企业的安全威胁一直存在,只不过随着大数据时代的到来,安全威胁从物理空间转移到了网络空间。谈到“数据”,今天商业世界围绕着“大数据”展开,它为企业带来了不少内在价值。通过应用大数据,商业运作在技术和操纵上变得更加智能,也更加方便。

然而相对地,人工智能运用不当,则可能带来数据的泄露,带来安全威胁。因此,不少企业不惜重金投资人工智能来培育自己的网络安全系统,以防如此情况的出现。

那么关于人工智能,到底是网络安全的“灵丹妙药”还是“烫手山芋”?

当前企业面临的主要网络安全威胁

UU彩几周前,我写了一篇关于我在2月28日参加了麻省理工学院(MIT)施瓦茨曼计算学院(Schwarzman College of Computing)新落成庆祝——MIT对人工智能兴起的战略应对——AT技术在未来几十年将重塑“地缘政治、经济、我们的日常生活和工作”。为期一天的庆祝活动以各种各样的主题为特色,其中一些主题集中于人工智能技术的创新应用,另一些主题则是这些强大技术带来的挑战性问题。

几周后,我根据麻省理工学院Sherry Turkle教授关于反思数字文化中的摩擦的演讲,以及耶鲁大学Nicholas Christakis教授关于人工智能将如何重塑我们等文章,写了一篇关于这些挑战性问题之一的文章:人工智能对我们社会互动的影响。

现在,我想谈谈《纽约时报》专栏作家托马斯·弗里德曼(Thomas Friedman)在2月28日对美国前国务卿亨利·基辛格(Henry Kissinger)博士的访谈。这段视频中可以看到,采访是基于2018年6月基辛格博士在《大西洋月刊》上发表的一篇文章,题为《启蒙运动是如何结束的》。

弗里德曼在采访开始时指出,基辛格博士是他唯一认识的在90多岁时对人工智能感兴趣的人,并问他是如何对这门学科感兴趣的。基辛格回答说,他是在2015年的一次会议上听到关于人工智能的演讲后开始思考这个问题的,之后又与人工智能专家进行了一系列讨论。经过三年的讨论,他越来越担心人工智能的技术知识远远超出了我们对其政治、社会和人类含义的理解,以及它对历史演变的长期影响。这就是他写《大西洋月刊》文章的原因。

UU彩基辛格文章的中心论点是:“到目前为止,主要改变现代历史进程的技术革命是15世纪印刷机的发明,使得搜索经验知识取代礼拜仪式的教义,和理性时代逐渐取代宗教时代……”

“理性时代产生了塑造当代世界秩序的思想和行动。但在一场新的、更全面的技术革命中,这种秩序正在发生剧变。我们未能充分考虑到这场革命的后果。这场革命的高潮可能是一个依赖由数据和算法驱动的机器、不受伦理或哲学规范约束的世界。”

弗里德曼问道,人工智能革命预示着一个新的启蒙时代,还是一个新的黑暗时代?基辛格回答说:“我们不知道。”我们不知道如何将人工智能提供给我们的众多选择与人类的道德标准联系起来,甚至无法定义这些标准是什么。

基辛格在文章中写道:“我们所处的互联网时代预示着一些问题,而人工智能只会让这些问题变得更加尖锐。” “互联网用户强调检索和操纵信息,而不是将信息的情景化或概念化……通常,他们需要与当前实际需求相关的信息……真相变成相对。” “信息有压倒智慧的危险……社交媒体上充斥着大众的观点,用户无法进行反思……”

“互联网技术对政治的影响尤其明显。以微观群体为目标的能力打破了以往关于优先事项的协商一致意见,允许把重点放在专门目的或不满上。被利基市场压力压垮的政治领导人,被剥夺了思考或上下文反思的时间,压缩了他们发展愿景的可用空间。数字世界对速度的强调抑制了反思。它的动机赋予激进分子凌驾于深思熟虑者之上的权力。它的价值观是由子群体的共识形成的,而不是由反省形成的。”

人工智能将这些担忧带到一个完全不同的层面。到目前为止,我们已经应用技术在人类规定的系统和目标内实现流程自动化。相比之下,人工智能能够规定自己的目标。“人工智能系统,通过其自身的运作,在不断变化,因为他们获取并立即分析新的数据,然后寻求在分析的基础上改进自己。通过这个过程,人工智能发展了一种以前被认为是人类特有的能力。它对未来做出战略判断。”

