3个问题:麻省理工学院的生活质量调查在这里

麻省理工学院(MIT)启动了最新一期的“生活质量调查”(Quality of Life Survey),这是一个大型项目,旨在征求学生、员工和教职员工对一系列校园问题(从社会问题到学术和职场问题)的反馈。在麻省理工学院家庭与工作委员会和学院研究机构的监督下,2020年版是第一个同时从学生、教师和工作人员中获得反馈的版本;以前,对不同的校园群体分别进行了调查。

《麻省理工学院新闻》采访了三位参与“2020年生活质量调查”的领导人:艾米·格莱斯梅尔,城市研究与规划系教授,同时也是麻省理工学院家庭与工作委员会的联合主席;Ken Goldsmith,建筑与规划学院金融与规划副院长,麻省理工学院家庭与工作委员会联席主席;还有莉迪亚·斯诺弗,麻省理工学院机构研究主任。

问:什么是生活质量调查?

戈德史密斯:这是人们在麻省理工学院生活中满意度的晴雨表。这是一种观察是什么影响了人们的生活的方式。最终,我们的工作是查看数据,并确定我们是否可以在麻省理工学院采取措施来解决这些需要关注的领域。

Glasmeier:最基本的问题与每个人都完全相关,包括老师、员工和学生。它们是关于工作中的友谊和学生之间的友谊,关于获得你需要的资源来做好你的工作,关于被你工作的人欣赏,以及你是否被你周围的人欣赏。

斯诺弗:最初的调查主要是关于儿童保育的。但还不止这些,因为不是每个人家里都有孩子。儿童看护很快就带来了老年人看护的问题。我们询问人们是否感到舒适。我们非常关心人们是否有包容的工作和学习环境。有关于性别认同、性行为、残疾等问题,这些问题将使我们更好地理解与这些独特群体相关的问题。最后,这份调查探讨了工作和非工作生活的交集,以及两者之间的相互影响。

Glasmeier:当我们完成的时候,我们的结果将会告诉我们麻省理工学院可以为这里的人们提供什么样的体验和好处。研究结果将被用来了解人们如何工作和管理他们的学习,哪些障碍可能会阻碍他们的发展,以及哪些机会能让他们做到最好。例如,在2016年,我们感兴趣的是人们在执行他们的工作时想要的灵活性,以及他们有多大的灵活性。因此,我们做了实验,在研究所的不同部门,人们现在可以在一个灵活的工作环境中工作,而不必以复杂的方式进行协商。

问:协会采取了什么措施来解决受访者的隐私和安全问题?

Snover:机构研究办公室对来自社区反馈的数据负有最终责任。数据是安全存储的,只有经过人类研究训练的非常有经验的分析师才能访问数据。所有结果最初都是由机构研究人员以保护个人隐私的方式报告的。随后使用数据的人只能访问聚合结果。调查中有几个开放式问题,受访者被告知这些评论将被逐字阅读,并被建议不要包含任何身份信息。我们经常被告知,人们担心他们的主管、部门主管或高级官员会看到他们的个人回复。他们不会。个人的回复不会成为任何人永久记录的一部分。

戈德史密斯:保密性是一个敏感话题,我们必须强调,机构研究办公室是这个信息的保险箱。

斯诺弗:我们致力于结果的透明度,但我们同样致力于为受访者保密。

问:生活质量调查的回答期结束后会发生什么?

Glasmeier:我们要写一些简短的分析报告,总结一下结果。这些将解决人们在这里的具体问题和经历。我们与麻省理工学院工作生活中心和人力资源部门合作,他们是政策的设计者和执行者。到目前为止,我们已经非常成功地将变化融入到人们所拥有的各种利益或经验中。

现在在研究副总裁办公室里的博士后项目就是一个很好的例子。他们(博士后)对这里的情况非常坦率,(努力地)负担起照顾孩子的费用,以及其他一切。以前的调查也显示了同样的结果,这些问题已被认真对待,并纳入了研究副总裁办公室的[博士后服务]规划。

戈德史密斯:家庭与工作委员会正在关注整个社区。在这个社区中有一些部门——博士后、女教师、初级教师、初级女教师等等——这些都是我们希望关注和回应的领域。调查人群包括林肯实验室和在校员工。我们强烈希望能听到尽可能多的人的意见。

Glasmeier:我们参观了校园里尽可能多的团体,包括研究生会,本科生,院长小组,工作人员问题工作组,以及个别的高级官员,我们真的很受鼓舞。人们对了解麻省理工学院社区的人们如何看待他们的工作和工作之外的生活有着浓厚的兴趣。麻省理工是一个伟大的地方,但每个地方都可以进步。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/quality-life-survey-0219

https://petbyus.com/23608/

短暂的入侵者如何改变一个生态系统

当一个植物或动物物种被引入到一个没有天敌的新环境时,它会不受控制地蔓延,改变生态系统,排挤现有的种群。一个著名的例子是甘蔗蟾蜍,它于1935年被引入澳大利亚,现在其数量已达数百万。

当入侵者到来,改变了生态系统,然后灭绝时,就会出现一个相关但不太为人所知的场景。麻省理工学院的物理学家们现在已经证明了这种“短暂入侵”是如何在细菌种群中发生的,它引发了一种从一个稳定的群落状态到另一个稳定的群落状态的转变,而入侵者本身却消失了。

“这些结果强调了一种可能的方式,即即使一个物种不能长期生存,它也可能对社区产生长期影响,”麻省理工学院(MIT)物理学副教授、该研究的资深作者杰夫·戈尔(Jeff Gore)说。

这些发现可能还有助于解释短暂的入侵者是如何影响现实世界的生态系统的,比如在通过消化道之前改变人类肠道微生物群的细菌,或者在一个岛屿上放牧的驯鹿会彻底地破坏森林,以至于岛上的生物无法在那里生存。

麻省理工学院博士后丹尼尔·阿莫是这篇论文的主要作者,该论文发表在今天的《科学进展》杂志上。麻省理工学院的研究科学家Christoph Ratzke也是这项研究的作者之一。

稳定的数量

该研究小组最初的目的是探索促使生态系统在两种稳定状态之间切换的因素。许多生态系统可以以另一种稳定状态存在,但其中一个可能比另一个更“可取”,比如一个湖泊可以是健康的或富营养化的(过度覆盖藻类)。例如,大约5000年前,撒哈拉地区从湿润的草原变成了沙漠。

