2015年2月18日,星期三

对抗情景和规模经济

当我太年轻而无法关注时,关系数据库已经过渡
从学术到工业技术。一些组织结束了
制造一些高性能的发动机,而我们其余的人应用了这些
特有地解决各种问题。现在看起来像监督
机器学习正在经历类似的转变,其中一些
组织正在进行一些高性能的实现,并且
我们其余的人将利用这些实现来解决问题。
今天的公告 Azure ML的一般可用性 是一个
朝这个方向走。

对于其他形式的机器学习,最终结果不太清楚。在
尤其要考虑对抗性问题,例如过滤垃圾邮件
电子邮件,识别虚假产品评论或检测
未经授权的数据中心入侵。是最好的策略
(白帽子)研究人员公开分享技术和工具?
一方面,它使好人变得更聪明。另一方面,
它还会通知坏人。问题类似于那些
在9/11之后募集用于生物学研究,
双方都提出了很好的论据 对于反对 开放性。

我的预测受到了美国国家安全局(NSA)和我自己的跑步经验的启发
1990年代的电子邮件服务器。关于前者,国家安全局
所做的就是聘请一群非常聪明的人,然后隔离他们。
这带来了社区的好处(同行评审,协作,
等),同时限制了披露费用。关于后者,
我记得运行自己的电子邮件服务器变得极为不便
随着垃圾邮件发送者和防御者之间的军备竞赛升级。最终,
将我的电子邮件需求推迟到主要的电子邮件提供商之一比较容易。

基于此,我认为将只有少数几个数据中心
服务(又名云计算)提供商,因为对抗性担忧会
对于最大的组织而言,它变得太复杂了。我认为
这将主要由采用NSA战略的组织推动
建立围墙的研究人员社区,这在增加
返回规模。

这是一个积极的旋转:作为企业家,如果您能找到一个
您的业​​务模式中发展出对抗性问题(例如,Yelp
大概是2006年发现的虚假评论在增加),拥抱它!
这可以提供防御性的护城河和/或改善您的收购目标。

没意见:

发表评论