“人工智能將是人類重要的成就,但可惜可能是后一個”——Stephen Hawking
深入了解一個事物的物理學(xué)原理,例如材料的原子結(jié)構(gòu),將有機(jī)會更加有效地應(yīng)用概念,從而創(chuàng)造出新的設(shè)備。為此,我們需要新的技術(shù),而人工智能就是其中之一。
人工智能越來越多地出現(xiàn)在我們的認(rèn)知中,不僅如此,還有機(jī)器學(xué)習(xí)和深度學(xué)習(xí),而且這二者有時還會被混為一談。事實上,“人工智能(artificial intelligence , AI)”這個詞早出現(xiàn)于1950年代,它包含所有能夠執(zhí)行人類智力相關(guān)任務(wù)的計算機(jī)。機(jī)器學(xué)習(xí)只是實現(xiàn)人工智能的一種方式,而深度學(xué)習(xí)則是與機(jī)器學(xué)習(xí)相關(guān)的眾多方法之一。
人工智能涉及所有與人類智力有關(guān),但由計算機(jī)執(zhí)行的*作。它包括規(guī)劃、語言理解、物體和聲音識別、學(xué)習(xí)和解決問題。而人工智能與物聯(lián)網(wǎng)(IoT)之間的關(guān)系就好比人腦和人體之間的關(guān)系。通過視覺和觸覺等各種感官輸入,我們的身體能夠識別特定的處境并執(zhí)行相應(yīng)的動作。大腦根據(jù)感官輸入做出決定,并向身體發(fā)送信號以指揮其運動。物聯(lián)網(wǎng)也只不過是一組連接在一起的傳感器,只有借助人工智能,它才能理解所有獲取的數(shù)據(jù),再通過控制系統(tǒng)或電路核心(即CPU)做出決策并*作執(zhí)行器,終實現(xiàn)各種運動(如機(jī)器人手臂)的控制。
機(jī)器學(xué)習(xí)(ML)本質(zhì)上是實現(xiàn)人工智能的一種方法;屬于人工智能的一種子組(subgroup),專注于讓機(jī)器擁有接收一組數(shù)據(jù)并自行學(xué)習(xí)的能力,當(dāng)它們獲得與正在處理的任務(wù)相關(guān)的更多信息時,可以不斷調(diào)整算法。人工智能和機(jī)器學(xué)習(xí)這兩個術(shù)語經(jīng)常被互換使用,尤其是在大數(shù)據(jù)領(lǐng)域。實際上,“機(jī)器學(xué)習(xí)”一詞是在“人工智能”之后創(chuàng)建的,它描述了“機(jī)器無需明確編程即可學(xué)習(xí)的能力”。因此,機(jī)器學(xué)習(xí)是一種“教育”算法的方法,這讓它可以從各種環(huán)境處境中學(xué)習(xí)。教育,或用一個更恰當(dāng)?shù)脑~,訓(xùn)練,是指使用大量數(shù)據(jù)和有效算法以便根據(jù)發(fā)生的狀況進(jìn)行調(diào)整(和改進(jìn))。
機(jī)器學(xué)習(xí)利用神經(jīng)網(wǎng)絡(luò)方法和統(tǒng)計模型自動構(gòu)建分析模型,來查找數(shù)據(jù)背后隱藏的信息。而神經(jīng)網(wǎng)絡(luò)的出現(xiàn)源于由互連單元(如神經(jīng)元)構(gòu)成的人腦功能,這些互連單元通過響應(yīng)外部輸入來處理信息,從而在不同單元之間傳遞相關(guān)信息。機(jī)器學(xué)習(xí)的一個典型實例就是人工視覺系統(tǒng),即通過計算系統(tǒng)來識別圖像傳感器以數(shù)字方式獲取的對象。