資訊專欄INFORMATION COLUMN
摘要：根據百度的說法，這是全球首次將深度學習領域技術應用在客戶端，獨創了深度神經網絡查殺技術。在過去，吳恩達說，百度用神經網絡來幫助偵測廣告。
吳恩達拿起他的手機，打開了臉優 app。他現在正位于硅谷公司的研究室。在辦公桌邊吃飯，談話內容很自然地也涉及到人工智能。他是百度的首席科學家，同時也是斯坦福大學計算機系的教授。在其他搜索引擎仍在發展時，他就曾幫助谷歌啟動了腦計劃，現在他在百度從事相似的人工智能研究。
臉優在某種程度上代表了公司使用“深度學習”完成的研究，它的主要功能是在臉上加上虛擬面具，這些面具會隨著臉的移動而移動，智能擬合到你的下巴、鼻子和眼睛上。它能做到如此，是因為背后的深度學習和神經網絡算法。
但深度學習技術是否能拓展到其他領域呢？吳恩達的回答是可以的，例如把人工神經網絡應用在殺毒軟件。
吳恩達說：“你輸入了系統的運行狀態，于是它開始檢測是否哪里有威脅，比如是不是有誰正在試圖做些不該做的事情，一個具體的例子就是殺毒……你去檢查一個文件，試著判斷它是否是惡意的。”
通過神經網絡提供的大量已知在案的惡意軟件訓練，殺毒就和識別人臉一樣。逐漸的，百度的系統就能學會識別病毒。
在前段時間，百度推出了4.0殺毒系統：慧眼引擎。
這是百度殺毒和百度深度學習研究院（IDL）共同研制的深度學習智能引擎。根據百度的說法，這是全球首次將深度學習領域技術應用在客戶端，獨創了深度神經網絡查殺技術。
相比傳統的殺毒方式，慧眼有幾個重要的差別：
1、慧眼在包、殼、中間語言、64位程序等類型樣本上做了特殊優化，這能有效提供樣本免殺難度和識別率。
2、根據百度公布的第三方測試數據，慧眼在不依賴其他引擎輔助的情況下，誤報率< 0.1‰。
3、而在一個月不升級模型庫的情況下，檢出率也不會下降，檢出能力半衰期長達7個月。
4、其模型體積僅為數兆，體積相對較小。
5、在訓練上，慧眼采用了分布式任務處理平臺和IDL提供的Paddle(PArallel Distributed Deep LEarning)深度學習平臺，統計樣本可達數十億。
在病毒侵入電腦前鎖定它
百度不是一家通過人工智能來識別惡意代碼的公司。這周，一家叫做Deep Instince的以色列公司表示，他們已經花費了近兩年的時間來構造了一個相似的、能夠學著識別惡意軟件的安全工具。“第一，我們用圖片、音頻和文本測試了我們軟件的基礎部分”，Deep Instinct首席技術官說道，“然后我們將其應用到網絡安全部分。”同時，其他的公司，例如微軟以及一家叫做Invincea的公司，已經發表了描述這種方法的工作原理的論文。
這種技術很吸引人，因為它能夠在病毒未被發現之前讓安全工具識別惡意軟件的特定部分。傳統上來講，殺毒程序是通過比對由研究人員識別的已知的惡意軟件數據庫來運行的。神經網絡能夠識別新的惡意軟件，是因為這種惡意軟件與其他惡意軟件相似，與過去其他成百上千的被識別出的病毒相似。“你能夠識別出惡意軟件，即使以往從未見過它。”吳恩達說道。
即便如此，許多安全專家質疑這樣的安全軟件的總體價值。“這就掉入到了以結果定成敗的邏輯中，我們在工業界常常看到像這樣大膽的宣稱——一些新的科學技術在防衛方面取得了突破性進展。然而大部分情況下，它的表現并非預期的那樣。”RichMogull談道，他是一家叫做securiosis公司的安全分析師和顧問。
“換一種說法，它在科研上看很有前途，而且可能有很成功的例子，但是我們在看到真正的實際成果前不能做任何正面或負面的評價。安全是關于阻止對手這件事，并不是一個技術；是關于當兩人在現實情況下相遇時比理論情況下更慘烈的場面。
把人工智能裝在手機上
不管這種新殺毒軟件的最終價值如何，Deep Instinct公司的新殺毒工具指出了世界深度學習的第二個潮流。這家公司在其數據中心通過大量的神經網絡來訓練模型，但是一旦模型形成，它將會在智能手機和其他小型機器上運行。根據David所言，Deep Instinct公司在用戶手機上安裝一個微小的代理，接著這個代理將會自行識別惡意軟件而不需要調用數據中心。
