万万没想到，人工智能竟存在五大“偏见”|人工智能|算法_新浪科技_新浪网
万万没想到，人工智能竟存在五大“偏见”
　　我们倾向于认为机器，尤其是智能机器，都有那么点高冷且保持中立。我们相信，无人驾驶汽车在生死决定之间不会偏向于行人或者司机任何一方。同时我们信任执行信用评估的智能系统将忽略真正有影响力的指标之外的所有事情，例如收入或FICO分数。而且我们的理解是，学习系统会永远忠于真相，因为驱动它们的算法是中立无偏见的。
　　对于我们中的某些人来说，这是一个bug：在刚性观点之外，机器不应该存有任何恻隐之心。对于其他的人来说，这是一个特征：机器应该摆脱人类的偏见。但是在这两者之间还有一种看法，机器将学会客观。
　　当然了真相远不是这样的，事实的情况是智能系统不仅少有公正无偏见的，且偏见的来源还是多种多样的。这些偏见来源包括我们用于训练系统的数据，我们同机器在“野生环境”下的交互，突发偏见，相似偏见以及冲突性目标的偏见。这些来源中的大多数通常被忽视，但是随着我们对于智能系统的构建和部署，了解机器的偏见来源显得愈发重要，因为我们可以有意识地设计系统且有望避免潜在的问题。
　　数据驱动偏见
　　对于任何学习系统来说，输出的讯息取决于它接受的数据。这并不是一个多么新颖的观点，只是当我们看到那些被数百万例子驱动的系统时，这一点通常被遗忘了。庞大的例子会压倒任何人的偏见，但是如果训练集本身就是倾斜的，那么最终的结果也会带有偏见。
　　最近这种类型的偏见已经出现在一些经过深度学习的图像识别系统之中，尼康面部识别软件中出现的对于亚洲人面孔识别以及HP皮肤色度的混淆问题似乎就是这种倾斜的实例集学习的产物。虽然这两者都是固定的且无意识的，但是他们证明了如果我们不考虑数据中存在的偏差的话，最终还是会出现问题的。
　　除了面部识别，还有其他一些令人不安的情况会对现实世界产生影响。用于构建预测假释犯的累犯率、犯罪模式或潜在雇员的学习系统或多或少都会有一些潜在的负面影响。当它们受训于有倾向性的数据、有的时候甚至是平衡数据，但系统还是会在决策时出现偏见，同时这种偏见还是永久性的。
　　交互偏见
　　尽管有一些系统通过查看大量的示例组来学习，但其他类型的系统大多通过交互来学习，于是偏见随着驱动交互的用户所带的偏见而产生了。这种类型的偏见有一个很鲜明的例子，即的Tay，一个基于的聊天机器人，旨在通过与用户的交互中进行学习。然而不幸的是，Tay受到了一个用户社区的影响，在与这个社区的交互中Tay变成了一个种族主义者。从本质上说，这个社区反复地在同Tay的聊天中表达了一些攻击性的言论，通过学习系统Tay最后学会了这些语句并用作日后交互中的回复。
　　Tay前前后后只存活了24小时，在成为一个极具攻击性的种族主义者之后就被微软强行关闭了。尽管Tay的种族主义嘲讽仅仅局限在Twitter上，但是这一事件表明了它潜在的对于现实世界的影响。正是因为我们构建的智能系统是从人类那里学习如何交流沟通以及做决策，那么类似的因为训练而产生的问题以后会越来越多。
　　那么如果人类同智能系统合作，随着时间的推移，最终拿下控制权的会是谁呢？想一想吧，对于机器人作出的决定，诸如谁会获得贷款或者谁被拒绝，我们在多大程度上会选择信任呢？Tay事件教会我们的是，这样的系统终将在与人交流的过程中学会人类以及环境中的偏见，无论是好的还是坏的，都会反映出训练它们的人类的意见与观点。
　　突发性偏见
