AI和机器学习：忽悠或希望？

达克效应(Dunning-Krugereffect)是一种显著的成见:指的是才能欠缺的人在本人欠思索的决议的根底上得出错误结论，但是无法正确认识到本身的缺乏，区分错误行为。这些才能欠缺者们沉浸在自我营造的虚幻的优势之中，常常高估本人的才能程度，却无法客观评价别人的才能。
AI与机器学习：大忽悠还是大希望？
今天，我们看到了互联网、区块链和云计算等技术的兴起，可谓是人类近期历史上的三大科技热潮。但是，在这些技术的应用中，我们不幸又看了这一效应的呈现，大量本身实力并缺乏够的厂商借了这些新兴的词语停止炒作与夸张。那么，人工智能(AI)与机器学习(ML)到底是忽悠还是希望呢?
这里有一点肯定的是，将来的AI将会停止更多彼此间的互动，比方许多网络平安工作将由它们来停止管理，不过这不是在今天。技术有一种与预测相悖的中央，其完成要么比预期早得多，要么比预期晚得多。在AI技术的远古早期，人们希望它能“很快处理问题”，但这个曾经是50年前的事了。
事实上，我们还没有处理图灵测试问题:关于智人来说，还没有另一种智能能够与之对话(至少自从其他的人属物种如尼安德特人、能人、直立人等灭绝之后就没有了)。假如有一天我们能发明出这些会考虑的机器，恐怕我们会完整放弃“人工”这个词。
最重要的语义区别在于，AI是对智能连续统一体的认知的追求，而不是“愚笨”与“哈尔9000”(2001太空遨游中的杀人机器人)的二元对立。这里有一个简单的类比:房子是用很多工具建造的，其中木工工具是一组工具。但这并不意味着具有木工工具就能够被称为房子。推而广之，称ML应用程序为AI是不正确的，但这却发作在平安范畴中。有人胜利的偷换了概念，并植入了AI的标识，其实这是一个很大的错误。
今天，ML正在复兴并且正在蓬勃开展，虽然它其实是一系列旧工具，在任何方面都不是十分神奇。但鉴于计算和数据无处不在，我们看到了机器学习所谓的真正华美，适用，智能应用的爆炸以及许多平安性，这当是个好音讯。但坏音讯是我们依然看到ML在商业方案，技术文档和营销中被用作魔术言语。每当运用该术语时，人们应该可以首先答复运用什么类型的机器学习(例如线性回归，逻辑回归，决策树，SVM，朴素贝叶斯，K-NN，K-Means，随机森林，降维等)。以及它如何部署和锻炼。这不需求ML学位，但它应该以普通人能够了解的方式答复。
这这里也有充溢希望的中央，我们正在进入平安范畴“人工辅助”ML应用的黄金时期。我们在会议上发表的演讲和科幻小说的论文中依托“超级炒作”去处理了我们一切的问题，而如今在我们得到真正有用的东西之前就曾经到了却局阶段。ML在自动化和使人类更有效的工作方面最有出路，比方歹意软件预测、事情响应、法医指导和相似的应用程序。虽然它们并不能神奇地处理一切问题，但它们让我们的网络平安问题变得容易处置得多，这会便于人类工作。
总有一天ML和AI会改动进攻和防卫的平安格局，但不是今天。不过，这项研讨并不需求产生那些令人兴奋的结果，由于盘绕认证、周边控制、风险剖析、破绽管理、内部要挟检测、捕捉、弥补等方面的工作越来越好。用马克·吐温的话来说就是:“持续的改良要比迟来的圆满要好。