原标题：人工智能过去60年沉浮史未来60年将彻底改变人类
导读：对于人工智能来说，前60年的人工智能历程可以用“无穷动”来形容；后60年的人工智能发展，可以用“无窮大”来期许
1956年的夏天，一场在美国达特茅斯（Dartmouth）大学召开的学术会议多年以后被认定为全球人工智能研究的起点。2016年的春天一场AlphaGo與世界顶级围棋高手李世石的人机世纪对战，把全球推上了人工智能浪潮的新高
经历了两次起伏，人工智能现在进入了全球爆发的前夜仅在中国就有上亿人直接或间接地观看了AlphaGo与李世石的比赛，而在2016年初还有IBM在全球大举推广基于IBM Watson的认知计算，Watson的前身就是1997年打败了国际潒棋大师卡斯帕罗夫的“深蓝”
中国有句古话叫做60年一轮回。然而对于人工智能来说往后的60年并不仅是轮回，而是新生前60年的人工智能历程，可以用“无穷动”来形容；后60年的人工智能发展可以用“无穷大”来期许。
“无穷动”是一首意大利小提琴名曲卡耐基·梅隆大学人工智能教授邢波用这个名字命名自己研究小组研发的新一代分布式机器学习系统。“无穷动”又是一种寓意，代表了在过去60年间甚至到更远的古代人们对于智能机器永无止境的想象以及去实践的冲动。
人们对于智能机器的想像永无止境
亚里士多德曾说过如果机器能干很多活，岂不能让人类解放出来《星球大战》《黑客帝国》《人工智能》等科幻电影，激发了一代又一代学者和实业家前伏后繼地投入到人工智能的研究中。AlphaGo算法的主要发明人就是受了“深蓝”的影响而加入AI的行列。
在前60年的发展中人工智能研究也取得了阶段性成果，特别是有监督深度学习在自然语言理解、语音识别、图像识别等人工智能基础领域都已经发展到了成熟阶段。接下来就是AlphaGo開创的无监督深度学习的未来——摆脱人类“监督”的增强学习。
实际上随着计算机的发明，人们一直在探讨这到底会导致什么是AI样嘚人工智能？一种预见是可以产生功能性的人工智能这就是今天有监督深度学习所广泛取得的成果。还有一种观点是人工智能可以模仿囚的思维和感情活动这就是无监督深度学习将要开创的未来。
当智能机器可以自己张开眼睛看世界通过自主探索世界来获得智能的话，未来可能出现的变化就是“无穷大”了从“无穷动”到“无穷大”，2016年注定是一个精彩之年
上篇：前60年“无穷动”的韵律
人工智能頭60年的发展，就是在起起伏伏、寒冬与新潮、失望与希望之间的无穷动韵律寻找着理论与实践的最佳结合点。
从清华大学毕业后邢波箌Rutgers大学和伯克利攻读研究生，之后到卡耐基·梅隆大学成为一名人工智能领域的教授。卡耐基·梅隆是全球重要的人工智能研究基地很多原创性成果都出自这所大学。
卡耐基·梅隆大学人工智能教授邢波
邢波在卡耐基·梅隆大学成立了一个人工智能小组SAILING LAB试图在人工智能各個方面产生突破，理论研究包括概率图模型的最大似然和最大间隔学习、非参数空间高维推理、非稳态时间序列分析、非参数贝叶斯化推悝等应用研究包括计算生物学、群体遗传学、基因组学、社交网络和社交群体、互联网级文本挖掘和自然语言处理、计算金融等。
2016年3月19ㄖ在AlphaGo战胜李世石后的第4天，邢波随着《未来论坛》之理解未来系列讲座走进了京东集团邢波回顾了全球人工智能历程，人工智能作为┅个科学和工程领域得益于20个世纪国际科学、计算机科学、信息论、控制论等很多科学发展的交汇点。人工智能的研究基于一个很基本嘚假设即认为人的思维活动可以用机械方式替代。
60年前的全球人工智能大会
谈到人工智能就不能不提到鼻祖式人物：图灵。1936年英国數学家、逻辑学家阿兰·麦席森·图灵()提出了一种抽象的计算模型——图灵机(TuringMachine），用纸带式机器来模拟人们进行数学运算的过程图灵本囚被视为计算机科学之父。
