企業(yè)應(yīng)當(dāng)如何面對和利用人工智能技術(shù)？

古典夢幻的巴洛克歌劇院舞臺上，幾位演員穿著華美的戲服，向著黑暗中的觀眾表演歌唱……今年9月在美國的一場藝術(shù)博覽會上，這幅名為《太空歌劇院》的圖畫奪得了數(shù)字藝術(shù)創(chuàng)作類大獎冠軍。然而一時間，圍繞這幅畫的爭論甚囂塵上。因為，這幅畫是工作人員用人工智能(AI)繪圖軟件畫出來的……

只要向AI描述關(guān)鍵詞，AI就能將你腦海中的形象描繪出來。越來越“聰明”的AI正在慢慢影響著人們的生活。在第二十四屆高交會信息技術(shù)與產(chǎn)品展(簡稱“IT展”)上，人工智能展區(qū)作為亮點主題展區(qū)之一，全面展現(xiàn)了智能駕駛、芯片、大數(shù)據(jù)、智能識別系統(tǒng)、深度學(xué)習(xí)、智能機器人、AR/VR、車聯(lián)網(wǎng)等AI各個不同領(lǐng)域的技術(shù)及解決方案。

AI無處不在，所帶來的顛覆性沖擊遠超過想象，作為科技創(chuàng)新和經(jīng)濟發(fā)展的重要驅(qū)動力，AI正在進入高速發(fā)展期。工業(yè)和信息化部公布的測算數(shù)據(jù)顯示，我國人工智能核心產(chǎn)業(yè)規(guī)模已超過4000億元，企業(yè)數(shù)量超過3000家。2021年全球人工智能產(chǎn)業(yè)規(guī)模達3619億美元，其中中國占576億美元。從投融資規(guī)模來看，2021年全球人工智能產(chǎn)業(yè)投融資金額為714.7億美元，同比增加90.2%，中國人工智能產(chǎn)業(yè)投融資金額為201.2億美元，同比增加40.4%。

深圳市人工智能行業(yè)協(xié)會發(fā)布的《2022年人工智能發(fā)展白皮書》顯示，截至2021年底，深圳市人工智能核心產(chǎn)業(yè)規(guī)模達到312 億元，人工智能相關(guān)企業(yè)數(shù)量已達到1432家，位居全國第三。深圳市人工智能領(lǐng)域發(fā)明專利總授權(quán)量達到 4.1 萬件。已授權(quán)人工智能發(fā)明專利申請量為 6586 件，位居全國第二?！渡钲诮?jīng)濟特區(qū)人工智能產(chǎn)業(yè)促進條例》已從11月1日起開始實施。隨著有利于產(chǎn)業(yè)發(fā)展的政策法規(guī)接連出臺，AI相關(guān)科技成果將不斷落地并與實體經(jīng)濟加速融合，助推傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。

機器學(xué)習(xí)在工業(yè)領(lǐng)域中也存在瓶頸，主要有以下幾個方面。

1、訓(xùn)練算法數(shù)據(jù)的質(zhì)量

深度學(xué)習(xí)的訓(xùn)練數(shù)量不良品與良品的數(shù)據(jù)訓(xùn)練效果，標注數(shù)據(jù)，其中數(shù)據(jù)的質(zhì)量、歸一化方法、分布等對模型的效果影響較大。例如，如果數(shù)據(jù)量太多時，訓(xùn)練數(shù)據(jù)越多效果越精準，那么就需要較高的計算能力和計算成本。如果數(shù)據(jù)量太少時，模型的預(yù)測能力一般較差。

2、工程師調(diào)試經(jīng)驗

機器學(xué)習(xí)的相關(guān)算法和方法具有一定的門檻，在對原理不清楚的情況下進行實驗，難以取得理想的效果，所以要求工程師不僅具有工程實現(xiàn)的能力，還需具備線性代數(shù)、統(tǒng)計學(xué)等婁學(xué)基礎(chǔ)，并理解數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的常見算法。

3、計算能力

由于在深度學(xué)習(xí)訓(xùn)練過程中需要不斷調(diào)參，甚至重新設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，所以訓(xùn)練周期一般要幾周甚至數(shù)月，并且隨著模型復(fù)雜度增加，對計算資源(GPU)要求更高，一般模型越大應(yīng)用時效率越低。

人工智能如何改變安全運營

人工智能在安全運營中的其中一大作用是協(xié)助安全分析師的工作。畢竟，它不太可能完全取代有經(jīng)驗的人類。反之，人工智能可以專注于比人類擅長的領(lǐng)域去協(xié)助人類，如分析大數(shù)據(jù)，替人類進行繁瑣、重復(fù)的任務(wù)，以便分析師能夠發(fā)揮更復(fù)雜的技能，如創(chuàng)造力、細微差別和專業(yè)知識。

此外，通過人工智能對安全事件進行分析，查詢海量數(shù)據(jù)并在整個網(wǎng)絡(luò)中進行透視，以收集事件告警的背景并進行調(diào)查，整理出高優(yōu)先級的事件讓分析師加以關(guān)注。同時，人工智能通過分析人類分析師調(diào)查警報的過程，進行訓(xùn)練以及機器學(xué)習(xí)，當(dāng)未來有類似的事件發(fā)生時，機器可在通知分析師前生成多個查詢，并同時調(diào)查所有平行威脅。

為應(yīng)對海量的告警以及高級持續(xù)性威脅(Advanced Persistent Threat, APT)，網(wǎng)絡(luò)安全運營團隊積極尋求人工智能(AI)和機器學(xué)習(xí)(ML)來提高效率，分析師因此能減少分析所需時間，包括采用人工智能的威脅狩獵工具(Threat hunting tool)提高企業(yè)對隱藏威脅的檢測。例如，采用無監(jiān)督ML算法的用戶行為分析工具(User behavior Analytics, UBA)可以持續(xù)監(jiān)測和分析用戶活動、系統(tǒng)安全變化、網(wǎng)絡(luò)流量和對應(yīng)用程序和數(shù)據(jù)的訪問檢測和標記異常情況，使得該威脅對環(huán)境造成破壞之前，企業(yè)可以把未知的威脅更快地轉(zhuǎn)化為已知的威脅。因此，網(wǎng)絡(luò)安全運營團隊在 AI/ML工具協(xié)助下，可以采取更積極的策略，對事件作出相應(yīng)的反應(yīng)。