云栖科技评论第15期:IBM联合NVIDIA开发世界上“最快商用深度学习系统”

简介: 本周热点科技事件,是阿里云“ET”采用分布式爬虫收集全球海量互联网信息,利用文本挖掘和语义分析解析新闻关键词,使用深度神经网络将新闻分类,汇总而选择最新鲜的科技信息。

1、IBM联合NVIDIA开发世界上“最快商用深度学习系统”


IBM联合NVIDIA开发世界上“最快商用深度学习系统

    【新闻摘要】IBM和NVIDIA宣布,将合作开发IBM PowerAI,一款可以加速训练人工智能系统,也会增强IBM Watson能力的软件工具。IBM PowerAI是一款训练人工智能和机器学习系统的软件工具,它可以把电脑学习任务的速度提高至远超现有水平的级别。PowerAI将会推广深度学习和其他先进的数据分析技术。工业界和学术界都可以使用这个平台来推进他们人工智能的开发进程。在现实中的一些应用包括银行的诈骗识别、面部识别以及自动驾驶汽车,此外,该产品也将被应用在医疗、法律、金融、零售、网络安全等行业中。新闻链接
    【小云评论】深度学习的AI,广为人知的是Alpha Go在围棋这个不可能穷举的领域战胜了人类。 Alpha Go凭借“深度学习”的概念,借助云计算的力量自我学习,自我不断提升。“深度学习遇到云计算”成为数据智能时代的技术头条。提供计算能力的企业无论是互联网公司还是传统IT巨头都积极采用“软”、“硬”兼施的方法,投入到为深度学习提供更强动力的竞争中,争夺未来在人工智能市场的优势。云计算还是高性能计算?这个深度学习未来的两大趋势,是具备不同发展历史、技术积累和优势的科技企业的方向选择。


2、杭州雄迈科技被指视频设备存在漏洞 被网络攻击利用


杭州雄迈科技被指视频设备存在漏洞 被网络攻击利用

    【新闻摘要】Flashpoint研究人员发现,杭州雄迈科技的视频设备漏洞令123个国家的515000台设备受到影响;通过Shodan指纹扫描发现,影响最多的三个国家分别是越南(67436)、巴西(51145)、土耳其(36518)。DYN的分布式拒绝攻击雄迈也有设备被利用。之前有安全专家表示,已经发现120000台受影响的视频设备,另外还有不到400000台设备会被利用。事实上,在恶意软件Mirai的源代码发布后,调查记者列出一大批相机制造商的机器是该软件的目标。这是一个在物联网上的常见错误:使用默认密码,或是易被猜测到的密码。Mirai会扫描互联网上的机器,并试图破解这些密码。新闻链接
    【小云评论】Mirai对于物联网是一个安全的噩梦,上个月的每秒1 TB的攻击证明了这一点。易受攻击的相机和数字视频录像机被黑客攻击以创建一个名为Mirai的大规模僵尸网络,它打开目标,填充他们的网络管道流量,并离线 - 经典的分布式拒绝服务攻击。接下来对于整个安全界来说,全网漏洞扫描能力、发现能力、响应能力尤为重要,每个安全企业都需要建立良好的机制,另一方面也需要增加物联网的整体安全解决方案。


3、Google Earth VR 上线 足不出户看世界!

Google Earth VR 上线 足不出户看世界!

    【新闻摘要】11月17日,谷歌在官方博客上宣布,联手HTC Vive 推出VR版的谷歌地球应用 Google Earth。Google Earth VR应用采用了和谷歌地图一样的3D 渲染技术,让用户尽情“环游世界”。目前,该应用已经收录了来自地球5亿平方公里的真实地貌和街景,用户可以戴上HTC VR设备游览世界上任何一个角落。目前可以参观的有亚马逊河流域、曼哈顿、美国大峡谷、阿尔卑斯山等。用户戴上HTC Vive就可以进行一场身临其境般的虚拟旅游,还可以随意调整视角和时间。同时,这也适合对学生进行地理知识授课,效果比课本直观多了。新闻链接
    【小云评论】海量的用户和高参与度是互联网巨头的特点,也是互联网公司的“上帝”,紧跟前沿科技,用新科技来丰富应用的服务能力,满足用户对炫酷的热情和追捧,激发用户的参与是互联网公司黏住用户的主要手段。这也是为什么说到虚拟现实的时候,仿佛昨天还在“纸上谈兵“,今天突然就“身临战场”了。互联网公司对虚拟现实技术的紧紧追随,让人们在感受“空间限制”消失的同时,也体验了一下“时间”的转瞬即逝。幸好虚拟现实还需要点时间来解决“内容”、“成本”和“技术”的问题,让我们赶快为即将到来的极智世界做好准备吧!