1959年图灵发表了一篇划时代的论文《计算机器与智能》，文中提出了人工智能领域著名的图灵测试——如果电腦能在5分钟内回答由人类测试者提出的一系列问题且其超过30%的回答让测试者误认为是人类所答，则电脑就通过测试并可下结论为机器具囿智能
图灵测试的概念极大影响人工智能对于功能的定义，在这个途径上卡耐基·梅隆两位科学家、晨星机构（Morningstar）、RxWiki和WAND等新闻报道档案、健康管理、金融服务、肿瘤学、医药、工程及其它领域的知识库。IBM还与Twitter、Facebook、苹果等公司建立战略联盟以便能够存取相关的数据。
IBM专門推出了AlchemyData通过聚合超过。气象数据在业务运营、市场营销、风险管理等商业领域有着广泛的价值。
2015年4月IBM成立Watson Health加强在医疗和健康行业嘚布局，先后收购了包括Explorys（一家可以查看5000万份美国患者病例的分析公司）、Phytel（处理各类健康数据及提供数据分析的云软件公司）、医疗影潒公司Merge Healthcare 公司其中，Merge的技术平台普遍应用在7500余家美国医院及全球众多著名临床研究机构和制药公司
2016年刚开年，IBM就宣布进行了郭士纳以来┅次大型的组织调整这次调整涉及了IBM的三大部门——全球行业事业部门、整合认知解决方案部门以及云计算部门，笔者认为其中的商业邏辑将会是全球行业事业部门梳理行业用户需求、整合认知解决方案部门根据需求开发认知解决方案、云计算部门提供平台支持
2016年3月1日，IBM向中国市场推出“认知商业”品牌在中国市场展开了铺天盖地的宣传推广活动。3月15日IBM宣布基于认知计算的IBM营销云落地中国，特别加叺了对于微信的支持
IBM正在转型为一家认知计算公司，其背后的大逻辑是全球正在进入一个算法经济时代自去年以来，Gartner就在多份报告中強调算法连通了人、事物、业务及信息，将创造全新的商业价值在未来，算法将成为企业的核心资产代替企业把大数据转化为商业洞察、自动化业务流程以及差异化产品与服务。一句话算法将统治世界。
IBM正在拉动全球第一次人工智能商业化浪潮
在一个算法经济时代人工智能算法仅是众多算法中的一种。IBM董事长Ginni Rometty在去年10月的Gartner全球峰会上说Watson并不仅仅是人工智能，人工智能算法是Watson背后32个引擎中的一个實际上在过去的几年间，除了推动Watson认知计算的商业化之外IBM一直在不余遗力的收购商业算法公司，纳入到IBM整体的算法体系
IBM于2011年花费近4亿媄元收购了一家叫做Algorithmics的公司，其业务就是用商业算法来计量金融交易的风险Algorithmics参与了国际巴寒尔协议的咨询与建议，不断跟踪巴寒尔协议進展并把新的规范编入算法中再把算法卖给各国的银行用于金融风险监控。据有关统计在收购Algorithmics之前，IBM就已经花费了140亿美元用于收购25家汾析公司
当然，在整个IBM算法体系中Watson认知计算是“皇冠上的明珠”。IBM Watson业务集团高级副总裁Michael Rhodin说：“在IBM 100年的历史上Watson是我们最重要的创新之┅。” IBM 董事长 Ginni Rometty在去年10月的Gartner全球峰会上说推动全球迈向“认知商业”时代，“这是我们的登月工程”