在這些情況下應(yīng)用的算法必須能夠識別特定對象,區(qū)分它們是動物、物體還是人類,同時還能從處境中學(xué)習(xí),也就是說,它必須存儲已經(jīng)完成的任務(wù),并將之有效應(yīng)用在下一次計算機(jī)視覺習(xí)得中,這主要應(yīng)用于自動駕駛汽車系統(tǒng)。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種方法,它從人腦的結(jié)構(gòu)或各種神經(jīng)元的互連中汲取靈感。其他的機(jī)器學(xué)習(xí)方法還有歸納邏輯編程、聚類和貝葉斯網(wǎng)絡(luò)等。其中貝葉斯網(wǎng)絡(luò)基于由一組變量及其條件依賴組成的 DAG 模型(有向無環(huán)圖)。這種模型可以表達(dá)疾病和癥狀之間的概率關(guān)系,即以給定癥狀作為輸入,可以估計出給定疾病發(fā)生的概率。
深度學(xué)習(xí)采用了具有各種處理單元的大型神經(jīng)網(wǎng)絡(luò)模型;它利用計算的發(fā)展和訓(xùn)練技術(shù)通過大量數(shù)據(jù)來學(xué)習(xí)復(fù)雜的模型。其常見應(yīng)用包括成像和語音識別。由于涉及的層次很多,深度學(xué)習(xí)的概念有時被簡稱為“深度神經(jīng)網(wǎng)絡(luò)”。
近年來,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)讓人工智能獲得了巨大的發(fā)展。這兩者都需要無數(shù)傳感器收集大量的數(shù)據(jù),而且越來越多的傳感器還在繼續(xù)填充物聯(lián)網(wǎng)生態(tài)系統(tǒng),這進(jìn)一步改善了人工智能。改善物聯(lián)網(wǎng)生態(tài)系統(tǒng)將引領(lǐng)人工智能,繼而引領(lǐng)能夠成功實施的方法。從工業(yè)角度來看,人工智能可用于預(yù)測機(jī)器何時需要維護(hù),或分析生產(chǎn)過程以實現(xiàn)大幅效率,從而節(jié)省數(shù)以百萬計的資金。而消費者利用人工智能將有機(jī)會以方式管理他們的時間和條件。
電子技術(shù)的進(jìn)步持續(xù)推動著人工智能和物聯(lián)網(wǎng)的共生;計算機(jī)處理和數(shù)據(jù)存儲的發(fā)展使得整合和分析更多數(shù)據(jù)成為可能;減少計算機(jī)芯片和改進(jìn)制造技術(shù)帶來了成本更低但更強(qiáng)大的傳感器;而無線連接則以*低廉的價格提供了大量數(shù)據(jù),并允許所有這些傳感器將數(shù)據(jù)發(fā)送到云端;云的誕生讓這些數(shù)據(jù)的存儲幾乎不受限制,并提供了相當(dāng)可觀的計算處理能力。所有這些進(jìn)步都讓人工智能更接近其終目的,即創(chuàng)造越來越多的智能機(jī)器,并融入我們的日常生活。
為了實現(xiàn)人工智能和機(jī)器學(xué)習(xí)的持續(xù)發(fā)展,驅(qū)動算法和相關(guān)決策的數(shù)據(jù)必須是高質(zhì)量的,才能被正確解釋。隨著連接到互聯(lián)網(wǎng)和相互連接物聯(lián)網(wǎng)設(shè)備的激增,收集、存儲和處理的數(shù)據(jù)量每天都在增加,這為大數(shù)據(jù)的和隱私保護(hù)帶來了新的挑戰(zhàn)。黑客帶來破壞性攻擊的風(fēng)險也與日俱增。預(yù)防這些風(fēng)險,需要所有組織機(jī)構(gòu)嚴(yán)格控制數(shù)據(jù)的產(chǎn)生、存儲和通信,因為黑客有可能會控制重要系統(tǒng)并在任意時間內(nèi)為所欲為。
具體有哪些風(fēng)險呢?