基辛格认为“人工智能的影响将具有历史性意义。”“它的应用越来越有能力得出完全出乎意料的结果,与人类解决问题的方式截然不同。”

基辛格在《大西洋月刊》的文章中写道:“人工智能迟早会给医学、清洁能源供应、环境问题以及许多其他领域带来非凡的好处。但正因为人工智能对一个不断演变、尚未确定的未来做出判断,不确定性和模糊性在其结果中是固有的。”他的文章列出了三个值得关注的关键领域:

(1)人工智能应用程序可能会获得意想不到的结果。我们如何确保我们日益复杂的人工智能系统能做我们想让它们做的事情?科幻小说中充满了人工智能对其创造者发动攻击的场景,比如《2001:太空漫游》中的Hal。但是,除了科幻小说之外,还有其他一些主要方式可能并不像预期的那样工作。

UU彩我们都熟悉软件bug,尤其是高度复杂软件中的bug,这就是AI系统的情况。人工智能系统的复杂性日益增加,它们被征召到高风险的角色中,比如控制飞机、汽车、手术机器人和医疗系统,这意味着我们必须加倍努力测试和评估这些人工智能系统的质量。

除了软件缺陷,人工智能系统可能也有自己的问题,尤其是在使用机器学习算法开发和使用大型数据集训练的情况下。算法本身可能还存在其他缺陷。或者训练数据可能包含不可预见的偏差。这些系统可能会像设计的那样工作,但不会像我们实际希望的那样工作。我们很可能需要一段时间才能弄清楚问题出在底层软件、机器学习算法、训练数据,还是上述因素的某种组合上。

(2)人工智能系统可能无法解释其结论的理由。即使系统正常工作并实现了预期目标,它也可能无法用人类能够理解的方式解释它是如何做到这一点的。向人类解释机器学习算法做出特定决定或建议的原因相当困难,因为它的方法——对连接其大量人工神经元的数值权重进行细微调整——与人类使用的方法截然不同。

UU彩(3)在实现预期目标的过程中,人工智能可能会改变人类的思维过程和价值观。一般来说,人类通过开发问题的显式或概念模型来解决复杂问题。这些模型为达成解决方案或做出决策提供了环境。另一方面,人工智能通过在分析训练数据时略微调整算法,从数学上学习。这种固有的上下文缺乏可能导致人工智能误解人类指令。这使得人工智能很难考虑指导人类决策的那种主观、定性、伦理或合理等警告。

此外,考虑到人工智能的学习速度比人类快得多,它的错误和偏差很可能比人类通常犯下的错误和偏差传播和增长得更快。一个不断通过吸收新数据来学习的人工智能系统,可能不可避免地会出现微小的偏差,随着时间的推移,这些偏差可能会导致灾难性的故障。人类使用智慧、判断力和常识等定性属性来缓和和纠正自己的错误,而基于定量的人工智能系统通常没有这些属性。

1、AI的“人工不智能”之困

2018年5月，谷歌在其I/O开发者大会上，展示了令人印象深刻的Duplex人工智能语音技术，当时谷歌现场演示了Duplex语音AI预约理发服务，在与理发店沟通过程中Duplex的那一声“嗯哼”更是技惊四座、惊艳全球，随后谷歌董事长骄傲的向世界宣布：在电话预约领域，Duplex已经通过了图灵测试。

然而，事情当然没有那么简单，在《纽约时报》记者的测试中发现，在成功预约的4次中，有三次是由人工伪装成Duplex完成的，随后谷歌官方声明，目前通过Duplex拨打的电话中，约有25％由人类完全操作，在其他非人工操作的情况下，有15％的呼叫受到了人为干预。

即使人工智能技术强如谷歌，也仍然迈不过AI语音交互的“智能之坑”。而实际上，著名的图灵测试，也有其特定历史环境下的局限性。

在图灵测试中，仅仅通过AI是否表现的像个人类的判断无法有效得出AI是否真的具有智能，而要想AI脱离“人工”烙印真正实现智能，就必须真正跨过那条人与AI之间的边界。

