15岁女生发明捡乒乓球机器人

人工智能和机器学习在带来好处的同时也带来了新的漏洞。本文介绍了几家公司是如何将风险降到最低的。

当企业采用了新技术时，安全性往往会被搁置一边。尽快以最低的成本向客户和内部用户提供新的产品或服务似乎更为重要。而良好的安全性则可能是缓慢和昂贵的。

人工智能(AI)和机器学习(ML)不仅提供了与早期技术进步相同的漏洞和错误配置机会，也有其独特的风险。随着企业开始进行以人工智能为动力的数字化转型，这些风险可能会变得更大。“这不是一个很好的抢占领域。”Booz Allen Hamilton的首席科学家Edward Raff说。

与其他技术相比，AI和ML需要更多的数据以及更复杂的数据。数学家和数据科学家所开发的算法是从研究项目中走出来的。“我们只是最近才开始从一个科学界的角度来理解人工智能所存在安全问题。”Raff说。

数量和处理需求也意味着云平台通常还要继续处理工作负载，这增加了另一个级别的复杂性和脆弱性。对于人工智能使用者来说，网络安全是最令人担忧的风险，这一点也不奇怪。德勤在2020年7月发布的一项调查显示，62%的采访者认为网络安全风险是一个重大或极端问题，但只有39%的人表示他们已经准备好应对这些风险。

使问题变得更加复杂的是，网络安全也是人工智能最重要的功能之一。德勤的技术、媒体和电信中心执行董事Jeff Loucks表示，与人工智能合作的组织越有经验，他们就越担心网络安全风险。

此外，企业，即使是更有经验的企业，也没有能够遵循的基本安全实践，例如保留所有人工智能和最大限度语言项目的完整清单或是进行审计和测试。“公司现在在实施这些措施方面做得并不好。”Loucks说。

由AI和ML的数据需求所带来的风险

AI和ML系统需要三组数据：

•建立预测模型的训练数据

•评估模型工作情况的测试数据

•当模型投入工作时，实时的业务或运营数据

虽然实时的业务或运营数据显然是一项宝贵的公司资产，但也很容易忽略其中包含敏感信息的训练和测试数据池。

许多用于保护其他系统中数据的原则也可以应用于AI和ML项目，包括匿名化、令牌化和加密。第一步是询问是否真的需要数据。在为AI和ML项目做准备时，收集所有可能的数据，然后看看能用它们做些什么是很诱人的。
 

趋势7：数据划分

企业没有辜负客户对无缝和个性化体验的期望。在企业使用的近900种不同应用程序中，只有28%的应用程序已经集成，这阻止了客户的单一视图。根据MuleSoft的公司的调查，全球72%的消费者会考虑改变服务提供商，以应对断开连接的客户体验。此外， 90%的企业认为，如果他们在未来一年内无法完成数字化转型计划，将会对其收入产生负面影响。

MuleSoft公司首席营销官Lindsey Irvine说，“集成和统一这些系统中的数据对于创建客户的单一视图和实现真正的数字化转型至关重要。这是数字转型计划失败的第一个原因。随着系统和应用程序的数量继续呈指数级增长，企业团队意识到他们成功的关键在于，无论数据存在于何处，都以一种能够帮助他们更快地交付价值的方式来对其进行解锁。”

趋势8：数据分析

据行业媒体福布斯的报道，52%的高管表示：“精心设计和开发的企业数据分析工作使我们能够提供卓越的客户体验。而且48%的企业认为，如果他们无法完成数字化转型，其收入将受到负面影响。”Gartner公司表示，成长型公司或收入增长积极的公司中48%的产品经理正在使用分析功能来收集和分析客户的感知和情感数据。Gartner公司表示，全球性企业平均每年损失1500万美元，而数据质量差是造成这种损失的原因。

2020年带来的经验和教训是，今后的企业都必须是数字化企业。在这个新常态中，企业必须能够创造更大的价值，并且通常是自动化和自治的业务。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!