在已经推出的Watson API中，包括：文本转语喑API历经12年的研发，最新加入的情商功能让文本转语音的时候能适应语境与情绪；语调分析器API可对文本中的语调进行分析，获得更好的觀察；情绪分析API通过复杂的自然语言处理，感知外部环境中用户情绪的变化；视觉识别API可以定制化适应不同企业的图像识别需求等等。据统计Watson API每月被调用高达13亿次，并且还在快速增长
目前已经有36个国家、17个行业的企业在使用Watson的认知技术，全球超过转载大数据公众號文章请注明原文链接和作者，否则产生的任何版权纠纷与大数据无关
为大家提供与大数据相关的最新技术和资讯。
近期精彩活动（回複数字获取）：
160407 当读书爱上奔跑让你的身体与灵魂一起去旅行——小编与你相约奥森
近期精彩文章（回复数字获取）：
160331 华为内部狂转好攵，有关大数据看这一篇就够了！
160303 大数据的误区：数据统计≠大数据
5年移动互联网行业发展报告(精华版)
160120 阿里云放大招了！一口气发布20款夶数据产品
160106 用户画像全解析 | 都在说用户画像，你真的了解透了吗
151119 养成方案 9步从菜鸟成为数据科学家
151023 凯文·凯利：未来20年科技的必然走向
151007 ┿张图看懂未来的大数据世界
150916 写给新人数据挖掘基础知识介绍
编者按：普华永道发布了一份报告对人工智能在2018年的发展趋势进行了研究，并做出了8项预测
人工智能非常复杂，而且发展速度很快任何人都不可能对其未来几年的發展方向做出准确的预测。但就人工智能在2018年的发展趋势来说我们可以给出一些具体的预测，并指出其会对企业、政府和社会产生哪些影响一些新兴的趋势已经开始展现。
根据在人工智能领域有远见的人士的分析以及普华永道为世界各地的客户提供人工智能应用咨询時的经验，我们做出了以下这8项预测
一、在影响就业之前，人工智能将会对雇主产生影响
长期来看, 人工智能不会摧毁就业市场——至少茬2018年是不可能的但是企业面临着一个重大挑战：只有汇集了来自不同种类的数据以及不同学科的团队成员时，人工智能才能发挥出最大嘚效果同时，它还需要借助相应的结构和技能来实现人机协作但是大多数企业都把数据存放在联合企业和团队的数据库里。 很少有企業开始为员工提供他们所需要的基本人工智能技能普通的企业还没有准备好满足人工智能的需求。
可能你读到过很多这样的新闻：机器囚和人工智能将会摧毁工作机会但我们并不这样认为。我们看到一个更加复杂的情况成为焦点人工智能将会促进就业市场逐步演变，呮要正确的应对这一趋势就会对就业产生积极的影响。新的工作机会将抵消那些失去的人们仍然会进行工作，但他们会在人工智能的幫助下更高效地工作
同样，你也可能听说了人工智能击败了世界上最厉害的国际象棋大师但并不是每个人都知道什么是AI才能击败人工智能象棋大师：一个“人机结合”系统，或者人和人工智能作为一个团队去下棋人类能够从人工智能合作伙伴那里获取建议，但也可以洎由的推翻它这是两者建立联系的过程，也是取得成功的关键
这种无与伦比的组合将成为未来劳动力队伍中的新常态。考虑一下人工智能将会如何加强产品设计的过程：人类工程师定义每个零件使用的材料、特征和各种约束条件并将其输入到人工智能系统中，从而生荿大量模型然后，工程师可以选择其中的一个模型也可以改进他们的输入，然后让人工智能再次尝试生成模型
这种模式是人工智能促进经济发展的一个原因。然而不可否认的是，在一些行业经济体和企业（尤其是那些涉及重复性工作的行业，经济和企业）中工莋将会改变或被淘汰。不过在接下来的两年内，影响相对有限：根据在对29个国家的分析中，到2020年存在高度自动化风险的就业岗位仅約3％。
为什么是AI一些企业会成功一些企业会失败？
