Splunk中国区总经理,严立忠
随着越来越多的企业计划扩大现有数据规模,物联网必定是他们下一步的选择。一些成功整合了IT、运营和业务数据的企业,现在正在设法获取物联网数据并使之与现有的基础设施关联起来。只有这样做,物联网、数据、IT才能充分发挥作用,为企业服务。
物联网在快速发展的同时也带来了安全风险。越来越多的“联网物体”让日常生活更加美好,然而在推动创新的同时,也让自己进入了安全雷区。
我们日常生活和经济活动的方方面面,与其他人、流程和企业的联系越来越紧密,网络安全风险将呈指数级增长。每一个“联网的物体”都为个人信息、企业信息和公共安全打开了新大门。通过这些大门,个人和企业将自己的新弱点都暴露给了黑客。在未来,我们发现攻击可以来自公共网络,还可以来自智能手机和智能家居等私人设备。因此,虽然物联网变革振奋人心,但在2018年,消费者和企业将不得不开始权衡利弊。这对于那些泄露事件会导致消费者产生严重不信任的企业而言尤为重要。Gartner预测,到2020年,25%以上已识别的攻击事件将涉及物联网——尽管物联网预算在IT安全预算中不足10%。这将促使企业去重新思考。
物联网带来的最大价值是能够解决复杂的物流、制造和公共部门问题。这意味着有些行业会比其他行业更快地得到切实的好处:
云计算支持实现灵活的业务新模式,使得中小企业更容易采用物联网。对于大企业,云投资有利于协调全局数据集成。例如,AWS物联网可以作为分散在各处的设备、资产和传感器的中心平台。将这些与安全和数据获取结合起来,云将有助于物联网的成功。
数字化转型举措,特别是围绕客户体验的举措,将加速物联网的扩展。建设技术基础设施相对容易,面临的挑战是实施影响业务健康的数据驱动型决策。传统上,企业在基础设施上投入大量资金,然后开展IT和安全数据驱动的应用。刚刚开始整合物联网数据的企业会提出这些问题——怎样创新;怎样利用现有的新信息来提高收益,实现更好的客户体验?
机器学习和人工智能为物联网带来了巨大的发展机遇。传感器设备的日益商品化和规模化将推动智能产业的新浪潮,对现有产业产生重大影响。能够预测机器什么时候需要修理,自我优化生产和需求响应便是这方面的几个应用实例。
随着现有网络基础设施将被用于“连接物体”,当企业寻找新方法来挖掘智能设备生成的大量数据时,会进一步加大对分析技术的投资。工业资产管理、运输车队管理、库存管理和政府安全将是2018年物联网发展最热门的领域。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。