اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: امنیت سایبری و داده های عملیاتی

سال 2020 پر از چالش‌های غیر‌منتظره بود. با این حال فرصت برای استفاده از هوش مصنوعی و داده های عملیاتی از جنبه‌های مختلف فراهم بود. با نگاهی به سال قبل، به نظر می‌رسد 2021 فرصتی برای رشد فناوری و ورود گرایش‌های آن به عرصه‌های بیشتر باشد. دستگاه‌های هوشمند، ابر ترکیبی، مصرف داده های عملیاتی ، افزایش پذیرش پردازش زبان طبیعی و به طور کلی افزایش تمرکز بر روی هوش مصنوعی و علوم داده در این سال مورد توجه قرار خواهد گرفت. برخی از روندهای دیگر که ممکن است در سال جدید افزایش یابد، عبارتند از: هوش مصنوعی و علوم داده، تحلیل محتوا توسط هوش مصنوعی، تمایز الگوریتمی، مدیریت داده‌های افزوده، حریم خصوصی دیفرانسیلی، تجزیه‌و‌تحلیل کوانتومی و غیره. با توجه به این روندها، می‌توان گفت که داده‌ها پس از همه‌گیری کرونا به طور فزاینده‌ای در حال تبدیل شدن به بخش مهمی از سازمان‌ها هستند.

گزارش ترندهای هوش مصنوعی و علوم داده مجله Analytics India به صورت سالانه و با هدف مرور ترندهای برتر هر سال، منتشر می‎‌شود. این گزارش، که در ارتباط با AnalytixLabs تهیه شده است، ترندهایی را تشکیل می‌دهد که سال 2021 را شکل خواهند داد. AnalytixLabs یک موسسه آموزش هوش مصنوعی و علوم داده پیشرو در هند است. افراد برجسته حوزه هوش مصنوعی و علوم داده در این گزارش نظرشان را درباره ترندهای سال 2021 اعلام کردند. این گزارش در 5 بخش منتشر خواهد شد و شما در انتهای مطلب به لینک بخش‌های دیگر دسترسی خواهید داشت.

هوش مصنوعی در امنیت سایبری بسیاری از ضعف‌های امنیتی را برطرف می‌کند

«چندین سال است که انواع راه‌های ایجاد امنیت سایبری یکی از مناطق ثابت رشد سرمایه و بودجه است. تیم امنیتی با نگاهی به آینده به شکل مناسبی فعالیت خود را انجام می‌دهند و تجارت و قدرت در امنیت را به عنوان یک نیاز نظارتی و یک مزیت رقابتی می‌داند. با این حال، در سال 2020 ما شاهد یک تغییر بودیم: برای حمایت از دورکاری و یک حرکت سریع به سمت خدمات نرم‌افزارهای ابری، همه باید تحت تأثیر همه‌گیری، سرمایه‌گذاری‌هایشان را انجام دهند. اکنون، 2021 ممکن است شاهد کاهش هزینه‌های امنیتی و افزایش نیاز به نشان دادن ارزش سریع سرمایه‌گذاری‌های امنیتی قبلی باشد».

لاورنس پیت – مدیر استراتژی امنیت جهانی Juniper Networks

•  •  •  •  •

«تجدید چینش سیاسی و اقتصادی در سطح جهانی می‌تواند منجر به جنگ سایبری شدیدتری شود. وقتی حملات سایبری شدیدتر و مکرر شوند، نتیجه سرقت گسترده داده‌ها و قطع خدمات خواهد بود. امنیت سایبری باید جذاب و سریع باشد. یادگیری ماشین، هوش مصنوعی و علوم داده برای شناسایی چنین حملاتی در مراحل اولیه و جلوگیری از گسترش ویروسی آن‌ها نقشی اساسی دارند».

گوراو کومار – موسس و مدیر ارشد فناوری Valyu.AI

•  •  •  •  •

«در مواجهه با خطرات فزاینده امنیتی ناشی از دورکاری، سازمان‌ها سرمایه‌گذاری برای دسترسی به امنیت، تجزیه و تحلیل و اتوماسیون را افزایش می‌دهند تا از اطلاعات حساس محافظت کنند. عدم پوشش دستگاه‌های نهایی با سیاست‌های امنیتی دقیق، هزینه زیادی دارد و بسیاری از سازمان‌ها این هزینه را در سال 2020 پرداخت کرده‌اند. با گسترش سطح حمله در سال 2021، با اقدامات دفاعی شامل کنترل دسترسی مبتنی بر زمینه، حصارکشی محل کار از راه دور کارمندان و رمزگذاری آن، می‌توان انتظار داشت که سازمان‌های بیشتری کنترل اطلاعات داده‌های درون سازمانی و بین سازمانی را کنترل کنند. تجزیه و تحلیل امنیت و اتوماسیون برای کمک به سازمان‌ها جهت شناسایی ناهنجاری در رفتار کاربر و استقرار سریع برای جلوگیری از فعالیت‌های مخرب، جریان اصلی را در اختیار شما قرار خواهد داد».