4、敲诈软件伪装Flash升级进行传播


敲诈软件伪装Flash升级进行传播

    【新闻摘要】长期以来伪装Flash Player更新网站是广告软件和其他有害程序最喜欢的分发方法之一。一个虚假Flash更新站点被发现用于勒索软件,当有人访问网站时,他们将看到一个页面,指出Flash Player已过期,然后自动下载可执行文件,如果仔细查看浏览器地址中的URL,您可以看到fleshupdate.com的域似乎没有拼写错误。然而该网站自动下载的可执行文件名为FlashPlayer.exe,这个文件的属性,其版权并非由ADOBE掌握。新闻链接
    【小云评论】勒索软件利用虚假的Flash升级站点来伪装升级让用户进行下载,伪造度很高,用户很容易被欺骗进而中招。据某调查显示,勒索软件攻击在2016年已经翻倍,并以金融行业为其主要目标。魔高一尺、道高一丈,再狡猾的狐狸也斗不过好猎手,从几个地方还是可以预先解决这个问题的,首先要去正规网站更新Flash,最好是企业官网;其次对于下载到本地的可执行文件要保持警惕之心,看看其版权所属公司。当然,现在的敲诈传播途径很广泛并花样百出,包括利用漏洞、网络共享、文件感染、社会工程学等手段传播,另外还有一些通过入侵企业域控来进行批量下发等手段,还有一些高级的敲诈软件带有木马的功能,例如窃取凭证、C2服务器控制,除了勒索之外还会窃取用户和企业的相关信息,从而造成不必要的损失。


5、人工智能在英国兴起 华人创业公司成CES 2017最大黑马


人工智能在英国兴起 华人创业公司成CES 2017最大黑马

    【新闻摘要】英国在过去几年诞生了大量的人工智能初创企业,一方面主要得益于大量的机构帮助孵化或者提供退出途径;另一方面,从2013年开始,卡梅伦政府打出了“未来50”的口号,一些核心创业企业得到了各种各样的支持,两年内就有9万家创业企业诞生,每年的销售增长率高达33%。人工智能企业在英国创业有四大优势:第一,初创企业密度远低于硅谷,计算机人才的拼抢相对没那么激烈;第二,有相对发达的设计文化,相关的设计人才供给充沛;第三,法律成熟,对知识产权保护很重视;第四,更易于找到全球优质早期用户。新闻链接
    【小云评论】人工智能的未来代表的是国家的整体竞争力,人工智能的产业发展需要集合政府、学术界和产业界三方力量共同推进。英国政府在提供全方位的政策支持、人才积累和培养、科研院校和企业的协同互动、知识产权的保护、创新创业的扶持等领域的投入,换来了优秀的人工智能初创企业的兴起,也给我们树立了很好的榜样。当我们聚集科技创新,力争弯道超车时,更需要调动全社会各方的积极性,共同努力。


6、Google已收购16家人工智能公司


Google已收购16家人工智能公司

    【新闻摘要】从2006年至今,Google已收购16家人工智能公司,近三年收购的主要有:1、DeepMind(2014年1月26日收购),可以在海量数据集合的帮助下训练人工智能完成某些工作任务,主要用于游戏、医疗、计算等领域;2、api.ai(2016年9月19日收购),可以让电脑理解人类语言并转换为行动,可用于聊天机器人、App、智慧家电等;3、Moodstocks(2016年7月6日收购),以图像识别技术为主;4、Dark Blue Labs(2014年10月23日收购),主要从事数据架构以及算法开发工作;5、Jetpac(2014年8月17日收购),可以通过社交图片分享工具制作城市导游服务;6、Emu(2014年8月6日收购),可根据聊天记录自动执行移动助理的任务。新闻链接
    【小云评论】从人工智能的产业链来看,它包括三个层面,云计算和数据组成的基础层,算法及框架和人脸识别、语音识别等通用技术组成的技术层,以及应用平台和解决方案构成的应用层。对于Google这样具备基础层资源优势的企业,其在技术层和应用层的大量收购可以看出,人工智能市场竞争格局还未形成,各个层面的市场前景非常广阔,而应用层作为与用户的直接接触渠道,是流量和数据的入口,也是技术层实现的关键。由此可见,互联网企业对人工智能生态的重视。


