摘要：根据百度的说法，这是全球首次将深度学习领域技术应用在客户端，独创了深度神经网络查杀技术。在过去，吴恩达说，百度用神经网络来帮助侦测广告。
吴恩达拿起他的手机，打开了脸优 app。他现在正位于硅谷公司的研究室。在办公桌边吃饭，谈话内容很自然地也涉及到人工智能。他是百度的首席科学家，同时也是斯坦福大学计算机系的教授。在其他搜索引擎仍在发展时，他就曾帮助谷歌启动了脑计划，现在他在百度从事相似的人工智能研究。
脸优在某种程度上代表了公司使用“深度学习”完成的研究，它的主要功能是在脸上加上虚拟面具，这些面具会随着脸的移动而移动，智能拟合到你的下巴、鼻子和眼睛上。它能做到如此，是因为背后的深度学习和神经网络算法。
但深度学习技术是否能拓展到其他领域呢？吴恩达的回答是可以的，例如把人工神经网络应用在杀毒软件。
吴恩达说：“你输入了系统的运行状态，于是它开始检测是否哪里有威胁，比如是不是有谁正在试图做些不该做的事情，一个具体的例子就是杀毒……你去检查一个文件，试着判断它是否是恶意的。”
通过神经网络提供的大量已知在案的恶意软件训练，杀毒就和识别人脸一样。逐渐的，百度的系统就能学会识别病毒。
在前段时间，百度推出了4.0杀毒系统：慧眼引擎。
这是百度杀毒和百度深度学习研究院（IDL）共同研制的深度学习智能引擎。根据百度的说法，这是全球首次将深度学习领域技术应用在客户端，独创了深度神经网络查杀技术。
相比传统的杀毒方式，慧眼有几个重要的差别：
1、慧眼在包、壳、中间语言、64位程序等类型样本上做了特殊优化，这能有效提供样本免杀难度和识别率。
2、根据百度公布的第三方测试数据，慧眼在不依赖其他引擎辅助的情况下，误报率< 0.1‰。
3、而在一个月不升级模型库的情况下，检出率也不会下降，检出能力半衰期长达7个月。
4、其模型体积仅为数兆，体积相对较小。
5、在训练上，慧眼采用了分布式任务处理平台和IDL提供的Paddle(PArallel Distributed Deep LEarning)深度学习平台，统计样本可达数十亿。
在病毒侵入电脑前锁定它
百度不是一家通过人工智能来识别恶意代码的公司。这周，一家叫做Deep Instince的以色列公司表示，他们已经花费了近两年的时间来构造了一个相似的、能够学着识别恶意软件的安全工具。“第一，我们用图片、音频和文本测试了我们软件的基础部分”，Deep Instinct首席技术官说道，“然后我们将其应用到网络安全部分。”同时，其他的公司，例如微软以及一家叫做Invincea的公司，已经发表了描述这种方法的工作原理的论文。
这种技术很吸引人，因为它能够在病毒未被发现之前让安全工具识别恶意软件的特定部分。传统上来讲，杀毒程序是通过比对由研究人员识别的已知的恶意软件数据库来运行的。神经网络能够识别新的恶意软件，是因为这种恶意软件与其他恶意软件相似，与过去其他成百上千的被识别出的病毒相似。“你能够识别出恶意软件，即使以往从未见过它。”吴恩达说道。
即便如此，许多安全专家质疑这样的安全软件的总体价值。“这就掉入到了以结果定成败的逻辑中，我们在工业界常常看到像这样大胆的宣称——一些新的科学技术在防卫方面取得了突破性进展。然而大部分情况下，它的表现并非预期的那样。”RichMogull谈道，他是一家叫做securiosis公司的安全分析师和顾问。
“换一种说法，它在科研上看很有前途，而且可能有很成功的例子，但是我们在看到真正的实际成果前不能做任何正面或负面的评价。安全是关于阻止对手这件事，并不是一个技术；是关于当两人在现实情况下相遇时比理论情况下更惨烈的场面。
把人工智能装在手机上
不管这种新杀毒软件的最终价值如何，Deep Instinct公司的新杀毒工具指出了世界深度学习的第二个潮流。这家公司在其数据中心通过大量的神经网络来训练模型，但是一旦模型形成，它将会在智能手机和其他小型机器上运行。根据David所言，Deep Instinct公司在用户手机上安装一个微小的代理，接着这个代理将会自行识别恶意软件而不需要调用数据中心。
