神经元 | 2018年AI独角兽（五）科普原创

清华园人工智能产业联盟旨在搭建产、投、研紧密合作的高端服务平台，聚合人工智能产业资源，促进行业内的交流合作，推动产融对接，推进人工智能技术产品应用，助力中国人工智能产业创新发展。（康斌生）

以前人们通常在电视上了解突发事件，现在社交媒体上目击者对重大事件的描述和见证更加实时有效。Dataminr是一家全球实时信息传播公司，在突发事件开始时提供快速警报，总部位于纽约。Dataminr是突发新闻警报的来源，例如2018年2月美国道格拉斯高中的一名学生在推特上发布了恐怖袭击的信息，第一时间触发了Dataminr警报，这引发了最初的新闻报道。

Dataminr提供强大的实时信息发现解决方案。该公司为新闻、企业安全、金融和公共部门提供可靠的信息。利用机器学习创新，实时汇总社交媒体数据，包括每天超过5亿条推文，发现高影响事件，提供关键的突破性信息，使客户能够更快地做出反应并保持领先地位。

将社交媒体数据作为一个巨大的信息流，实时检测突发事件。与Twitter合作，为新闻媒体构建一个产品，可以向记者提供重要信息，这样他们就不必整天盯着Twitter。在过去的十年中，Dataminr获取大数据并挖掘它们以获取洞察力。
联合国与Dataminr合作，利用先进的AI平台快速响应飓风、火山爆发和地震引发的灾难性破坏，加速整个联合国团队的人道主义和危机应对工作。

在金融领域，交易员不仅必须敏锐地意识到各行各业市场正在发生的事情，而且他们还必须知道接下来会发生什么。这要求他们利用所有可用的工具来及时了解世界新闻、发展事件和市场趋势。Dataminr根据产品发布、会议、政策公告、货币流动、地缘政治事件等实时发送警报。

2017年以来世界各地的Dataminr警报中最常用的单词

Dataminr系统是一个强大的数据挖掘工具，数据挖掘是一个跨学科的计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模型的计算过程。
数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。数据挖掘的实际工作是对大规模数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息，例如数据的分组、数据的异常记录和数据之间的关系。

PreferredNetworks成立于2014年，是一家日本公司。作为一家软件开发公司，致力于将实时机器学习技术应用于物联网新兴领域。在网络边缘以分布式和协作方式处理大量数据，推动各个领域的创新。建造了日本最强大的商用超级计算机，被称为日本最具创新性的AI创业公司。

在东京一个大楼的地下的绝密实验室中，配备深度学习技术的微型汽车在学习如何在不碰撞的情况下四处移动– 这是与丰田汽车合作的用于自动驾驶车辆的模拟器项目。这项技术模仿人类神经网络在处理数据时的运作，使计算机能够通过实例学习识别特定模式。汽车由深度神经网独立驱动，穿过交叉路口而不会相互碰撞。神经网络通过一种称为深度强化学习的技术进行训练，其中每辆汽车首先随机移动并学习如何驾驶以及如何避免碰撞。与传统的控制理论相反，深度强化学习是无模型的。Preferred Networks计划与丰田合作开发自动驾驶汽车。

全球四大机器人公司之一Fanuc希望通过与Preferred Networks合作，为机器人提供智能。专注于开发人工智能驱动的下一代控制系统，目标是实现一个充满未来感的工厂，拥有基于AI的自学能力以及相互连接的机器人和控制设备网络。高维数据的一个重要特征是时间序列数据，在工业设备的传感器数据中普遍存在。深度学习可以捕获数千甚至数百万输入变量之间的相互作用，并从复杂的相互作用中获得有助于输出的信息，从而产生比传统方法更高的准确度。

Chugai与Preferred Networks签署了全面的合作协议，Chugai是一家日本领先的开发创新药的公司，主要集中在肿瘤领域，合作项目将“技术驱动的药物发现”作为核心要素，采用尖端数据分析技术解决现有挑战，以实现包括创新药物和各种医疗需求解决方案在内的新价值。

PreferredNetworks采用边缘计算，不同于传统的中心化思维的云计算，它的主要计算节点以及应用分布式部署在靠近终端的数据中心，这使得在服务的响应性能、可靠性方面都是高于传统中心化的云计算概念，简单地说，数据不用再传到遥远的云端，在边缘侧就能解决。
PreferredNetworks不满足于他们正在做的事情，“我们一直在考虑如何击败谷歌和微软”。

新加坡是世界上最安全的国家之一，但也存在网络安全漏洞。2018年新加坡红十字会宣布其网站遭到黑客入侵，导致超过4,290人的个人数据泄露。网络攻击事件发生后，袭击者袭击了14,200名HIV阳性患者的医疗记录和18万名献血者的个人数据，这是新加坡历史上最严重的网络攻击事件。数字世界 - 包括其所有应用程序、用户和终端 - 比物理世界更容易陷入困境。今天的防御策略必须为威胁做好准备，而且重要的是它必须不断跟上攻击者的变化策略。

Darktrace由剑桥大学的数学家和情报机构的网络运营专家于2013年创立。使用人工智能和无人监督的机器学习技术来帮助企业建立免疫系统，“数字抗体”抵御各种数字环境中的网络威胁，包括云和虚拟环境、物联网和工业控制系统。该公司的顾问委员会成员包括中央情报局前首席信息官和英国安全部门军情五处前总干事。

Darktrace的企业免疫系统使用专有的机器学习和AI算法为组织内的每个网络、设备和用户构建所谓的“生活模式”。它采用相关技术对这些模型进行分类和交叉引用，建立对该特定环境中“正常活动”的高度准确理解。通过对“正常”的不断发展的理解，它可以检测到实时出现的潜在威胁。它是一个独立的系统，不依赖于已知威胁的规则、签名或先前的假设。

企业免疫系统进一步采用了自主响应技术，它允许对正在进行的网络攻击采取即时自主的行动。该产品还可以在用户界面上显示网络活动，称为“威胁可视化器”，使网络和任何检测到的异常都可以完全搜索，并提供传统和非传统IT的全面可视性。

一家国际体育公司在全球开设了一系列新办事处，并投资于视频会议设备，以促进其团队之间的日常沟通。在了解组织的“生活模式”时，Darktrace观察到与网络上某个特定设备有关的异常行为 - 公司董事会中的视频会议系统。攻击者利用未经身份验证的远程访问并开始将音频数据传输出。通过从机密会议收集音频流，攻击者开始建立公司的敏感信息库。
Darktrace发现了什么：公司网络中一个单元是唯一通过Telnet从外部连接的内部设备；异常大量的信息被上传到六台陌生的外部计算机；在安装Darktrace之前，已将后门特洛伊木马上传到设备，设备通过FTP、Telnet和HTTP连接到可疑外部服务器。

研究人员将更加关注人工智能技术的脆弱性，可以预见的是，关键性人工智能系统将成为下一个攻击者和黑客的关注目标。

更多内容请关注“人工智能科研院”微信公众号