“驱动这些转变的机制,以及我们能否控制它们,都不是很清楚,”阿莫说。

戈尔的实验室通过创造可以在实验室中分析的简化版本,研究控制这些复杂的生态变化的原理。在这种情况下,研究人员研究了两种细菌的种群——氨细菌棒状杆菌和植物乳杆菌——它们通过改变环境中生长介质的pH值来抑制彼此的生长。这种相互的抑制导致群落的两种不同状态,其中一种占优势。

研究人员首先让细菌种群自然地达到一个稳定的状态,在这个状态中,一个物种控制了整个群落。一旦种群稳定下来,研究人员引入一种入侵者,并测量它是如何影响先前稳定的种群的。

研究人员研究的六种入侵物种中,有三种进行了接管,改变了生态系统的整体种群动态,但随后灭绝了。研究人员发现,这种现象是由于环境酸度的变化造成的。

植物L.在原稳定状态下,使环境呈酸性,抑制了C.菊石的生长。在酸性环境中茁壮成长的入侵者一旦被引入,就会迅速成长。然而,对于这些入侵者,它们的快速生长产生代谢副产物,提高pH值,使环境对它们和植物L. plantarum不太适宜。结果,C.鹦鹉螺取而代之,入侵者消失了。

然后,研究人员探索这种现象是否可以在自然产生的细菌种群中看到。他们采集了土壤样本,培养了他们发现的细菌种类,让这些群落在实验室的新环境中达到各种替代的稳定状态。在引进了他们在早期实验中使用的相同的入侵者之后,他们观察到相似的入侵者快速增长然后消失的模式,同时原始群落的组成也发生了变化。

“这表明,这不是一种罕见的效应,我们只能在假设引导的实验中观察到,在自然环境中也是如此,”Amor说。

芝加哥大学(University of Chicago)生态学和进化学教授斯特凡诺·阿莱西纳(Stefano Allesina)称这些实验“优雅而有力”。

这项工作对微生物群落的控制有着明显的重要意义。能够从一个不利的微生物群落状态转换到一个有利的是其中最重要的挑战之一,和麻省理工学院的团队已经表现出瞬态入侵者可能是完美的“开关”——他们做他们的工作,然后消失,“Allesina说。他没有参与这项研究。

快速灭绝

研究人员说,虽然一个物种会创造导致其自身灭亡的条件,这似乎违反直觉,但这在自然界中可能经常发生。在2018年发表的一篇论文中,戈尔和他的两名同事描述了几种细菌的“生态自杀”,它们的生长速度如此之快,以至于当地的环境被酸性废物污染得无法生存。

出现这种情况的部分原因是,允许个体快速生长的基因突变可以在群体中迅速传播,即使它会损害环境。

戈尔说:“有很多物种会以这种方式改变环境,从而导致人口迅速灭绝。”“在某些情况下,缓慢生长和不污染环境的策略可能在进化上并不稳定,因为突变体只是利用了环境,但它很好,生长迅速,导致大量的毒素产生。”问题是,虽然每个人这样做在短期内是合理的,但对整个群体来说,结果却不是最优的。”

戈尔说,他希望这些发现能鼓励那些研究更复杂生态系统的科学家,比如湖泊或人类肠道微生物群,去寻找这些短暂入侵的类型及其后果。

他说:“这些复杂系统的本质是,它们可能会有点势不可挡。”“你甚至不知道你应该在数据中寻找什么,或者你应该做什么样的实验。我们希望我们的一些工作可以激励其他人在他们的系统中寻找这种现象。”

这项研究由麻省理工学院材料研究实验室管理的美国国立卫生研究院资助。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/transient-bacteria-transform-ecosystem-0219

https://petbyus.com/23610/

迈克尔•西珀尔(Michael Sipser)将辞去理学院院长一职

迈克尔•斯伯泽(Michael Sipser)计划辞去麻省理工学院(MIT)理学院(School of Science)院长一职,结束6年的任职生涯。在这6年里,该学院推出了多项关键举措,并对6个院系的设施进行了升级。

教务长马丁·施密特今天在发给麻省理工学院社区的邮件中宣布了这一消息。斯伯瑟将于6月30日卸任院长一职,前提是届时找到合适的继任者。在此之后,斯伯瑟将重返学院,担任唐纳数学教授。

施密特写道:“作为院长,迈克的成就跨越了科学学院,并在研究和教育领域建立了自己的实力,这往往是通过增加科学在合作研究的关键领域的影响力实现的。”

拥有280名教职员工的理学院是麻省理工学院的第二大学院。它包括生物系;大脑与认知科学;化学;地球、大气和行星科学;数学;和物理。

“作为院长,迈克卓越的服务品质体现在三个方面:他周到、耐心、公正地处理复杂的组织和人事问题;他在解释、倡导和分享他人科学工作中富有感染力的快乐方面的出色能力;还有他绝对令人愉快的幽默感,”总统l拉斐尔赖夫(L. Rafael Reif)说。“麻省理工学院和理学院非常幸运地拥有迈克的领导,我们的学生从他担任院长期间对教学的承诺中受益无穷——我可以证明,他亲自教了我多少关于科学知识前沿的知识。”

2014年6月,领先的理论计算机科学家Sipser被任命为院长,此前他担任了6个月的临时院长。在此之前,他从2004年开始担任数学系主任。

“我最高兴的是,通过提供资源、促进进步、消除障碍和为他们的成功欢呼,我为理学院的社区工作——教师、员工和学生——提供了帮助,”斯伯瑟说。“我很荣幸能支持这些了不起的同事。”

作为院长,Sipser的主要成就包括:

  • 协助发起“老化大脑计划”(Aging Brain Initiative),这是一项以大脑与认知科学部(Department of Brain and Cognitive Sciences)和皮考尔学习与记忆研究所(Picower Instutute for Learning and Memory)为中心的跨学科努力,旨在了解和开发与年龄相关的神经退行性疾病的治疗方法,如阿尔茨海默病(Alzheimer’s)和帕金森病(Parkinson’s);
  • 通过创建麻省理工学院统计和数据科学中心,即现在的麻省理工学院数据、系统和社会研究所,在麻省理工学院倡导建立一个统计之家;
  • 作为麻省理工学院大脑、心智和机器中心的产物,参与麻省理工学院智能探索项目的设计;
  • 与数学系合作,为来自弱势群体和弱势背景的高潜力高中生提供“MathROOTS”项目; 
  • 协助生物学系在麻省理工建立低温电子显微镜设备。该研究所最先进的纳米技术研究中心nano于2018年开放;
  • 协助化学系使其共用的仪器设备现代化;
  • 帮助地球、大气和行星科学系的天文学教员为马萨诸塞州韦斯特福德的华莱士天体物理天文台购买一架新的望远镜;和
  • 与物理系和麻省理工学院Kavli空间研究所合作,为一款宽视场红外摄像机获得国家科学基金会主要研究仪器拨款。