通常來說，這并不是深度學習裝置的工作方式。它的運行有兩個階段——訓練和執行——但是兩個階段均在數據中心發生，利用了機器的巨大網絡（這就是為什么當你沒有連接網絡時，谷歌無法運行），但是研究人員現在正在改進執行階段，以使其在即使沒有網絡連接的情況下，也能在手機上運行。
例如，谷歌現在能夠在手機上進行即時翻譯。這意味著當你看到外國語言時可以立即使用它翻譯。并且，事實上，百度的FaceYou app也在手機上執行。困難在于執行時間可能較長。因為使這樣復雜的AI模型在手機上運行并非易事。
無論如何，臉優app指出了一種很有意義的廣闊的應用前景。谷歌頂尖工程師Jeff Dean提到，深度學習現在在眾多谷歌的app中使用，而在這周的一次簡短匯報中，谷歌研究人員Greg Corrado說到深度學習的代碼在公司的1200多個軟件庫中出現。這意味著許多工程都至少在嘗試這項重要的技術。
谷歌最近披露，深度神經網絡已經是其搜索引擎的重要支撐部分。在過去，吳恩達說，百度用神經網絡來幫助偵測廣告。Facebook正在研發一個能夠幫助盲人用戶理解新聞圖片的系統。AI不再是一個觸不可及的目標，它現在只是我們如何改造世界，或者說如何生活，的一部分。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/4324.html
摘要：百度北京深度學習實驗室主任余凱和吳是朋友，就是他力勸吳恩達加入百度的，余凱說實驗室確實以基礎技術為目標。實驗結果證實，深度學習是開發機器學習軟件的切實可行的辦法。 百度是中國網民上網時的常用工具，它致力于成為影響全球的力量。作為世界上人工智能領域的頂尖研究員，吳恩達先生能否助其成功挑戰硅谷較大的互聯網公司？百老匯音樂廳位于舊金山北海岸，是新古典主義建筑，已擁有95年歷史，歷經歲月磨蝕，四周環...
摘要：等一下，什么樣的神經網絡才算是小型的哈哈這不一定，會隨著時間改變。我們一般是依照神經網絡之間的連接數劃分。訓練的神經網絡的連接數量一般可以達到幾百億。許多語言學家對此表示強烈的不滿，甚至公開地向我表示反對。 在原文作者Caleb Garling對話吳恩達時，他剛結束在舊金山的深度學習大會，這名斯坦福深度學習教授，前Google Brain負責人，Coursera的創始人和現任百度首席科學家在...
摘要：的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。與以及教授一起造就了年始的深度學習復興。目前他是僅存的幾個仍然全身心投入在學術界的深度學習教授之一。 Andrej Karpathy特斯拉 AI 主管Andrej Karpathy 擁有斯坦福大學計算機視覺博士學位，讀博期間師從現任 Google AI 首席科學家李飛飛，研究卷積神經網絡在計算機視覺、自然語言處理上的應...
摘要：今日，在第屆神經信息處理系統大會中，百度首席科學家吳恩達教授發表演講利用深度學習開發人工智能應用的基本要點。為了方便讀者學習和收藏，雷鋒網特地把吳恩達教授的做為中文版。吳恩達先講述了常見的深度學習模型，然后再著分析端到端學習的具體應用。 今日，在第 30 屆神經信息處理系統大會（NIPS 2016）中，百度首席科學家吳恩達教授發表演講：《利用深度學習開發人工智能應用的基本要點（Nuts an...
摘要：是你學習從入門到專家必備的學習路線和優質學習資源。的數學基礎最主要是高等數學線性代數概率論與數理統計三門課程，這三門課程是本科必修的。其作為機器學習的入門和進階資料非常適合。書籍介紹深度學習通常又被稱為花書，深度學習領域最經典的暢銷書。 showImg(https://segmentfault.com/img/remote/1460000019011569); 【導讀】本文由知名開源平...
閱讀 3243·2021-11-24 10:43
閱讀 4205·2021-11-24 10:33
閱讀 3782·2021-11-22 09:34
閱讀 2134·2021-10-11 10:58
閱讀 3754·2021-10-11 10:58
閱讀 866·2021-09-27 13:36
閱讀 3585·2019-08-30 15:54
閱讀 2974·2019-08-29 18:41
