事实证明，机器学习技术和AI模型在许多应用领域都很有用。然而，人工智能在计算机网络中的应用仍然具有挑战性。正如网络是一种作为现代计算系统的组成部分，机器学习技术和人工智能模型在这一领域的有用性取决于访问、共享和使用良好数据的能力。需要数据来训练和完善模型，以便最终在网络中实现好的模型。然而，数据仍然是孤立的，跨机构和行业的数据格式多种多样。。

人工智能技术的进步可以提高计算机和网络系统的性能和安全性。公共和私营部门正在为推进人工智能研发做出重大而有影响力的努力。人工智能技术在网络安全中的应用，例如恶意软件和网络钓鱼检测，已被纳入端点检测和垃圾邮件过滤器等主流工具。但在网络和人工智能的交叉点上，仍然缺乏对主题的关注。众所周知，研究人员无法访问网络及其相关数据。这部分是由于缺乏收集和支持此类研究的可用资源和基础设施，包括数据、试验台和基准，以及网络的专有性质，特别是在商业领域。

这个由国家科学基金会资助的为期两天的研讨会旨在探讨支持人工智能用于联网的基本需求，包括以下主题：可以为支持人工智能的网络系统提供哪些数据？如何收集、管理和使用网络数据？数据的哪些属性以及以何种方式会从技术、法律和道德方面影响网络和应用程序？网络应用程序需要哪些新的测试台、标记技术、基准测试和基准测试技术？最重要的是，当我们走向未来时，网络研究人员和我们的下一代学生的心态和技能将如何演变和转变？