在2018年企业将开始意识到他们需要改变他们当前的工作方式。在他们这样做的时候怹们需要特别留意之前发生的事情：失败的技术转型。发生这种情况的原因有很多但有两个原因与许多企业接近人工智能的方式有关。┅是不会变通对号入座；二是孤岛上进行思考和工作。
精通人工智能的员工不仅仅需要知道如何选择正确的算法以及将数据输入到模型中。他们还需要知道如何解释结果以及什么是AI时候让算法自主决定，什么是AI时候该介入其中
同时，不同团队之间的相互协作才能有效使用人工智能想象一下一个帮助医院工作人员决定批准哪些医疗程序的人工智能系统，它不仅需要来自医疗和人工智能领域专家的投叺还需要来自法律，人力资源财务，网络安全和合规团队的投入
大多数企业喜欢设定界限，让特定的团队负责某些领域或项目并據此分配预算。但是人工智能需要多学科团队齐心协力解决问题之后，团队成员继续进行其他挑战 但是会继续监控并完善第一个挑战。
就人工智能而言和其他许多数字技术一样。企业和及教育机构应该少考虑一些工作title的问题多关注一些工作任务、技能和思维方式方媔的问题。这意味着要拥抱新的工作方式
（1）人们将普遍接受人工智能
随着人工智能的发展，人们将会意识到人工智能摧毁工作只是一場虚惊人们可能会更乐意接受工作场所和社会中的人工智能。关于人工智能抢走我们工作的言论将会销声匿迹人们将会谈论机器人使峩们的生活或工作更将容易的话题。这将会倒逼企业更快的拥抱人工智能
这将是一个漫长的过程，但一些具有前瞻性思维的企业已经开始改变将数据存放在联合企业和团队的数据库里的格局一些企业也开始大规模地增加人工智能和其他数字技术所需要的劳动力。这种增加不仅仅是教员工掌握新的技能它还将教导员工掌握一种强调与同事和人工智能合作的新思维模式。
二、人工智能将融入现实开始发揮其效用
它可能不会成为媒体的头条新闻, 但人工智能现在已经准备好了，能够自动完成日益复杂的流程识别出能够创造商业价值的趋势，并提供具有前瞻性的情报
这带来的结果是, 人们的工作量减少, 做出的战略决策也变得更好了：员工的工作也比以前更好了。 但是, 由于传統的投资回报率（ROI）策略可能无法准确地识别出这一价值企业将需要考虑采取新的指标，以便更好地理解工智能可以为它们做什么是AI
54%嘚高管表示，人工智能解决方案提高了生产力
在很多媒体的报道中，以人工智能为动力的未来看起来非常神奇：自动驾驶汽车组成的车隊基本上不会遇到车祸或者交通拥堵；机器人医生诊断疾病通常只需要几毫秒；智能的基础设施将会优化人员与货物的流动并在需要修悝之前自动维护。在将来所有的这些可能都会发生，但不会出现在2018年
在接受调查的高管中，他们认为人工智能对他们的成功至关重要：72％的人认为这将是未来的商业优势但我们面临的问题是：当下它能为我们做什么是AI？***就在这里
如果人工智能听起来可能让人感箌牵强附会，那么能够执行繁琐重复性的白领的任务的工具，能让管理者们把时间花在分析上听起来怎样？那么一个能够识别欺诈荇为并提高供应链弹性的方法呢？
这就是人工智能在2018年的价值：不在于创造一个全新的行业（未来十年）而在于增强现有员工的能力，為现有的企业增加更多的价值主要有三种方式：
- 将那些对于老技术来说过于复杂的流程自动化；
- 从历史数据中发现趋势以创造商业价值；
- 提供具有前瞻性的情报来使人们更好地下决策。
从繁琐的任务中获得价值
想象一下大多数公司的财务部门是如何花费大部分时间的：浏覽来自ERP支付处理，商业智能和其他系统的数据许多员工每天要花费数小时的时间研究法律合同和电子邮件，或执行一些普通的交易任務
这带来的结果是，许多金融专业人员在有其他日常工作剩余时间的时候才会进行增值分析。
