1. 人工智能分类图

@startmindmap
+ 人工智能分类
++ 问题解搜索
++ 机器学习（两类相互交叉）
+++ 强化学习
+++ 深度学习
++ 按学习方式
+++ 有监督学习: 训练集有目标值 预测是否连续？回归：分类
++++ 自学习方法
++++ 互学习方法
++++ 基于图的方法
++++ 基于生成模型的方法
++++ 转导支持向量机
+++ 无监督学习: 训练集无目标值
+++ 半监督学习: 
++ 按任务分类
+++ 计算机视觉​​​​​​​
+++ 自然语言处理
+++ 智能机器人​​​​​​​
+++ 自动化程序设计​​​​​​​
+++ 数据挖掘
++ 按业务划分
+++ 计算机视觉
+++ 机器学习、深度学习、统计学习
+++ 模式识别
+++ 数据挖掘
+++ 智能算法
++ 按问题类型分类
+++ 分类
+++ 回归
+++ 聚集
+++ 降维
+++ 模型选择
+++ 预处理
@endmindmap

时间线很清晰（推荐）：https://mm.edrawsoft.cn/template/40995 https://zhuanlan.zhihu.com/p/60271722

2015年11月，Google正式发布了Tensorflow的白皮书并开源TensorFlow 0.1 版本。 2017年02月，Tensorflow正式发布了1.0.0版本，同时也标志着稳定版的诞生。 2019年10月，TensorFlow在经历七个多月(2019年3月1日-2019年10月1日)的 2.0 Alpha 版本的更新迭代后发布 2.0 正式版。

@startmindmap
+ Timeline
++ 1940-1960
+++ P1: 基于控制理论的人工智能的模糊概念产生
++ 1959
+++ 自然语言的使用：教育应用
++ 1963
+++ 早期投资数百万美元
++ 1972
+++ 第一台智能机器人
++++ 日本大学完成
++++ WABOT机器人计划
++ 1976
+++ 对人工智能进行批评
++ 1980-1990
+++ P2: 以连接主义(connectionism)为思想的深度学习
++ 1985
+++ 专家系统取得一定成功
++ 1990
+++ 第二次萧条：神经网络理论衰落，门槛太高
++++ 入门困难
++++ 资金要求高
++ 1997
+++ 第一次人机PK：加里·卡斯帕罗夫败给IBM深蓝
++ 2005
+++ 开启大数据的人工智能时代
++ 2006
+++ P3: 以深度学习之名复兴
++ 2015
+++ 10月 击败了欧洲冠军樊麾 Alpha Go Fun
++ 2016
+++ 人工智能销量达数十亿
+++ 3月: Alpha Go Lee 4:1战胜李世石 Lee Sedol (前面还有Alpha Go Fun版本)
+++ 年底: Alpha Go Master 在中国棋类网站上以“大师”（Master）为注册账号高手局60局全胜
++ 2017
+++ 5月 Alpha Go 以3:0战胜世界围棋冠军柯洁
+++ 10月18日 在40天的自我训练2900万场后，AlphaGo Zero 100:0 战胜 Alpha Go Master (训练490万局达到Lee的水平)
+++ 10月19日 DeepMind，Mastering the game of Go without human knowledge, Nature

@endmindmap

来源 https://mp.weixin.qq.com/s/4hJY-LxWamCT1AZlvcbSKw

2. 网络安全下的应用

网络安全是人工智能 （AI） 技术影响最大的领域之一，组织和网络罪犯都以自己的方式部署 AI。随着 AI 增加网络攻击的风险和有效性，组织还必须加大努力。此类攻击的未来结果将在很大程度上取决于谁对 AI 技术有更好的掌握。

以下是 AI 对网络安全和网络攻击的不同影响：

AI 支持的网络攻击 随着我们越来越成为数字世界，AI 驱动的网络攻击风险也急剧增加。AI和机器学习不仅由 IT 安全专业人员使用，而且由国家赞助的行为者、犯罪网络组织和个人部署。

所有这些都意味着公司和政府必须不断改进其实践，以跟上不断变化的技术。

以下是人工智能用于支持网络攻击的一些方法：

  • 社会工程攻击：网络罪犯在社交工程攻击中使用 AI，因为它可以检测行为模式。然后，这种洞察力可用于操纵行为、访问敏感数据以及危害网络。
  • 突变软件：AI 可用于开发通过更改其结构来避免检测的突变恶意软件。
  • 数据操作：如果数据操作无法检测到，会对组织产生破坏性影响。一旦超过这一点，就很难恢复馈送 AI 系统的正确数据。
  • 识别漏洞：AI 可用于持续监视网络以检测新的漏洞。然后，人类黑客可以利用这些漏洞。
  • 基于人工智能的安全系统 对于组织来说，也有许多方法可以实施 AI 来抵御 AI 支持的攻击。我们正在进入一个人工智能既是攻击者也是防御者的世界。

下面看一下人工智能用于安全性的一些方法：

  • 威胁准备：通过将 AI 嵌入到安全系统中，可以帮助组织制定更强大的威胁响应。通过提供有关全球和行业威胁的最新信息，领导者可以相应地确定资源的优先级。
  • AI 支持的威胁检测：公司可以使用 AI 平台收集和存储网络元数据并获取安全见解。通过使用元数据和机器学习技术，可以实时检测网络攻击并确定优先级。
  • 响应时间：基于 AI 的检测和响应系统可以帮助组织更好地应对高级攻击的威胁检测和响应能力。它们有助于响应数据泄露、高级目标攻击、勒索软件、恶意软件、社交工程和加密攻击。
  • 移动设备保护：AI 被大公司用于分析移动端点威胁和保护个人移动设备。AI 已集成到反恶意软件解决方案中，可以解决网络、设备和应用程序威胁。
  • 安全分析师增强：机器学习可以通过自动化涉及数据丰富等重复性任务来增强人工分析人员，并允许人工分析人员首先应对高阶威胁。

随着机器学习和 AI 不断彻底改变我们数字世界的更多方面，网络攻击的威胁将急剧增加。公司和外部行为者都将利用该技术提高安全和攻击的效率。网络环境的这两个方面都较少依赖人类，因此了解最新技术及其功能至关重要。

results matching ""

    No results matching ""