在电影《机械姬》中，人工智能Ava在利用Caleb的感情达到帮助自己成功逃生则是“真正成功的图灵测试”的刻画，影片中，人工智能Ava的缔造者Nathen真正目的正是希望Ava通过“性魅力、对人性的操纵、同理心”等人类情感特征的综合利用而实现逃生，因而，Ava的逃生也是“图灵测试的终极版”。

UU彩虽然相比机械姬Ava，谷歌人工智能Duplex的完成度显得“相形见绌”，但作为人工智能最为重要的底层技术之一，AI语音交互技术近年来的发展取得了一系列进步，并随着智能手机、智能音箱等硬件设备进入千家万户。

实际上，AI语音交互的基础是基于深度学习算法对语言系统的深度集成，因而决定其具有明显的“双边效应”，一方面，AI语音交互的完成度越高，其用户数量增长越快；另一方面，用户数量与使用频次的增长反作用于AI语音交互的深度学习训练，从而实现更高的完成度。

2、AI语音交互的“动态规划”法则

在互联网江湖（ITVIPTI）看来，语言交互的过程的本质，是数据在“动态规划”逻辑下对数据特征的精确匹配。

在数学领域，动态规划（dynamic programming）是运筹学的一个分支，是求解决策过程（decision process）最优化的数学方法。在AI语音交互上，实现交互的过程可以看做是一个对语音输入数据反馈“最优解”的数据匹配过程。

从技术构成上来看，AI语音交互技术大致可分为三个层面：“交互层、算法层、数据层”。在一个完整的AI语音交互过程中，由语音识别反馈技术为核心，实现交互层AI与人的交互触达，然后由算法层进行“动态规划”解析，将完整语义下的文字数据拆解为特定的“数据包”，并由算法将“数据包”与已有“语言系统数据”进行精确匹配，从而实现AI对语义的理解并给出反馈。

简单来说，这就像你拿着一只印着小猫图案的黄色铅笔并且想要一只同样的铅笔，你需要去一个有着各种各样笔的文具店，因而你需要用“动态规划”思维将这只独特的铅笔“拆分开来”，明确它的种类以及特征：首先，它是铅笔、其次它是黄色的，最后它印着小猫图案。然后根据这些特征通过筛选（算法）去找到文具店中同样的铅笔。（与已有“语言系统数据”进行精确匹配）

但就目前的技术条件下，想要实现语言数据的100％精确匹配需要一些“先决条件”。

交互层实现100％准确率的语音识别准确率是保证整个语音交互不会出现语义“理解”偏差的重要前提，而要实现语音识的精准必须构建完整的“语句数据库”，然后通过大量的识别训练提升其准确度。

UU彩其次，在实现精确语音识别后，需要算法对其进行“数据打包”并且实现对“语言系统数据库”进行快速检索，从而匹配到相应的“反馈方案”，而由于不同的语义决定了不同的语音交互场景，因此需要涵盖几乎所有语音交互场景的“算法仓”，同时每个算法必须满足对于精度和效率的双重需求。

UU彩在数据层，“语言系统”数据库的完善程度重某种意义上决定了整个语言交互系统的完成度。

UU彩无论是“交互层”还是“算法层”都需要“语言系统大数据”的全面参与，因而，构建完善的“语言系统”数据是整个AI语音交互系统的核心，也是技术上难度最高的一环。

然而，现实中在语音识别领域，目前只有科大讯飞的语音识别技术达到了98％的准确率，在整个语音交换互领域，也仅仅只有谷歌的Duplex通过了图灵测试，而要想真正实现语音交互的人工智能，仍然需要AI底层技术革新的推动。

3、进阶AI语音交互与“数据纳什均衡博弈”

目前，无论是苹果的Siri 还是微软的小娜，在语音交互中均未实现基于时间线对语境的理解。而就2018年5月谷歌开发者大会上Duplex的表现来看，谷歌人工智能语音识别技术在语境的“理解”上已经取得了一些进展。

UU彩互联网江湖团队（ITVIP1）认为，在进阶的语音交互过程中，除了遵循“动态规划”原则实现对语言数据的检索外，基于“语言系统”对输入数据的反馈则是一场算法驱动下数据与数据的“纳什均衡博弈。”

所谓“纳什均衡”，实际上是一种策略组合，在该策略组合上，即在博弈的双方中，一方的策略会随着另一方的策略变动进行策略组合的调整，以达到一种战略上的“均衡态势”，而这种“均衡态势”被称为“纳什均衡”。

