人工智能概念是一個很好的框架，用于展示有遠見的想法，而機器學習是機械過程的一種實用方法，可以轉換成代碼行.Mimecast ANZ首席技術顧問加勒特·奧哈拉（Garrett O‘Hara）表示：“對于AI來說，似乎三件事是正確的：AI的能力被夸大了，AI的實用性被低估了，當AI被被談論時，它經常與機器學習相混淆?！?/p>

什么是AI？

加勒特·奧哈拉（Garrett O’Hara）表示：“通常，當人們談論AI時，他們談論的是ML的子集。而在其他時候，當人們談論ML或AI時，他們只是在談論看似“智能”的常規(guī)編程。例如，這個文字處理程序一直在語法和拼寫上給我們帶來麻煩，并不是因為它很聰明，而是因為文字處理程序正在訪問字典并且知道語法規(guī)則-一個不聰明的工具，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董事總經理Jason Duerden補充說：“我同意（提出的問題）這種觀點-機器學習（ML）是正在快速創(chuàng)新和進步的技術類別。與此同時，人工智能（AI）以其真正的思想形式（例如我們在科幻電影和電視中看到的那種形式，例如《終結者》系列的《天網》或《狼來了》中的機器人），我們今天所擁有的機器學習技術只是其中的一部分，但AI是用于市場營銷材料的術語。該術語的普及意味著我們經常在小冊子和幻燈片上看到它，但這種希望很少能實現(xiàn)。

SAS澳大利亞和新西蘭的人工智能和機器學習主管Ray Greenwood表示：“我喜歡引用這一觀點，但我不能說我同意這一點-有爭議的聲明是引發(fā)辯論的好方法！近幾年來，對人工智能（AI）的大肆宣傳確實導致了很多幻滅。此外，我希望隨著組織繼續(xù)發(fā)現(xiàn)構建可為AI應用程序提供支持的基礎模型變得容易的同時，人們對AI的“膨脹期望”也會越來越高。但要實施它們要困難得多?！?/p>

多虧了Duerden，我們才有了一個相對準確的定義：“ DARPA，美國政府的科學研究機構，對三波AI進行了分類：手工知識，統(tǒng)計學習和情境適應。

“ Wave 1是‘手工知識’，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，提供了狹窄的問題解決范圍，并且在策展之外沒有學習能力。2014年，網絡安全行業(yè)意識到真正的深度學習學習和機器學習模型可能會極大地改變游戲規(guī)則，供應商開始將任何機器驅動的決策分類為ML，這在買方市場上造成了混亂，大多數賣方將基本啟發(fā)式營銷推向了AI。

“ Wave 2是‘Statistical Learning’，即機器學習預測，這是BlackBerry Cylance的起點。Wave2極大地改變了安全行業(yè)的先機，這使防御者首次可以預測攻擊，而以前從未見過并減少了攻擊。在第二波中，ML引擎提供了有限的策略解釋，對變更的適應性有限以及需要一些人工訓練標簽，從而在檢測和響應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”，即機器學習的預測，解釋和對概念流的調整，這是通過使用深度學習神經網絡進行反饋循環(huán)和策略來實現(xiàn)的。Wave3正在成為網絡防御者的新領域， Wave 2的所有預測優(yōu)勢，現(xiàn)在可以為更快的人類智能做出解釋，對非監(jiān)督學習結構（例如用戶身份和身份驗證流程）進行預測，并且可以自動，自主地重新訓練或更新智能模型?！?/p>

奧哈拉解釋說：“人工智能之所以似乎就像PowerPoint編寫的，是因為它與機器學習，深度學習混淆了。人工智能這個詞聽起來很有趣。機器學習（ML）聽起來像像我們行業(yè)中的許多事物一樣，AI / ML可以提供的現(xiàn)實是非常真實的，但是不幸的是有時被夸大了?！?/p>

“多年來，IT工程界一直在爭論機器學習已經在全球各行各業(yè)中廣泛使用，而AI可以說仍然是一個理論概念。真的有智能機器嗎？”

Databricks的ANZ國家經理Bede Hackney表示：“數據+人工智能具有改變每個行業(yè)的潛力。許多擁有人工智能的組織所面臨的問題是沒有正確的架構來使其完全可訪問，因此這仍然只是一個想法

“雖然以前的組織已經在‘數據倉庫’中管理了用于BI和報告的數據，并將存儲在‘數據庫’中的數據應用了機器學習算法，但客戶需求已經發(fā)生了變化，并且需要有一個將這兩種類型的數據庫連接在一起的統(tǒng)一數據平臺，數據管理范例已變得越來越普遍。

“從相反的方向（使用數據倉庫）開始，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)說道：“對于AI的構成缺乏清晰的認識，導致人們對其交付的現(xiàn)實表示懷疑。但是，AI確實是我們生活中許多方面的一部分-它的無縫性（缺乏漫游機器人）意味著很多例如，大多數呼叫中心現(xiàn)在都使用AI模型來為聊天機器人提供動力，這些聊天機器人尋求簡化呼叫過程，無需人工干預即可管理請求或在相關的上下文信息表明有需要時向工作人員介紹客戶需要人類的投入才能達到最佳效果。