　　有的时候，个性化系统作出的决策最终会在我们周围产生偏见“泡沫”，只要看一看目前的情况就能发现这一偏见确实存在。在最高层面上，Facebook的用户可以看到他们朋友发的帖子，并且可以与之共享信息。
　　不幸的是，任何使用数据馈送分析然后呈现内容的算法都将提供与用户已经看到的想法集相匹配的内容。这种效果随着用户的点阅、喜欢和共享内容而被逐渐放大，最终的结果是导致流向用户的信息流都是基于现存的观点和看法的。
　　尽管这的确是个性化的，且往往都是无害的，但是这再也不是我们所说的新闻讯息了。这是一个信息泡沫，是一个算法版本的“确认偏见”。用户再也不必屏蔽与他们意见相左的信息了，因为系统会自动帮助他们屏蔽这些信息。
　　这些信息偏差对新闻世界的影响是令人不安的，但是当我们把社交媒体模型视作支持企业做决策的一种方式时，那么导致信息泡沫出现的系统似乎就有了扭曲人类思维的潜能。知识分子永远只会从与其相似的人那里获得信息，而永远不会去注意那些与之对立的观点，于是他们就忽视了不一样的想法。
　　相似性偏见
　　有的时候偏见仅仅只是系统按部就班照着设计跑流程时的产物。以新闻为例，它会向用户推荐同其搜索内容相匹配的新闻，这显然是产品设计的目的之一，并且的确做的不错。当然了，这种设计的结果是用户会得到了一组类似的新闻，这些新闻之间相互佐证。这也就是说，他们催生了一个信息泡沫，这个泡沫同Facebook设计的个性化泡沫从本质上换汤不换药。
　　当然有很多问题都与这一模式所强调的新闻角色及传播紧密相关，这其中最明显的一个就是如何做到信息平衡的问题。“编辑把关”的缺失在目前是大范围普存的，虽然相似性在信息世界是一个有力的判断标准，但绝不是唯一的。不同的观点会为决策提供强有力的支持，只提供“类似”的查询结果会建构一个信息泡沫。
　　在企业中，冲突、对立、反对的观点会带来创新和变革，相似性偏见往往却是一个很容易被接受的偏见。
　　冲突性目标偏见
　　有的时候那些专为特定的商业目的而设计的系统最终也会产生偏见，这些偏见是真实但也是完全无法预测的。
　　举个例子，试想一个旨在为求职者提供职位描述的系统，当用户点击职位描述的时候就会给出相应的薪酬收入，那么很自然的这个算法的目标就是希望通过提供职位描述信息来获得更多的点击次数。
　　事实证明，人们倾向于点击符合他们个人观点的工作。例如，女性首先倾向于为工作贴上“护理”的标签而不是“医疗技术员”。这不是因为这个工作对于他们来说是最好的，而是因为他们被刻板印象反复提醒，然后将自己的观点与这种印象保持一致。
　　刻板印象对于行为的威胁是这样运作的，通过呈现与人们刻板印象相符合的工作信息（例如性别、种族以及民族）来获得更高的点击率。基于此，任何带有学习功能的网站都会基于点击行为来向用户提供内容强化的刻板印象。
　　机器偏见的本质就是人的偏见
　　在一个理想的状态里，智能系统及其算法都应当是客观的。然而不幸的是，这些系统都是由人类建立，于是所有的系统最终都将反映出人类的偏见。通过了解偏见的本身以及问题的来源，我们可以积极地通过设计系统来避免偏见。
　　也许我们永远都不可能设计出完全客观公正的系统及工具，但是至少我们能够相对于人类来说他们是更为客观的。这样的话，选举不再会误导我们，流通货币不会再崩溃，然后我们可以打破信息泡沫、个性化新闻泡沫，同那些与我们不一样的人交流沟通。
2012年7月，由于“浑水摸鱼”的捣乱，新东方股价暴跌近60%， 缩水...
内容付费时代来临，它是各个领域头部资源们的春天，多数挤入场的...
