人工智能是ICT專業(yè)人士的朋友還是敵人？

　　當(dāng)前，人工智能 (AI) 及其子集機(jī)器學(xué)習(xí) (ML) 是發(fā)展最快的技術(shù)之一;同時(shí)，其因圍繞深度造假、欺騙、偏見和其他道德問(wèn)題的世界末日?qǐng)鼍岸鴤涫荜P(guān)注。今年 5 月，美國(guó)白宮科學(xué)技術(shù)政策辦公室 (OSTP) 發(fā)布了一份關(guān)于人工智能國(guó)家優(yōu)先事項(xiàng)的信息請(qǐng)求，指出雖然該技術(shù)可以改善生活并解決嚴(yán)峻的全球挑戰(zhàn)，但它“對(duì)民主、國(guó)家安全、公民權(quán)利和整個(gè)社會(huì)經(jīng)濟(jì)構(gòu)成了嚴(yán)重風(fēng)險(xiǎn)”。

　　盡管存在風(fēng)險(xiǎn)，但人工智能技術(shù)已經(jīng)存在，并且在科技巨頭和各個(gè)市場(chǎng)(從金融、醫(yī)療保健、制造到運(yùn)輸、零售和娛樂(lè))中的使用量猛增。據(jù) IBM 稱，全球 35% 的企業(yè)已采用人工智能。

　　安全和監(jiān)控技術(shù)提供商i-PRO Americas的 A&E 項(xiàng)目經(jīng)理 Glenn Adair 表示，ICT 專業(yè)人員對(duì)人工智能及其對(duì)數(shù)據(jù)中心設(shè)計(jì)和部署的影響有良好的基本了解至關(guān)重要。局域網(wǎng)——即使它們本身不使用該技術(shù)。為此，Adair 將于 9 月 12 日在拉斯維加斯舉行的 BICSI 秋季會(huì)議暨展覽會(huì)上展示“揭秘人工智能和機(jī)器學(xué)習(xí)”。實(shí)際上，到時(shí)大家可以在會(huì)議上聽到大量有關(guān)人工智能在數(shù)據(jù)數(shù)據(jù)中心應(yīng)用的資料。

　　關(guān)于算法的一切

　　目前，大多數(shù)消息來(lái)源將人工智能和機(jī)器學(xué)習(xí)技術(shù)稱為能夠模擬人類智能和思維過(guò)程的系統(tǒng)。雖然這個(gè)定義助長(zhǎng)了機(jī)器人統(tǒng)治世界的概念，但這項(xiàng)技術(shù)已經(jīng)使用了幾十年——早在 1997 年 IBM 超級(jí)計(jì)算機(jī)“深藍(lán)”擊敗世界象棋冠軍加里·卡斯帕羅夫之前。

　　根據(jù) Adair 的說(shuō)法，第一個(gè)人工智能算法更具確定性，類似于流程圖中使用的決策樹，主要用于數(shù)據(jù)分類。“早期的算法很像玩 20 個(gè)問(wèn)題，如果我們沒(méi)有得到正確的答案，我們就會(huì)調(diào)整行為，提出正確的四到五個(gè)問(wèn)題，直到找到正確的答案，”他說(shuō)。

　　Adair 表示，看待 AI 子集 ML 的一種方法是向后編寫算法。例如，機(jī)器學(xué)習(xí)不是告訴算法將 A 乘以 B 得到 C，而是要求機(jī)器根據(jù) A 和 B 實(shí)現(xiàn) C，但不告訴它如何去做。“在機(jī)器學(xué)習(xí)中，機(jī)器會(huì)嘗試各種可能性，直到得出正確的答案，數(shù)據(jù)越多，它就越能得出答案，” Adair解釋道。“因?yàn)槲覀儾幻靼讬C(jī)器是如何得出這個(gè)答案的，所以它是不透明的，我們永遠(yuǎn)不知道我們是否總是能得到正確的答案。這就是該技術(shù)的局限性。”