Sipser曾多次获得麻省理工学院颁发的教学和咨询奖项。2016年,在担任院长期间,他获得了麻省理工学院玛格丽特•麦克维卡教员奖学金(MIT Margaret MacVicar Faculty Fellowship),以表彰他对本科教育的杰出贡献。

作为美国艺术与科学学院的研究员,西伯尔在1996年首次出版了被广泛使用的教科书《计算理论导论》。1974年他在康奈尔大学获得数学学士学位,1980年在加州大学伯克利分校获得工程学博士学位。1979年,他以研究助理的身份加入麻省理工学院计算机科学实验室,并于1980年成为应用数学助理教授;1983年任应用数学副教授;1989年任应用数学教授。

施密特在给社区的信中说,他计划任命一个教职工委员会,就下一任理学院院长的人选向他提供建议。麻省理工学院鼓励社区成员向[email protected]发送建议和想法。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/michael-sipser-to-step-down-as-school-of-science-dean-0219

https://petbyus.com/23612/

加密的“万物标签”可以保护供应链

为打击假冒供应链,麻省理工学院(MIT)的研究人员发明了一种密码学身份标签,它小到几乎可以贴在任何产品上,并能验证其真伪。

经济合作与发展组织2018年的一份报告估计,到2020年,全球将出售价值约2万亿美元的假货。这对消费者和从世界各地订购零件来生产产品的公司来说是个坏消息。

造假者倾向于使用包含许多检查点的复杂路线,这给验证其来源和真实性带来了挑战。因此,公司可能会以模仿零件而告终。随着无线身份标签在每个检查点的转手,它们在认证资产方面正变得越来越流行。但是这些标签具有不同的大小、成本、能量和安全性权衡,这些限制了它们的潜力。

例如,流行的无线射频识别(RFID)标签太大,无法安装在医疗和工业部件、汽车部件或硅芯片等微小物体上。RFID标签也没有严格的安全措施。有些标签是用加密方案构建的,以防止克隆和防止黑客,但它们很大,而且需要大量的能量。缩小标签意味着放弃天线包——它使射频通信成为可能——和运行强加密的能力。

在昨天的IEEE国际固态电路会议(ISSCC)上发表的一篇论文中,研究人员描述了一种导航所有这些权衡的ID芯片。它只有毫米大小,使用的是相对较低水平的光伏二极管供电。它还可以远距离传输数据,使用的是一种无电源的“后向散射”技术,操作频率是射频识别的数百倍。算法优化技术也使芯片能够运行一种流行的加密方案,以确保使用极低的能量进行安全通信。  

“我们称它为‘万物的标签’。电子工程与计算机科学系副教授、微系统技术实验室(MTL)太赫兹集成电子集团(Terahertz Integrated Electronics Group)负责人、论文合著者韩若楠(Ruonan Han)表示。“如果我想跟踪后勤,例如,一个螺栓或牙齿植入物或硅芯片,目前的RFID标签不能实现这一点。我们制造了一种低成本的微型芯片,没有包装、电池或其他外部组件,可以存储和传输敏感数据。”

和韩一起写论文的有:研究生穆罕默德·易卜拉欣和穆罕默德·易卜拉欣·瓦西克·汗,以及前研究生齐拉格·s·朱维卡尔;前博士后助理Jung Wanyeong;前博士后Rabia Tugce Yazicigil,现任波士顿大学助理教授和麻省理工学院访问学者;Anantha P. Chandrakasan是麻省理工学院工程学院的院长同时也是Vannevar Bush电子工程和计算机科学的教授。

系统集成

这项工作一开始是为了创造更好的RFID标签。该团队想要去掉包装,因为包装会使标签变得笨重,增加制造成本。他们还希望微波和红外辐射之间的高太赫兹频率的通信——大约100千兆赫和10太赫兹——能够在更大的读取距离上集成天线阵列和无线通信的芯片。最后,他们想要加密协议,因为RFID标签基本上可以被任何阅读器扫描,不加区别地传输数据。

但包括所有这些功能通常需要构建一个相当大的芯片。易卜拉欣说,相反,研究人员提出了“一个相当大的系统集成”,使所有东西都能放在一个只有1.6平方毫米的单片硅片上,也就是说,不是分层的。

一项创新是一组小型天线,通过标签和阅读器之间的反向散射来来回传输数据。反向散射是RFID技术中常用的一种技术,当标签将输入信号反射回阅读器时,会发生反向散射。在研究人员的系统中,天线使用一些信号分裂和混合技术来在太赫兹范围内反向散射信号。这些信号首先与读取器连接,然后发送数据进行加密。

在天线阵列中实现了一种“波束引导”功能,即天线将信号聚焦到阅读器上,使其更有效,增加信号强度和范围,减少干扰。根据研究人员的说法,这是第一次通过背向散射标签演示波束控制。

天线上的小洞使来自读取器的光通过下面的光电二极管,把光转换成大约1伏的电。这就为芯片的处理器提供了能量,处理器运行芯片的“椭圆曲线加密”(ECC)方案。ECC使用私钥(只有用户知道)和公钥(广泛传播)的组合来保持通信的私密性。在研究人员的系统中,标签使用私钥和阅读器的公钥来仅向有效的阅读器标识自己。这意味着任何窃听者,如果不拥有读取器的私钥,就不能仅通过监视无线链路来识别协议中的哪个标签。 

Yazicigil说,优化加密代码和硬件可以让这个方案在一个节能的小型处理器上运行。她说:“这总是一个权衡的问题。”“如果你能容忍更高的功耗和更大的容量,你可以使用密码学。但我们面临的挑战是,如何在这么小的标签里加上低能耗的安全措施。”

推到极致

目前,信号范围约为5厘米,这被认为是一个远场范围,并允许方便地使用便携式标签扫描仪。易卜拉欣说,下一步,研究人员希望进一步“突破”这个范围。最终,他们希望许多标签能够ping一个位于很远地方的阅读器,比如说,一个位于供应链检查点的接收室。许多资产可以很快得到核实。

易卜拉欣说:“我们认为,我们可以把阅读器作为一个中心枢纽,而不必靠近标签,所有这些芯片都可以发射控制信号,与一个阅读器对话。”