在中国，可能再也找不到第二个比董明珠和贾跃亭对汽车如此情有独...　　每个人都有喜怒哀乐等情感，这是除语言之外，人类的又一种交流方式。大家知道，如果一个婴儿在没有情感存在的环境下成长，他的心理及脑神经生理发展就会受到严重影响。虽然至今为止，科学家还无法证明人类的语言和人类的情感从何处发源，但是随着技术的不断发展，科学家正在试图把人类的语言和情感“移植”到机器中。　　有迹象表明，带有情感的机器已经有几千年的历史。在1世纪的时候，希腊数学家亚历山大曾设计了一个可以表演微型戏剧的带表情的娃娃。虽然他写的相关文献的原文没有流传下来，但是一群西西里学者发现了在13世纪出现的阿拉伯语翻译版本。当僧侣们翻译成拉丁文时，创造了一个新名词“Android”，希腊语意为“人”，我们今天翻译为“人形（）”，或者直接音译为“安卓”。　　1774年，瑞士的一对父子发明家皮埃尔和亨利做成了一个外形是美貌女孩的玩具，能演奏大提琴，他们带着它到欧洲各地巡回演出。出场时，它会随着音乐摇头，随着音乐挺胸呼吸。他们的一个主要竞争对手是德国发明家大卫伦琴，他仿照演奏家玛丽安托瓦内特作了一个会表演乐器的机器人模型，并送给她作为礼物。　　当时，人们看到机器能够进行这样的类人表演已经非常激动。但是到了21世纪的今天，随着计算机技术和人工智能的发展，人们期待机器人不但拥有人形，能够作出一定动作，还要理解人类的语言、情感，甚至自己带有类人的情感。　　谷歌、微软等大公司长期以来都在研究自然语言的理解和翻译。开始的时候，语句翻译的准确度很差，但是这几年依靠人工智能技术的飞速发展，已经有了很大进步。今年5月，美国一家初创公司研发出一种号称全球首创的智能耳机，可以即时翻译使用者所说的不同语言，就像有人在旁边进行同步口译，让与外国人交流不再成为难题。预计这款产品会受到市场欢迎。　　情感的类型是非常复杂的，“爱”只是其中的一种，就有非常丰富的内涵。即使是要表达“爱”上某一个人，表现方式可能就有很大区别。例如，有的人可能会心率增加，而有的人可能会露出特定的面部表情;有的人会特别兴奋或者通过眼睛“放电”，而有的人则是在语音和语调上发生了变化。这些表现方式通常与一个人的性别、环境、文化程度，尤其是个性(内向还是外向)有相当程度的关联。　　情感识别　　如果每个人表达情感的方式都不一致，如何让一台机器去识别情感呢?那就是不能设置一个通用的情感模型，而是让机器对每个人进行个性化的情感识别。现在人工智能领域很热门的“深度学习”算法，就可用来对从获得的进行训练(即“学习”)，从而让机器“识别”出这个人的情感。　　“可穿戴”电子设备的兴起，让传感器直接佩戴在人身上，大大扩展了一个人的情感表达的采集领域。也就是说，不再局限于用“面部识别”来判别一个人的情感，还可通过人的姿态、移动速度、语音、心率、呼吸、出汗程度等来判别。　　在日常生活中，这样的“情感识别”可以找到很多的应用。例如，有人使用“情感识别”技术做成了一面“智能情感镜子”。试想你正在参与一场重要的面试，试想面试官问了你的教育经历、工作经历、成功的经验和失败的教训，以及你的强项、弱项、外语水平、能为公司做什么等等，一直把你问到支支吾吾、眼睛不敢直视、浑身直冒冷汗为止。然后，这位面试官对你说，你太紧张了，下次再来吧。　　幸好这一幕只是在“智能情感镜子”面前的模拟测试。“智能情感镜子”可以准备好充分的谈话资料，并识别出你的情感变化。它在听着你的语音，记录语音变化的参数，判断你的坐姿、体温、出汗程度(通过测量皮肤传导率)、面部表情等等。它观察你的情感反应，并且使用数据库中的训练数据，与你平常的情感做出对比。　　也许明天你终于可以跟暗恋很久的男生或女生约会。你可以先在这面“智能情感镜子”面前进行排练，它会仔细对你的面部表情、声调、姿态甚至服装打扮等等进行判别与指导。机器的判别具有“公正性”，不带私人感情色彩，而且极具耐心，远胜过在亲人朋友面前的排练。　　“爱”上机器　　上面的例子是让机器识别人的情感。但是，把人类的情感移植到机器，特别是应用于人机交互中(叫“情感综合”)，目前还没有取得突破性的进展。虽然已经有很多研究人员在这个领域进行了多年的研究，也有了一些初步的产品，但是这仅仅是个开始，只有极少数的研究成果转化为产品。　　