UU彩在进阶AI语音交互中，AI算法基于时间线对语义的“理解”过程，可以看做是对于语言输入数据端的变化，完成AI算法端相应的策略变换的过程，从而形成“数据纳什均衡”。纳什均衡的形成需要以既定的“目标收益”为前提，而在AI语音交互中，这种“目标收益”实质上就是“在时间线的上对于语境的理解”。

“数据纳什均衡”下的进阶AI语音交互虽然从理论上可以实现AI对特定语境下的理解，但这样的AI仍不能够算的上真正的人工智能，真正意义上的人工智能不仅仅是“具有人类语言特征”的AI，而是真正具备人类思维能力以及行为能力的AI系统。

UU彩因此，从这个意义上来讲，真正的人工智能不仅具有“人类思维”的软件范式，也需要在物理上的“拟人化”，使之具备作为“人”行动能力。而想要实现真正的人工智能，不仅需要AI技术的“人化”也需要工程上的“人类化”。

UU彩因而，电影《机械姬》以及《机械公敌》中的人工智能形态才是完美的人工智能，从某意义上来讲，这样的人工智以及成为了一种由“人工”创造的硅基生命，而不仅仅是简单的“人工智能”了。

尾声：

UU彩当下AI技术的兴起，源于深度学习算法领域取得的突破性进展，因而从这个意义上来讲，如今AI技术实质上是计算形式的革新。

把 握 城 市 经 脉

UU彩珠海人工智能产业正成为粤港澳大湾区的一大亮点，巨头纷纷入场。5月底以来，华为、阿里巴巴、腾讯先后宣布牵手珠海，在人工智能领域展开深度合作，或建设领先的人工智能产业高地，或打造人工智能领域创新中心。

早些时候，富士康也与珠海签署战略合作协议，双方将在半导体设计服务、半导体设备及芯片设计等方面开展合作。作为支撑人工智能的“核心部件”，此次签约被外界解读为富士康和珠海向抢占人工智能高地迈出的重要一步。

一时间，珠海的人工智能产业被置于聚光灯下，引发各界瞩目。巨头为何看好珠海？珠海人工智能产业现状和基础如何？

A

9天时间三大巨头布局珠海

华为来了、阿里巴巴来了、腾讯来了……短短9天时间，国内三大巨头纷纷布局珠海，上述消息连日来刷屏珠海人的朋友圈。有网友用“沸腾”一词形容消息带来的兴奋。

第一个入场的是腾讯。5月22日，腾讯云启基地正式宣布落户珠海香洲云溪谷数字产业园。腾讯将导入人工智能等领域的产业生态资源，在珠海建设人工智能创新应用示范区、人工智能产业创新中心、人工智能科技创新中心、人工智能人才培养中心和人工智能展示中心，携手打造“领先的人工智能产业高地”。

UU彩阿里巴巴紧随腾讯之后，于5月28日宣布布局珠海。据报道，当天珠海市委书记、市人大常委会主任郭永航会见阿里巴巴集团合伙人、首席技术官张建锋。张建锋表示，阿里巴巴集团将发挥优势、积极作为，加快推进在珠项目建设，全面推进与珠海在人工智能、金融、跨境电商、智慧城市等领域的深度合作，努力实现互利共赢发展。

两天后，华为也来了，5月30日下午，与珠海市香洲区人民政府在珠海举行“人工智能与云计算合作协议”签约仪式。根据计划，双方将在人工智能创新及应用、云计算及数据服务、人才交流及培养等领域展开深入合作，打造华为UU彩官网在大湾区珠江西岸重要的人工智能领域的创新中心。

人工智能成为共同的关键词，华为、腾讯还不约而同地将珠海作为各自人工智能产业的“展示窗口”。腾讯宣布在珠海打造人工智能展示中心，华为要与香洲共建数字经济产业及智慧城市展示中心，展示各自在人工智能领域的创新成果及案例。作为“窗口”的珠海也有助于打响知名度，吸引人工智能产业链条的上下游企业落户。