研究人员还希望通过太赫兹信号本身来充分利用芯片的能量,从而消除对光电二极管的需求。

这种芯片体积小,易于制造,价格便宜,还可以嵌入更大的硅电脑芯片中,而硅电脑芯片是造假的热门目标。

Wasiq Khan说:“由于假冒芯片,美国半导体行业每年损失70亿到100亿美元。“出于安全考虑,我们的芯片可以无缝集成到其他电子芯片上,因此它可能会对行业产生巨大影响。我们的芯片每个才几美分,但是技术是无价的。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/cryptographic-tag-supply-chain-0220

https://petbyus.com/23614/

海军上将威廉·麦克雷文将在麻省理工学院2020年毕业典礼上发表演讲

海军上将威廉·h·麦克雷文(William H. McRaven)是美国海军四星上将,曾任德克萨斯大学校长,他将于5月29日星期五在麻省理工学院2020年毕业典礼上发表演讲。

麦克雷文是公认的美国外交政策权威,曾在国防问题上为布什总统和奥巴马总统提供建议。从2015年到2018年,作为德克萨斯大学系统的校长,他领导着全国最大的高等教育系统之一,拥有14所机构,教育了22万名学生,雇佣了2万名教师,以及超过8万名卫生保健专业人员、研究人员和工作人员。

McRaven最近联合主持了一个由外交关系委员会负责的关于创新和国家安全的独立工作组。该工作组的建议包括,鼓励美国政府投资奖学金和修改移民政策,使美国的大学能够吸引和培养世界上最具活力的人才。麦克雷文是新闻自由的热情倡导者,曾撰写过有关时事的著名观点文章——2018年发表在《华盛顿邮报》上,2019年发表在《纽约时报》上。

在他37年的军旅生涯中,麦克雷文指挥着各个级别的特种作战部队,最终在2011年至2014年期间担任美国特种作战司令部第九指挥官。2009年,索马里海盗在亚丁湾劫持了“马士基阿拉巴马号”(MV Maersk Alabama)货轮,船长菲利普斯(Richard Phillips)被索马里海盗扣为人质。他还被认为制定了计划并领导了导致2011年本拉登死亡的任务。他的荣誉包括2015年颁发的捍卫民主价值的无畏自由杰出服务奖(Intrepid Freedom Award),以及2018年颁发的终身为国家服务的法官威廉·h·韦伯斯特杰出服务奖(William H. Webster distinguished service Award)。

“从第一手经验来看,我已经开始钦佩麦克雷文上将的正直、求知欲、正直、谦逊和自律。麻省理工学院院长l·拉斐尔·赖夫(L. Rafael Reif)说,“他是一位才华横溢的问题解决者,有着根深蒂固的价值观,有勇气大胆地为自己的原则说话,他会很适合麻省理工学院。”“我们期待着欢迎他的到来。”

“我很荣幸有机会向麻省理工学院2020届毕业班发表演讲,”McRaven说。“今天的世界比以往任何时候都更需要才华横溢的男男女女的伟大思想,他们从这个宏伟的机构中学到了很多东西。我希望我在军队和学术界的经历能对他们有所帮助,让他们在世界上留下自己的印记。”

麦克雷文是三本书的作者:《特殊行动:特种作战中的案例研究》(1996),《铺床:可以改变你生活的小事……也许是世界》(2017),《海洋故事:我在特种作战中的生活》(2019)。

1977年,他从德克萨斯大学奥斯汀分校(University of Texas at Austin)获得新闻学学位,1991年在加州蒙特雷的海军研究生院(Naval Postgraduate School)获得硕士学位。他目前在德州大学奥斯汀分校林登·约翰逊公共事务学院任教。

“我们很想知道麦克雷文上将与麻省理工学院的毕业生们有什么共同之处,”研究生会主席彼得•苏(Peter Su)表示,“他在军队服役和大学管理方面的背景提供了一个有趣的视角。”

McRaven加入了最近著名的麻省理工学院毕业典礼演讲者的行列,其中包括三任纽约市市长和慈善家迈克尔·布隆伯格(2019年);Facebook首席运营官雪莉•桑德伯格(2018);苹果CEO蒂姆·库克(2017);演员兼制片人马特·达蒙(2016);美国首席技术官Megan Smith ‘ 86 SM ‘ 88(2015)。

“我们很高兴欢迎麦克雷文上将作为我们的毕业典礼演讲者来到麻省理工学院,”学术进步大臣、毕业典礼委员会长期主席埃里克·格里姆森(Eric Grimson)说。“在我们的毕业生努力影响世界的时候,他对言论自由的口头支持、在困难的情况下寻找有原则的方法、以及培养有效的团队合作的记录应该成为一个很好的榜样。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/admiral-william-mcraven-2020-commencement-0220

https://petbyus.com/23616/

Esther Duflo博士在2020年博士学位授予权授予仪式上讲话

Esther Duflo博士是麻省理工学院扶贫与发展经济学的Abdul Latif Jameel教授,她将在5月28日周四举行的2020年博士学位授职典礼上担任客座演讲嘉宾。

“迪弗洛教授是一位令人印象深刻、鼓舞人心的领袖,他的远见卓识和不懈努力改善了数百万贫困人口的生活,”校长、颁奖典礼主持人辛西娅·巴恩哈特(Cynthia Barnhart)说。“毫无疑问,听说她的研究和获得诺贝尔奖之路——一条以亲手解决问题、协作和无私为标志的道路——将激发我们博士毕业生的想象力。她的故事将提醒他们,当我们用我们的头脑、双手和心灵来解决社会上最紧迫的挑战时,麻省理工学院社区成员可以产生的影响。”

迪弗洛以其在发展经济学方面的领导能力和创新能力而闻名,她是麻省理工学院经济系的一名教员,也是阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室(J-PAL)的联合创始人和联席主任。她是第二位获得诺贝尔经济学奖的女性,也是最年轻的诺贝尔经济学奖获得者。

在她2019年12月发表的题为“实地实验与经济学实践”的诺贝尔演讲中,迪弗洛阐述了她自己的工作,即在一场利用研究来指导社会政策的运动背景下,理解穷人的经济生活。她赞扬了全球反贫困研究人员的J-PAL网络,该网络对数据的严格收集和评估影响了非洲、亚洲、欧洲、北美和南美的政策。迪弗洛的早期抱负包括成为一名“变革者”。她表示,希望J-PAL的影响力能在政府内部形成一种自我维持的学习文化。

客座讲师由博士生组成的工作组从麻省理工学院拥有博士学位或ScD学位的提名者中选出。全体成员对迪弗洛的提名意见一致,热情高涨。今年5月将获得城市研究与规划博士学位的Lily Bui参加了今年的评选过程。她说:“我们的委员会很高兴迪弗洛博士能成为我们的发言人。”“我们期待她能从她非凡的职业和个人经历中传授智慧。”