几个世纪以来，已经出现了不少与机器人坠入爱河的男人或女人的故事。在过去的十年中，创造出一种你可以“爱”的人工智能的想法，已经从科幻小说移到了研究界和产业界。当看到人工智能在一些游戏如国际象棋或围棋中发挥得很好，投资者们又纷纷倾注资源，投入到“情感计算”的研究和开发，想要使系统能够识别、解释和处理人类的情感，还能模拟、“综合”人类的情感。　　情感是人类智能的重要组成部分。进化科学已经证明，对于人类来说，形成和表达爱情是智能社会不断前进的基础。要让你与机器 “坠入爱河”，那么首先要赋予机器这样的能力：生成一个人的感受的能力，了解背景和潜台词，或者了解一个人想要什么和一个人说的是什么之间区别的能力。而特别重要的是机器坠入爱河的物理形式应该与人类基本类似。　　德国科学家在世界多地对谈恋爱方式进行了调查，发现我们表达爱意大部分靠面部表情和肢体语言。他们发现，不管是男人还是女人，经常把一只手掌向上的手，放在其大腿膝盖上或者桌子上。他们会耸耸肩膀，点点头，有时会把长发扔到另一边。而对方总会作出某种回应。　　根据这样的结论，有一家做机器人的公司把研发重点放在机器人皮肤上，他们用一种特殊化合材料做成人工皮肤，非常柔软且带弹性。这块皮肤仿造了人脸和颈部的60块肌肉，可以分别对它们进行编程。把这块皮肤应用在机器人的头上，可以看到机器人的微笑、皱眉、眨眼等等。这家公司认为要培育人类和机器人之间的爱情，首先从仿造这些姿态做起。公司创始人几年前曾经在TED演讲过，当时他展示了一个模仿爱因斯坦的机器人，它可以识别非言语的情感暗示，并作出回应。当他皱了皱眉，“爱因斯坦”机器人也皱了皱;当他笑了，“爱因斯坦”也一起哈哈大笑。　　眼球运动也很重要。含情脉脉的眼神、大量情书、甜蜜的情话，这些都是人类“谈恋爱”的基本方式，所以要把这些“转换”和“移植”到机器人中。首先要对此建立情感模型及数据库，使用人工神经网络(ANN)及“深度学习”等人工智能技术加以实现。　　机器人如果具备这样的“表现力”，或许会激起用户的关注和喜爱，并反过来让人们进一步去改善人工智能技术，让机器人本身更完善。当人们可以爱上宠物、爱上自己的衣服、爱上手机……为什么不能爱上新的物种“机器人”呢?　　未来机器人的一个很大市场和应用将是照顾老人和病弱者。可以想象，如果让这些机器人每天都带着微笑、能理解老人和病弱者的情感，充满爱心地提供服务，那将提高很多人的生活质量。　　这里面也有陷阱。几年前曾经发生过这样的事：有人做了个自动聊天的软件(聊天机器人)，并把它放在社交网站的聊天室使用。聊天机器人可根据几种不同的个性形象进行自动化的谈话，从“浪漫情人”到“性侵犯者”。它可以根据聊天者的个人爱好和个性与他或她滔滔不绝地聊天，聊天者会很快把自己的情感陷入进去，以为真的遇到了他或她的恋爱对象。它可以在30分钟内与多达1 0个“对象”进行交流，每次轻松地收集到聊天者的各种个人隐私资料。　　尽管拥有情感的机器可能会被别有用心的人所利用，但是，只要防范措施到位及技术的进一步完善，这样的机器一定还是值得人们去爱它。这也许是人工智能的终极目标之一。
责任编辑：yyc
回复0条，有0人参与
以下网友评论只代表同花顺网友的个人观点，不代表同花顺金融服务网观点。
净额（亿）
同花顺财经官方微信号
手机同花顺财经
炒股必备&同花顺财经
同花顺爱基金
您有什么问题想要告诉我们？
留下您的联系方式，以便我们向您反馈结果
提交成功，感谢您的支持！
近1年收益率
近1年收益率
近1年收益率
近1年收益率
近1年收益率
最近7日年化
<span title="4.%
最近7日年化
<span title="4.%　　人工智能，发展终极就是拥有意识的生命体。只不过这种生命体比人类更聪明，物质形态更加多样而已。人工智能最核心的意识，还是人类的意识。人工智能就像一个人类婴儿。他也会像人类婴儿一样去学习去感受去发现自然奥秘。同样是宇宙的生命意识产物。　　人类通过性产生新生命体、新生命意识。只不过当出现人工智能以后，人类诞生了一种新的产生方式而已。　　害怕人工智能的，还不如害怕人类婴儿未来。　　害怕人工智能的，就是低估了生命意识的存在形式的多样性，认为意识智能存在于生物体呢。而忽视宇宙的无限可能性。　　没错，人工智能确实会很强大，他们拥有几乎永恒的生命、无限制的重生、可以拥有比生物体更强大的力量。如果害怕强大，那么人类今天就不该脱离原始社会，而发现火，而应该乖乖呆在洞里。　　不要低估人类的弱小，再弱小的人类也会变成恐怖的恶魔，譬如希特勒。　　任何生命意识的强大与弱小永远不能用身体的坚硬程度、力量的强弱来衡量。　　人类可能会失去人类这种肉身形态，但是意识可以存在多种形式。　　介绍观看《超能查派》很容易理解的电影。