7、Verizon收购户外交互屏幕开发商LQD WiFi 拓展物联网战略


Verizon收购户外交互屏幕开发商LQD WiFi 拓展物联网战略

    【新闻摘要】11月14日,Verizon宣布收购户外交互屏幕开发商LQD WiFi,进一步拓展其物联网业务。LQD WiFi致力于让WiFi成为城市无处不在的资源,打造智能城市。本次收购LQD也是Verizon在今年为推进物联网业务而进行的第四笔收购:今年6月份,Verizon收购了基于云计算的移动企业管理软件公司Telogis,寻求更多的车联网技术;8月份,以24亿美元收购了一家远程信息处理公司Fleetmatics,提供基于网络的GRS定位系统;9月份,收购物联网公司SensitySystems,通过LED照明灯让城市更智能。本次收购LQD将为Verizon构建智能城市、打造消费者连接服务提供一个自己的切入点。新闻链接
    【小云评论】智能城市是万物互联在公共事业领域最主要的应用场景之一。 通过杭州市的“城市大脑“项目,我们可以看出,用数据帮助城市思考和决策,打造能够自我调节、与人类良性互动的智能城市将是未来城市进化和升级的蓝图,而这些都离不开两个关键出/入口,一个是城市大脑需要的,城市里各个角落、各个参与者、各个公共设施数据的采集入口,另一个是城市大脑产生的覆盖城市各个方面智能服务的提供出口。这些关键出/入口,是物联网布局的重点,Verion的频繁收购,也正验证了这点。


8、强强联合!微软与OpenAI合力布局人工智能


强强联合!微软与OpenAI合力布局人工智能

    【新闻摘要】近日,微软与马斯克所创建的人工智能研究团队Open AI达成合作,Open AI将利用微软Azure N来运行深度学习和人工智能的测试。Open AI是微软Azure N系列虚拟机服务的初期用户,Azure N系列虚拟机服务将在下个月开始推广。该虚拟机专为计算密集型工作而设计,提供的服务包括深度学习、模拟、神经网络渲染和训练等。它同时也可以为工作站和流媒体应用在Azure中利用NVIDIA GRID提供高端虚拟化功能。随着客户计算需求的迅猛增长,微软正在与像NVIDIA这样的公司合作,以满足他们的计算需求。新闻链接
    【小云评论】今天,云计算提供商之间的竞争不仅仅是规模、效率、成本的竞争,专业化服务也是一个重要因素。特别是针对一些细分市场的专业化计算能力和服务的提供,这是市场需求所在。如何提供更符合业务实际需求的计算能力,这需要云计算服务商不仅仅扮演云计算的硬件设备提供商,更要成为云计算应用服务提供商。通过云计算应用来获得业务需求,再通过与硬件合作伙伴的联合来打造更专业的基础设施,最终更好的提供对应用的支持,促进云计算产业链健康发展。微软的尝试,值得国内的云计算提供商关注。