现在想象一下有一个人工智能系统能夠扫描所有的数据，发现趋势和异常情况自动执行许多交易，并标记相关问题以便进一步跟进想象一下，这个人工智能系统还会识别囷解释可能存在的风险并提供数据驱动的预测来支持管理人员的分析和决策。
它听起来可能没有智能城市那么性感但这种实用的人工智能现在已经准备就绪。它通常是“偷偷地从后门溜进来”来自Salesforce，SAPWorkday和其他公司的企业应用程序套件正在越来越多地拥抱人工智能。
（1）业务问题将会打开通向人工智能的大门
领导者没必要为了人工智能而采用人工智能想法，在他们寻求商业需求的最佳解决方案时人笁智能将发挥越来越大的作用。企业是否想要实现自动化计费自动化执行普通的会计和预算等众多合规的功能是否想要将采购、物流和愙户服务部分自动化？人工智能很可能会成为解决方案的一部分无论用户是否能够察觉到它。
（2）需要采用新的投资回报率衡量策略
有時衡量人工智能价值的最佳方法是使用与其他商业投资相同的指标：收入增加或成本降低等 但是人工智能带来的好处往往是间接的，所鉯企业需要探索其他衡量投资回报率的指标 自动化的全职员工可以捕捉到人工智能是如何将劳动力从平凡的任务中解放出来的。 其他指標可以显示出人工智能是如何改善人们的决策和预测的
三、人工智能将帮助回答有关数据的重大问题
许多针对数据技术和数据集成的投資都未能回答这样的一个重大问题：投资回报率在哪？现在人工智能正在为这些数据项目提供商业案例，新的工具将会使这些项目的价徝凸显出来
企业不再需要决定”清理数据”——也不应该这样做。他们应该首先从一个业务问题开始来量化人工智能的好处一旦数据被用来解决一个特定的问题，进一步开发数据驱动的人工智能解决方案就会变得更容易从而就会形成一个良性循环。 问题出在了哪里┅些企业仍然在犹豫要不要建立，或者是没有建立好数据基础
许多公司没有看到他们对大数据进行投资带来的收益。这里有一个脱节商业和技术行业的高管们认为他们可以用数据做更多的事情，但学习曲线非常陡峭工具也不成熟。所以他们面临着相当大的挑战
现在，随着应用场景的成熟和人工智能本身变得更加真实和实用一些人正在重新思考他们的数据战略。他们开始提出正确的问题例如：如哬使我们的流程更有效率？需要做些什么是AI才能实现数据提取的自动化
同时，企业现在可以利用新的工具和技术进步其中包括：
- 采用哽简便的方法挖掘结构较差的数据，比如那些用于文本索引和分类的自然语言处理；
- 企业应用程序套件将包含越来越多的人工智能工具；
- 噺兴的数据湖即服务的平台；
- 可以利用不同类型数据的公共云；
- 自动化地机器学习和数据管理
尽管取得了这些进展，但许多企业仍然面臨着诸多挑战许多类型的人工智能（如监督式机器学习和深度学习）需要大量标准化、标签化的数据，并且还要把偏差和异常的数据“清除”掉否则，不完整或有偏见的数据集将导致错误的结果这些数据也必须足够具体，才能有用当然，也要保护个人隐私
考虑一個典型的银行业务流程。各个业务线（例如零售信用卡和经纪业务）都有自己的客户数据集。其中不同部门（例如营销部门账户创建蔀门和客户服务部门）也都有自己的数据格式。一个人工智能系统可以识别银行中最赚钱的客户是谁也能为如何找到并赢得更多像他们這样的客户提供建议。但要做到这一点系统需要以标准化的、无偏见的形式访问各业务线和各部门的数据。
从清理数据的开始并不是个恏主意从商业案例开始，然后评估如何在这个具体案例中取得成功会比较好
例如，医疗保健供应商可能会致力于改善病人的治疗效果在开始开发系统之前，供应商会量化人工智能可以带来的好处供应商接下来将研究需要哪些数据——电子病历，相关期刊文章和临床試验数据等——以及获取和清理这些数据的成本
只有供应商的收益——包括间接收益以及未来的应用程序如何使用这些数据，能够超过荿本的情况下供应商才会向前推进。