“隨著使用AI的基礎組件（包括機器學習，計算機視覺，自然語言處理，預測和優(yōu)化）的任何組合來增強更多的業(yè)務流程，對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現(xiàn)現(xiàn)代化和改變業(yè)務流程。歷史上一直將重點放在創(chuàng)建算法和技術上，未來將取決于成功的文化變革和分析素養(yǎng)計劃，以確保以可持續(xù)的方式實施和采用任何AI計劃?！?/p>

可以實現(xiàn)嗎？

我們不得不懷疑人工智能到底有多“真實”。Liberman建議：“為了從語音分析中提供真實的情報，我們的方法應捕捉人類感知的現(xiàn)實-這些是人的真實情感。真實的情感反應和個性風格是促使我們做出人類決策的動力。”

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

奧哈拉繼續(xù)說：“網絡安全又如何呢？正如在《黑客帝國》中所見，我們還沒有能夠用鐵拳來監(jiān)督組織安全的AI。但是，如果您使用子集構建人工智能了解機器學習的目的是了解組織中所有用戶的“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。

“每天發(fā)送的數十億個URL怎么樣？埋在其中的URL會丟棄勒索軟件或促進憑證盜竊。機器學習可用于解析龐大的數據集，并借助監(jiān)督學習，可以很好地識別出與危險的URL匹配。惡意的URL是短暫的，因此，在保護方面，已知的好壞列表只會使您成為其中的一部分。機器學習會使您更進一步。那么，您希望HI的下一個炒作浪潮或人力情報部為您提供了其余的服務。

Duerden繼續(xù)說道：“在網絡安全行業(yè)中，自切成薄片以來，人工智能和機器學習通常是最好的產品。正如Forrester首席分析師Josh Zelonis雄辯地說：“當端點檢測和響應市場開始時，從隱私問題到端點上第二安全代理的接受程度（顯然，這永遠不會發(fā)生），有很多回擊。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，蔑視基于簽名的惡意軟件檢測，并開創(chuàng)了AI /機器學習營銷的時代。

“在網絡安全中使用ML永遠改變了整個行業(yè)：一方面，它確實徹底改變了終端安全解決方案；另一方面，人工智能成為供應商在現(xiàn)有產品上使用的流行語。與研究，開發(fā)和開發(fā)相關的創(chuàng)新不再專利；突然之間，創(chuàng)新是關于精美的信息圖表和AI一詞的存在?！?/p>

但是，Pat Devlin想知道訓練集如何？“在有關AI的討論中，經常被忽視的是用于訓練機器的人類智能。我們獲得的數據類型越多，訓練AI引擎模擬人類思維的學習就越多。

“人工智能在那里存在，它建立在人類思維基礎之上，人類思維不完善，且容易產生偏見。人工智能的缺陷之一是，如果我們根據人類輸入來編程數據，我們將無法做出完美的決策。我們會在使用過程中遇到所有偏見和偏見，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和電影所承諾的，它可能還沒有通過圖靈測驗，但它不僅限于PowerPoint。它是真實的，它還活著，并且有很多例子。我們將AI視為具有模擬人類思維能力的系統(tǒng)，如果這是真的，那么我們已經超越了AI作為一個概念！”

總而言之，Greenwood相當合理地觀察到：“如果業(yè)務案例不是用純英語編寫的，那么現(xiàn)代企業(yè)分析平臺的代碼是用Python，SAS，R，Lua，Julia，TensorFlow還是其他語言編寫的，當需要將其從實驗室環(huán)境遷移到現(xiàn)實世界時，該項目可能不會在現(xiàn)實世界中持續(xù)很長時間。”

Greenwood斷言：“我們處于歷史上一個獨特的關頭，我們擁有實施像AI這樣的范式變更技術的技術能力，但是，如果我們未能正確地圍繞AI的使用，公平，負責任地管理大局，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-我們可能只是進入下一個“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歸功于PowerPoint，而我們將無法充分利用AI可以提供的優(yōu)勢-增強人類工作和娛樂方式的機器，以改善我們的生活?！?/p>

帕特·德夫林（Pat Devlin）補充說：“雖然AI似乎非常令人著迷，而且吸引人，但隨著時間的流逝，人工智能所帶來的潛力是呈指數級的，因為它需要解決大量復雜的問題并創(chuàng)建簡單的解決方案。

“這不是概念性的，它是實時的，它正在解決現(xiàn)實世界中的網絡問題！”

為了解決這個問題，Duerden警告說：“過度使用人工智能作為流行語打在小冊子和幻燈片上已經扭曲了它的含義，并圍繞AI和ML造成了混亂。鑒于市場的不確定性，重要的是要求供應商大力宣傳AI它實際上是如何工作的。但是通常，他們無法告訴您！”

但是，我們應該把最后的話留給加勒特·奧哈拉?！肮δ芸赡苁怯肞ython編寫的，但在這種情況下的實用程序是有意義的，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行有關ML / AI的網絡安全對話方面進行更多的衡量。
責任編輯:tzh