中国工程院院士、中国互联网协会咨询委员会主任邬贺铨在近日表示，与传统经济相比，数字经济更需要成为“可信经济”。“可信经济”是以可信网络为底座，以可信数据为关键生产要素，构建具有安全运行发展生态的新经济。数字经济的发展需要IPv6、5G、物联网、大数据、云计算、区块链和人工智能等新时代信息技术赋能，也要善于利用新技术打造安全可信的基础设施与应用系统。
在上述过程中，数据加密与隐私保护尤为重要。数据是生产要素，不仅要防止数据泄露也要防止数据被篡改，数据加密是一种手段。需要实时对数据进行审计与版本核对，防止因数据被恶意再加密导致资产被控或被勒索。在融合多方数据分析计算的同时，需保护敏感数据不外泄，需使用多方计算(MPC)、可信硬件和联邦学习等技术。
除此之外，更需要制度与管理来保障，强化网络安全意识才能居安思危。“网络安全永远在路上，网络安全创新永不停步。”
全国信安标委秘书长、中国电子技术标准化研究院党委书记杨建军指出，党和国家高度重视数据安全和个人信息保护工作，数据安全和网络安全已一并纳入总体国家安全观。
他进一步讲到：“全国信息安全标准化技术委员会秘书处作为标准化专业机构，一是加快推动重点急需标准研制，有效支撑数据安全和个人信息保护相关法律法规落地实施、行业管理和产业发展；二是加强标准宣贯实施，促进标准应用与技术产业协同联动，充分发挥标准在数据安全治理和个人信息保护中的基础性、规范性、引领性作用；三是发挥自身优势，为各行业领域搭建网络安全和数据安全标准化沟通交流平台，以标准为基础提升数据安全支撑服务能力，努力营造全民数据安全和个人信息保护的良好 社会 氛围。”
工业和信息化部网络安全管理局处长雷楠表示，面对日益严峻的数据安全风险，要按照成体系、有重点、分步骤的工作思路推进数据安全和个人信息保护工作。一是夯实数据安全管理的制度基石，健全工业和信息化领域数据分类分级、安全防护、风险评估、应急处置等重点制度和关键标准；二是完善数据安全治理工作机制，加快推进重要数据目录备案、安全信息共享、 社会 投诉举报等工作机制，打造协同联动的工作格局；三是提升数据安全技术能力和保障水平，整合优化行业资源，建设工业和信息化领域数据安全技术手段，形成数据监测溯源和应急处置能力；四是增强数据安全产业供给能力，推进产业园区、创新示范区、重点实验室的建设布局，培育优势骨干企业和专业人才队伍，壮大创新数据安全产业生态。
与此同时，国家市场监督管理总局标准技术管理司处长刘大山也指出，要深刻认识数据安全标准化工作的重大意义，筑牢保护国家安全和数字经济发展的标准之盾，应对各种可以预见和难以预见的风险挑战。此外，强化数据安全和个人信息保护标准顶层规划，加强新时期数据安全标准化研究和布局，明确本领域标准化技术发展趋势和演变路径。加快重点领域急需标准制定与实施，提升标准支撑网络安全审查、数据安全管理认证、个人信息保护认证等相关工作的能力。
谈及网络安全人才培养，邬贺铨认为，企业是一个很重要的环节，特别是互联网企业，企业为网络安全人才提供更多的锻炼机会。人才培养除了高校的培养以外，政府可以组织各种训练班、培训班，进行网络安全技术的交流以及案例的分析，包括组织一些大赛等，来发现网络安全人才，并且激发更多的互联网爱好者投身到网络安全行业里来。
作者 | 维克多
编辑 | 琰琰
7月9日，在2021年世界人工智能大会的可信AI论坛上，艾耕 科技 CEO韦啸进行了题为 《可信AI助力内容创作实现智能化》 的报告。他在报告中指出了AI内容生产在“可信”方面遇到的挑战，并给出了三条提高AI内容生产可信性的技术建议：
1知识图谱沉淀行业专家经验提升可控性；
2专家系统与局部模型提升可解释性和可调性；
3强调人+机器协同的工作模式。
此外，在报告结束，AI 科技 评论和韦啸进行了一场关于“AI发展路径”的交流，他认为当前人工智能想要取得突破性进展，必须等待其他领域，例如生物学领域，有突破性的发现。
今天的演讲题目是《可信AI助力内容创作实现智能化》，分享一下AI在内容生产方面遇到的可信挑战。回顾互联网的前世今生，从门户网站到搜索引擎、到社交网络、再到超级APP，互联网发挥的核心作用是：分发内容。而内容生产属于互联网的上游，每年制作物联网流通的内容成本超过千亿。