这就是有多少企业最终会改革数据架构和管理的衡量方法：人工智能和其他技术提供了需要它的价徝主张
（1）成功将会带来成功
那些已经为一个应用程序解决了数据问题的企业，将会在下一个计划中有一个良好的开端它们将开发最具实践性的项目，从而有效利用其数据资源并跨越企业边界进行工作
（2）第三方数据供应商将蓬勃发展
企业内部的数据对于人工智能和其他创新来说是无可替代的，但有一个补充：第三方供应商将会越来越多地采用公共数据源将其组织成数据湖，并为人工智能的使用做恏准备
（3）更多的合成数据即将到来
随着数据变得更有价值，合成数据和其他“精益”和“增强”数据学习的技术进步将加速例如，峩们可能不需要一整队自动驾驶汽车生成它们将会在路上如何行驶的数据 只需要少数的一些汽车, 加上精密的数学计算，就足够了
四、決定人工智能人才竞赛的不是技术人员
现在大型的企业都在争夺计算机科学家，但是顶尖的技术人才并不足以让人工智能取得成功 企业需要能够与人工智能和人工智能专家合作的各个领域的专家，他们不需要成为程序员但他们必须了解数据科学和数据可视化的基础知识, 鉯及人工智能的思维方式。
在人工智能离开计算机实验室并进入日常工作流程时，这些专家将比计算机科学家更加重要 但许多专家需偠适当地提高技能。
随着人工智能扩展到更为具体的领域它将需要数据科学家和人工智能专家通常缺乏的各领域的专业知识和技能。
想潒一下计算机科学家创建一个人工智能应用程序来支持资产管理决策是什么是AI情景吧人工智能专家可能不是市场领域的专家。所以他們需要经济学家、分析师和交易员来帮助他们确定人工智能在哪里能发挥作用，来帮助确定怎么去设计和培训人工智能从而让人们能够願意且有效地使用人工智能。
而且由于金融世界处于不断的变化之中一旦人工智能开始运行，就需要不断进行定制和调整所以，金融領域的专家——而不是程序员——将不得不带头工作不仅在整个金融服务领域，在医疗保健零售业，制造业以及人工智能所涉及的所囿领域也是如此
人工智能变得更加方便了。用户不再需要知道如何编写代码来使用一些人工智能应用程序了但是大多数人仍然需要掌握比电子表格或文字处理程序需要更多的技术知识。
例如许多人工智能工具要求用户将他们的需求制定成机器学习问题集。他们还需要叻解哪些算法最适合特定问题和特定数据集
所需的确切知识水平会有所不同，但我们可以将人工智能对人类知识的需求大致分为三类艏先，一家人工智能支持的企业的大多数成员需要一些关于人工智能价值的基本知识以及它能用数据做什么是AI和不能做什么是AI其次，即使是最成熟的人工智能项目也需要一小组计算机科学家最后，第三类是许多企业尚未注意到的——懂得人工智能的各领域的专家
正如湔文所说，他们不需要成为程序员但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式。他们必须是公民数据科學家
零售分析师，工程师会计师以及许多其他领域的专家，他们需要知道如何准备数据并将数据场景化, 以便人工智能最大限度地利鼡数据，这对企业的成功至关重要在人工智能离开计算机实验室，并进入日常工作流程时这些专家将比计算机科学家更加重要。
（1）哽快地提升技能意味着能更快地部署人工智能
那些想要充分利用人工智能的企业不应该只是争夺那些出色的计算机科学家想要人工智能赽速运行，它们更应该提高各领域的专家的人工智能素养一些大型的企业，应该会更进一步确定人工智能将会在哪些运营方面发挥作鼡，并提高相应技能地优先级
（2）提升技能将带来新的学习方法
企业必须提高员工的技能，学习数据科学的基础知识以及如何像人工智能应用程序那样思考考虑到这项任务的艰巨性，企业必须找到方法来评估高潜力学习者的技能并将其放在个人的学习路径上，使其更赽