B

珠海布局芯片产业，多项目入选省规划

UU彩珠海是广东人工智能产业发展的重要一环。《广东省新一代人工智能创新发展行动计划(2018-2020年)》明确，珠海重点建设无人船科技港及海上测试场，依托相关龙头企业和高校院所等机构，打造无人航运产业集群；依托珠海智慧产业园，推进智慧展示中心、数据中心、技术服务平台等公共服务平台建设，创建国家级智慧产业示范园区。

规划提及的“珠海智慧产业园”于2017年9月在高新区揭牌，截至目前已聚集西山居、小米科技、英集芯半导体、四维时代等人工智能相关领域的规上企业79家，去年成功入选为广东省首批人工智能产业园区。同期共有5个园区入选，其中广州2家，深圳、惠州、珠海各有1家。

UU彩由珠海云洲智能等牵头建设或发起的无人船科技港和海上测试场均已取得重大进展，其中无人船海上测试场位于珠海万山，为当前全球最大、亚洲首个无人船海上测试场，于去年底正式启用。无人船科技港去年8月封顶，预计今年投入使用，将成为我国首个无人船研发测试和产业孵化基地。

在支撑人工智能的核心部件———芯片、半导体、集成电路领域，珠海也开始频频发力。去年底发布的《珠海市促进新一代信息技术产业发展的若干政策》明确将通过基金、金融支持、补贴等多种方式，发展新一代信息技术全产业链。相关企业从事芯片设计研发、取得相应资质、购买研发工具服务等均可获得金额不等的补贴，单一环节最高年度补贴达500万元。

UU彩数据显示，珠海集成电路设计业与生产发展势头强劲，涌现出炬芯、全志科技、艾派克等一批领军企业，2018年UU彩平台规模位居全国第八。

UU彩去年8月，珠海市政府还与富士康科技集团签署战略合作协议，将在半导体设计服务、半导体设备及芯片设计等方面开展合作。

UU彩目前，珠海正谋划打造人工智能计算平台。今年4月25日，横琴新区管委会与中国科学院计算技术研究所签订合作协议，共同实施横琴先进智能计算中心项目，并以此为基础共建粤港澳大湾区人工智能协同创新平台，探索人工智能新态、新模式，打造产业生态。

好消息不只这些。7月，珠海还将迎来第四届中德人工智能大会，预计届时将有超过1000名中德两国人工智能领域的从业者、投资人及爱好者齐聚珠海，交流研发最新成果，促进产业与资本对接。

UU彩 左图作者自制，右图来自华大基因

UU彩步入21世纪，育种家开始利用高通量测序（NGS）、分子标记(MAS)等先进的生物技术和信息技术手段，架起了育种资源基因信息衔接多维度大数据的桥梁,建立起常规育种与生物育种相结合的平台，大幅度提高了育种效率，使育种工作实现了由＂经验驱动＂向＂数据驱动＂的根本性转变，这个阶段我们称作农业2.0时代。

目前我国植物基因组数据的大小已经达到了TB甚至PB级别，对这些数据的存储、分析以及利用这些数据对成千上万份种质资源材料进行杂交配组和筛选成为目前农业大数据应用的一个热点，这是一个利用基因组学结合大数据及人工智能技术加速育种进程的农业3.0阶段，我国的科学家已经成功培育出了抗枯萎病的品种，这在某种程度上也算是拯救世界了吧？

利用高通量基因组与表型信息技术开发枯萎病鉴定体系

资料来源：由国家蔬菜工程技术研究中心提供

人工智能、大数据在农业领域的另一应用方向是作物保护产品的研发，根据PhilipsMcDougall的分析，将一种新的作物保护产品推向市场需要11年的研发时间，分析16万份化合物，每个产品商业化支出超过2.8亿美元。在新农化产品的开发中，整个UU彩平台每年的花费超过26亿美元。

而人工智能技术可以提高这一过程的效率，2018年孟山都参与了AI新药研发UU彩官网Atomwise的A轮融资，该UU彩官网的核心技术是使用深度神经网络进行结构稳定性的药物设计，提高研发效率，孟山都希望用该平台提高农药化合物的筛选。

UU彩对于AI在作物生物技术方面的应用，孟山都正在与Second Genome进行合作。该UU彩官网基于人类微生物组的分析，从中找到开发新药的线索。为了加速新一代昆虫控制解决方案的新蛋白质的发现，孟山都开放了其广泛的基因组数据库，并通过大数据的宏基因组学、机器学习和预测分析功能，来加速这一过程。