人工智能

黑客如何利用人工智能

机器学习是人工智能的一个分支,通过经验学习和适应的技术来使计算机模仿人类认知。其特征是基于经验和模式学习,而非基于推论(原因和结果)学习。目前,机器学习方面的深度学习已经能够自主建立模式识别模型,而无需再依靠人类来构建模型。

传统网络安全技术很难检测到随着时间推移而演变的新一代恶意软件和网络攻击,基于ML的动态网络安全解决方案能够利用以前的网络攻击数据来应对更新但相似的风险。使用AI来加强网络安全可以为用户系统提供更多保护,如通过自动化复杂流程来检测攻击并对违规行为做出反应等。

随着模式识别模型在检测网络安全威胁时变得更为有效,黑客将针对底层模型的工作和学习机制展开研究,寻找混淆模型的有效方法来规避模型的识别,并有望建立起属于攻击者自己的AI和机器学习工具来发动攻击。

下面笔者将与诸君共同分享攻击者将会如何利用AI来达到目的。

1. 恶意软件逃逸

大部分恶意软件都是通过人工方式生成的,攻击者会编写脚本来生成电脑病毒和特洛伊木马,并利用Rootkit、密码抓取和其他工具协助分发和执行。

这个过程能加快么?机器学习可以帮助创建恶意软件吗?

深度分析:机器人无法接管世界的五大理由

众所周知,科学家们对未来做出了戏剧性的预测,而如今,人工智能已经成为各大品牌的营销工具,而危险的机器人又一次成为人们关注的焦点。

深度分析:机器人无法接管世界的五大理由

第二次世界大战结束时,有人说,飞行汽车即将到来,所有能源问题将在20世纪末通过聚变能源解决。但几十年来,在这两种预言中的任何一个,我们似乎都没有更进一步。

而现在科学家们最热衷讨论的话题就是,机器人会接管世界吗?

悲观主义者预言机器人将危及全球的就业机会,而不仅仅是工业生产。他们声称机器人记者、机器人医生和机器人律师将取代人类专家。而且,由于中产阶级的垮台,将会出现大规模的贫困和政治不稳定。

乐观主义者则预言一个新的天堂的到来,人类生活中所有繁琐的问题都可以通过拥有完美的可替换的机器人伙伴来完成,这将满足我们的基本需要和我们最深的渴望。而“工作”将成为一个古老的概念。

人工智能对城市智能化发展,有哪些影响?

智能化是人类的梦想,未来必然会是人工智能的世界。城市智能化将通过有线、无线或混合数据传输方式,实现区域城市内多个子系统辅助管理中心,然后再到智能化管理服务决策的有效技术结合,实现区域城市管理的智能化服务,让人们畅享智能化生活。智能城市的建设是城市信息化建设的新境界。

1、人工智能的含义

人工智能(Artificial Intelligence,简称AI)是计算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能),也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。人工智能是研究用计算机来模拟人在各个过程中的智力活动(如分析、推理、判断、构思和决策),从而扩大、延伸和部分替代人类的脑力劳动,实现知识密集型生产和决策自动化。目前城市规划发展领域中的城市设计、控制性详细规划、土地利用分区规划与管理、系统工程与规划决策支持系统的发展与实施,给人工智能技术的应用带来了广泛的前景。
  
2、当前城市发展中面临的挑战

人工智能“超体”算法的到来可能比你想象得要早

我们知道,紧盯人工智能领域的所有进展和突破可能令人筋疲力尽。因此你可能没有注意到,一位名叫Daniel J. Buehrer的台湾国立中正大学退休教授本月早些时候发表了一个白皮书,提出一个新的数学概念——类微积分理论,可能导致机器自主意识的诞生。

机器人意识是人工智能界的一个敏感话题。为了讨论可以’感觉’和’想’的电脑这个概念,并且有它自己的动机,你首先必须找到两个真正认可感知语义的人。即使你这样做了,你还必须闯过无数假设的异议来研究任何你能想到的理论上的“活的”AI。

