圍繞人工智能(AI)的熱議在企業(yè)中從未出現(xiàn)過。如果僅反映了我們的認(rèn)知偏見，那么將類人特征歸因于軟件的趨勢是令人興奮的。

但是在這種最初的迷戀之下，人工智能在利用我們現(xiàn)在正在積累的海量數(shù)據(jù)方面具有真正的實質(zhì)。簡而言之，AI是基于智能算法執(zhí)行任務(wù)的機(jī)器-它是從豐富的數(shù)據(jù)集中學(xué)習(xí)并對其執(zhí)行操作的計算機(jī)，而沒有經(jīng)過明確的編程即可這樣做。

作為消費(fèi)者或僅僅是人們，我們經(jīng)常以預(yù)測建?；驒C(jī)器學(xué)習(xí)的形式遇到此技術(shù)，其中建立模型以基于新數(shù)據(jù)點做出未來決策。無論是Netflix建議您接下來要看什么，Google Maps知道您可能在晚上6點回家，還是Revolut帳戶標(biāo)記為異常付款，這都是我們?nèi)粘Ｊ褂玫漠a(chǎn)品和服務(wù)的形式。

根據(jù)SnapLogic委托Vanson Bourne進(jìn)行的一項研究，正是由于這些智能產(chǎn)品的吸引，導(dǎo)致93%的英國和美國組織將AI視為業(yè)務(wù)優(yōu)先事項。

但是，產(chǎn)品用戶經(jīng)常將AI和機(jī)器學(xué)習(xí)的功能作為UX的好處，而不是由仍然依賴傳統(tǒng)解決方案的產(chǎn)品制造商(在后端擁有自己的其他所有人)享受數(shù)據(jù)壓縮算法可以提供的便利的需求和要求。或適用于可以使企業(yè)更安全，更具彈性的全業(yè)務(wù)系統(tǒng)。

人工智能在優(yōu)化企業(yè)后端工作中具有重要的應(yīng)用，使組織能夠更快地預(yù)測和響應(yīng)趨勢，事件甚至威脅。Splunk的《組織中的AI和機(jī)器學(xué)習(xí)》電子書闡明了AI在幕后發(fā)揮全面影響的地方。

人工智能

盡管可以改進(jìn)最終用戶的產(chǎn)品，但制造該產(chǎn)品的開發(fā)人員可能仍在處理復(fù)雜的IT結(jié)構(gòu)，成千上萬的警報以及日益不透明的環(huán)境。

現(xiàn)在，有一些軟件系統(tǒng)可以自主地改進(jìn)和替換IT運(yùn)營。

用于IT運(yùn)營或AIOps的人工智能是“ IT中的大數(shù)據(jù)與機(jī)器學(xué)習(xí)的結(jié)合”。AIOps由Gartner于2017年創(chuàng)立，如今已成為IT領(lǐng)域的一種增長趨勢。它利用歷史數(shù)據(jù)通過將資源分配給低價值的重復(fù)性任務(wù)來提高生產(chǎn)率，并結(jié)合了預(yù)測分析和自動事件響應(yīng)功能來更快地修復(fù)問題。

隨著所有企業(yè)變得對技術(shù)的依賴以及IT團(tuán)隊的不斷壯大，AIOps已成為一個新興行業(yè)，其中不乏供應(yīng)商和專家，他們專注于性能監(jiān)控，事件關(guān)聯(lián)和分析，IT服務(wù)管理和自動化。

最終結(jié)果?為企業(yè)和更高效(和更快樂)的工程師節(jié)省了時間和金錢。“對于繼續(xù)從事數(shù)據(jù)和例行任務(wù)的IT運(yùn)營團(tuán)隊而言，自動化仍然是最重要的最終目標(biāo)，” OpsRamp高級副總裁Bhanu Singh此前對TechHQ表示。

網(wǎng)絡(luò)安全中的AI

企業(yè)可以“藏在人群中”的日子已經(jīng)一去不復(fù)返了。網(wǎng)絡(luò)犯罪分子的技術(shù)是如此廣泛，以至于僅連接到Internet即可打開威脅之門，其中包括受感染的網(wǎng)站，網(wǎng)絡(luò)釣魚電子郵件和分布式拒絕服務(wù)攻擊。

不幸的是，企業(yè)沒有做好充分準(zhǔn)備來全面預(yù)防，檢測和應(yīng)對不斷增長的威脅數(shù)量和復(fù)雜性的準(zhǔn)備。

根據(jù)《網(wǎng)絡(luò)安全投資公司官方年度網(wǎng)絡(luò)犯罪報告》，勒索軟件攻擊每14秒發(fā)生一次。面對如此多的攻擊，企業(yè)正在轉(zhuǎn)向AI和機(jī)器學(xué)習(xí)功能，以幫助填補(bǔ)稀缺的網(wǎng)絡(luò)安全專家。

在網(wǎng)絡(luò)安全中，機(jī)器學(xué)習(xí)在高級威脅檢測和阻止內(nèi)部威脅中具有應(yīng)用，這需要更細(xì)微的方法來進(jìn)行監(jiān)視和響應(yīng)?？梢酝ㄟ^自動和智能的異常檢測來解決在網(wǎng)絡(luò)內(nèi)橫向移動的復(fù)雜攻擊或因不知情而訪問敏感信息而導(dǎo)致的破壞。

人工智能和機(jī)器學(xué)習(xí)可以使分析人員和安全團(tuán)隊從應(yīng)用程序，端點和網(wǎng)絡(luò)設(shè)備中讀取大量日志和事件數(shù)據(jù)，以進(jìn)行快速調(diào)查和發(fā)現(xiàn)模式以確定事件的根本原因。

隨著威脅形勢的發(fā)展，網(wǎng)絡(luò)安全漏洞的損失對小型企業(yè)和大型企業(yè)而言都越來越具有災(zāi)難性，人工智能和機(jī)器學(xué)習(xí)正幫助組織提高檢測速度，影響分析和響應(yīng)能力。

挑戰(zhàn)?

數(shù)據(jù)以及許多數(shù)據(jù)是任何AI或機(jī)器學(xué)習(xí)計劃成功的核心。為了利用組織內(nèi)這些智能系統(tǒng)的優(yōu)勢，企業(yè)必須準(zhǔn)備進(jìn)行必要的手動工作和資源，以精煉大量數(shù)據(jù)，從而為AI模型提供學(xué)習(xí)和燃燒所需的燃料。

據(jù)IBM云與認(rèn)知軟件高級副總裁Arvind Krishna稱，在IBM，一家比大多數(shù)新興技術(shù)市場更具遠(yuǎn)見的公司，與數(shù)據(jù)相關(guān)的競爭是該公司客戶停止或取消人工智能項目的首要原因。

克里希納去年在《華爾街日報》舉辦的“萬事俱備的未來”節(jié)上說，公司發(fā)現(xiàn)自己在獲取和準(zhǔn)備數(shù)據(jù)的工作和成本方面準(zhǔn)備不足，這些數(shù)據(jù)工作占人工智能項目的80%。

克里希納說：“[……]你在這一過程中已經(jīng)沒有耐心了，因為你的第一年只是在收集和整理數(shù)據(jù)。”。他解釋說，公司可能會對這項工作失去耐心和幻想，并“有點逃避”

然而，你擁有的數(shù)據(jù)越多越好，一旦繁重的工作被淘汰，有效的人工智能和機(jī)器學(xué)習(xí)就意味著組織不再被數(shù)據(jù)所束縛，而是被數(shù)據(jù)提升了。挑戰(zhàn)就在眼前，但好處本身就說明了問題(而且起作用了)。