通常来说，这并不是深度学习装置的工作方式。它的运行有两个阶段——训练和执行——但是两个阶段均在数据中心发生，利用了机器的巨大网络（这就是为什么当你没有连接网络时，谷歌无法运行），但是研究人员现在正在改进执行阶段，以使其在即使没有网络连接的情况下，也能在手机上运行。
例如，谷歌现在能够在手机上进行即时翻译。这意味着当你看到外国语言时可以立即使用它翻译。并且，事实上，百度的FaceYou app也在手机上执行。困难在于执行时间可能较长。因为使这样复杂的AI模型在手机上运行并非易事。
无论如何，脸优app指出了一种很有意义的广阔的应用前景。谷歌顶尖工程师Jeff Dean提到，深度学习现在在众多谷歌的app中使用，而在这周的一次简短汇报中，谷歌研究人员Greg Corrado说到深度学习的代码在公司的1200多个软件库中出现。这意味着许多工程都至少在尝试这项重要的技术。
谷歌最近披露，深度神经网络已经是其搜索引擎的重要支撑部分。在过去，吴恩达说，百度用神经网络来帮助侦测广告。Facebook正在研发一个能够帮助盲人用户理解新闻图片的系统。AI不再是一个触不可及的目标，它现在只是我们如何改造世界，或者说如何生活，的一部分。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4324.html
摘要：百度北京深度学习实验室主任余凯和吴是朋友，就是他力劝吴恩达加入百度的，余凯说实验室确实以基础技术为目标。实验结果证实，深度学习是开发机器学习软件的切实可行的办法。 百度是中国网民上网时的常用工具，它致力于成为影响全球的力量。作为世界上人工智能领域的顶尖研究员，吴恩达先生能否助其成功挑战硅谷较大的互联网公司？百老汇音乐厅位于旧金山北海岸，是新古典主义建筑，已拥有95年历史，历经岁月磨蚀，四周环...
摘要：等一下，什么样的神经网络才算是小型的哈哈这不一定，会随着时间改变。我们一般是依照神经网络之间的连接数划分。训练的神经网络的连接数量一般可以达到几百亿。许多语言学家对此表示强烈的不满，甚至公开地向我表示反对。 在原文作者Caleb Garling对话吴恩达时，他刚结束在旧金山的深度学习大会，这名斯坦福深度学习教授，前Google Brain负责人，Coursera的创始人和现任百度首席科学家在...
摘要：的研究兴趣涵盖大多数深度学习主题，特别是生成模型以及机器学习的安全和隐私。与以及教授一起造就了年始的深度学习复兴。目前他是仅存的几个仍然全身心投入在学术界的深度学习教授之一。 Andrej Karpathy特斯拉 AI 主管Andrej Karpathy 拥有斯坦福大学计算机视觉博士学位，读博期间师从现任 Google AI 首席科学家李飞飞，研究卷积神经网络在计算机视觉、自然语言处理上的应...
摘要：今日，在第届神经信息处理系统大会中，百度首席科学家吴恩达教授发表演讲利用深度学习开发人工智能应用的基本要点。为了方便读者学习和收藏，雷锋网特地把吴恩达教授的做为中文版。吴恩达先讲述了常见的深度学习模型，然后再着分析端到端学习的具体应用。 今日，在第 30 届神经信息处理系统大会（NIPS 2016）中，百度首席科学家吴恩达教授发表演讲：《利用深度学习开发人工智能应用的基本要点（Nuts an...
摘要：是你学习从入门到专家必备的学习路线和优质学习资源。的数学基础最主要是高等数学线性代数概率论与数理统计三门课程，这三门课程是本科必修的。其作为机器学习的入门和进阶资料非常适合。书籍介绍深度学习通常又被称为花书，深度学习领域最经典的畅销书。 showImg(https://segmentfault.com/img/remote/1460000019011569); 【导读】本文由知名开源平...
阅读 3210·2021-11-24 10:43
阅读 4177·2021-11-24 10:33
阅读 3731·2021-11-22 09:34
阅读 2110·2021-10-11 10:58
阅读 3652·2021-10-11 10:58
阅读 839·2021-09-27 13:36
阅读 3548·2019-08-30 15:54
阅读 2918·2019-08-29 18:41