在巴黎高等师范学院(Ecole Normale Superieure)学习了历史和经济学之后,迪弗洛来到了麻省理工学院,获得了经济学博士学位,并于1999年加入该学院。她的学术荣誉和奖项包括2015年阿斯图里亚斯公主社会科学奖(Princess of Asturias Award for Social Sciences)。SK社会科学奖(2015)、Infosys奖(2014)、David N. Kershaw奖(2011)、John Bates Clark奖章(2010)、MacArthur“天才奖”(2009)。班纳吉,福特国际麻省理工学院的经济学教授,她写道“好经济困难时期”(2019)和“穷人经济学:一个激进的反思全球贫困作斗争”(2011),后者赢得了英国《金融时报》和高盛年度最佳商业书籍奖,2011年被翻译成超过17种语言。迪弗洛是《美国经济评论》的编辑,美国国家科学院院士,英国科学院通讯研究员。

迪弗洛的热情致力于研究人类的改善使她一个重大的选择:她和co-laureates Banerjee和哈佛大学的迈克尔·克雷默教授在2019年12月再次成为新闻为决定捐出结合诺贝尔奖金支持赠款维斯基金会赞助的研究发展经济学。据美联社报道,迪弗洛的灵感来自玛丽·居里,她用诺贝尔奖奖金买了一克镭用于研究。三位教授对魏斯基金的捐赠将在未来几年支持发展经济学。

麻省理工学院经济系主任、应用经济学教授查尔斯p金德尔伯格(Charles P. Kindleberger)称赞迪弗洛的教学,以及她与麻省理工学生的关系。她说:“郝莲露不仅是一位杰出的学者和教育家,更是一代又一代学生爱戴的良师益友。作为麻省理工学院第一位获得诺贝尔奖的校友,我想不出比这更好的选择来认可我们当前毕业生的前途,并激励他们开启自己的职业生涯。”

2020年博士学位授予权授予仪式将于5月28日星期四上午10:30在基利安法院举行。该仪式向博士候选人的家人、朋友和导师开放;不需要门票。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/esther-duflo-2020-doctoral-hoods-ceremony-0220

https://petbyus.com/23618/

人工智能产生新的抗生素

利用机器学习算法,麻省理工学院的研究人员发现了一种强大的新型抗生素化合物。在实验室测试中,这种药物杀死了世界上许多问题最多的致病细菌,包括一些对所有已知抗生素都有耐药性的菌株。它还清除了两种不同小鼠模型的感染。

该计算机模型可以在几天内筛选超过1亿个化合物,其设计目的是挑选出使用不同于现有药物的机制杀死细菌的潜在抗生素。

“我们想开发一个平台,让我们利用人工智能开启一个新时代的抗生素药物发现,”詹姆斯·柯林斯说,医学工程和科学领域教授的麻省理工学院的医学工程和科学研究所(ime)和生物工程系。“我们的方法揭示了这种神奇的分子,它可能是目前发现的最强大的抗生素之一。”

在他们的新研究中,研究人员还发现了其他几种有前途的候选抗生素,他们计划进一步测试。他们相信这个模型也可以用来设计新药,基于他们对化学结构的了解,使药物能够杀死细菌。

麻省理工学院计算机科学与人工智能实验室(CSAIL)电子工程与计算机科学的德尔塔电子学教授Regina Barzilay说:“机器学习模型可以在硅材料中探索大型的化学空间,这对于传统的实验方法来说是非常昂贵的。”

Barzilay和Collins是麻省理工学院Abdul Latif Jameel健康机器学习诊所(J-Clinic)的联合领导,他们是这项研究的资深作者,该研究发表在今天的《细胞》杂志上。论文的第一作者是Jonathan Stokes,他是麻省理工学院、麻省理工学院和哈佛大学布罗德研究所的博士后。

一个新的管道

在过去的几十年里,很少有新的抗生素被开发出来,而且大多数新批准的抗生素是现有药物的稍微不同的变体。目前筛选新抗生素的方法往往成本高昂,需要大量的时间投入,而且通常局限于化学多样性的狭窄范围。

柯林斯说:“我们正面临着抗生素耐药性方面的日益严重的危机,这种情况是由越来越多的病原体对现有抗生素产生耐药性,以及生物技术和制药行业对新抗生素的供应不足造成的。”

试图找到全新的化合物,他与,22教授Tommi Jaakkola,凯文•杨和学生凯尔Swanson, Wengong金,他之前已经开发出了机器学习计算机模型,可以训练分析化合物的分子结构和关联它们与特定的特征,如杀灭细菌的能力。

使用预测计算机模型进行“有机硅”筛选的想法并不新鲜,但到目前为止,这些模型还不够精确,无法改变药物发现的方式。以前,分子被表示为反映存在或不存在某些化学基团的载体。然而,新的神经网络可以自动学习这些表征,将分子映射成连续的向量,然后用来预测它们的性质。

在这种情况下,研究人员设计了他们的模型来寻找使分子有效杀死大肠杆菌的化学特征。为了做到这一点,他们对模型进行了约2500个分子的训练,包括约1700种fda批准的药物和800种不同结构和广泛生物活性的天然产物。

一旦这个模型被训练好,研究人员就在布罗德研究所(Broad Institute)的药物再利用中心(Drug repurhub)对它进行了测试。该模型挑选出一种被预测具有强大抗菌活性的分子,其化学结构与现有的任何抗生素都不同。使用另一种机器学习模型,研究人员还表明这种分子可能对人体细胞有低毒性。

根据《2001太空漫游》(2001:A Space Odyssey)中虚构的人工智能系统,研究人员决定将这种分子命名为halicin。研究人员对从病人身上分离出来的几十种菌株进行了测试,并在实验室培养皿中培养,发现它能够杀死许多对治疗产生抗药性的细菌,包括艰难梭菌、鲍曼不动杆菌和结核分枝杆菌。这种药物对他们所测试的所有物种都有效,除了一种很难治疗的肺部病原体——铜绿假单胞菌(Pseudomonas aeruginosa)。

为了测试哈利辛在活体动物身上的有效性,研究人员用它来治疗感染了鲍曼尼氏杆菌的老鼠,这种细菌已经感染了许多驻扎在伊拉克和阿富汗的美军士兵。他们使用的鲍曼尼氏杆菌对所有已知的抗生素都有耐药性,但使用含哈利辛的软膏后,感染在24小时内完全消失。

初步研究表明,halicin通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。这个梯度是产生ATP(细胞用来储存能量的分子)所必需的,所以如果梯度被打破,细胞就会死亡。研究人员说,这种杀死机制可能很难让细菌产生抗药性。