人工智能（AI）作为技术发展的桥头堡，未来十年的技术热点，其一定会在行业里发挥巨大的作用。
目前，AI已经能够生产各种各样的内容，例如强大的GPT-3模型，其内容生成能力一度让人类惊呼。但实际上，GPT-3生成的大量内容都是胡说八道的，没有办法直接使用。这对应的是AI稳定性问题，即生成算法不可控。
可解释性，可调性，是AI生产内容过程中碰到的另一个问题。举个例子，当我们用AI进行视频生产时，无论是半自动还是全自动的方式，采用同一模板生成的视频，在社交平台上获得的点赞数和流量却不一样。至于为什么？用户希望能够有一个解释，即是算法出了问题还是其他方面的问题？这就是内容生产遇到的AI可解释性挑战。
其实，内容生产和内容生成不同，今天AI技术大多仅支持内容生成，内容生产意味着要为产业赋能。内容生成里的专家主要有主编、编辑和运营。而内容生产需要将AI技术有机整合成一个专家系统，包含上述一系列的角色，对于不同角色进行不同程度的赋能，从而提高内容生产的能力。这也是我们一直打造的品牌“AIZAO, AI造”。
它的逻辑是先依靠电商或者品牌的营销专家，然后基于他们对行业的理解，用知识图谱支撑智能素材库，生产出合适的图、文内容，最后加上运营数据的回流，就可以构成生产力的大幅度提升。
为了让这一AI系统生成的内容更为可信，我们做了如下的尝试：1知识图谱承载专家经验提升可控性；2专家系统与局部模型提升可解释性和可调性；3强调人+机器协同的工作模式。AI一定会犯错，人机协同是提高AI可信性的举措之一。
总结一下，如果想搭建一个更为可信的内容生产平台，需要遵守三条原则，第一，坚守向善价值观，不做恶；第二，建立评估体系，保证系统生产的内容可信；第三，明确算法系统的责任。我们可以感受到，互联网充满了不可信的内容，已经对 社会 产生极大负面的价值，我们希望算法设计出之后，其所承担的责任能有清晰的界定和边界。
AI 科技 评论：请问您如何看待可信AI？
韦啸：可信AI 包括几个方面：稳定性、可解释性、可调性、公平性等等。这意味着可信AI不是一个概念，更多的衡量如何把一个技术更好的赋能各个场景。
关于构建可信AI需要四方面的发力：
1技术和学术上的突破。机器学习模型中的黑盒性是AI可信问题的源头之一，很多AI技术如自动驾驶，AI医疗影像的应用，背后其实有可解释性，可控制性的缺陷，邢波老师的Petuum，就考虑了如何提升黑盒模型的debuggability。杨强老师主推的联邦学习，又在一定程度上能解决数据隐私问题，所以技术的发展，肯定能够带来更多可信的解决方案。
2政策、法律衡量责任。一个算法存在开发者和使用者，但算法出错，如何衡量双方的责任，是需要政策制定者考虑的事情。
3遵守商业道德准则。算法即技术，技术中立，向善的人使用，会产生好的结果，心怀不轨的人使用，会产生恶果。
4明确可信的目标。所有的算法都针对一个目标进行优化，我们在设立这个目标的时候，能否将可信作为一个目标衡量？
AI 科技 评论：相比深度学习，传统AI模型的可解释性比较好，您如何看待两者的关系？
韦啸：我举个例子，美国人工特别昂贵，很多车主自己动手修车。衡量一个修车匠是否能“打”的一个标准是：修车工具箱里工具种类是否丰富。这个工具箱可能有一些17世纪就有的改锥，也可能有新开发的智能电钻。其实，老改锥还是新电钻都存在于工具箱里，使用哪种锯子修车取决于具体的场景。
类比到AI内容生产领域，GPT-3这一模型确定能够提高基底模型表现，在从语料库提取特征方面，非常高效。但是，有些场景要求生成的内容丝毫不能出错，例如宝马X5的排量是24，如果AI生成的是25，显然就不符合要求。因此，这时候如果采用经典的PCFG，效果反而会更好。
因此，深度学习也好，传统模型也好，它们都在工具箱里，如何使用，关键要看具体的场景。所以，我们创业者也要摒弃一个观点：新工具不一定比传统工具产生更大的商业价值，毕竟一些比较老的模型研发成本比较低，新模型（深度学习）研发成本比较高。
AI 科技 评论：AI内容生成领域，遇到哪些可信方面的挑战？
