
CNET科技资讯网 9月5日 北京消息(文/齐丰润): 如果说要挑选出历史上最有知名度的人工智能机器人的话,IBM的深蓝绝对会位列其中。而随着时间来到当下,IBM的Watson接力扛起了这杆大旗,成为了目前最受人瞩目的人工智能之一。
而随着认知计算技术的逐渐成熟,IBM也希望能够将Watson应用到更多的领域应用之中。下一步IBM的主攻方向会指向哪里?时下最受关注的安全领域成为了IBM的放矢之的。
认知系统是IBM推出的使用数据挖掘、机器学习、自然语言处理和人机交互来模仿人脑的工作方式的自学习系统。而认知安全就是使用认知系统来分析安全趋势,让安全分析师可以借助认知系统来帮助他们增强甚至自动化对威胁的理解,使分析师对最新的攻击更具判断力,以便腾出时间着重处理其他紧迫问题。
从数据来看,在安全领域成为焦点的当下,与巨大需求相悖的是巨大的人才缺口。据IBM介绍,目前,市场上关于安全这一类的实践工作需要的人数达到20万人,但是在2020年这个数字将达到150万人。
IBM安全事业部威胁防护与认知安全首席技术官Barny Sanchez表示:“IBM现在大量的时间都用于研究我们未来安全的发展方向,今年IBM宣布我们的业务重点已经转向了认知商业和这个领域。现在行业中面临的问题是缺乏相关技能,也缺乏相关人手,我们引入认知安全能够弥合现在市场上对于相关人才需求的缺口。”

IBM安全事业部威胁防护与认知安全首席技术官Barny Sanchez
另一方面,目前的安全从业人员对于一些信息的更新,并不能立即掌握。但是通过Watson这样的认知系统,每个月相关文档的学习能力将达到15000篇。Barny Sanchez表示,这对企业来说,能够让他们很快的获取洞察,这能够帮助他们的投资在更短的时间里获得更多地收益。
“认知安全是通过Watson不断地学习分析,在不同的安全问题下,经过判断,向安全人员给出自己的建议和解决方案,指导安全人员如何应对安全事件,而最终的操作仍然需要安全人员进行。”Barny Sanchez说道,“Watson更多的是来辅助人类进行决策,也就是最后还是相关的人员来权衡Watson给的这些评测的结果来做出决定。”
不过,虽然只是在决策方面对安全人员进行辅助,但是认知安全依然可以帮助安全人员大幅提升工作效率,他们所耗的时间、花费的精力将从原来的几天减少到几分钟。
人工智能的应用在当下已有许多实际的案例,但对于Watson的表现,IBM还是十分有信心的。“在行业中机器学习的能力是非常多的,IBM Watson所提供的除了机器学习之外还有自然语言的处理等更多的能力。” Barny Sanchez表示,“Watson有它的特点,我们要不断地对其进行培训,让系统去学习,而系统的培训人员是很多方面的主题专家。现在市场上其他的机器学习,都只是一些处理能力,并没有把设备培训成一个专家系统。”
让人类去对人工智能进行培训对于认知安全来说是非常重要的一个环节,而IBM对此也十分重视。据介绍,现在IBM公司内部已经有上百位相关的专家在培养Watson对安全方面的理解能力,除此之外IBM还和全球优秀大学中的8所大学建立起伙伴关系,让这些大学里学习信息安全、网络安全的学者和学生一起来培训Watson。
对于认知安全未来的发展趋势,Barny Sanchez觉得主要有三个方向:首先,要让Watson能够分析预测出即将出现的重大威胁,协助从业者提前做好预防;第二,让Watson帮助企业决定它的风险框架是否能够达到合规标准;最后,要培养Watson了解特定的行业和特定的客户,以达到针对不同行业、不同国家的客户制定出不同需求的方案。
现在人们普遍认为,当技术发展到某阶段时,人类的某些工作是极有可能会被人工智能所取代的。IBM介绍说, 人工智能是不能取代人类工作的,而是并帮助人类更好的做决策,是人类工作有益的补充。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。