　　人工智能算法通常分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)依賴于明確標(biāo)記的數(shù)據(jù)進(jìn)行分類或回歸分析�；貧w分析本質(zhì)上是對(duì)兩個(gè)或多個(gè)變量之間關(guān)系的數(shù)學(xué)確定，其中一個(gè)變量通常是因變量。示例包括估計(jì)值(例如，ROI)、預(yù)測(cè)概率(例如，醫(yī)療診斷、市場(chǎng)增長(zhǎng)等)或識(shí)別邊界(例如，可接受的誤差量)。我們大多數(shù)人都熟悉的一種回歸分析(即使我們沒(méi)有意識(shí)到)是貝葉斯建模，它尋找相似性來(lái)確定概率。“這就是Netflix推薦模型的工作原理，” Adair說(shuō)。

　　無(wú)監(jiān)督學(xué)習(xí)發(fā)現(xiàn)未標(biāo)記或原始數(shù)據(jù)中的模式和關(guān)系。研究相似性的貝葉斯建模也可以是無(wú)監(jiān)督的，例如分析原始數(shù)據(jù)點(diǎn)并將其組織成有意義的組的聚類算法。營(yíng)銷中的垃圾郵件過(guò)濾和定位是聚類的兩個(gè)示例。具有諷刺意味的是，聚類甚至被用來(lái)檢查內(nèi)容并識(shí)別深度造假。

　　最復(fù)雜的人工智能類型通常結(jié)合了無(wú)監(jiān)督和監(jiān)督學(xué)習(xí)來(lái)密切模仿人腦，這是神經(jīng)網(wǎng)絡(luò)算法——想想自動(dòng)駕駛汽車、Siri、面部識(shí)別、疾病診斷和生成人工智能(如 ChatGPT)。這些算法被認(rèn)為是深度學(xué)習(xí)，并且依賴于廣泛的數(shù)據(jù)集。“神經(jīng)網(wǎng)絡(luò)確實(shí)非常復(fù)雜，我們非常有興趣在我們的安全解決方案中使用該技術(shù)來(lái)實(shí)現(xiàn)感知功能，例如行為識(shí)別和物體識(shí)別，”Adair 說(shuō)。“我們可以利用這項(xiàng)技術(shù)來(lái)檢測(cè)任何事物，但我們?nèi)匀桓嬖V它我們正在尋找什么。”

　　Adair認(rèn)為，神經(jīng)網(wǎng)絡(luò)算法的工作必須存在一定程度的不確定性。“我知道這聽起來(lái)有悖常理，但如果算法總是達(dá)到100%，那么當(dāng)出現(xiàn)異常時(shí)它們就不知道該怎么辦，”他說(shuō)。“我們希望允許有一點(diǎn)錯(cuò)誤。畢竟，人類也會(huì)犯錯(cuò)誤。我們的目標(biāo)是將錯(cuò)誤降低到低于人為錯(cuò)誤的程度，但又不能太低，以免在遇到以前從未見過(guò)的情況時(shí)導(dǎo)致災(zāi)難性故障。”

　　潛在的行業(yè)用例

　　人工智能為信息通信技術(shù)和建筑行業(yè)提供了巨大的潛力。它已經(jīng)通過(guò)識(shí)別系統(tǒng)使用模式中的異常來(lái)識(shí)別潛在的惡意活動(dòng)和數(shù)據(jù)泄露，從而使網(wǎng)絡(luò)安全系統(tǒng)更具彈性。微軟的網(wǎng)絡(luò)信號(hào)計(jì)劃使用人工智能來(lái)檢測(cè)惡意活動(dòng)和軟件相關(guān)的弱點(diǎn)，并報(bào)告稱他們已成功阻止了超過(guò) 357 億次網(wǎng)絡(luò)釣魚攻擊和 256 億次身份盜竊企圖。人工智能還有潛力實(shí)現(xiàn)許多常見 IT 流程的自動(dòng)化，例如合規(guī)性和審計(jì)、服務(wù)請(qǐng)求以及設(shè)備配置和軟件升級(jí)等資產(chǎn)管理功能。

