沈建苗

隨著科技的發(fā)展，人工智能和機(jī)器學(xué)習(xí)等技術(shù)越來(lái)越貼近我們的生活，它們也被應(yīng)用到了越來(lái)越多的行業(yè)和領(lǐng)域。雖然形形色色的人工智能并不是“包治百病”的萬(wàn)靈藥，但是它們可以幫助企業(yè)防御網(wǎng)絡(luò)攻擊，以及提高工作效率。人工智能和機(jī)器學(xué)習(xí)的主旨是幫助公司、企業(yè)的員工更輕松、更高效、更好地完成工作，而不是成為取代員工的工具，如果現(xiàn)在人們對(duì)人工智能和機(jī)器學(xué)習(xí)的期待是希望它們像電影里那樣可以像人類一樣獨(dú)立思考的話，這種過高的期望可能帶來(lái)的是讓人失望的結(jié)果。

前美國(guó)情報(bào)官員德魯·佩雷斯（Drew Perez）是使用機(jī)器學(xué)習(xí)和人工智能，解讀海量數(shù)據(jù)的行家里手，當(dāng)初是為了打擊恐怖活動(dòng)，確保國(guó)家安全。

佩雷斯憑借30多年積累起來(lái)的這方面專長(zhǎng)，如今創(chuàng)辦了Adatos這家總部位于新加坡的人工智能初創(chuàng)企業(yè)。他最近對(duì)美國(guó)國(guó)防和情報(bào)部門使用的最新解密的方法和軟件稍加改動(dòng)，迅速獲得數(shù)據(jù)驅(qū)動(dòng)型的洞察力。

佩雷斯說：“幾十年來(lái)，我們情報(bào)部門一直在這么做。這其實(shí)并不算新潮，因?yàn)樗芷毡?、?shí)用。”

二戰(zhàn)期間，情報(bào)部門在位于布萊切利公園的英國(guó)政府通訊總部（GCHQ）首次應(yīng)用了人工智能。正是在那里，情報(bào)人員使用后來(lái)為計(jì)算和人工智能奠定基礎(chǔ)的技術(shù)，破譯了赫赫有名的德國(guó)Enigma代碼。

佩雷斯表示，自那以后，情報(bào)部門和美軍一直在使用機(jī)器學(xué)習(xí)和人工智能來(lái)處理海量數(shù)據(jù)，但是以前的信號(hào)噪聲比較難以管理。

他說：“目前需要打擊恐怖活動(dòng)，這就需要在短短幾分鐘內(nèi)獲得準(zhǔn)確的洞察力。戰(zhàn)爭(zhēng)的較量體現(xiàn)在認(rèn)知系統(tǒng)（包括人工和人類）的較量，處理信息，了解戰(zhàn)場(chǎng)，比敵人更迅速地決定并執(zhí)行?！?/p>

雖然人工智能和機(jī)器學(xué)習(xí)對(duì)軍隊(duì)和情報(bào)部門來(lái)說不是新技術(shù)，但是全世界在過去十年迷戀于它們能夠擊敗國(guó)際象棋大師，在智力競(jìng)賽電視節(jié)目中擊敗人類對(duì)手。

這些發(fā)展主要得益于計(jì)算能力的迅速提高（想想摩爾定律），以及傳感器和移動(dòng)設(shè)備生成的大量數(shù)據(jù)。

然而，佩雷斯表示，如果人們期望電影《機(jī)械姬》（Ex Machina）中的仿人機(jī)器人能夠像人類那樣思考，如今人工智能和機(jī)器學(xué)習(xí)方面的炒作和過高期望可能會(huì)讓人失望。

佩雷斯說：“如果按模仿人類的認(rèn)知功能的預(yù)期來(lái)定義，人工智能基本上處于發(fā)展階段，但是這并不意味著它不能極其高效地解決實(shí)際問題?！?/p>

亞太地區(qū)的實(shí)際應(yīng)用

作為人工智能的一種形式，機(jī)器學(xué)習(xí)已經(jīng)很普遍，可以立即拿來(lái)應(yīng)用。

Cpgmozant的首席技術(shù)官安·喬漢（Aan Chauhan）表示，機(jī)器學(xué)習(xí)這些年來(lái)迅速成熟，在許多領(lǐng)域司空見慣，它可以幫助公司部署智能交互系統(tǒng)，以提高效率，增強(qiáng)安全，獲得洞察力，提供出色的客戶體驗(yàn)。

研究公司IDC聲稱，2015年到2020年，亞太區(qū)的人工智能市場(chǎng)會(huì)以63.9%的年復(fù)合增長(zhǎng)率高速增長(zhǎng)，超過全球增長(zhǎng)率（55.1%）。

