图片 1
www.2545.com

IBM发表推出AI,IBM公司现已运转了IBM安全连接

[据军事航空网站2018年10月17日报道]
IBM公司已经启动了IBM安全连接,将供应商、开发人员、人工智能和数据整合到一起,以改善网络攻击事件响应和可信计算能力。

图片 1

2018年10月17日,IBM公司发布了这个开放平台并表示,“这是第一个基于开放技术、以人工智能为核心的安全云平台,可跨过以前未连接过的工具和环境来分析联合安全数据。”

10月17日消息,人工智能和云服务是门大生意,IBM也在不断努力争取瓜分这块大蛋糕。近日,IBM宣布推出AI
OpenScale、Multi-cloud
Manager两大平台和针对网络安全应用的全新云计算社区平台IBM Security
Connect,将大幅提升和完善自身在AI即云服务方面的运营框架。

IBM进行的一项分析表明,企业中的网络安全团队平均使用大约40家供应商提供的80多种网络安全解决方案。

根据哈佛商业评论最近进行的一项调查显示,2016年人工智能总投资额达到260亿美元至390亿美元之间,已然是2013年的三倍。在接下来的15个月中,大约80%的IT预算都将用于云解决方案。尽管两个行业都在稳步增长,但仅有20%的公司表示他们正以“核心方式”使用一种或多种人工智能技术;49%的公司表示,他们推迟了云部署。

如此多的解决方案可能会导致混乱,并可能会降低网络安全和防御的整体效率。IBM安全连接同时使用了云技术和人工智能。该平台的用户将能够将机器学习和人工智能应用于网络安全产品中,以提高其有效性。

IBM将与不同服务结合所面临的挑战归咎于二分法。为了解决其中的一些问题,IBM天推出了AI
OpenScale,一个让客户能够在几乎任何基础设施上构建AI的平台;以及Multi-cloud
Manager,一个“开放”解决方案,旨在简化创建在多个云服务上运行的应用程序。

AI OpenScale

AI OpenScale将于今年晚些时候推出,面向IBM Cloud和Cloud
Private客户,通过在线仪表板运行,支持在众多开源框架上开发的AI模型,包括谷歌的TensorFlow、Microsoft的AzureML、SparkML、Keras、Seldon和Amazon
Web服务的SageMaker。此外,它还有助于在IBM的Watson、Seldon和其他第三方平台等环境中部署这些模型。

这只是冰山一角。AI
OpenScale提供了一套自主偏差检测和缓解工具,包括记录机器学习模型预测的记录系统,以及相应的模型版本,使用的培训数据以及相关的性能指标。它持续监控AI应用程序中的偏见决策,并通过“去偏差”技术,努力减轻这些偏差,同时提供AI算法给出的建议的解释。

通过这种方式,AI
OpenScale建立在IBM早期的AI偏差检测和模型可解释性方面。9月,该公司推出了一个开源工具包——
AI Fairness
360,它包含一系列算法、代码和教程,演示了在模型中实现偏差检测的方法。在今年夏天的白皮书中,IBM研究人员为AI系统提出了“情况说明”,以回答有关系统操作、训练数据、测试设置、结果、测试方法等的问题。

没有良好训练的人工智能系统将会加强偏见,因此AI系统必须得到公平的培训。专家表示,AI公平性是每个特定机器学习模型的数据集问题。人工智能公平,已经成为了一项新认识的挑战。大型云提供商正在开发和宣布有助于解决AI公平性的工具。

IBM并不是唯一一家在开发能够减少算法偏见的平台:

1.Facebook:在5月举行的F8开发者大会上,Facebook宣布了Fairness
Flow,这是一项针对数据科学家的自动化偏向捕获服务,方便其在2018年5月搜索训练数据集中的偏见。

2.亚马逊:AWS于2018年7月发布了一篇博客,该博客在准确性,误报率和误报率方面构建了机器学习公平性。但AWS还没有发布开发人员工具来评估模型培训其他方面的公平性。

3.微软:Microsoft
Research于2018年7月发表了一篇论文,描述了二进制分类系统的公平算法,以及实现该算法的开源Python库。微软的工作包括预处理培训数据和后处理模型输出预测。但是,它不是作为高级开发人员工具实现的——仅适用于熟悉深度学习代码的Python开发人员。

4.谷歌:2018年9月,Google的People + AI
Research计划比仅提供开发人员库更进一步,宣布其“假设工具”。假设分析使开发人员能够在视觉上分析输入数据集和训练的TensorFlow模型并包含公平性评估。

5.埃森哲:已经发布了类似的工具。

IBM还于今天发布了神经网络综合引擎,这是一个为业务任务和数据集自动化AI开发的新系统。该公司声称,在测试中,NeuNetS自主设计、培训和部署的定制AI模型已达到“与人类设计的神经网络相当”的准确性。AI
OpenScale发布的同时,NeuNetS将提供测试版。

“我们的战略是使用开放的、可互操作的方法来推动AI经济效益,”IBM认知解决方案高级副总裁David
Kenny说。 “我们相信AI
OpenScale代表了一种新的技术类别,也是大规模采用人工智能的新时代的开始,因为它是开放的——这使任何AI更易于操作,并且接近完全透明。”

AI的核心挑战是深度学习模型是“黑盒子”。对于人类而言,理解各个训练数据点如何影响每个输出分类决策是非常困难的,而且通常根本不可能实现。术语“不透明”也用于描述这种隐藏的分类行为。当无法理解系统如何做出决策时,就很难相信系统。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章

网站地图xml地图