谢谢邀请，可以这么说，但是自动化（控制）专业也不完全与人工智能符合，只能说一部分相同。

人工智能（机器人）所涵盖的领域太多了，例如:机械、电子、系统控制、语言交流、力学……。人工智能走到今天进入到了快车道，属于跨越式的发展，用不了多久，它会代替人类做越来越多的事情。

在目前来看，自动化（控制）专业是人工智能的主要学科，但不是全部，要完成人工智能的制造与研发，要多部门多学科共同努力才能实现。

谢谢！我个人认为自动化控制专业的人，是自动化设备的控制操作，研究人工智能的人，是专门研究探讨智能机器的，如第一代机器人，第二代机器人……，控制专业人士，就像司机开车一样，他只是个汽车操作者。如有不妥请谅解，谢谢。

自动化机械设备算不是人工智能领域？

目前的自动化切割机还算不上人工智能，可以说是自能自动化。

自动化未来的趋势会向这方面走，这个是可以肯定的，但到底怎么走好这条路，需要不断的技术创新和实践。

很多友商现在就在打着人工智能的幌子，这个咱比不上，实事求是的来，能解决用户问题才是最重要的。

奥镭也是在不断的创新、学习，未来将至，奥镭与你同行。

人工智能侧重基于数据的算法，偏软件范畴；自动化机械侧重控制输出，偏硬件范畴。机械自动化是自动化的一种，人工智能是自动化的延伸。讨论谁的范畴广意义不大，面向应用场景，来选择采用哪种技术。

目前人工智能在自动化网络攻防领域的发展中面临着哪些挑战？

（1）深层语义理解

自动化网络攻防中的漏洞挖掘、漏洞利用和漏洞修复的三个环节都不同程度地对程序的语义理解提出了要求，目前实现的自动化仍不能很好的解释程序语义信息，所以需要人工智能领域中的机器学习等方法与技术来提升程序的语义理解。更好的语义理解，机器实现自动漏洞挖掘，利用和修补的能力更强。因此，利用人工智能实现更好的深层语义理解是未来的热门研究课题。

（2）基于二进制的网络攻防

Shin[1]等人将递归神经网络（RNN）的方法应用于二进制分析，但它并不直接应用于漏洞挖掘。因为大多数人工智能领域的方法都是基于源代码设计的，而面向二进制的机器学习研究则很少，因此，面向二进制的人工智能化的漏洞检测仍然需要继续探索。

（3）开源数据集

目前的软件安全领域的数据集是根据某些特定目的而临时收集或构建现有数据集，它缺乏像ImageNet [2]这样具有覆盖面广、数据量大、数据类型全面的特点。更重要的是，开源数据集需要直接用于基于机器学习的漏洞挖掘和补丁。因此，拥有开源数据集是必要的。

参考文献：

[1] E. C. R. Shin, D. Song, and R. Moazzezi, “Recognizing functions in binaries with neural networks.” in USENIX Security Symposium, 2015, pp. 611–626.

[2] P. U. 2016 Stanford Vision Lab, Stanford University. (2018, May) Imagenet. [Online]. Available: e:

了解最新“智驭安全”产品、技术与解决方案，欢迎关注微信公众号：丁牛科技（Digapis_tech）。