銳眼視點(diǎn)：
- Trump 出人意料的當(dāng)選是大數(shù)據(jù)的失敗嗎？
- 百度吳恩達(dá)：目前人工智能的能與不能；
- RiskIQ 融資 3050萬(wàn)美元將機(jī)器學(xué)習(xí)應(yīng)用于安全風(fēng)險(xiǎn)評(píng)估。
［業(yè)界新聞］Trump 出人意料的當(dāng)選是大數(shù)據(jù)的失敗嗎？
近日，大多數(shù)選舉預(yù)測(cè)商店和公眾投票皆預(yù)計(jì)共和黨人 Donald Trump 將會(huì)在競(jìng)選中敗給民主黨 Hillary Clinton。然而事實(shí)卻相反，失敗的預(yù)測(cè)可能會(huì)使人們對(duì)一些熱門(mén)技術(shù)包括大數(shù)據(jù)和客戶關(guān)系管理產(chǎn)生懷疑。但是，一些數(shù)據(jù)專家稱，這個(gè)問(wèn)題可能與數(shù)據(jù)收集而不是數(shù)據(jù)處理有關(guān)。Beagle Research Group 創(chuàng)始人 CRM 分析師 Denis Pombriant 表示，數(shù)據(jù)分析在奧克蘭運(yùn)動(dòng)會(huì)的 Moneyball 模型中運(yùn)行良好，但是棒球統(tǒng)計(jì)與選舉投票不同，統(tǒng)計(jì)學(xué)家收集高度可靠的棒球數(shù)據(jù)已經(jīng)超過(guò)一個(gè)世紀(jì)，而投票數(shù)據(jù)相對(duì)更模糊。所有的數(shù)據(jù)分析都應(yīng)該依賴于干凈有效的數(shù)據(jù)，否則，一不小心，你就回到舊的IT標(biāo)準(zhǔn)－'Garbage in, garbage out'。
原文鏈接：Is Trump's unexpected victory a failure for big data? Not really
<br / >
［業(yè)界新聞］百度吳恩達(dá)：目前人工智能的能與不能
百度首席科學(xué)家吳恩達(dá) (Andrew Ng) 在題為《What Artificial Intelligence Can and Can't Do Right Now》的評(píng)論文章中深入介紹了目前人工智能通過(guò)A→B 的系統(tǒng)對(duì)很多產(chǎn)業(yè)的顛覆性影響，以及其在應(yīng)用方式上的局限性。人工智能將改變很多產(chǎn)業(yè)，但它不是萬(wàn)能的，要應(yīng)用人工智能，就要先了解它的能力和不足。目前幾乎所有人工智能最近的進(jìn)步都是通過(guò)監(jiān)督學(xué)習(xí)實(shí)現(xiàn)的，即輸入數(shù)據(jù) A 然后快速生成簡(jiǎn)單的回應(yīng) B。A→B 這種系統(tǒng)下最有效的技術(shù)就是深度學(xué)習(xí)，但距離具有自我意識(shí)的高人工智能還差得很遠(yuǎn)。雖然該系統(tǒng)在不斷研究中急速發(fā)展，但到目前還沒(méi)有實(shí)現(xiàn)這個(gè)目標(biāo)的清晰路徑。
原文鏈接：What Artificial Intelligence Can and Can’t Do Right Now
<br / >
［業(yè)界新聞］RiskIQ 融資 3050萬(wàn)美元將機(jī)器學(xué)習(xí)應(yīng)用于安全風(fēng)險(xiǎn)評(píng)估
RiskIQ 是一家將機(jī)器學(xué)習(xí)應(yīng)用于新型安全技術(shù)的初創(chuàng)公司，在第三輪融資中募集了3050萬(wàn)美元，該公司將使用這筆資金來(lái)擴(kuò)展其平臺(tái)，銷售和數(shù)字風(fēng)險(xiǎn)應(yīng)用。RiskIQ 注意到防火墻外部的威脅是巨大而充滿變數(shù)的，因此公司為客戶提供訪問(wèn)最廣泛的安全智能和應(yīng)用程序的必要條件，以了解如何采取行動(dòng)。與 Google 類似，RiskIQ 采用機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)，利用大數(shù)據(jù)、客戶用量和攻擊活動(dòng)不斷提高其平臺(tái)智能并擴(kuò)展功能。該公司聲稱，它可以使企業(yè)有效地捍衛(wèi)他們的數(shù)字攻擊面，定位他們的業(yè)務(wù)暴露，并動(dòng)態(tài)緩解網(wǎng)絡(luò)、移動(dòng)和社交威脅。
原文鏈接：RiskIQ raises $30.5 million to use machine learning to assess security risks
