ibm-s-quantum-computer

科技战的下一条战线

美国在关键领域冻结中国技术进步的努力可能不仅仅是先进的芯片。彭博社报道称，可用于量子计算的技术以及“人工智能软件”可能是拜登政府的下一个出口管制目标。这可能代表着美国与中国的科技战显着扩大。这不仅可以在经济上扼杀美国的主要竞争对手，还可以防止中国政府在未来利用量子计算机进行破坏加密的网络攻击。量子计算和相关的加密威胁距离商业化还有数年甚至数十年的时间。不能保证量子真的会按照理论化的方式工作。与此同时，美国政府显然非常重视基于量子攻击的威胁，而中国则公开高度重视获取量子计算机。鉴于中国是美国工业和政府面临的巨大且不断增长的网络威胁，认为白宫至少正在考虑将中国的量子能力扼杀在萌芽状态的想法并不牵强。彭博社的报道指出，拜登政府的计划还处于早期阶段，并没有具体说明可能针对哪种量子技术。曾在苹果公司工作的供应链专家艾丹·马迪根-柯蒂斯 (Aidan Madigan-Curtis) 表示，美国最近对向中国出口先进芯片技术的封锁基本上已经阻止了该国从美国供应商那里获得量子计算所需的芯片技术。那么，对量子相关技术的任何限制都可能集中在软件和材料科学上，这些都是技术的其他基础所需要的。例如，“我肯定会看到额外的限制，这将限制进一步的科学发展和实验 [inquantum]，”现在 Eclipse Ventures 的合伙人 Madigan-Curtis 说。量子计算先驱、杜克大学物理学教授克里斯·门罗（Chris Monroe）在给 Protocol 的一封电子邮件中说，这样的行动“可能会损害一些中国年轻科学家接受美国量子计算培训的能力”。量子计算供应商 IonQ 的联合创始人兼首席科学家门罗表示，在短期内，这些限制措施“肯定会对”中国的量子能力产生影响。“然而，从长远来看，中国的量子计划可能不会受到这些行动的太大影响。” 彭博社的报告也明显缺乏关于“人工智能软件”的细节，这是一个非常广泛的类别，根据上下文可能意味着不同的东西。由于报告称讨论处于早期阶段，如果白宫尚未真正缩小可能受到限制的人工智能软件的范围也就不足为奇了。如果拜登政府遵循类似于量子计算和人工智能软件的半导体技术出口管制的剧本，它可能会为量子机器本身的出口以及制造它们所需的工具设定技术门槛。对于芯片来说，这意味着发布规则来阻止性能超过训练大型 AI 模型所需的计算吞吐量的设备，例如，其目标是阻止人民解放军和国内监控设备使用它们。据推测，政府可以为量子计算技术制定类似的规则。白宫在 2 月份发布了一份关键和新兴技术清单，这些技术可用于为与国家安全相关的活动提供信息，例如新的出口管制或投资筛选。该清单包括网络传感、量子信息技术和人工智能。但在过去，科技行业已经推迟了潜在的新规则，这些规则可能会在其网络中捕获过多的技术。门罗告诉协议，他预计对量子计算技术的出口管制最终会在该领域伤害美国：“基于边界限制量子计算机的建造和使用可能会产生负面影响并缩小我们的领先优势。”

来自资本一软件的信息

随着公司在云中扩展，他们面临着新的数据管理挑战。加入我们的网络研讨会，了解 Capital One 如何通过联合数据治理责任来扩展其数据生态系统，以及公司如何通过将集中式工具和政策与联合数据管理责任相结合来更有效地运营。