　　在智能建筑行業(yè)，西門子、霍尼韋爾和江森自控等供應(yīng)商正在將人工智能算法集成到其建筑管理系統(tǒng) (BMS) 平臺(tái)中，以做出降低成本并實(shí)現(xiàn)能源、環(huán)境和居住體驗(yàn)?zāi)繕?biāo)的決策。例如，它可以通過(guò)分析模式來(lái)檢測(cè)和診斷 HVAC 或其他設(shè)備內(nèi)的異常情況，或根據(jù)分析歷史占用數(shù)據(jù)來(lái)優(yōu)化空間，從而幫助防止系統(tǒng)故障。

　　人工智能還可以幫助設(shè)計(jì)師更好地規(guī)劃。英國(guó)新的 HS2 高鐵線路利用人工智能來(lái)分析旅客情緒以確定他們何時(shí)何地感到困惑，從而優(yōu)化標(biāo)牌放置。“我相信我們將看到人工智能越來(lái)越多地應(yīng)用于檢查和規(guī)劃的預(yù)測(cè)模型中，” Adair說(shuō)。“它甚至可以用于網(wǎng)絡(luò)基礎(chǔ)設(shè)施設(shè)計(jì)，以用最少的材料發(fā)現(xiàn)最有效的電纜路線。”

　　Chatsworth Products 戰(zhàn)略聯(lián)盟和電子產(chǎn)品管理總監(jiān)Ashish Moondra預(yù)計(jì)人工智能甚至將進(jìn)入數(shù)據(jù)中心基礎(chǔ)設(shè)施管理平臺(tái)。“智能 PDU、UPS、環(huán)境傳感器和其他設(shè)備收集的數(shù)據(jù)的數(shù)據(jù)中心設(shè)計(jì)，”他說(shuō)。

　　更多數(shù)據(jù)和計(jì)算帶來(lái)更多機(jī)會(huì)

　　作為布線基礎(chǔ)設(shè)施專業(yè)人士，我們可能想知道人工智能和所需的數(shù)據(jù)將如何影響日常處理的數(shù)據(jù)中心和 LAN 的設(shè)計(jì)和部署。Adair 表示，ICT 專業(yè)人士應(yīng)該感到興奮而不是擔(dān)憂。“這將意味著巨大的機(jī)遇，因?yàn)檫@一切都與數(shù)據(jù)的質(zhì)量和數(shù)量有關(guān)，這將推動(dòng)數(shù)據(jù)中心的重大發(fā)展，”他說(shuō)。

　　隨著越來(lái)越多的建筑系統(tǒng)利用人工智能，他們將需要更多的數(shù)據(jù)，需要更多位置的連接端點(diǎn)和傳感器。這可以推動(dòng)無(wú)線技術(shù)和單對(duì)以太網(wǎng)在 LAN 中的部署增加。由于需要分析大量數(shù)據(jù)，運(yùn)行人工智能算法的數(shù)據(jù)中心設(shè)備也需要比傳統(tǒng)計(jì)算功能多出近三倍的功率，每個(gè)機(jī)架需要高達(dá) 30kW 或更多，而超大規(guī)模和云級(jí)別的高性能計(jì)算的機(jī)架密度為50kW以上。這些更高的機(jī)架功率密度將顯著影響數(shù)據(jù)中心的設(shè)計(jì)，并推動(dòng)對(duì)更先進(jìn)的熱管理和冷卻技術(shù)(例如液體冷卻)的需求。

　　盡管有機(jī)會(huì)， Adair指出人工智能仍然是通過(guò)人類輸入驅(qū)動(dòng)的。“人工智能中的‘A’應(yīng)該是顯而易見的。機(jī)器沒(méi)有欲望或需求，我們有責(zé)任根據(jù)我們提供給它們的數(shù)據(jù)來(lái)驅(qū)動(dòng)我們希望它們做的事情。如果算法不知道要尋找什么，那么它就不是很有用，”他說(shuō)。“與此同時(shí)，我們需要一套標(biāo)準(zhǔn)來(lái)確保算法不會(huì)在無(wú)人監(jiān)督的情況下運(yùn)行，并不會(huì)產(chǎn)生對(duì)人類不透明的安全漏洞。”