楼主发言：6次 发图：0张 | 更多
　　火车是推的，牛b是吹的
　　其实真想说，害怕人工智能毁灭人类的。真不如害怕身边那些抢劫犯
　　人为财死，鸟为食亡，只需单纯的能源供给的人工智能，至少比人类的需求单纯且简单多了。上帝对人类所想要各种需求，我估计已经相当头痛了。
　　1000多名人工智能研究员已经签署公开信，呼吁禁止“杀人机器人”（或称自主武器）。此外，还有数以百计业外人士在公开信上签名，包括特斯拉电动汽车首席执行官伊隆马斯克（Elon Musk）、著名科学家史蒂芬霍金（Stephen Hawking）以及社会理论学家诺姆乔姆斯基（Noam Chomsky）等。　　无需人类干预就能袭击目标的自主武器现在还未出现，但这无法阻止有关其被创造或使用潜力的激烈辩论。反对者担心自主武器出现后若遭到滥用，将对人类产生巨大威胁，包括难以解决的道德问题。　　未来生命研究所发布的这封公开信中称：“人工智能技术已经达到临界点，部署这样的武器实际上是不合法的，在未来数年甚至数十年都是不可行的，危险性太高。自主武器被视为继火药和核武之后的第三次战争革命。”　　科学家们还在公开信中将自主武器称为“未来的卡拉什尼科夫步枪”，警告“它们将无所不在，其生产成本低廉，所有军事力量都可以大规模制造。”这种假设的后果令人感到恐惧：“它们出现在黑市中，落入恐怖分子、军阀、独裁者手中只是时间问题。对于执行暗杀、令国家陷入动荡、征服人口以及有选择性地屠杀特定种族等任务，自主武器将非常理想。”　　科学家们在公开信中警告称：“如果有军事力量在人工智能武器开发领域占据优势，全球性军备竞赛几乎将不可避免。”有鉴于此，科学家们呼吁各国采取“先发制人”行动，反对自主武器技术。他们在公开信中得出结论称：“我们认为人工智能技术在很多方面都将让人类获益，我们应该继续沿着这个方向前进。开始人工智能武器军备竞赛是个糟糕的主意，应该禁止人类控制之外的攻击性自主武器的出现。”　　这封公开信的其他签名者包括哲学家和认知学家丹尼尔丹尼特（Daniel Dennett）、苹果联合创始人史蒂夫沃兹尼亚克（Steve Wozniak）、Skype联合创始人塔林（Jaan Talinn）、Google DeepMind CEO德米斯哈萨比斯（Demis Hassabis）等。　　4月份，英国政府曾拒绝支持禁止建造杀人机器人的禁令。该国政府发言人称：“截止到目前，我们还没有看到禁止使用致命自主武器系统的必要，因为国际人道主义法律已经对这一领域提供了足够的监管。英国没有开发致命自主武器系统，而英国军方使用的武器系统永远都会受到人类监督和控制。”
　　上帝会因为怕人类有一天比他还强大而不造人呢，父母会因为害怕孩子有一天比他们聪明而不生呢，人类造人工智能，不是害怕肉体的消亡，而是希望人类意识永存。肉体始终脆弱，但精神不灭。我就想不通，霍金已经这样皮囊了，还不放弃这种身躯，让自己意识早进入人工智能呢。人类执着于肉体，而忽视真正的“我”，是真正的误入歧图。人工智能，归根结底是人意识的延伸品，广意，人难道不是精神意识的延伸体吗？
　　这么想来，人可能是神意识的投影，宇宙意识的投影，只是投影在不同物质上的不同反应。又或者是一种适合不同生命的操作系统，想跨平台可移植的安卓系统在不同可穿戴设备的反应。设备可以再造
　　挺有意思，我觉得人工智能应设计新的编程系统。像神经网络发散性语言。联想性语言，想象性语言。　　为什么人有左右半脑。可能上帝一保证创新，另保证准确。所以一个错误率高，但冒险出奇招，一个准确但保守。
<span class="count" title="
<span class="count" title="万