“当你处理一个可能与膜成分相关的分子时,一个细胞不一定会获得一个或两个突变来改变外膜的化学性质。从进化的角度来看,这样的突变要复杂得多,”斯托克斯说。

在这项研究中,研究人员发现,在30天的治疗期间,大肠杆菌没有产生任何抗药性。相比之下,细菌在1 – 3天内开始对抗生素环丙沙星产生耐药性,30天后,细菌对环丙沙星的耐药性是实验开始时的200倍左右。

研究人员计划与制药公司或非营利组织合作,对halicin进行进一步研究,以期开发出用于人类的药物。

优化分子

在确定了halicin之后,研究人员还使用他们的模型从ZINC15数据库中筛选了1亿多个分子。ZINC15是一个在线收集约15亿个化合物的数据库。这一筛选仅用了三天时间,就确定了23种候选抗生素,它们在结构上与现有抗生素不同,预计对人体细胞无毒。

在对五种细菌的实验室测试中,研究人员发现其中八种分子显示出抗菌活性,其中两种特别强。研究人员现在计划进一步测试这些分子,并筛选更多的ZINC15数据库。

研究人员还计划利用他们的模型设计新的抗生素并优化现有的分子。例如,他们可以训练模型增加一些特性,使特定的抗生素只针对特定的细菌,防止它杀死病人消化道中的有益细菌。

以色列理工学院(Technion)的生物学和计算机科学教授罗伊•基松尼(Roy Kishony)表示:“这项开创性的工作标志着抗生素发现乃至更广泛意义上的药物发现的范式转变。”“除了在硅胶屏幕上,这种方法将允许在抗生素开发的所有阶段使用深度学习,从发现到通过药物修改和药物化学来提高疗效和毒性。”

研究是由机器学习的阿卜杜勒·拉蒂夫·贾米尔诊所卫生、国防威胁降低局,Broad研究所,DARPA使其计划,加拿大卫生研究院的研究中,加拿大创新基金会加拿大首席研究员计划,班廷奖学金计划,人类前沿科学计划,潘兴广场基金会、瑞士国家科学基金会,美国国立卫生研究院的早期研究者奖,国家科学基金会研究生研究奖学金项目,以及安妮塔和乔希·贝肯斯坦的礼物。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220

https://petbyus.com/23620/

人工智能政策的路线图

全球人工智能技术的迅速发展,导致越来越多的人呼吁制定强有力的人工智能政策:制定法律,让创新蓬勃发展,同时保护人们免受侵犯隐私、剥削性监控、有偏见的算法,等等。

但这些法律的起草和通过绝非易事。

“这是一个非常复杂的问题,”麻省理工学院人工智能世界项目主任路易斯·比德加赖博士在周三下午的一次演讲中说。“这不是一份报告就能解决的问题。这必须是一次集体对话,这需要一段时间。这将需要数年的时间。”

在整个演讲中,维德加赖勾画了全球人工智能政策的宏伟愿景,这一愿景对经济和政治动态非常敏感,以物质公平和民主审议为基础。

“信任可能是我们面临的最重要的问题,”比德加赖说。

Videgaray的演讲,“从原则到实施:全球人工智能政策的挑战”,是Starr论坛系列公开讨论全球关注的话题的一部分。斯塔尔论坛由麻省理工学院国际研究中心主办。维德加雷在麻省理工学院E25大楼站着的150多人发表了讲话。

他也是麻省理工斯隆管理学院(MIT Sloan School of Management)的高级讲师,曾于2012年至2016年担任墨西哥财政部长,并于2017年至2018年担任墨西哥外交部长。Videgaray也在投资银行工作过。

信息滞后和媒体炒作

在演讲中,Videgaray首先概述了几个与人工智能相关的“主题”,他认为决策者应该牢记这些主题。这包括政府对人工智能的使用;人工智能对经济的影响,包括它可能帮助大型科技公司巩固市场力量;社会责任问题,如隐私、公平和偏见;在机器人可以影响政治讨论的时代,人工智能对民主的影响。Videgaray还提到了人工智能监管的“地缘政治”——从中国全面控制技术的努力到美国使用的宽松方法

Videgaray观察到人工智能监管者很难跟上技术的发展。

“存在信息滞后,”比德加赖说。“今天与计算机科学家有关的事情,可能会在未来几年成为政策制定者关注的问题。”

此外,他指出,媒体炒作可能扭曲人们对人工智能及其应用的看法。在这里,Videgaray对比了麻省理工学院的未来工作任务小组最近的报告,该报告发现技术将取代多少工作的不确定性,与最近的电视纪录片展示了一幅自动车辆取代所有卡车司机的画面。

他说:“很明显,没有任何迹象表明,卡车司机和长途司机的工作岗位都将消失。”“事实并非如此。”

考虑到这些普遍的问题,决策者现在应该对人工智能做些什么呢?Videgaray提出了一些具体的建议。首先:政策制定者不应再只是概述一般性的哲学原则,这是已经做过很多次的事情,出现了思想的普遍趋同。

维德加雷说:“按原则办事的边际收益非常非常小。“我们可以进入下一个阶段……原则是人工智能政策的必要条件,但不是充分条件。因为政策就是在不确定的情况下做出艰难的选择。”

实际上,他强调,让许多人工智能政策决定针对特定行业,可以取得更多进展。当涉及到医疗诊断时,政策制定者希望技术“非常准确,但同时也希望它可以解释,希望它是公平的,没有偏见,希望信息是安全的……有许多目标可能相互冲突。”所以,这都是关于权衡的。”

他说,在很多情况下,基于算法的人工智能工具可以通过严格的测试过程,就像其他一些行业所要求的那样:“上市前的测试是有意义的,”Videgaray说。“我们对药物、临床试验、汽车都这样做,为什么我们不应该对算法进行上市前测试呢?”

不过,虽然Videgaray看到了行业特定法规的价值,但他并不热衷于在美国用各州不同的人工智能法律来监管技术

“这对Facebook和谷歌来说是个问题吗?”我不这么认为。”“他们有足够的资源来应对这种复杂性。但是创业公司呢?如果麻省理工学院(MIT)、康奈尔大学(Cornell university)或斯坦福大学(Stanford university)的学生想要有所作为,却不得不通过55条(最极端的)立法,那该怎么办?”

