人工智能行业发展势头迅猛，我们该如何面对？

通过对人工智能影响安全运营的了解，我们可以预见人工智能的出现将改变大多数IT和信息安全行业人员的角色。有部分的行业人员对此有着极大的担忧，例如担心自己会被人工智能控制的机器人取代。事实上，人工智能工具能为信息安全专业人员创造机会，使他们能够更有效地履行工作职责，同时也可利用新洞察来改善整个信息安全计划，并与SOC之外的其他团队展开更多合作。

在一般的SOC工作中，安全分析员每天查看网络流量和来自不同系统的日志，以确定安全事件是否构成需要进一步调查的威胁。而SOC传统的分工上，一线(Tier-1)分析师负责查看警报，二线(Tier-2)分析师寻找可能的攻击，三线(Tier-3)分析师执行事件响应，安全工程师则负责想出更好的方法来使基础设施更加安全。

然而，当我们把人工智能以及自动化应用在安全运营的场景后，人工智能会代替分析师处理以往相对低阶和繁杂的日常工作，如查看告警、分析、检测等等。故此，团队必须调整每个岗位的角色以及职责，调整培训计划的重点，例如让分析师建立与人工智能系统合作的技能，建立良好的沟通技巧以便对企业的业务部门解释安全问题。

在当今人工智能持续发展的趋势下，企业应以不同视角去看待人工智能的使用，特别是人工智能如何影响网络安全管理。虽然人工智能的使用为企业带来挑战和风险，但同时人工智能也能有效解决劳动力短缺以及有效提升网络安全管理的效果和效率。故此，企业为有效应对挑战以及控制风险，应及早制定内部人工智能安全要求的政策、标准和规范，开展对人工智能的应用研发，构建人工智能驱动的网络安全管理能力。在企业不断发展的道路上，人工智能将助力企业在现今的大环境中提高生产力及综合竞争力。

机器学习的方法解决人工智能面对的问题。机器学习是通过一些让计算机可以自动“学习”的算法，从数据中分析获得规律，然后利用规律对新样本进行预测。

机器学习的方法解决人工智能面对的一系列问题。机器学习通过计算机算法会不断进行训练，从大型数据集中发现模式和相关性，然后根据数据分析结果做出最佳决策和预测。机器学习应用实战经验来改善自身的能力，获得的数据越多，准确性会越高。

在工业领域机器学习是人工智能支撑下的分支深度学习和神经网络都属于人工智能的子类目，其中通过采用深度学习的算法计算数据训练模型，做出预测的准确率和人工判断相差无几。将深度学习算法应用在工业视觉检测机器人上，可大幅提升作业性能，并实现制造流程的自动化利无人化。

在机器学习中，深度学习模型在解释模型中参数方面较差，如果在工业应用中除了对结果看重外还要求解释学习过程，这比较难实现。此外，深度学习对于数据的质量要求较高，如果存在缺失值等问题，会有较大误差。

在本届高交会“改变世界的新兴科技”主题论坛上，萨摩耶云科技集团创始人董事长兼CEO林建明在主题演讲中展示了一份艾瑞咨询的报告。报告展现了人工智能在各行业应用的成熟度，从中可以看出AI在金融、安防、互联网、医疗、制造等多个领域渗透率已经很高。无论是市场规模、场景效果、技术水平，还是数据质量、人才储备、产业基础等，成熟度都在不断提升，AI正成为智能社会的重要基础设施。

“我认为这一切才刚刚开始!“林建明的话掷地有声。他表示，以机器学习、知识图谱、自然语言处理、语音识别、计算机视觉等技术都在高速发展，驱动着新一轮的产业变革。林建明提出，AI包括三个层次，分别是：感知智能、分析智能和决策智能，其中能帮助企业科学决策的决策智能，无疑是AI更高层次的应用。“在决策智能阶段，AI可以通过对各行业领域的知识图谱化，洞察信息之间的关系，不断优化自己的决策能力，从而拥有专家级别的实力，辅助人类做出更优的决策”，林建明说，科技正在引领AI向高阶决策智能跃迁。小到连锁水果店如何加盟，大到企业如何科学融资，AI已经成为很多企业做出重大决策时的“智多星”。

积极“拥抱”人工智能，已成为很多企业转型升级的共识。IBM大中华区客户成功事业部总经理朱辉表示，IBM今年进行了全球AI采用指数的调研，结果显示，全球企业对AI的采用稳步增长，而且呈现出更加成熟的、渐进式的趋势。