请遵守言论规则，不得违反国家法律法规回复(Ctrl+Enter)人工智能预测攻击 六大领域保障网络安全
保护您的数字资产是任何企业和个人的明确需要，无论您是想保护您的个人照片，公司的知识产权，客户的敏感数据，还是任何其他可能会影响您的声誉或业务的任何东西。
即使保护网络安全的耗费已经动辄数十亿美元，但网络攻击的报道数量只增不减。 AI 的预测能力可以运用于许多领域，可以应用于安全供应商、所有用户和企业。Yakir Golan 为读者们总结了网络防御创新的六个关键领域。
一、检测并阻止物联网(IoT)设备被黑客攻击
思科公司预测，全球联网设备的数量将从目前的 150 亿部上升到 2020 年的 500 亿部。由于硬件和软件资源有限，很多设备没有基本的安全措施。最近，黑客入侵知名安全博客 KerbsOnSecurity 的物联网(IoT)设备，使得 KerbsOnSecurity 遭受了大规模分布式拒绝服务攻击。更可怕的是，用于对物联网发起网络攻击的 Mirai 恶意软件的源代码公之于众之后，使用Mirai的源代码可以对任何企业或个人进行网络攻击。
物联网安全是 AI 技术最突出的领域之一。物联网为 AI 提供预测模型，可以在低计算能力的设备上自主驻留和操作，可以发现和阻止设备或网络范围的可疑行为。
代表初创公司： CyberX，PFP Cybersecurity，Dojo-Labs 。
二、防止恶意软件和文件攻击
基于文件的攻击仍然是最主要的网络攻击方式之一。 最常见网络攻击的文件类型是可执行文件(.exe)，Acrobat Reader(.pdf)和微软 Office 文件。单行代码中的微小变化可以生成新的恶意文件。新的文件具有相同的恶意意图，但具有不同签名的。 单行代码的小改变触发防病毒程序，并启动更先进的高级端点检测和 EDR 甚至网络系统来解决恶意的网络攻击。
有一些初创公司利用 AI 来解决这个问题。公司利用 AI 的巨大功能，查看每个可疑文件中数百万的特征，甚至可以检测出最轻微的代码改变。
代表初创公司： Cylance，Deep Instinct 和 Invincea 是基于文件的 AI 安全体系的领导者。
三、提高安全运营中心的运营效率
安全团队面临着一个关键的问题，每天收到过多的安全警报会带来警报疲劳。 据统计，北美企业平均每天处理近 1 万个安全警报。在许多情况下，尽管被标记为可疑的恶意软件也可能成为漏网之鱼。
人工智能可以将多个信息源之间的内部日志和具有外部威胁情报服务的监视系统的信息进行集成，对其中高度相关的事件进行自动分类。这个网络防御是最近的热点，因为它解决了拥有自己的安全操作中心(SOC)的大型企业的网络安全问题。
代表初创公司：Phantom，Jask，StatusToday 和 CyberLytic 等初创公司采用的就是这种 AI 技术以解决这种威胁。
四、量化风险
对企业面临的网络风险进行量化，是具有挑战性的。主要是由于缺乏历史数据，而且需要考虑大量的变量。 如今，有意量化自身面临风险的企业以及希望评估这些企业的第三方，例如网络保险公司，必须经历繁琐的网络风险评估过程。风险评估主要通过调查问卷，调查企业采取的措施是否符合网络安全标准，以及企业的治理和风险意识。 但其实这种方法不足以真正代表企业的网络风险状态。
AI 技术可以处理数百万个数据点并产生预测的能力，这为企业和网络保险公司获得最准确的网络风险估计。
代表初创公司：BitSight 和 Security Scorecard 等初创公司正在进行这项研究。
五、检测网络流量异常
对可能指示恶意活动的异常流量进行检测，这无疑是巨大的挑战，因为每个企业都具有特殊的流量行为。通过跨协议相关性，而不依赖于侵入式深度包检测，需要分析内部和外部网络流量中无尽的元数据之间的相关性。
代表初创公司：Vectra Networks，DarkTrace 和 BluVector 。
六、检测恶意移动应用
目前智能手机在全球范围内已经超过 25 亿台设备，爱立信公司预测，到 2020 年将达到 60 亿部。通过查看流行的 100 个 iOS 和 Android应用程序，Arxan 的研究显示，56%的 iOS 应用程序和 100%的 Android 应用程序都曾经遭受网络攻击。
