Ars Technica 上周大举进驻我们国家的首都,在国际间谍博物馆开设了商店。三人小组讨论人工智能、基础设施、安全性,以及未来十年左右政策变化的合规性可能如何塑造各种形式的商业计算的未来。很像上个月我们在圣何塞举办的活动,会场挤满了渴望知识的 Ars 读者(也许还有一些免费饮料,这绝对是我来这里的原因!)。200 多人最终被聚集到会场较高楼层的一个会议空间,Ars 主编肯·费舍尔 (Ken Fisher) 跳上台来带领我们进去。
“我认为,今天关于隐私、合规性和使基础设施变得更加智能的活动举办得恰逢其时,”费舍尔说。“我不了解你们的组织,但我知道 Ars Technica 和我们的母公司 Condé Nast 目前正在考虑生成式 AI 以及它如何触及或可能触及我们业务的几乎每个方面。”
费舍尔继续说道:“我认为媒体谈论[生成式人工智能]可能会如何撰写新闻并接管内容,但现实是生成式人工智能有很大潜力帮助我们在金融领域、帮助我们运营支出,帮助我们进行规划,帮助我们处理业务和业务的几乎各个方面。从我在网上读到的内容来看,许多人开始梦想生成式人工智能将带领他们进入一个可以取代许多 SaaS 服务的世界,在那里他们可以转向第一方数据。”
费舍尔总结道,第一方数据和第一方软件开发在与生成式人工智能结合使用时将变得至关重要——费舍尔称它们为参与未来商业的“赌注”。
肯之后,我们的第一个小组就到了!
– 遵守新兴技术的关键 –
首先上台的是 Auditboard 的工程副总裁 Anton Dam。隐私未来论坛的约翰·威尔第 (John Verdi);Jim Comstock,IBM 云存储项目总监。该小组主要关注的是,随着进步步伐的不断加快,公司如何跟上不断变化的合规要求。
每个小组成员都有一些互补的看法。AuditBoard 的 Dam 强调了人工智能改变事物的速度有多快,并指出组织需要积极主动,在监管变化发生之前留意监管变化并制定适当的计划。“如果你想保持合规性,”达姆说,“你必须积极主动,而不是等待机构的指导。”
FPF 的 John Verdi 详细阐述了做到这一点以及平衡创新与遵守法规的需要所面临的挑战。他指出,产品的“隐私设计”方法(即从一开始就将合规性考虑因素纳入产品设计中,而不是后来将其视为附加项)最终为客户和企业提供服务。
跨境合规性也随之出现——大型云提供商和数据可能位于不同国家,适用不同的法律。确保您按照所有这些法律规定行事是非常复杂的,IBM 的康斯托克指出,客户需要与供应商合作,并让这些供应商对自己的数据所在位置负责。
– 人工智能辅助网络间谍时代的数据安全 –
接下来,我们转向信息安全展望,组建了一个四人小组,其中包括前 Ars Technica 高级安全编辑肖恩·加拉格尔,目前在 Sophos X-Ops 维护世界安全。加入 Sean 的还有 Booz-Allen Hamilton 的机器学习工程师 Kate Highnam;Scott White 博士,乔治华盛顿大学网络安全主任;Elisa Ortiz,IBM 存储和产品营销总监。
在这个小组中,我们想看看我们周围的情况,肖恩以对目前存在的最肆意的网络威胁的发人深省的描述拉开了会议的序幕。”生猪屠宰“在他的清单中名列前茅——也就是说,一种极其常见的现象浪漫骗局受害者被诱骗与骗子建立情感联系,然后骗子向他们勒索金钱。(正如 Sean 解释的那样,诈骗者本身往往也是受害者,他们通常在没有护照的情况下被困在国外,被迫从事诈骗活动,这是他们逃回家乡的唯一希望。)此类诈骗越来越多地使用人工智能来绕过语言障碍。例如,如果一个只会说粤语的诈骗者瞄准了只会说德语的受害者,那么诈骗者就会开始利用法学硕士来进行诈骗,法学硕士不仅提供基本的翻译,还提供母语口语和其他类似人类的语言调整有助于推销该计划。