喬漢說：“無(wú)論是提供上下文、個(gè)性化的服務(wù)和客戶互動(dòng)的虛擬認(rèn)知代理、幫助公司預(yù)測(cè)的預(yù)測(cè)分析引擎、幫助業(yè)務(wù)流程自動(dòng)化的系統(tǒng)、實(shí)現(xiàn)基礎(chǔ)設(shè)施管理和應(yīng)用服務(wù)自動(dòng)化的應(yīng)用軟件，還是增強(qiáng)人類專家功能的深度學(xué)習(xí)系統(tǒng)，機(jī)器學(xué)習(xí)已應(yīng)用于諸多行業(yè)?！?/p>

例子包括金融服務(wù)業(yè)的機(jī)器人顧問、零售業(yè)的銷售預(yù)測(cè)、物流業(yè)的供應(yīng)鏈優(yōu)化、機(jī)器人流程自動(dòng)化，甚至是醫(yī)療影像分析，比如篩查視網(wǎng)膜影像，觀察有無(wú)糖尿病視網(wǎng)膜病變。

喬漢說：“人工智能和機(jī)器學(xué)習(xí)平臺(tái)需要一段時(shí)間來(lái)‘學(xué)習(xí)，但是引擎的效果會(huì)不斷提高?！?/p>

Gartner的個(gè)人技術(shù)團(tuán)隊(duì)研究副總裁特蕾西·蔡（Tracy Tsai）表示，眼下，除了要求人類處理大量信息來(lái)做決定的工作外，重復(fù)性任務(wù)也比較適合機(jī)器學(xué)習(xí)。

比如說，在擁擠的地方，人眼很難在川流不息的人群中識(shí)別犯罪分子的臉部。這時(shí)候，機(jī)器學(xué)習(xí)和人工智能就可以用于監(jiān)視識(shí)別。

機(jī)器學(xué)習(xí)功能還用于增強(qiáng)網(wǎng)絡(luò)安全、提高無(wú)人駕駛汽車的安全性。

高保真度機(jī)器學(xué)習(xí)

在網(wǎng)絡(luò)安全方面，機(jī)器學(xué)習(xí)讓安全軟件能夠識(shí)別攻擊系統(tǒng)的已知威脅，從而阻止威脅趁虛而入。

趨勢(shì)科技亞太區(qū)未來(lái)威脅研究的高級(jí)經(jīng)理瑞安·弗洛里斯（Ryan Flores）表示，這個(gè)過程還幫助軟件建立威脅數(shù)據(jù)庫(kù)，讓數(shù)據(jù)庫(kù)得以逐漸識(shí)別并阻止更多的威脅。

然而，在面對(duì)系統(tǒng)之前從未遇到過的未知威脅時(shí)，傳統(tǒng)的機(jī)器學(xué)習(xí)變得不知所措。

弗洛里斯說：“基于傳統(tǒng)機(jī)器學(xué)習(xí)的安全軟件只能在文件執(zhí)行前運(yùn)行測(cè)試，在一些情況下會(huì)讓威脅溜進(jìn)來(lái)。這種方法過時(shí)了，因?yàn)樵S多威脅只在執(zhí)行時(shí)才顯露惡意企圖，等到那時(shí)它已進(jìn)入系統(tǒng)，為時(shí)太晚了。”

一種更好的辦法是弗洛里斯所說的“高保真度機(jī)器學(xué)習(xí)”（high-fidelity machine learning），它在惡意軟件執(zhí)行之前和過程中運(yùn)行測(cè)試，讓安全應(yīng)用軟件可以中途阻止惡意活動(dòng)，將惡意軟件趕出系統(tǒng)。

高保真度機(jī)器學(xué)習(xí)還能夠帶來(lái)其他許多防御功能，比如減少誤報(bào)、行為分析和阻止操作系統(tǒng)被人鉆空子。

弗洛里斯表示，這種機(jī)器學(xué)習(xí)功能可以針對(duì)相應(yīng)的威脅，自主、智能化地選擇合適的防御，減輕IT系統(tǒng)的計(jì)算負(fù)擔(dān)。

描述性機(jī)器學(xué)習(xí)的幫助

營(yíng)銷人員也在利用機(jī)器學(xué)習(xí)更準(zhǔn)確地預(yù)測(cè)某些客戶對(duì)各種營(yíng)銷活動(dòng)有怎樣的反應(yīng)，以及他們?cè)谒^的轉(zhuǎn)化過程中購(gòu)買的可能性有多大。