我们还没有准备好接受完全独立于人类的机械“物种”的想法,并且有充分的理由:这简直就是科幻小说 – 就像曾经的太空飞船和激光一样。
这将我们带回到比埃尔的白皮书中,提出了一个新的微积分类。如果他的理论是正确的,他的数学理论可能会催生一个包罗万象的,无所不学的算法。

这篇名为“超智能机器的数学框架”的论文提出了一种新型的数学方法,即“表达足以描述和改进自己学习过程的表达式”。

Buehrer提出了一个数学方法来组织人工智能学习的各个部落,在一个统治结构下,比如Pedro Domingos在他的书“ The Master Algorithm ”中提出的方法。

我们问Buehrer教授什么时候应该期待这个“主算法”(Master Algorithm)出现,他说:

人工智能可让智能手机显微镜制作实验室级图像

现在有各种附件可以让您使用智能手机拍摄显微镜级别的图像。不幸的是,手机的镜头和图像传感器的局限性意味着这些图像仍然不如实验室显微镜获得的图像那么好。然而,归功于最近人工智能的进步,这种情况可能会发生改变。

人工智能可让智能手机显微镜制作实验室级图像

由加州大学洛杉矶分校Aydogan Ozcan教授带领的一个团队开始拍摄肺组织样本,血液和巴氏涂片的显微照片。他们这样尝试了两次,首先使用标准的实验室级显微镜,然后使用带有显微镜附件的智能手机,使用3D打印机制作的显微镜附件价格低于100美元。

然后将这两组图像上传到笔记本电脑,笔记本电脑运行着由科学家创建的深度学习算法。使用实验室显微镜照片作为参考,该算法学会了如何快速提升智能手机照片的质量,使其与参考照片相似,具有实验室分析所需的分辨率和色彩细节等级。

人工智能与大数据开发的12个注意点

人工智能是近年来科技发展的重要方向,在大数据时代,对数据采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据的开发过程中,有哪些特别需要注意的要点?

人工智能领域的算法大师、华盛顿大学教授Pedro Domingos对此进行了深入思考。

在我们新近翻译的《智能Web算法》(第2版)中,对Pedro Domingos教授的观点进行了高度的概括,提炼出12个注意点,为行业开发实践提供了重要参考:

注意点1:你的数据未必可靠

在实际应用中,有很多各种各样的原因会导致你的数据是不可靠的。因此,当你将数据用于解决问题前,必须经常留心来检查数据是否值得信赖。如果基于糟糕的数据来挖掘,无论多么聪明的人也永远只会获得糟糕的结果。下面列举了一些常见的可导致数据可靠性问题的因素:

• 用于开发的数据,往往和实际情况下的数据分布不同。例如也许你想把用户按照身高划分为“高”、“中等”、“矮”三档,但如果系统开发时使用的数据集里最低用户的身高是6英尺(184cm),那么很有可能你开发出来的系统里会把一个“仅有6英尺”的用户称为“矮”用户

人工智能的5个思想学派,你属于哪一个?

工作的未来,这是科技巨头和CEO们之间争论的一个话题。谈到人工智能,迷雾还未散去。是因为围绕人工智能的不确定性及其在科技行业的不断增长吗?还是因为利用人工智能即将会引发的变化?无论怎样,大家似乎都没有达成一致。

即便是科技巨头扎克伯格(Mark Zuckerberg)和马斯克(Elon Musk)之间似乎也有不同看法,形成了人工智能五种思想学派中的两种。除了对立和混乱之外,围绕着人工智能还引发了很多问题。人工智能是否会取代我们的工作?人工智能会创造新的就业机会吗?人工智能和我们会协同工作吗?人工智能比人类更聪明吗?

只有时间会给出答案。《哈佛商业评论》说,就目前来看,人工智能有五种学派。我们需要看看以人工智能为中心的观点,以了解你适合的位置以及如何在工作场所做好准备并做出应对。

乌托邦思想

这个思想学派全都是关于人工智能对经济有着积极的影响。乌托邦学派认为,人工智能将带来一个极端财富和增长的新纪元,而不会有任何经济上的衰退。《哈佛商业评论》以这种方式解释道,“AI和计算能力将在未来二十年内实现‘奇点’——到那个时候机器能够完全仿效人脑的运作方式。”

当人工智能撞上手机,会碰撞出什么火花?

