前几天在一个微信群里忽然收到这样一条消息,“分析:女秘书等行政工作最有可能被AI取代”,结果群里有的人非常不认同。然而在我看来,秘书是不是会被AI取代我不清楚,但下一个被GPT等全新AI技术取代的工作很有可以是网络工程师。至少现在在网络安全领域中,已经有了非常明显的迹象。
前几天参加微步在线的安全发布会,曾经非常有感触地发了一个朋友圈,感慨GPT在安全圈的普及速度。而GPT在网络安全领域的普及意味着什么呢?从微步在线创始人兼CEO薛锋的发言中,我们可以看到一些端倪。
薛锋认为,当前国内网络安全在攻击技术和需求侧发生新变化,网络安全模式和产业出现相应新特征,网络安全建设和运营从基础建设和合规导向逐渐过渡为效果导向,网络安全技术、产品和解决方案注定要走向自动化、云化、实战化和订阅化;但无论网络安全的需求和模式如何变化,安全运营始终保有其第一性原理,安全从业者要拥抱新技术、应对新变化,需要处理好风险、资产、威胁等网络安全运营三要素,不断探索大数据、威胁情报、AI大模型等新技术在网络安全运营中的落地应用。
此外,薛锋还展示了微步多项AI技术以及时下热门的“安全GPT”初步应用成果。他透露,目前微步的机器学习技术已经成熟应用于文件查杀等领域,如对Windows环境的PE文件和Linux环境的ELF文件进行查杀,检出率可达97%—98%,同时误报率低至0.005%和0.002%。同时,薛锋对安全GPT技术的应用前景表示了极大的认可,“安全GPT这一技术能够极大提升安全分析师、安全运营人员的工作效率,我们演示的只是不到1/10的安全GPT,大模型在安全的应用是一场万里长征,目前才刚刚开始。”展望安全GPT的未来,薛锋认为数据、情报和AI技术会极大提升网络安全运营的自动化、实战化能力,助力网络安全运营从“辅助驾驶”走向“自动驾驶”时代。
随后微步的技术人员向我们展示了如何利用GPT技术高效的发现并定位威胁,并且能自动地进行处理。而GPT的这一系列操作,是以前的一个专家级网络安全人员才可以胜任的工作。换句话说就是GPT技术的出现,让以前极其专业的网络安全工作,变得“白菜化”了。这就意味着,以往网络安全专业性的壁垒正在被GPT给打破,以前需要高薪聘请专业安全人员才可以胜任的工作岗位,现在可以被一个GPT的安全应用所替代。以前是遍寻安全人才而不可得,现在是装上GPT安全应用,你就是专业人才。
而这也就是我判断未来网络工程师将会被GPT取代的主要原因。因为和千变万化的网络安全相比,网络管理工作就变得单调了很多,问题点更容易查询,而解决方案也更加系统和成熟。只需要对这些成熟的解决方案数据进行训练,就可以很容易地生成相应的GPT模型,并通过语音、文本甚至视频等多种方式,方便被用户调用。用户也就可以更加容易,甚至是在不具备专业网络专业知识的情况下,对网络进行部署调试。当然也可以更进一步地利用例如微步在线类的安全GPT对网络安全问题进行解决。
所以在这里才会得出“下一个被GPT取代的工作会是‘网工’”的结论。当然,就像开头争论的秘书工作可以让GPT取代,秘书的工作岗位是不是会取消一样,网工的工作被GPT取代,也并不意味着网工的工作岗位会消失。计算器、财务软件再先进,也没有取代了会计。相反正是因为使用门槛的降低,让其在更多地方实现普及。“网工”也是一样,毕竟工作总要有人来做,GPT再先进也是需要人来操作。只不过操作的门槛会大幅度降低,可以有更多人来从事以前只有专业人士才可以胜任的工作而已。未来随着GPT将网络专业技术壁垒的破除,网络也将进入更多的传统企业之中,让其充分感受到数字化所带来的魅力。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。