一个协作的谈话

会议上,研究技术监管的麻省理工学院(MIT)政治学教授肯尼斯·奥伊(Kenneth Oye)介绍了Videgaray。奥伊在讲座结束后向Videgaray提问。奥伊认为,美国各州可以作为监管创新的有益实验室。

“在一个具有显著的不确定性、复杂性和争议性的领域,进行实验是有好处的,在不同的领域采用不同的模型,看看哪种效果最好,哪种效果更差,”奥伊说。

维德加雷不一定不同意,但他强调了监管最终趋同的价值。他指出,美国银行业也遵循了这一轨迹,直到“我们对金融业的监管最终变成了联邦监管”,而不是由各州来决定。

在发表演讲之前,比德加赖向一些听众致谢,包括他在麻省理工学院的博士论文导师、三井大学经济学教授詹姆斯·波特巴(James Poterba)。墨西哥驻波士顿总领事阿尔贝托·菲耶罗也出席了活动。

最后,维德加雷向观众强调,人工智能政策的未来将是合作的。

“你不能只是去一个计算机实验室说,‘好吧,给我一些人工智能政策,’”他强调说。“这必须是一场集体对话。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/starr-videgaray-artificial-intelligence-policy-0220

https://petbyus.com/23622/

整数的麻烦

你是否有一个月的汽车付款,或类似的贷款?每笔付款都是一个不错的整数吗,比如300美元?如果是这样,你并不孤单。但这个容易记住的付款数字的吸引力可能会让你花钱。

这是一位麻省理工学院的经济学家与人合著的一项新研究的结论之一,该研究表明,消费者有多喜欢100美元倍数的月供数字——实际上,以略高于100美元倍数的美元计算的月供数字下降了16%。这可能使人们更容易计算每月预算。但研究也表明,人们因此选择了可能不太有利的贷款条款。

麻省理工学院(MIT)经济学家克里斯托弗•帕尔默(Christopher Palmer)表示:“人们用这些整数进行预算,并被训练以这些月付款方式进行思考,争取尽可能少的月付款。”“特别是,人们每月要支付大约200美元、300美元或400美元,这可能使他们不会每月超支,但如果导致他们在贷款期间支付更多的利息,这仍然不是最好的方法。”

实际上,在深入研究了200多万人持有的汽车贷款后,Palmer和他的同事们发现,情况恰恰如此:由于有多种融资选择,许多人会使每月的数字变得平滑,通常每笔付款的金额更少,但长期成本却显著增加。

虽然较低的月供对许多人来说很重要,但研究显示,当借款人有能力支付更高的月供时,他们往往会采取这种方式。

”我们在这项研究的一件事是看数据的人大量债务能力,较低的债务收入比或高信用评分,甚至那些人似乎做决定基于每月付款额,而忽略了总成本的贷款,”帕尔默指出,艾伯特和珍妮清晰的职业发展在麻省理工学院斯隆管理学院的教授。

这篇题为《月度支付目标与到期需求》的论文出现在《金融研究评论》的在线表格中。除了帕尔默,两位作者是杨百翰大学(Brigham Young University)万豪商学院(Marriott School of Business)金融学教授布朗森•阿盖尔(Bronson Argyle)和泰勒•纳多德(Taylor Nadauld)。

自然实验

为了进行这项研究,Palmer、Argyle和Nadauld研究了240万借款人持有的汽车贷款合同,使用了319家不同的贷款机构。这些匿名信息来自一家与贷款公司合作的数据公司。大约70%的贷款是2012年至2015年期间发放的,但也有一些是2005年发放的。研究人员还审查了另外130万份贷款申请,以进一步了解借款人的财务状况。

该研究的一个关键特征——赋予研究一个准实验形式——涉及到它对FICO分数(一种基本信用评级)的使用。FICO评分范围从300到850,但在一定的门槛下,一些银行向客户提供的贷款明显不同。当你的FICO分数接近平均分700时,你可能比分数稍低的人有资格获得更好的条件。

Palmer说:“如果你的FICO分数是701分,那么在一些银行,你可以得到比FICO分数是699分的人低得多的利率,即使你问了制作FICO分数的公司,你基本上还是同一个人。”“但如果一家银行对待类似消费者的方式非常不同,它就变成了一个自然实验的良好实验室。”

也就是说,如果提供各种贷款条件的借款人具有相同的倾向——例如以整数月付款结束——这表明这种倾向是多么强烈地植根于消费者的行为。研究人员很快就发现了月供为整数的现象。

Palmer说:“这是从数据中跳出来的。”“你把数据画出来,人们就会以数百美元的倍数扎堆。”

那么到底是什么问题呢?

要弄清楚为什么这可能是个人理财的坏习惯——对一些人来说,这显然是一个坏习惯——请注意,鉴于初始购买量相同,月供较低的贷款将产生更大的长期总成本。

这一点适用于这项研究的第二个发现:当向消费者提供贷款条件时,他们对期限(贷款期限)的变化比对利率变化的反应更强烈。

正如Palmer, Argyle和Nadauld所发现的那样,如果银行提出贷款期限增加10%,借款人接受这些条款的几率就会提高8.3个百分点。但是,银行降低10%的利率只会增加借款人接受贷款条款的几率1个百分点。

这是为什么呢?实际上,改变贷款期限会对月供产生更大的影响,从而使更多的消费者将月供提高到200美元、300美元和400美元的神奇水平。

然而,贷款期限的变化也会给消费者带来更高的长期成本。考虑一笔5年期利率为5%的2万美元贷款。将贷款期限延长一年,每月还款额将减少55美元,但总利息将增加546美元。

简而言之,在这项新研究中,由于消费者对整数有着敏锐的嗅觉,他们实际上为自己的汽车支付了更多的钱。

课程关于贷款

话虽如此,Palmer承认对于不同的人来说,对于哪种方法更好并没有一个明确的答案:更低的月供还是更低的长期还款。

“关于你应该做什么,没有什么伟大的理论,”Palmer说。“我们认为你应该做的是弄清楚这个交易对你来说是否值得。如果现在的低还款额值得在贷款期间支付更多的利息,很好,这可能有很多原因。但对许多人来说,我认为以更短的期限更快地还清贷款可能会更好。”

帕尔默希望,这项研究的一个实际意义是让人们认识到,在一开始就存在权衡。

帕尔默说:“许多人认为,用月供来谈论一辆车的价格是一种负责任的方式。”“但是如果你告诉我你一个月只打算花300美元买一辆车,我可以卖给你一辆梅塞德斯,只要我借的车足够长。”

