除了這一塊，我們?cè)诖髷?shù)據(jù)方面也有較好的積累和鋪墊。我們企業(yè)安全部的同事用堆棧式的服務(wù)，可對(duì)網(wǎng)絡(luò)上的網(wǎng)絡(luò)流進(jìn)行協(xié)議識(shí)別和應(yīng)用識(shí)別。比如在網(wǎng)站隨意截取一個(gè)網(wǎng)絡(luò)流，即可預(yù)測(cè)出它所發(fā)送協(xié)議，發(fā)送運(yùn)程。這是非常有價(jià)值的互聯(lián)網(wǎng)信息。
基于深入學(xué)習(xí)的人工智能，訓(xùn)練的平臺(tái)可能已經(jīng)非常普及了。公司的技術(shù)從0到1的轉(zhuǎn)變可能性也變得很大。但人工智能或者技術(shù)的發(fā)展最關(guān)鍵還是怎么產(chǎn)生技術(shù)壁壘。
360最近有兩個(gè)重點(diǎn)：1、重點(diǎn)發(fā)展端上的智能，因?yàn)槎松系牧靠隙ㄒ仍粕系牧扛吆芏?，而且?huì)有各種端出現(xiàn)。
要發(fā)展端上的智能化，可用編譯的專用芯片，但用這種方式，它肯定會(huì)讓產(chǎn)品的價(jià)格有大幅度提升。所以這絕對(duì)不應(yīng)該是唯一途徑，也就是說(shuō)讓端上建立技術(shù)壁壘的話，要在算法上降低計(jì)算量。
打比方說(shuō)1×1的卷積，它就能設(shè)計(jì)出高效的網(wǎng)絡(luò)。最近的微軟產(chǎn)品，把256級(jí)做3×3的卷積，就是9的量級(jí)，如果能用1×1把256做成64家，就有4×4的降低，這對(duì)于端上是非常有價(jià)值的。
另外，端上的小模型，可能精度上會(huì)有損失，但是如果運(yùn)用大量數(shù)據(jù)的話，就會(huì)在某種程度上彌補(bǔ)精度的損失。
當(dāng)然，它絕對(duì)不會(huì)成為技術(shù)壁壘，真正的技術(shù)壁壘是在不減少技術(shù)的情況下有精度的提升。這也是360研究院在極力發(fā)展的方向。
綜合來(lái)說(shuō)，奔跑在CPU上的編譯絕對(duì)是以后端上重要的發(fā)展方向。
自學(xué)習(xí)能力
另外一個(gè)非常重要的方向：怎么樣讓人工智能的系統(tǒng)具備自學(xué)習(xí)的能力。
很多應(yīng)用真的沒(méi)辦法標(biāo)注數(shù)據(jù)，比如自動(dòng)駕駛，一般的企業(yè)沒(méi)有辦法搜集到各種場(chǎng)景下的數(shù)據(jù)。
但如果系統(tǒng)在運(yùn)行的過(guò)程中能夠自主學(xué)習(xí)、自主搜集信息，那它的性能肯定就可以逐步增強(qiáng)。
另一方面，在端上我們只能有輕量級(jí)的計(jì)算，如果能自主學(xué)習(xí)的話，之后就可以保證在端上達(dá)到計(jì)算目的，因?yàn)閭€(gè)性化服務(wù)不是服務(wù)所有的人，這樣的話小模型就有比較好的針對(duì)性。
此外，自主學(xué)習(xí)完全有自主性，一方面當(dāng)一輛車在路上行駛的時(shí)候，就可根據(jù)上下文推導(dǎo)出哪些是人，哪些是車。特別是家里的機(jī)器人，如果能逐步積累一些位置，檢測(cè)出一個(gè)人，如果能把這些樣本做增益樣本的話，那么機(jī)器人的性能就會(huì)自主增強(qiáng)。
我們的最終目的是希望這些物聯(lián)網(wǎng)的產(chǎn)品有自主學(xué)習(xí)的功能，最后變成懂我的互聯(lián)網(wǎng)產(chǎn)品，而不是互聯(lián)網(wǎng)產(chǎn)品到了家里，變成一個(gè)Fix的東西。
最后做一個(gè)小的總結(jié)，在360這種大安全的策略上，現(xiàn)在人工智能技術(shù)已經(jīng)逐步地運(yùn)用到很多產(chǎn)品中，同時(shí)也進(jìn)一步證明了人工智能有很多新的產(chǎn)品形態(tài)正在打磨，我也敬請(qǐng)大家期待360有更多的人工智能的產(chǎn)品服務(wù)于普通的老百姓。