現在是一個機器時代，隨著大數據和云計算等技術的快速發展，已經使得高性能計算帶給硬件設備超乎以前的特性和功能。沃森作為這個領域此前獨占鰲頭的高性能設備，在食譜創作、服裝設計以及天氣預報等超級計算機所涉及的很多領域都具有非常強的特性
隨著當今國內外有越來越多的國家開始涉足高性能計算領域，諸如像谷歌的“阿爾法狗”等很多智能機器人已經在一些工作和生活當中幫助人類去開展很多事情。回過頭來我們看看沃森，這些年它“過的”怎樣呢？它的特性能性能又具有怎樣的不同了呢？本期我們就一起來看看。
沃森正義維護網絡安全
其實早在去年春天，來自IBM的研究人員就已經展開對沃森在有關網絡安全方面的基礎知識設置，以便于計算機能夠分析和阻止各項威脅。而現在它作為合格的畢業生，開始投入到現實生活中來進一步打磨技能，可以將其看作是世界上最聰明的實習生。
有一些專家指出，認知計算比傳統基于規則的系統快30%至40%”。同時類似于Watson的認知系統能夠大幅減少誤判。因此伴隨著深入學習，它們不會再犯相同的錯誤。在正式投入現實應用前，Watson還經歷了一段學習生涯。直到今年秋季，科研專家每個月都會讓Watson閱讀至少15000份文檔，并連接至圖書館和新聞源確保數據庫處于最新狀態。
對于沃森在網絡攻擊安全方面所做的貢獻和努力，它或許不知道某個單詞代表的含義，但是能夠根據上下文去猜測。而且如果猜測失敗，它還能自我學習。更為重要的是一旦學習掌握后，它絕對不會忘記。而它目前還只是測試項目，未來它將具備更強悍的能力。
沃森的專業語言訓練項目
研究人員表示，現在沃森的測試也不僅僅局限于傳統的軟件測試那一類的項目，在常規開發項目中，通常會分配測試矩陣來衡量軟件在測試中的表現。在這種情況下，它更偏向于人類的學習軌跡。就像人類會經歷小學、初中、高中、大學并最后參加工作一樣，Watson的學習過程是非常相似的。
在測試期間，Watson將會同數十家企業開展深度合作，并提供帶報告和建議的安全分析。具體來說，Watson能夠識別安全事件是否和已知的惡意程序存在關聯，并提供相關的背景審查以及識別用戶的可疑行為。
Watson并不會替代人類的作用，而是幫助人類做出更快更全面地反應。IBM的研究顯示，安全團隊在Watson的配合下每天平均能夠識別篩選 200,000 個潛藏重大安全事件。這不僅能夠讓計算機優先處理這些事件，而且揭示Watson在未來能夠更快地適應廣闊的互聯網世界。Watson每次可能都不一定正確，但這正是測試的意義所在。而最重要的是Watson能夠從錯誤中學習，并且掌握一些人類教師沒有察覺的事件，這點對于高性能計算在機器學習和人工智能領域的深度應用是具有非常重要意義的。
京公網安備 11010502049343號