研究表明,当做家庭作业和比较贷款更有用时,相当一部分人倾向于使用经验法则——整数支付。然而,也许正是汽车购买的本质导致人们在购买贷款时投资不足。

“我可以试驾这辆车,”帕尔默说。“我没有机会试驾贷款。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/loan-payments-round-numbers-palmer-0220

https://petbyus.com/23624/

防御网络攻击的人机协作

如今,在一家大公司做网络安全分析师有点像大海捞针——如果那堆大海捞针以光纤的速度朝你飞来的话。

每天,员工和客户都会生成大量的数据来建立一套正常的行为。攻击者在使用任意数量的技术渗透系统时也会生成数据;我们的目标是找到那根“针”,在它造成任何伤害之前将其停止。

这项任务的数据量很大,这就使得机器学习的数据处理能力很强,而近年来,大量人工智能系统涌入网络安全市场。但这类系统也会带来自身的问题,即源源不断的误报,对安全分析人员来说,误报会比节省时间更浪费时间。

麻省理工学院(MIT)的初创公司PatternEx的出发点是,算法无法独自保护一个系统。该公司开发了一种闭环方法,通过机器学习模型标记可能的攻击,由人类专家提供反馈。然后,将反馈合并到模型中,从而提高了它们仅标记未来分析师关心的活动的能力。

“网络安全领域的大多数机器学习系统都在做异常检测,”PatternEx的联合创始人、麻省理工学院(MIT)的首席研究科学家Kalyan Veeramachaneni说。“问题在于,首先,你需要一个(正常活动的)基线。此外,该模型通常是无监督的,因此它最终会显示出大量警报,人们最终会关闭它。最大的区别在于,PatternEx允许分析师通知系统,然后利用反馈来过滤误报。”

结果是提高了分析师的工作效率。与通用的异常检测软件程序相比,PatternEx的虚拟分析师平台通过相同数量的每日警报成功识别了10倍以上的威胁,即使通用系统每天给分析师5倍以上的警报,它的优势仍然存在。

该系统于2016年首次投入使用,如今,该公司的系统被多个行业的大公司的安全分析师使用,同时也被提供网络安全服务的公司使用。

将人类和机器的方法融合到网络安全中

Veeramachaneni在2009年作为博士后来到麻省理工学院,现在领导着一个信息和决策系统实验室的研究小组。他在麻省理工学院的工作主要涉及大数据科学和机器学习,但直到2013年与PatternEx联合创始人Costas Bassias、Uday Veeramachaneni和Vamsi Korrapati的一次头脑风暴会议,他才深入思考如何将这些工具应用于网络安全。

伊格纳西奥·阿纳尔多(Ignacio Arnaldo)在2013年至2015年期间在麻省理工学院(MIT)与Veeramachaneni一起做博士后工作。Veeramachaneni和Arnaldo在为麻省理工学院的机器学习研究人员构建工具时就知道,一个成功的解决方案需要将机器学习与人类的专业知识无缝地结合起来。

Veeramachaneni说:“人们在机器学习上遇到的很多问题都是由于机器必须与分析员并肩工作而产生的。”他还指出,被检测到的攻击仍然必须以一种可以理解的方式呈现给人类,以便进行进一步的调查。“它不能自己做所有的事情。大多数系统,即使是像发放贷款这样简单的事情,都是扩充性的,而不是机器学习只是代替人类做决定。”

该公司的第一个合作伙伴是一家大型在线零售商,这让创始人能够训练他们的模型,利用真实世界的数据识别潜在的恶意行为。他们一个接一个地训练自己的算法,利用Wi-Fi访问日志、身份验证日志和网络中的其他用户行为来标记不同类型的攻击。

早期的模型在零售领域效果最好,但是Veeramachaneni从他与麻省理工学院公司高管的多次谈话中了解到,其他行业有多少企业正在努力将机器学习应用到他们的运营中(PatternEx最近发表了一篇关于这个主题的论文)。

Veeramachaneni说:“自从我10年前来到这里,麻省理工学院已经做了一件不可思议的工作,把工业带进了大门。”他估计在过去的六年里,作为麻省理工学院工业联络项目的成员,他已经和私营部门的成员开了200次会,讨论他们面临的问题。他还利用这些对话来确保他的实验室的研究能够解决相关问题。

除了企业客户,该公司还开始向安全服务提供商和团队提供其平台,这些提供商和团队专门在网络中搜寻未被发现的网络攻击。

如今,分析师们可以通过PatternEx的平台构建机器学习模型,而无需编写一行代码,从而降低了人们使用机器学习的门槛,使之成为行业更大趋势的一部分,即Veeramachaneni所说的人工智能的民主化。

“在网络安全方面没有足够的时间;我们不可能花几个小时甚至几天的时间来理解为什么会发生袭击,”Veeramachaneni说。“这就是为什么让分析师有能力建立和调整机器学习模型是我们系统最关键的方面。”

给安全分析师一支军队

PatternEx的虚拟分析平台旨在让安全分析人员感觉他们有一群助手在梳理数据日志,并向他们展示网络上最可疑的行为。

该平台使用机器学习模型来检查50多条数据流,并识别可疑行为。然后,它将该信息与图表和其他帮助分析人员决定如何进行的数据可视化一起提供给分析人员,以获得反馈。在分析人员确定该行为是否是攻击之后,该反馈将被合并回模型中,并在PatternEx的整个客户群中进行更新。

Veeramachaneni说:“在机器学习之前,有人可能会发现一个攻击,可能会稍微晚一点,他们可能会说出它的名字,然后他们就会宣布,所有其他公司都会打电话来了解它,然后进去检查他们的数据。”“对我们来说,如果发生了攻击,我们会获取这些数据,因为我们有多个客户,我们必须实时地将这些数据传输给其他客户的数据,看看他们是否也发生了攻击。”我们每天都做得很有效率。”

一旦该系统与新客户建立并运行,它就能够使用170种不同的预先包装的机器学习模型识别出40种不同类型的网络攻击。阿纳尔多指出,随着公司致力于这些数字的增长,客户也通过在他们面临的特定威胁的平台上构建解决方案来增加PatternEx的模型基础。

即使客户没有在该平台上构建自己的模型,他们也可以开箱即用地部署PatternEx的系统,而不需要任何机器学习专业知识,并看着它自动变得更智能。

通过提供这种灵活性,PatternEx将最新的人工智能工具带给那些最了解自己行业的人。这一切都要追溯到公司的基本原则,即用人工智能赋予人类力量,而不是取代人类。

阿纳尔多表示:“该系统的目标用户不是熟练的数据科学家或机器学习专家(网络安全团队很难聘请他们的个人资料),而是已经在他们的工资单上的领域专家,他们对自己的数据和用例有最深刻的理解。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/patternex-machine-learning-cybersecurity-0221

https://petbyus.com/23626/