استفن مک‌نالتی – رئیس Asia Pacific at Micro Focus

•  •  •  •  •

«سال 2020 یک سال پرچالش بی‌سابقه برای تیم‌های امنیت فناوری اطلاعات بود. فناوری به سرعت در حال تغییر است و نوع حملاتی که به یک سازمان می‎‌شود، دائماً در حال تغییر شکل است. اختلال در نیروی کار  در شرایط همه‌گیری، تمرکز بیشتری بر روی امنیت پایانی و مدل اعتماد صفر خواهد داشت. تحول دیجیتال سریع نیازمند استفاده بیشتر از هوش مصنوعی در جهان است».

جیوتی پراکاش – مدیر فروش منطقه‌ای India & Saarc Countries, Splunk

•  •  •  •  •

کسب‌و‌کارها شاهد مصرف داده های عملیاتی در دنیای واقعی خواهند بود

«گزارش‌ها به صورت همزمان از اپلیکیشن‌های موبایل، تبلت، وب ارائه می‎‌شوند و یا از طریق اعلامیه‌های سیستمی PA چندکاناله شخصی‎‌سازی می‌شوند. خروجی الگوریتم‌ها دیگر به داشبوردهای قدیمی برای تولید گزارش‌ها منتقل نمی‌شوند. بلکه از طریق کانالی تحویل داده می‌شوند که داده های عملیاتی ارائه می‌دهند. رشد پردازش زبان طبیعی ، AR و VR مصرف داده را دگرگون کرده است».

کونال کیسلی – موسس و مدیر Integration Wizards Solutions

•  •  •  •  •

«با وجود پیشرفت‌های اخیر، بسیاری از داده‌های جمع‌آوری‌شده توسط مشاغل همچنان در حال تحلیل، ساختار نیافته و غیرقابل کنترل هستند. شرکت‌هایی که می‌خواهند مزیت‌های رقابتی مهمی به دست آورند و برای به دست آوردن داده‌های عملیاتی تقاضای زیادی برای دانشمندان و تحلیل‌گران دارند، باید تمرکز زیادی روی داده‌های عملیاتی داشته باشند».

نیخیل بارشیکار – موسس Imarticus Learning

•  •  •  •  •

«از آنجا که همه ما در دنیای گزارش‌ها غرق شده‌ایم، فهمیدن نحوه برخورد با آن‌ها بسیار دشوار است. پهنای باند قابل توجهی باید صرف جمع‌آوری نوع رفتار از این گزارش‌ها و مجموعه داده‌ها شود. ما شاهد تعداد فزاینده‌ای از راه‌حل‌های مجهز به یادگیری ماشین خواهیم بود که قادر به بلعیدن این گزارش‌ها و مجموعه داده‌ها خواهند بود و بصورت مستقل از آن‌ها نگرشی به زبان طبیعی ایجاد می‌کنند. سپس این اطلاعات می‌تواند به سایت‌هایی مانند الکسا متصل شود تا برای کاربران خوانده شود».

سمیر دکزیت – مدیر کل بخش داده، تحلیل، هوش مصنوعی و یادگیری ماشین Persistent Systems

•  •  •  •  •

«هرچند ممکن است عجیب به نظر برسد، اما نظم و انضباط در داده های عملیاتی به همراه استفاده درست از داده‌های کلیدی، رمز موفقیت سازمان‌ها است. ما رویکردی را مشاهده خواهیم کرد که امکان ایجاد یک تغییر مبتنی بر فناوری و فرهنگ را فراهم می‌کند که باعث افزایش همکاری و اتوماسیون می‌شود. استفاده موفقیت‌آمیز از ساختار داده‌ها، با افزایش لایه‌های حفاظتی، به تکیه‌گاه اصلی یک سازمان تحلیلگر موفق تبدیل می‌شود که امکان کاهش زمان برای تصمیم‌گیری را فراهم می‌کند».

نیدهی پراتاپننی – نایب رئیس ارشد بخش تحلیل و مدلسازی محصول و بازاریابی Public Affairs

•  •  •  •  •

لینک بخش‌های دیگر این گزارش:

اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: خدمات رایانش ابری و اتوماسیون (بخش اول)

اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل‌های پردازش زبان طبیعی (بخش دوم)

اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل‌های یادگیری ماشین (بخش سوم)