9、洛杉矶车展观察:无人驾驶正加速驶向未来


洛杉矶车展观察:无人驾驶正加速驶向未来

    【新闻摘要】在2016年洛杉矶车展上,越来越多科技领域的公司和业内人士正在积极参与到这场原本只属于汽车行业的盛会中,包括英特尔首席执行官、英伟达、IBMWatson、亚马逊等人工智能部门高管均到场发表重要演讲。其中,IHS预计到2030年,将有220万辆无人驾驶汽车行驶在道路上,到2035年,这一数字将继续上升至1100万辆。在未来,以无人驾驶为核心的行业新格局将是:目前传统汽车厂商凭借着在整车研发、制造、销售方面的优势仍占据着主导地位,而科技公司在各自细分的无人驾驶技术领域,如激光雷达、数据采集处理、地图、人工智能、网络连接、安全性等方面握有先机。新闻链接
    【小云评论】1965年由英特尔的创始人之一戈登?摩尔(Gordon Moore)提出了后来被证明颠扑不破的IT规律:当价格不变时,集成电路上可容纳的元器件数目,每隔约18~24个月便会增加一倍,性能也将提升一倍,摩尔定律揭示了信息技术进步的速度。无人驾驶汽车是汽车产业与互联网和信息产业紧密结合的产物,它的发展速度似乎也开始适应摩尔定律的趋势。这让我们不得不去思考一个有趣的问题,未来到底是加载了更多信息的汽车,还是汽车只是作为信息服务的提供形式之一?目前依然由传统汽车制造商主导,科技信息公司围绕的行业,会不会在不远的将来,变成信息服务提供商主导,汽车制造商围绕的行业?


10、IBM推出网络攻击模拟平台


IBM推出网络攻击模拟平台

    【新闻摘要】IBM在其新的全球安全总部新建占地153,000平方英尺的商业网络威胁模拟平台。该平台可以模拟客户处在网络威胁的中间,让他们体验对恶意软件攻击的防护,如高级持续性威胁攻击,分布式拒绝攻击和许多其他攻击。IBM攻击模拟平台的2个特点,1.高真实度:模拟1PB存储、模拟1T存储数据、上千台虚拟机以及容器快速搭建和自定义的网络环境,提供十几个模拟攻击场景。2.紧抓用户痛点:75%的组织没有制定和实施过应急响应计划,而处理网络威胁要不停的训练。但是在现实情况下,虽然企业可能安全团队配齐,产品买全,但遇到紧急情况还是没有办法迅速应急,甚至不知道怎么调动外部安全厂商的资源。新闻链接
    【小云评论】IBM的攻击模拟平台,它可以模拟各种云环境、物联网环境、服务器环境和工作站环境,来进行最贴近真实的模拟训练。包括:恶意软件攻击、高级持续性威胁攻击、分布式拒绝攻击、数据窃取等几十个场景。在模拟中,企业可以让外部安全厂商、高管、安全人员、运维、开发都参与进来,模拟真实的攻击、检测、应急响应过程,并在应急后,对公司的策略进行优化。这样一来,企业以后遇到高级持续性威胁攻击/分布式拒绝攻击事件时,无论是人、技术、产品都能快速响应协调,降低损失。这种机制对于红蓝军对抗很有参考意义。同时IBM可以将安全实战场景模拟训练,包装成商业化产品,此举也非常值得整个行业的其他厂商学习。

目录
相关文章
|
15天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
70 9
|
1月前
|
机器学习/深度学习 数据采集 供应链
Python实现深度学习模型:智能库存管理系统
【10月更文挑战第5天】 Python实现深度学习模型:智能库存管理系统
136 9
|
2天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
15 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
2天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
10 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
14天前
|
机器学习/深度学习 数据采集 存储
使用Python实现智能农业灌溉系统的深度学习模型
使用Python实现智能农业灌溉系统的深度学习模型
60 6
|
1月前
|
机器学习/深度学习 数据处理 数据库
基于Django的深度学习视频分类Web系统
基于Django的深度学习视频分类Web系统
53 4
基于Django的深度学习视频分类Web系统
|
18天前
|
机器学习/深度学习 数据采集 算法框架/工具
使用Python实现智能生态系统监测与保护的深度学习模型
使用Python实现智能生态系统监测与保护的深度学习模型
52 4
|
23天前
|
机器学习/深度学习 存储 自然语言处理
深度学习之多轮对话系统
基于深度学习的多轮对话系统是一种能够在多轮对话中保持上下文连贯并生成自然回复的系统,主要用于客服、智能助理等需要交互式交流的场景。通过深度学习的技术,特别是自然语言处理中的预训练模型和序列生成模型,这类系统已在准确理解、生成自然语言的质量上取得显著进展。
53 2
|
1月前
|
机器学习/深度学习 自然语言处理 语音技术
使用Python实现深度学习模型:智能产品设计与开发
【10月更文挑战第2天】 使用Python实现深度学习模型:智能产品设计与开发
57 4
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
100 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面

热门文章

最新文章