模型破坏规则

如今，围绕人工智能的大部分对话——包括企业使用的人工智能——都集中在机器和深度学习上，这些复杂的模型旨在根据发现模式和做出预测来自动化决策。纯粹使用机器学习构建的模型的一个缺点是缺乏控制或可解释性。但有时，人工智能确实包含了更多可控和透明的元素。 InRule 的人工智能和机器学习产品经理 Danny Shayman 说：“很少有自动化系统只是机器学习。”InRule 是一家向就业、保险和金融服务客户销售自动化智能软件的公司。当然，基于规则的算法系统已经使用了几十年：用于做出银行贷款决策、定价保险费率，甚至确定某人是否应该收到折扣电子邮件。但是今天的公司正在寻找方法来融合基于规则的系统和机器学习自动化的优点。 “你可以利用人类对这些中断的理解，通过规则对它们进行编码，并将这些规则应用到你的模型之上，你不必再次从零开始一个模型，”Shayman 说。该过程对于希望使用旧模型的公司很有吸引力，这些模型在大流行或其他破坏性事件（例如特定地区的恶劣天气）之前收集的数据进行了培训。混合方法还允许公司自动化与大多数标准情况相关的决策，同时确保人类在某些情况下做出最终决定，例如当一家房地产公司希望人们权衡发放巨额抵押贷款的利弊时贷款。 InRule 的首席执行官 Rik Chomko 说：“您仍在增加决策，但您并没有实现 100% 的自动化，因为您需要一个人参与其中。”

这不再是隐私与安全

在过去几年中，随着组织努力阻止日益增长的网络攻击威胁并驾驭不断变化的数据监管环境，隐私和安全主管的角色以及他们控制的预算显着增加。但良好的隐私和安全策略往往与政策一样关乎人，而这两种职权范围之间的推拉有时会在组织内造成摩擦。加入 Protocol Enterprise 的 Kyle Alspach，参加 10 月 27 日星期四太平洋夏令时间上午 11 点在北美 KubeCon 现场录制的活动。凯尔将与 Rocket Companies 首席信息安全官 Chris Burrows 一起参加讨论；GitHub 副总裁兼副首席安全官 Jacob DePriest；Intuit 首席隐私官 Elise Houlik；和 D2iQ 的首席技术官 Deepak Goel。在这里回复。

生活在（整合的）边缘

Equinix 的 Jon Lin 本周与 Protocol 就边缘计算和人工智能作为数据中心 REIT 的增长领域进行了交谈。 “我们仍然对企业内部的数字化转型感到兴奋，”Equinix 全球数据中心服务业务执行副总裁兼总经理林说。“这仍然是一个巨大的驱动因素，[包括] 真正开始围绕他们认为的优势识别用例的客户，即跨国部署及其应用程序和世界各地的最终用户。” 虽然边缘的确切构成尚不清楚，但林说 Equinix 看到的更多的是巩固的边缘。 “过去，客户可能在一个大陆或地区有一个或两个位置，我们看到的是，他们现在正朝着每个大陆的三个或四个或五个或六个部署的方向发展，”他说。“这在短期内就足够了。在……20 到 30 毫秒的半径范围内，从生成数据的任何地方开始，将其整合回这些位置进行处理，然后基本上将分析共享回他们的中央计算和分析引擎，这是我们看到的继续出现那里。” Equinix 还没有看到很多真正前沿的用例，例如自动驾驶汽车，“人们一直在谈论全球数百个城市的数据中心的那种用例，”他说。“我们仍在仔细观察，但我们还没有看到它成为一个大行业。” 林说，数据密集型人工智能技术的发展开始影响数据中心的构建方式。 “当然，我们看到的人工智能用例和技术通常比过去的大多数部署更加密集，”他说。“这是我们认为比大多数人更能推动我们的技术和设计的一个领域，这就是我们如何确保我们支持这些工作负载，这些工作负载比过去的计算密集度高得多，而且在从客户那里获取这些数据和流——无论他们的传感器数据在哪里——回到我们的位置。今天，我们有现有客户在我们的数据中心处理大型 AI 工作负载，因此我们知道如何……很好地支持这一点，这对我们来说是一个令人兴奋的增长载体。”