机器学习

为了深入了解创建人工智能和机器学习模型所需的技能集，需要了解模型创建过程，这是由机器学习软件逐步学习完成的，以及生成符合预定义成功标准的模型所面临的挑战。

几位机器学习权威专家汇总的725个机器学习术语表，非常全面了，值得收藏！

有偏见的人工智能算法的概念不应该令人惊讶，因为人工智能系统的全部意义就是复制人类的决策模式。为了构建一个功能性的人工智能系统，开发人员用大量解决特定问题的真实例子进行训练。

2019年，欧盟出台的《人工智能道德准则》中明确提出，人工智能的发展方向应该是“可信赖的”，能够包含安全、隐私和透明、可解释等多个方面。但随着人工智能技术不断普及，由此产生的风险也浮出水面，主要体现在两大方面：1、信任危机，即能否信任和依赖人工智能算法输出的结果。2、道德危机，Deepfake技术的出现在带来新鲜感的同时，也引发了人们对于深度学习和人工智能技术滥用的担忧。

二进制可视化和机器学习的结合在网络安全方面已经展示了巨大潜力，恶意软件和钓鱼网站检测就是其中的热点领域，本文我们将介绍该领域的两大创新应用进展。

多年以来，人们一直对人工智能持怀疑态度。以至于“人工智能”这个词被各种嘲笑，甚至与误导、糊弄、幻想等词语画上了等号。我从很小开始就对自然语言处理非常感兴趣，但我对 AI 聊天机器人的表现一直很失望。然而，在最近几个月里，频繁地与 GPT-3 聊天之后，我确信：我们应该放下对 AI 的成见，承认机器也可以非常智能。

在本篇论文中，作者通过对过去10年间30余篇安全顶会论文研究，系统性的总结出10种陷阱，并提出一些方法以帮助安全研究人员能尽量避开它们，促进机器学习方法在安全领域的设计、开发、应用、评估与部署。

数据是机器学习 (ML) 的基本要素，会影响机器学习系统的性能、公平性、稳健性和可扩展性。矛盾的是，构建机器学习模型的工作通常是优先级较高的，但与数据本身相关的工作却通常是优先级最低的。