韦啸：正如我演讲中提到的，第一是稳定性，我们在用工具创造标题的时候，有些生成的内容质量高，有些却不通顺；第二是可解释性，同一组算法生成的视频，却获得了不同的流量反馈，人工干预也无法总结优化的路径；第三是AI系统一定会犯错，不管什么模型，只要场景足够复杂系统就一定会犯错。这时候需要人机配合，往往可以大幅提高工具使用的可信度。
AI 科技 评论：在实际 *** 作过程中，AI还无法取代人类？
韦啸：在某些特定领域，AI可以取代人工，但也不能取代人。工具取代人工一直在发生，例如超市售货，很多时候顾客选品扫码支付不需要和售货员互动，即便如此，无人超市也没有普及，这就侧面说明了售货员还有他存在的价值。但也不得不承认，超市管理中，现在所用到的人力成本比原来要少很多。
AI内容生产也是如此，某些情况下，AI剪辑视频的质量和 *** 作精度已经超过人类了，但是仍然需要人类进行审核、把关。
AI 科技 评论：目前人工智能的发展，呈现出“大”的特点，例如大数据集、大模型，您如何看待？
韦啸：技术发展的路径非常复杂，存在很多不同的道路，大模型只是一条 探索 路径，但肯定不是唯一的路径。之前在和学者进行交流的时候，他们表达的一个观点是：其实人工智能领域也在期待其他学科，例如脑科学的突破，例如直到今天，我们清楚的知道人脑对于一些观察和决策的工作机理，例如颜色是如何被探测和判断的，但是高级的认知例如红色这个概念，大脑如何存储和计算，却没有很好解释。而这些解释上的突破，很有可能为算法的设计提供全新的思路，在大模型之外，为AI的应用打开新的场景。
由于微信公众号试行乱序推送，您可能不再能准时收到AI 科技 评论的推送。为了第一时间收到AI 科技 评论的报道， 请将“AI 科技 评论”设为星标账号在看”。
要想成为系统的的物联网工程师需要系统学习。由浅入深地对嵌入式物联网技术以及Linux平台全面掌握，能够独立胜任物联网开发、嵌入式Linux应用开发、5G周边产品开发、底层系统开发、设备驱动开发、从终端到云技术开发以及Linux衍生产品等多方面工作。可以更加系统的了解嵌入式物联网相关行业知识。具体所学知识包括：
1嵌入式C语言高级编程及行业应用
2各常用数据结构与算法相关知识，以及面向接口的编程
3GUI图形库应用开发技术
4Linux *** 作系统使用
5Linux系统编程
6Linux系统网络编程
7Linux网络路由及数据交换技术
8嵌入式数据库
9嵌入式C++语言编程，以及面向模板库的应用开发
10OpenCV、OpenGL等图像处理
11AI模型训练及场景定位识别应用
12RFID场景应用
13zigbee低功耗网络技术
14Bluebooth组网技术
15MQTT云平台搭建技术
16NB-IOT各大云平台通信技术
17基于5G技术的嵌入式物联网行业应用
18ARM体系结构
19Bootloader启动过程
20常见Bootloader源码及平台移植
21嵌入式Linux内核裁减以及移植
22嵌入式Linux平台搭建技术及技巧
23Android ROM包制作流程
24Android底层驱动开发
25嵌入式从8位到64位硬件底层开发
26嵌入式Linux设备驱动移植以及开发
如果有机会通过十个左右的大项目实践，掌握物联网+嵌入式实际项目案例开发流程，提高研发技能。
物联网产业与技术导论、C语言程序设计、Java程序设计、无线传感网络概论、 TCP/IP网络与协议、嵌入式系统、传感器技术概论、RFID技术概、工业信息化及现场总线技术 、M2M技术概论、物联网软件、标准、与中间件技术
物联网的英文名：The Internet of things
物联网定义：物物相连的互联网
物联网的用途：遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、老人护理、个人健康等多个领域。
总结：物联网和测控技术与仪器专业本身就是基于信息技术、通讯技术以及计算机技术的一门交叉性、综合性、应用性极强的控制工程学科，它是人的大脑以及感官的延伸。作为计算机专业来说，需要学的东西也比较多，建议找到合适的计算机学校系统学习。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）