幾十年來,人工智能經(jīng)歷了它的繁盛時代,我們在語音識別和自動駕駛汽車等各個領(lǐng)域都能看到它的身影。但是,從史蒂芬·霍金(Stephen Hawking,已于幾年前去世),到伊隆·馬斯克(Elon Musk)和比爾·蓋茨(Bill Gates),這些杰出人物均對人工智能可能帶來的風(fēng)險向我們發(fā)出警告,從“奇點”帶來的危險,或機(jī)器完全控制人類,到網(wǎng)絡(luò)攻擊。有多項研究都強(qiáng)調(diào)了機(jī)器學(xué)習(xí)被網(wǎng)絡(luò)犯罪分子利用而存在的隱患:對數(shù)字的威脅不僅涉及隱私泄露和數(shù)據(jù)盜竊,還涉及在這個完全連接的生態(tài)系統(tǒng)中,人類生的。這些研究由來自多所大學(xué)的眾多專家完成,包括牛津、劍橋、斯坦福、耶魯和巴斯等大學(xué)。
人工智能和相關(guān)技術(shù)的出現(xiàn)為網(wǎng)絡(luò)帶來了很多可能性,事實上,這是一把雙刃劍,在心懷叵測之人的手中,它將變得*危險。擁有*的網(wǎng)絡(luò)策略或解決方案,其重要性與日俱增。而造成這一切的根源就在于智能設(shè)備的激增。此外,由于始終連接到物聯(lián)網(wǎng)生態(tài)系統(tǒng)的端點不斷增加,網(wǎng)絡(luò)犯罪分子現(xiàn)在有太多的機(jī)會可以滲透到設(shè)備中。由于大量的數(shù)據(jù)被存儲,大數(shù)據(jù)泄露對系統(tǒng)性能和功能方面都可能帶來毀滅性的后果。大規(guī)模的數(shù)據(jù)漏洞影響面將*廣,它不僅損壞聲譽,還會帶來嚴(yán)重的法律后果。組織機(jī)構(gòu)都需要確保他們在數(shù)據(jù)有用性和隱私權(quán)之間取得恰當(dāng)?shù)钠胶?。在存儲?shù)據(jù)之前,有關(guān)用戶的標(biāo)識符都應(yīng)被刪除。但這本身就存在風(fēng)險,因為刪除并不能確保數(shù)據(jù)在將來仍保持匿名。
隨著組織機(jī)構(gòu)存儲的數(shù)據(jù)越來越多,他們還面臨硬件和軟件加密的挑戰(zhàn)。如果需要云端執(zhí)行分析,則用戶就不能加密再發(fā)送數(shù)據(jù)。使用“全同態(tài)加密”( Fully Homomorphic Encryption, FHE)是其中一種解決方案,它允許存儲在云端的數(shù)據(jù)對加密數(shù)據(jù)執(zhí)行*作。當(dāng)數(shù)據(jù)被解碼時,其結(jié)果與對明文數(shù)據(jù)執(zhí)行*作是相同的。因此,云端將能夠在不知道明文數(shù)據(jù)的情況下對加密數(shù)據(jù)執(zhí)行*作。
行業(yè)專家分析了黑客和人員對機(jī)器學(xué)習(xí)算法的大量應(yīng)用。這場沒有規(guī)則的戰(zhàn)斗使企業(yè)防御神經(jīng)緊繃,但如果處理得當(dāng),企業(yè)應(yīng)該可以對特定目標(biāo)進(jìn)行系統(tǒng)內(nèi)攻擊,從錯誤中汲取教訓(xùn),進(jìn)而加固系統(tǒng)。在搜索漏洞方面,與自動化的共生將推動網(wǎng)絡(luò)犯罪分子加快病毒實施*作,并進(jìn)一步尋找更多的系統(tǒng)弱點。例如,網(wǎng)絡(luò)犯罪分子可以通過這些功能來掃描軟件中以前未知的漏洞,并將其用于非法目的。但機(jī)器學(xué)習(xí)也可以洞察不良行為,補(bǔ)充通過其他手段獲得的情報。而且它更加敏捷、更加靈活,因為與其他工具相比,人工智能工具通常部署速度更快,交付運營效果也更快。畢竟,智能系統(tǒng)可以擊敗復(fù)雜的威脅,但同時也代表著它已成為下一個人工智能網(wǎng)絡(luò)攻擊的目標(biāo)。