据调研机构Gartner预测,到2022年,搭载AI功能的智能手机将占出货量的80%,而2017年的这个数字仅为10%。目前只有高端设备才搭载了AI功能,和基于云服务的AI相比,它们可以提供更好的数据保护和电源管理功能,因为数据是在本机上处理和存储的。

Gartner的相关负责人表示:“智能手机有了AI功能,能以用户为中心来学习、计划和解决问题,这不仅仅是让智能手机变得更加聪明,而且还通过减少认知负担来提升人类的智能,但目前智能手机上的AI功能还处于起步阶段。”他公布了10种AI智能手机用例,可以帮助手机厂商为用户提供更好的服务。

01、手机识别主人

智能手机将成为用户的延伸,能够识别用户,并预测用户的下一步行动。它们会识别出你是谁,你想要什么,什么时候想要,如何达成,并在你赋予的权限下执行任务。

你的智能手机将全天追踪你,为了你而学习、计划和解决问题。 它将利用其传感器、摄像头和数据自动来完成这些任务。例如,在联网的住宅里,当你离开之后,AI就会用真空吸尘器打扫卫生,或者在你抵达前20分钟启动电饭锅。

02、用户认证

人工智能兴起,这六种工作需求增长

人工智能兴起,您的工作会受到影响吗?您需要提前准备和改变吗?

虽然人们担心人工智能(AI)自动化将导致全球各行业大幅裁员,但技术进步也将带来大量新的就业机会和服务。类似于社交媒体、数字出版和电子商务,AI发展已经促使一些新型职位的产生。

根据全球最具权威的IT研究与顾问咨询公司Gartner的报告,到2020年,人工智能将创造230万个就业机会,超过因自动化而淘汰的工作数量。那么因AI的兴起而增长的职位将是什么呢?

Venture Beat网站列出以下六种因AI而需求增长的工作。

1. 机器训练人员(Machine trainers)

开发人工智能机器需要训练。为了教导计算机如何检测疾病,需要为其提供现有“标记”病例,如带有病变区域的X射线图像标记等。

生成、收集和管理相关数据以供人工智能培训使用,涵盖入门级(手动数据标记)到专业级、为特定领域数据任务。

Google已经了解人类参与自动化的必要性。该搜索引擎巨头正在招募10,000名员工整理YouTube,同时培训计算机模型,以便未来让机器完成这项工作。

2. AI工程师

神经形态计算的新方法:人造神经元计算速度超过人脑

一种以神经元为模型的超导计算芯片,能比人脑更高效快速地加工处理信息。近日刊登于《科学进展》的新成果,或许将成为科学家们开发先进计算设备来设计模仿生物系统的一项主要基准。尽管在其商用之前还存在许多障碍,但这项研究为更多自然机器学习软件打开了一扇大门。

当下,人工智能软件越来越多地开始模仿人类大脑。而诸如谷歌公司的自动图像分类和语言学习程序等算法也能够利用人工神经元网络执行复杂的任务。但因为常规的计算机软件不能被设计运行类似大脑的算法,因此相比人类大脑而言,这些机器学习就需要更高的运算能力。

“肯定会有更好的方法来做这些,因为大自然都能够找到更好的办法。”该研究合作者、美国国家标准与技术研究所(NIST)物理学家Michael Schneider表示。

NIST是若干希望开发出能够模拟人类大脑的神经形态硬件,同时希望这种神经形态硬件能更有效地运行大脑样软件的团队之一。在常规的电子系统中,晶体管常常会以一定的间隔和精确的数量处理信息(二进制数字0或1)。但神经形态硬件则能够从多个来源积累少量信息,并且改变这些信息使其产生一种不同类型的信号,并在需要的时候发射一股电流,就好像神经元放电那样。因此这种神经形态硬件需要更少的能量运行。

同步内容
--电子创新网--
粤ICP备12070055号