古典梦幻的巴洛克歌剧院舞台上，几位演员穿着华美的戏服，向着黑暗中的观众表演歌唱……今年9月在美国的一场艺术博览会上，这幅名为《太空歌剧院》的图画夺得了数字艺术创作类大奖冠军。然而一时间，围绕这幅画的争论甚嚣尘上。因为，这幅画是工作人员用(AI)绘图软件画出来的……

只要向AI描述关键词，AI就能将你脑海中的形象描绘出来。越来越“聪明”的AI正在慢慢影响着人们的生活。在第二十四届高交会信息技术与产品展(简称“IT展”)上，人工智能展区作为亮点主题展区之一，全面展现了智能驾驶、芯片、大数据、智能识别系统、深度学习、、AR/VR、车联网等AI各个不同领域的技术及解决方案。

AI无处不在，所带来的颠覆性冲击远超过想象，作为科技创新和经济发展的重要驱动力，AI正在进入高速发展期。工业和信息化部公布的测算数据显示，我国人工智能核心产业规模已超过4000亿元，企业数量超过3000家。2021年全球人工智能产业规模达3619亿美元，其中中国占576亿美元。从投融资规模来看，2021年全球人工智能产业投融资金额为714.7亿美元，同比增加90.2%，中国人工智能产业投融资金额为201.2亿美元，同比增加40.4%。

深圳市人工智能行业协会发布的《2022年人工智能发展白皮书》显示，截至2021年底，深圳市人工智能核心产业规模达到312 亿元，人工智能相关企业数量已达到1432家，位居全国第三。深圳市人工智能领域发明专利总授权量达到 4.1 万件。已授权人工智能发明专利申请量为 6586 件，位居全国第二。《深圳经济特区人工智能产业促进条例》已从11月1日起开始实施。随着有利于产业发展的政策法规接连出台，AI相关科技成果将不断落地并与实体经济加速融合，助推传统产业转型升级。

机器学习在工业领域中也存在瓶颈，主要有以下几个方面。

1、训练算法数据的质量

深度学习的训练数量不良品与良品的数据训练效果，标注数据，其中数据的质量、归一化方法、分布等对模型的效果影响较大。例如，如果数据量太多时，训练数据越多效果越精准，那么就需要较高的计算能力和计算成本。如果数据量太少时，模型的预测能力一般较差。

2、工程师调试经验

机器学习的相关算法和方法具有一定的门槛，在对原理不清楚的情况下进行实验，难以取得理想的效果，所以要求工程师不仅具有工程实现的能力，还需具备线性代数、统计学等娄学基础，并理解数据科学和机器学习的常见算法。

3、计算能力

由于在深度学习训练过程中需要不断调参，甚至重新设计网络结构，所以训练周期一般要几周甚至数月，并且随着模型复杂度增加，对计算资源(GPU)要求更高，一般模型越大应用时效率越低。

人工智能如何改变安全运营

人工智能在安全运营中的其中一大作用是协助安全分析师的工作。毕竟，它不太可能完全取代有经验的人类。反之，人工智能可以专注于比人类擅长的领域去协助人类，如分析大数据，替人类进行繁琐、重复的任务，以便分析师能够发挥更复杂的技能，如创造力、细微差别和专业知识。

此外，通过人工智能对安全事件进行分析，查询海量数据并在整个网络中进行透视，以收集事件告警的背景并进行调查，整理出高优先级的事件让分析师加以关注。同时，人工智能通过分析人类分析师调查警报的过程，进行训练以及机器学习，当未来有类似的事件发生时，机器可在通知分析师前生成多个查询，并同时调查所有平行威胁。

为应对海量的告警以及高级持续性威胁(Advanced Persistent Threat, APT)，网络安全运营团队积极寻求人工智能(AI)和机器学习(ML)来提高效率，分析师因此能减少分析所需时间，包括采用的威胁狩猎工具(Threat hunting tool)提高企业对隐藏威胁的检测。例如，采用无监督ML算法的用户行为分析工具(User behavior Analytics, UBA)可以持续监测和分析用户活动、系统安全变化、网络流量和对应用程序和数据的访问检测和标记异常情况，使得该威胁对环境造成破坏之前，企业可以把未知的威胁更快地转化为已知的威胁。因此，网络安全运营团队在 AI/ML工具协助下，可以采取更积极的策略，对事件作出相应的反应。