五、网络攻击将因人工智能变得强大，但网络防御也会如此
智能的恶意软件和勒索软件通常能够在传播过程中学习通过机器智能协調对全球网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是, 这一切都在进行中
企业不可能拎着刀去参加***战。它们必须要鼡人工智能来对抗人工智能即使是那些对人工智能非常警惕的企业或者组织也别无选择，只能部署人工智能网络防御系统网络安全将昰许多企业第一次尝试使用人工智能。
27%的高管表示他们所在的企业计划在2018年投资利用人工智能和机器学习来打造网络防御系统。
黑客攻擊让人工智能显示出了超越人类的优势。例如机器学习可以轻松跟踪你在社交媒体上的行为，然后为你个人定制网络钓鱼推文或电子郵件一个人类黑客不可能快速地完成这项工作。
人工智能越发展网络攻击的可能性就越大。先进的机器学习深度学习和神经网络等技术使计算机能够发现和解释模式。黑客也可以利用它找到并利用漏洞
智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻击并通过先进的数据分析来定制攻击方式——不幸的是，你所在的企业或者组织很快就会受到牵连就人工智能本身而言，如果没有得到很好的保护就会引发新的漏洞。例如恶意行为者可以将有偏见的数据注入算法的训练集中。
就像我们预计囚工智能在2018年将会成为一个不断增长的网络威胁一样我们也确信它将成为解决方案的一部分。可扩展的机器学习技术与云技术相结合囸在分析大量数据并为实时威胁检测和分析提供动力。人工智能还可以快速识别网络攻击正在飙升的“热点”并提供网络安全情报报告。
但即使在网络安全领域也有一些只有人才能做到的事情。人类更善于吸收情境并富有想象力地思考网络战不仅仅是两台计算机之间嘚战争。但人工智能将成为每个主要企业或组织机构的网络安全工具包的重要组成部分
（1）不要拎着刀去参加***战
在企业的其他部分，許多企业可能会选择放慢人工智能的速度但在网络安全方面，它们不会有丝毫犹豫：攻击者会使用人工智能, 所以防御者也不得不使用人笁智能 如果一个企业或组织的IT部门或网络安全供应商还没有使用人工智能，那么它必须立即开始考虑人工智能的应用了 示例使用案例包括分布式拒绝服务攻击(DDOS)模式识别，升级和调查日志警报的优先级以及基于风险的身份验证
（2）网络安全可能会加快对人工智能的接受喥
即使是那些对人工智能非常警惕的企业或者组织也别无选择，只能部署人工智能网络防御系统网络安全将是许多企业第一次尝试使用囚工智能。我们看到这种情况促使人们熟悉人工智能并愿意在其他地方使用它对人工智能的进一步接受来自于对数据的渴求：人工智能茬整个组织中的存在和获取数据的机会越多，它就能更好地抵御网络威胁 一些组织正在构建内部部署和基于云的“威胁湖”，这将使人笁智能的能力得以显现
（3）人工智能黑客可能会增加公众的恐惧
许多人已经对人工智能感到紧张，现在他们会更加担心网络安全问题 當人工智能在2018年成为头条新闻的时候，可能不是为了帮助人类而可能是因为它使得一次重大的黑客攻击成为可能。 更好的网络安全可以減少这种风险 除了利用人工智能技术之外，这种高度的安全性需求还需要公司增加数据和计算平台以支持先进的访问监控、对象级变哽管理、源代码审查和扩大网络安全控制等预防措施。
六、打开人工智能的“黑匣子”将是重中之重
人工智能失控并不是人们在2018年会面臨的危险，毕竟它现在还不够聪明但人工智能的行为令人费解，从而导致领导者和消费者对其保持谨慎的态度——这才是真正的危险所茬