MediaMath公司的高級(jí)副總裁希瑟·布蘭克（Heather Blank）表示，這可以幫助品牌和廣告代理公司在開展更全面的營(yíng)銷活動(dòng)時(shí)，通過最佳渠道，在最合適的時(shí)機(jī)鎖定合適的目標(biāo)群。

然而，布蘭克表示，機(jī)器學(xué)習(xí)未必總是具有預(yù)測(cè)性的，它也可以是描述性的。

她說：“研究機(jī)器學(xué)習(xí)模型有助于解釋哪些特點(diǎn)在預(yù)測(cè)事件（通常是轉(zhuǎn)化）中很重要，哪些特點(diǎn)可能沒有意義，甚至可以預(yù)測(cè)出根本不會(huì)發(fā)生的事件。”

這可以幫助營(yíng)銷人員過濾掉干擾信息，更清楚地了解消費(fèi)模式。它還能幫助營(yíng)銷人員真正搞清楚什么對(duì)采購(gòu)周期來(lái)說很重要，甚至理想的消費(fèi)者會(huì)是什么樣。

過于依賴會(huì)有嚴(yán)重后

Cognizant的喬漢特別指出，機(jī)器學(xué)習(xí)迅速得到采用也讓它的一些局限性浮出水面。這包括出現(xiàn)孤島數(shù)據(jù)、深度學(xué)習(xí)分析人才有限和算法準(zhǔn)確性不一。

隨著技術(shù)不斷成熟，喬漢提醒過于依賴機(jī)器學(xué)習(xí)或誤解其功能會(huì)有嚴(yán)重后果，尤其是由于基于機(jī)器學(xué)習(xí)的應(yīng)用軟件可能一開始就無(wú)法完全理解人類情緒和文化背景的獨(dú)特性。

他說：“公司要認(rèn)識(shí)到，機(jī)器學(xué)習(xí)的主旨是幫助員工更好地完成工作，而不是取代員工?！?/p>

Adatos的佩雷斯表示，然而在一些情況下，機(jī)器學(xué)習(xí)和人工智能可以取代數(shù)據(jù)科學(xué)家。

佩雷斯說：“在金融行業(yè)，不是利用數(shù)據(jù)科學(xué)家來(lái)構(gòu)建基于風(fēng)險(xiǎn)的模型，而是使用機(jī)器來(lái)這么做，而且速度要快得多。”他補(bǔ)充道，“監(jiān)管部門將不得不開始正視并應(yīng)對(duì)這類模型?！?/p>

他說：“由于機(jī)器在非?？焖俣鴾?zhǔn)確地構(gòu)建這些模型，監(jiān)管部門必須獲得足夠的經(jīng)驗(yàn)來(lái)測(cè)試和信任機(jī)器?！?/p>

人工智能現(xiàn)在就行動(dòng)起來(lái)

Gartner的蔡表示，隨著機(jī)器學(xué)習(xí)和人工智能技術(shù)變得更普及，企業(yè)組織對(duì)于它們對(duì)工作場(chǎng)所帶來(lái)的影響要有所準(zhǔn)備。她說：“我們?cè)诮窈?0年會(huì)看到更多的應(yīng)用案例，所以公司要開始應(yīng)用起來(lái)，以保持競(jìng)爭(zhēng)力?！?/p>

趨勢(shì)科技的弗洛里斯表示，企業(yè)組織要搞清楚哪些重要方面需要機(jī)器學(xué)習(xí)。比如說，它們是否需要更深入地洞察客戶？是否想要更全面地了解所使用的產(chǎn)品？有沒有一種方法可以改善提供的產(chǎn)品或服務(wù)？提出對(duì)業(yè)務(wù)運(yùn)營(yíng)很重要的問題，將幫助公司知道自己需要使用機(jī)器學(xué)習(xí)干什么？

但不是所有公司都會(huì)擁有構(gòu)建數(shù)據(jù)模型、整合人工智能和機(jī)器學(xué)習(xí)所需的人才和技能。蔡說：“它們應(yīng)求助于在特定行業(yè)或特定方面（比如自然語(yǔ)言處理）有著成功經(jīng)驗(yàn)的供應(yīng)商?！?/p>

MediaMath的布蘭克表示：“機(jī)器學(xué)習(xí)是個(gè)強(qiáng)大的工具，但有其局限性，它不是什么神奇的盒子。它能解決許多問題，但無(wú)法解決所有問題，決定其成功的最重要因素之一就是數(shù)據(jù)具有的質(zhì)量、相關(guān)性和新穎度。”