隨著全球高科技公司和的不斷投資,人工智能迅速擴(kuò)張并已成為一個競爭相當(dāng)激烈的行業(yè)。Markets and Markets 近的一項研究預(yù)測,未來幾年其復(fù)合年增長率 (CAGR) 將超過 60%,價值超過 150 億美元。硬件創(chuàng)新的勢頭也很強(qiáng)勁,這些創(chuàng)新提高了計算機(jī)的*作能力,使得在不同的 GPU 平臺上運行更復(fù)雜的模型成為可能。
大多數(shù)單獨的人工智能技術(shù)將被用于各種機(jī)器人控制任務(wù)的自動化,它們能夠做出關(guān)鍵決策,但也會對整個數(shù)字生態(tài)系統(tǒng)產(chǎn)生負(fù)面影響。因為自動化智能機(jī)器可以評估易被攻擊的目標(biāo)。利用先進(jìn)的技術(shù),人工智能可以通過*縱系統(tǒng)和禁用組件來隱藏“網(wǎng)絡(luò)感染”。一旦系統(tǒng)被感染,它們就可用于傳播各種計算機(jī)病毒,包括更的勒索軟件。
目前,大多數(shù)網(wǎng)絡(luò)犯罪組織均使用各種知名的勒索軟件系列,他們修改其源代碼來生成不同的樣本。采用類似的方式,人工智能技術(shù)將能夠創(chuàng)建自己的定制惡意軟件,它可能是從頭開始創(chuàng)建并執(zhí)行先進(jìn)的機(jī)器學(xué)習(xí)算法。物聯(lián)網(wǎng)設(shè)備(例如醫(yī)療設(shè)備)及其背后的資源和數(shù)據(jù)很可能是其主要攻擊點。但我們要應(yīng)對的案例不僅集中于計算機(jī)病毒,還集中在與機(jī)器人和無人機(jī)相關(guān)的方面。從用于消費者或工業(yè)活動的簡單機(jī)器人,到無人機(jī)和未來的民用飛行出租車,它們都可能成為潛在的危險武器,極易受到遠(yuǎn)程*縱。而自動駕駛汽車和整個智慧城市生態(tài)系統(tǒng)也可能被刻意誤讀信號,加劇危險的交通狀況。
許多工程師和分析師估計,下一次利用AI的重大攻擊可能會在幾年內(nèi)發(fā)生。的威脅仍然是身份盜用、拒絕服務(wù)攻擊和密碼破解。在日益數(shù)字化的中,這類攻擊會削弱人類的能力并影響公共機(jī)構(gòu)的行政行為。AI還可能是魚叉式網(wǎng)絡(luò)釣魚攻擊的關(guān)鍵,它收集和處理數(shù)據(jù)庫數(shù)據(jù)以輕松鏈接來自不同源的信息,并發(fā)起攻擊。許多攻擊都可以與人工智能配合,它可能混淆醫(yī)生的診斷。惡意人工智能與黑客攻擊的配合,理論上可以達(dá)到無法估量的尺度。
專家推測,的威脅可能是——人工智能能夠利用機(jī)器巨大的計算能力創(chuàng)建出新的病毒樣本。通過設(shè)計,AI可以分析當(dāng)前的病毒弱點并生成更的形式。其首個缺點可能是較高的計算成本,但隨著時間的推移,計算成本必會減少。
很多組織機(jī)構(gòu)已經(jīng)開始打擊人工智能惡意軟件,為未來可能發(fā)生的攻擊做準(zhǔn)備。但由于人工智能理論上具有的無限潛力,網(wǎng)絡(luò)專家也意識到它越來越難管理并將會嚴(yán)重威脅IT。當(dāng)然,人工智能有望為物理、化學(xué)和醫(yī)學(xué)等各個領(lǐng)域的研究提供支持,我們還將看到人工智能如何參與到對新行星的探索當(dāng)中。
郵箱:15236061639@163.com
QQ:60298351
微信:a18137798589
1.需求背景1)建立覆蓋加工車間的分布式控制網(wǎng)絡(luò),實現(xiàn)NC程序的有效調(diào)用、穩(wěn)定有效傳輸和在線加工等,
上周《2025年國產(chǎn)智能機(jī)器人企業(yè)競爭力報告》(瞭望財經(jīng)快思慢想研究院)突然刷屏朋友圈。這份報告直接
汽車行業(yè)與人形機(jī)器人產(chǎn)業(yè)的協(xié)同發(fā)展確實正在形成一條高潛力的產(chǎn)業(yè)鏈,兩者的技術(shù)共享、供應(yīng)鏈整合和市場聯(lián)