乔治华盛顿大学的斯科特·怀特博士带领我们从诈骗到国家安全,指出人工智能如何能够并且正在改变除了爱情诈骗之外的情报收集。Booz-Allen Hamilton 的 Kate Highnam 继续了这一讨论,向我们介绍了机器学习帮助检测网络间谍活动的几种方法。她强调,尽管这些工具很出色,但至少在可预见的未来,当人工智能用于侦查犯罪时,仍然需要有人参与其中。“人工智能确实有助于概括我们的方向,”她说,“但最终,我们必须确保我们非常清楚我们的假设。”
IBM 的 Ortiz 在小组讨论结束时提醒我们,威胁不仅仅从众所周知的前门进来,公司可能存在重大漏洞的领域之一是通过其备份。随着攻击者越来越多地将备份作为目标,奥尔蒂斯主张广泛使用预测分析和实时异常检测,以发现攻击者可能进行的任何奇怪行为。
–适合您的 AI/ML 战略的最佳基础设施解决方案 –
我们的最后一个小组的标题看似简单,但任务却是不可能完成的,因为不存在“最佳”基础设施解决方案。但可能有最好的基础设施解决方案为你,这就是我们想要看到的。和我一起上台的是 JLL 人工智能平台负责人 Daniel Fenton;Arun Natarajan,美国国税局人工智能创新总监;Amy Hirst,IBM 站点可靠性工程和用户体验副总裁;Matt Klos,IBM 高级解决方案架构师。
向国税局询问任何事情总是令人着迷,纳塔拉詹给出了富有洞察力的答案。他首先将国税局作为政府服务组织的IT战略的目标和挑战与典型企业的目标进行了对比,发现存在明显的重大差异。花哨的功能并不重要,重要的是稳定性、安全性以及与遗留系统的集成。人工智能正在适当的情况下受到关注,但美国国税局最需要人工智能的是透明度,而透明度有时可能是缺乏的。“我们面临的挑战是确保人工智能的道德和对纳税人的透明度,这需要采取与私营部门解决方案不同的方法。”
其他小组成员,例如 JLL 的 Fenton,强调使用开放式架构来确保灵活性;IBM 的 Klos 还指出,通常情况下,即使是数据中心工程师制定的最好的计划船尾阿格利不是因为架构问题或糟糕的设计,而是因为实际的物理基础设施没有达到预期。“我认为最大的陷阱之一是权力,”他解释道。“客户认为它无处不在,但这通常是一个限制因素,特别是在高需求的人工智能基础设施中。”
Amy Hirst 指出,在构建自己的 AI/ML 设置时,传统的性能指标仍然适用,并且它们适用于多个堆栈,包括存储和网络。她的建议听起来有些传统,但即使在现在也是绝对正确的。“你必须同时考虑延迟和吞吐量,”她说。“两者都是确定系统对人工智能工作负载需求的关键。”
饮料和之后的一切
至此,我们的小组讨论就结束了。人群散去,一些人下楼进行博物馆的私人参观运动中的邦德展览中展示了 007 的各种银幕游乐设施。然后大家在酒吧里进行了一次聚会,进行了大约一个小时的有趣对话。
对我来说,社交和社交始终是此类活动中最好的部分,而与 Ars 读者握手和交换名片是这项工作中最令人兴奋和快乐的部分之一。特别感谢所有在鸡尾酒时间留下来并有机会打招呼的人——你们很特别,我很高兴你们来参加这次活动!
如果您正在阅读本文,并且因未能参加我们今年的任何活动而感到遗憾,那也没关系,明年我们会做得更多。请继续关注头版,因为 Ars 下一个可能会来到您的城镇!