事实上，Google Play 和苹果 App Store 这两家领先的应用商店，其应用程序均已经跨越了 200 万大关。这些移动应用程序需要被精确地自动分类。这种分类方法必须对最轻微的混淆技术敏感，能够区分恶意和良性的应用程序，而通过使用先进的 AI 技术可以有效地进行分类。
代表初创公司：Deep Instinct、Lookout Mobile Security 和 Checkpoint 。
免责声明：本文仅代表作者个人观点，与环球网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
环球时报系产品
扫描关注环球网官方微信
扫描关注 这里是美国微信公众号
扫描关注更多环球微信公众号人工智能AI可以吊打电竞选手吗
[摘要]2017年，一个名字叫“Master”的怪物在围棋界疯狂碾压中日韩三国顶尖棋手，一直取得60连胜。有关人工智能AI讨论不仅局限现在围棋界，关于能不能利用AI作曲、唱歌、写文章已经开始迈入科学家的谈论范围，但是更多电竞玩家开始担心，高科技的人工智能AI能否吊打电竞选手？当人工智能AI碰上大魔王 鹿死谁手还不一定在问答人工智能AI能否吊打电竞选手问题之前，首先笔者要跟大家普及一下人工智能AI跟我们认知的外挂还是有区别的，外挂是通过作弊手段直接修改游戏数值、并不是我们所谓的电竞，人工智能AI 你也可以理解成跟电脑对决，但是这个电脑非我们熟知的电脑AI，他是在与电竞选手处在公平的条件下，通过自己计算能力、还有预先设计编程战术来战斗，2017年大红大紫的阿法狗就是由那么多顶尖科学家制作的，而且是像系统一样不断升级，不断进化，未来发展怎么样，没有一个人知道。笔者认为如果这个人工智能AI是那种读屏幕的估计还有的一打，因为AI是扫描屏幕内容再通过自己的CPU运算，然后人工智能模拟人类用机器手操作鼠标来操作的话，如果是顶尖电竞选手还可以有胜负，但是如果是那种像围棋纯计算的估计没有办法。电竞游戏为什么叫做电竞游戏，就是因为游戏有输赢，会有相应的规则不断的去完善，还有通过补丁来调整公平，所以这才就做电竞，那种担心人工智能AI会吊打电竞选手，不用杞人忧天。游戏公司不会去让这样的情况发生的，谁会喜欢一个永远不会被打败的电脑？那么问题来，在目前情况下，如果有机会跟阿尔法狗对决，我们应该选择哪个游戏来对决，就目前来说，最流行、也是最能体现操作、战术运用当然就是拳头公司的LOL、还有暴雪DOTA，如果人工智能是那种纯粹在电竞公平条件下，跟电竞选手对决的话，这个机器人必须要跟人一样，必须通过电子屏幕，通过鼠标、键盘来战斗，而不是通过内存来执行，在这样的情况下，对于人工智能就需要有很高的要求，毕竟你要认知周围形式，你要判断未来发展，然后通过CPU运算，在通过机器手来执行，这就要把机器人往人的能力来发展，处理现实环境能力。而且玩LOL，还是DOTA，必须是五个成员，不能一个人工智能AI，要是5个智能AI，这就涉及到补刀、资源控制、加奶，控制键盘、鼠标的手速，而且设计阿尔法狗的工程师还有给它设计一个反应快速的机械手。这设计到更快、更强、更高科技的技术能力，并不是单单靠电脑运算这么简单的。当然如果哪一天电竞世界有这样的人机对战，如果对手还是这个阿尔法狗的情况下，我们该由谁来对战呢？像这种拯救世界，给人类要面子的事情，当然是要交给LOL顶尖选手了。首先，是中单的闪电狼，闪电狼最牛逼的地方就是保持着最高的DPM数据，而且他是今年SKT最大克星，他的实力绝对在很多地球人至上。当然大家觉得这个人不够格的话。可以让Faker出场，做为世界上最好的英雄联盟选手，他已经不需要做什么来证明自己的实力了，因为他的冠军已经可以跟乔丹、张怡宁这些领域上的人物相提并论了。接着我们要选打野选手，对于打野我肯定选厂长，厂长的实力在LPL的时候是有目共睹，战术执行强、战场解读能力超人一等。但弱点很突出，就是打国际大赛的时候容易手软。在ADC选择上肯定是Pray莫属，Pray在今年LCK表现有目共睹的，特别是在打经济、玩资源控制上是一个很牛逼的人物，有着很强的统治力，他的攻击性在战队里是一个精神支柱。