(fā)相關(guān)的創(chuàng)新不再專(zhuān)利；突然之間，創(chuàng)新是關(guān)于精美的信息圖表和AI一詞的存在?！?/p>

但是，Pat Devlin想知道訓(xùn)練集如何？“在有關(guān)AI的討論中，經(jīng)常被忽視的是用于訓(xùn)練機(jī)器的人類(lèi)智能。我們獲得的數(shù)據(jù)類(lèi)型越多，訓(xùn)練AI引擎模擬人類(lèi)思維的學(xué)習(xí)就越多。

“人工智能在那里存在，它建立在人類(lèi)思維基礎(chǔ)之上，人類(lèi)思維不完善，且容易產(chǎn)生偏見(jiàn)。人工智能的缺陷之一是，如果我們根據(jù)人類(lèi)輸入來(lái)編程數(shù)據(jù)，我們將無(wú)法做出完美的決策。我們會(huì)在使用過(guò)程中遇到所有偏見(jiàn)和偏見(jiàn)，甚至可能使分析和理解變得更加困難！

“這是真正的AI。這可能不是科幻小說(shuō)和電影所承諾的，它可能還沒(méi)有通過(guò)圖靈測(cè)驗(yàn)，但它不僅限于PowerPoint。它是真實(shí)的，它還活著，并且有很多例子。我們將AI視為具有模擬人類(lèi)思維能力的系統(tǒng)，如果這是真的，那么我們已經(jīng)超越了AI作為一個(gè)概念！”

總而言之，Greenwood相當(dāng)合理地觀察到：“如果業(yè)務(wù)案例不是用純英語(yǔ)編寫(xiě)的，那么現(xiàn)代企業(yè)分析平臺(tái)的代碼是用Python，SAS，R，Lua，Julia，TensorFlow還是其他語(yǔ)言編寫(xiě)的，當(dāng)需要將其從實(shí)驗(yàn)室環(huán)境遷移到現(xiàn)實(shí)世界時(shí)，該項(xiàng)目可能不會(huì)在現(xiàn)實(shí)世界中持續(xù)很長(zhǎng)時(shí)間。”

Greenwood斷言：“我們處于歷史上一個(gè)獨(dú)特的關(guān)頭，我們擁有實(shí)施像AI這樣的范式變更技術(shù)的技術(shù)能力，但是，如果我們未能正確地圍繞AI的使用，公平，負(fù)責(zé)任地管理大局，透明且合乎道德的原則-除了這些以外，還有其他一些考慮因素-我們可能只是進(jìn)入下一個(gè)“人工智能冬天”，在這種情況下，廣泛采用AI的真正希望可能大部分仍會(huì)歸功于PowerPoint，而我們將無(wú)法充分利用AI可以提供的優(yōu)勢(shì)-增強(qiáng)人類(lèi)工作和娛樂(lè)方式的機(jī)器，以改善我們的生活?！?/p>

帕特·德夫林（Pat Devlin）補(bǔ)充說(shuō)：“雖然AI似乎非常令人著迷，而且吸引人，但隨著時(shí)間的流逝，人工智能所帶來(lái)的潛力是呈指數(shù)級(jí)的，因?yàn)樗枰鉀Q大量復(fù)雜的問(wèn)題并創(chuàng)建簡(jiǎn)單的解決方案。

“這不是概念性的，它是實(shí)時(shí)的，它正在解決現(xiàn)實(shí)世界中的網(wǎng)絡(luò)問(wèn)題！”

為了解決這個(gè)問(wèn)題，Duerden警告說(shuō)：“過(guò)度使用人工智能作為流行語(yǔ)打在小冊(cè)子和幻燈片上已經(jīng)扭曲了它的含義，并圍繞AI和ML造成了混亂。鑒于市場(chǎng)的不確定性，重要的是要求供應(yīng)商大力宣傳AI它實(shí)際上是如何工作的。但是通常，他們無(wú)法告訴您！”

但是，我們應(yīng)該把最后的話(huà)留給加勒特·奧哈拉?！肮δ芸赡苁怯肞ython編寫(xiě)的，但在這種情況下的實(shí)用程序是有意義的，并需要在PowerPoint演示文稿中占有一席之地。我們只需要在衡量如何進(jìn)行有關(guān)ML / AI的網(wǎng)絡(luò)安全對(duì)話(huà)方面進(jìn)行更多的衡量。
責(zé)任編輯:tzh