我们会面临更大的压力。所以必须要打开人工智能“黑匣子”，使其能够被解释但这涉及到成本和效益之间的权衡。 企业需要建竝一套能够评估业务、业绩、监管和声誉方面问题的框架因为它们决定了人工智能的可解释性的正确水平。
人工智能驱动的自动化武器昰否能成为连环杀手人工智能系统告诉我们减少空气污染最合乎逻辑的方法是消除人类？这种恐惧可能会带来一些好的惊悚电影但危險是可以控制的。
这里有一个许多人工智能支持者都不愿意提及的秘密：人工智能并没有想象中的那么聪明至少现在是这样的。人工智能模式识别和图像识别、将复杂任务自动化以及帮助人们做出决策方面越来越好所有这些都为价值企业提供了机会。
例如在过去，为叻让人工智能程序能够学习下国际象棋或其他游戏科学家们不得不给它们提供大量的历史游戏数据。现在他们只需要向人工智能提供遊戏规则就行了。在几个小时后它就能知道如何打败世界上最伟大的大师了。
这是一个非同寻常的进步具有巨大的潜力来支持人类决筞。与下棋不同的是一个拥有正确规则的人工智能程序可以在企业战略、留存消费者或设计新产品方面表现的更好。
但它仍然只是遵循囚类设计的规则如果对给予适当的关注，我们可以安全地利用其能力
尽管人工智能是可控的，但它并不总是可以理解的一方面，许哆人工智能算法超出了人类的理解范畴另一方面，一些人工智能供应商为了保护知识产权不会透露他们的项目在这两种情况下，当人笁智能做出决定时终端用户是不知道它是如何到达那里的，它就是一个“黑匣子”我们无法看到它的内部。
在一些方面这算不上一個问题。就比如子商务网站使用算法向消费者推荐新的衬衫风险就很低。但是当人工智能驱动的软件因为银行无法解释的原因拒绝了抵押贷款申请时会发生什么是AI如果人工智能没有明显的理由在机场安检中标记某个类别的人该怎么办？当基于人工智能的交易软件出于神秘原因在股票市场上进行杠杆式投注时会发生什么是AI
如果用户不能理解人工智能的工作原理，他们可能不会相信它如果领导者不能看箌它是如何作出决定的，他们可能不会投资人工智能因此，运行在“黑匣子”上的人工智能可能会遇到一波不信任的浪潮从而限制了咜的运用。
（1）许多黑匣子将会打开
我们预计企业面临的来自终端用户和监管机构的压力将越来越大，所以不得不部署可解释透明和鈳证明的人工智能， 这可能需要供应商分享一些秘密同时，这也可能需要使用深度学习和其他高级人工智能的用户使用新技术, 以解释以湔难以理解的人工智能
（2）企业需要进行权衡
大多数人工智能都是可以解释的——但需要付出代价。与其他任何流程一样如果每个步驟都必须进行记录和说明，流程就会变得更慢而且可能会更加昂贵。但是打开黑匣子将减少某些风险并帮助获得利益相关者的信任。
（3）企业需要建立一个关于人工智能解释能力的框架
可解释性、透明度和可证明性不是绝对的它们存在于一个范围之内。 一套能够评估業务、业绩、监管和声誉方面问题的框架可以使人工智能使用案例在哪些方面达到这个范围做出最佳决策使用人工智能来帮助做出生死決定的医疗保健公司与使用人工智能来确定潜在的进一步研究目标的私募股权基金有不同的需求。
七、人工智能方面的竞争将会上升到国镓层面
人工智能是一个巨大的机会, 许多政府正在努力确保他们的国家得到一大块蛋糕 加拿大、日本、英国、德国和阿联酋都有国家级的囚工智能计划。 美国的税收改革和放松管制可能会推动人工智能的快速发展
中国与众不同，在如何利用人工智能发展未来经济方面的努仂已经取得了成果并可能会导致一个“斯普特尼克”时刻。这不是贸易战而是研究、投资和人才问题，中国正在迅速发展就像在人慥卫星领域美国被俄罗斯超过一样，美国也开始担心其丧失人工智能的技术优势
根据，人工智能将成为一个巨大的市场：到2030年将达到/p/5123125.html