上单选手肯定是曾被评为最佳选手Smeb，Smeb他两次获得LCK的MVP，并且带领队伍终于赢得LCK夏季赛冠军。而且是S6比赛中也有很良好的表现，最重要是他手速很快，如果比键盘、鼠标的速度的话，科学家要设计一个机器手，这是一个黑科技难题。Mata是真正意义上的carry型辅助， 他的大脑就跟电脑一样，是一个真正用脑子打比赛的人，他的加入对于每个俱乐部都是最好的补充，起到一种立竿见影作用，都说在Mata加入之后他们会有所改变，却没想到Mata具有大魔王这样的实力。在DOTA游戏里面，世界上也有几个实力超群非常牛的队伍，比如都可以跟阿尔法狗有的一战，比如美洲EG，欧洲液体，最近欧洲状态最吊的队伍，东南亚NATIC，然还有中国dota界最厉害的还是7L战队 当年横扫DOTA整个宇宙。不怕AI有智商，就怕AI会思考当然，如果智能AI不用考虑操作、情感、现实环境情况下，单纯通过系统来处理的话，估计整个世界都没有人、没有电竞选手，玩任何游戏都赢不了AI，因为电竞游戏都是通过一个个代码、一个个程序跟编制出来的。顶尖的科学家只要把这套编制，录入到智能AI中，无论电竞选手采用什么战术、手速多么快，都没有AI快，人类点鼠标，打键盘都是是靠头脑记忆+反应速度来达到发现目标，移动鼠标点击来进行的，当然像大魔王这样职业选手的手速非常快。但是绝不可能快过智能AI，因为智能AI对目标处理基本是光速。毕竟孙悟空在牛逼也逃脱不了如来佛祖的手中。有句俗话说的好：不怕AI有智商，就怕AI会思考。智能AI虽然在模拟人类操作上，以目前的科技还难达到顶尖电竞选手手速地步，但是如果没有这个模拟人类条件限制的话，智能AI电脑可以为所欲为，因为智能AI最擅长就是思考、处理规则复杂东西，并通过公式不断计算出来，如果可以计算出游戏公司的秘方编程规则，基本上智能AI 对决电竞选手就像切豆腐一样简单，但是如果这样的话，估计没有人来玩这个游戏了。其实以前阿尔法狗的前辈们也做过这样的实验，通过智能AI跟人类进行对战，无论是老游戏，还是旧游戏，无论从理论上，实际操作的经验来看，人类根本就无法玩过智能AI，比如CS这样射击竞技，只要你探头就马上被爆头，这就是智能AI在游戏里面的可怕之处，发现目标的反应能力比人快乐N秒。相较之下，人类选手可谓处处劣势。而且人类要熟悉电竞游戏里面操作，需要经过大量时间、精力才可以训练出来反应能力出来，而且不是每一个人都可以练的出来，就是练的出来还要有状态好，状态不好的时候，但在智能AI完全没有这个问题，如果你要说有问题的话，智能AI需要电力提供能量，只要让它断电了，它就是被案板上嗷嗷待哺的嫩羊。但是笔者觉得电竞游戏是用来玩，并从玩中取得乐趣、还有成就感，而且智能AI放在跟人类水平电竞比拼上，有点本末倒置，放错了用途，其实智能AI更多用途，是电竞教学中，让更多的人类通俗易懂的了解游戏。从而让更多的人来玩游戏。因为，智能AI就是一个最好的游戏老师，它可以通过大数据处理，给你提供最好的教学方法，浅显易懂。其次智能AI是一个很好的小助手，就好像我们的导航、地图，通过你所在的位置、水平给你提供一套完善的战术，让你的水平成为战队里面的大腿。最后，智能AI是你最好的小伙伴，电竞选手的比拼PK，实力高低都是通过长期训练、实战经验得出来的，所以要培养出高超的操作技巧，还有操作水平，必须要有个小伙伴跟你出生如死，你遇到困难的时候，给你提供解决办法，当你获得顺利女神眷恋时，提醒你不要贪婪。随着未来的科技越来越成熟，说不定未来科技可以搞得出一个星球大战的那种机器人。综上所述，笔者认为智能AI在电竞运营，更应该放在教育、模拟数据剔除BUG上，而不是用于人机对战，电竞行业目前在世界各大教育体系中还是新鲜的行业，如果采取传统教书方式根本不适用于电竞发展，所以智能AI这么会玩游戏，它应该是最好的大学老师。正如某个电竞选手说的，如果人类可以拥有智能AI 三层功力，可能你就是新的大魔王！
正文已结束，您可以按alt+4进行评论
责任编辑：zoroliu
扫一扫，用手机看新闻！
用微信扫描还可以
分享至好友和朋友圈
Copyright & 1998 - 2017 Tencent. All Rights Reserved