Om AI, tålmodighed er en dyd

I de næste to år, siden ChatGPT blev lanceret, har generativ kunstig intelligens gennemløbet en hel teknologi-hype-cyklus, fra loftlige, samfundsforskiftende forventninger til at føde en seneste aktiemarkeds-korrektion. Men inden for cybersikkerhedsindustrien specifikt er begejstringen omkring Generative AI (genAI) stadig berettiget; det tager bare længere tid end investorer og analytikere havde forventet at ændre sektoren helt.

Det tydeligste og nyeste tegn på skiftet i hype var på Black Hat USA Konference i begyndelsen af august, hvor generativ AI spillede en meget lille rolle i produktlanceringer, demonstrationer og generel buzz-skabelse. I sammenligning med RSA Konferencen blot fire måneder tidligere med de samme leverandører, var Black Hats fokus på AI ubetydelig, hvilket ville føre neutrale iagttagere til at tro, at industrien er ved at gå videre eller at AI er blevet en vare. Men det er ikke helt tilfældet.

Her er, hvad jeg mener. Den transformerende fordel ved at anvende generativ AI inden for cybersikkerhedsindustrien kommer sandsynligvis ikke fra generiske chatbots eller hurtigt at lagre AI over dataprocesseringsmodeller. Disse er byggestenene til mere avancerede og effektive brugsområder, men lige nu er de ikke specialiseret til sikkerhedsindustrien, og som resultat driver de ikke en ny bølge af optimale sikkerhedsresultater for kunder. Snarere vil den virkelige transformation, som AI vil give til sikkerhedsindustrien, finde sted, når AI-modeller er tilpasset og afstemt til sikkerhedsbrugsområder.

Aktuelle generelle AI-brugsområder i sikkerhed anvender i høj grad prompt-engineering og Retrieval-Augmented Generation, som er en AI-ramme, der grundlæggende aktiverer store sprogmodeller (LLM’er) til at tilgå yderligere dataressourcer uden for deres træningsdata, kombinerer de bedste dele af generativ AI og database-hentning. Nyttigheden af disse varierer meget afhængigt af brugsområdet og hvor godt en leverandørs eksisterende dataprocessering understøtter brugsområdet; de er ikke “magi”. Dette er sandt for andre anvendelser, der kræver proprietær data og ekspertise, der ikke er almindelig på internettet, såsom medicinsk diagnose og juridisk arbejde. Det synes sandsynligt, at virksomheder vil tilpasse dataprocesseringsrørledninger og dataadgangssystemer for at optimere generativ AI-brugsområder. Desuden opmuntres generativ AI-virksomheder til udviklingen af specialtilpassede modeller, selv om det endnu ikke er klart, hvor godt dette vil fungere for formål, hvor kvalitet og detaljer er afgørende.

Der er flere grunde til, at denne specialisering vil tage tid at få effekt i sikkerhedsindustrien. En primær grund er, at tilpasning af disse modeller kræver mange mennesker i løkken under træning, der er fageksperter i cybersikkerhed og AI, to industrier, der kæmper for at hyre nok talent. Cybersikkerhedsindustrien mangler omtrent fire millioner fagfolk på verdensplan, ifølge Verdens Økonomiske Forum, og Reuters estimerer, at der vil være en 50% ansættelseskløft for AI-relaterede stillinger i den nære fremtid.

Uden en overflod af eksperter til rådighed, vil det præcise arbejde, der er nødvendigt for at tilpasse AI-modeller til at fungere inden for en sikkerheds kontekst, blive langsommere. Omkostningerne ved at udføre den nødvendige datavidenskab til at træne disse modeller begrænser også antallet af organisationer, der har ressourcerne til at gennemføre forskning i tilpasning af AI-modeller. Det kræver millioner af dollars for at kunne betale for den proceskraft, som avancerede AI-modeller kræver, og disse penge må komme fra et sted. Selv når en organisation har ressourcerne og holdet til at drive forskning i AI-tilpasning, sker den faktiske fremdrift ikke over nattemanden. Det vil tage tid at opdage, hvordan man bedst kan supplere AI-modeller til at gavne sikkerhedspraktikere og -analytikere, og som med ethvert nyt værktøj, vil der være en læringskurve, når sikkerheds-specifikke naturlige sprogprocessorer, chatbots og andre AI-assisterede integrationer introduceres.

Generativ AI er stadig på vej til at ændre verden af cybersikkerhed til en ny paradigm, hvor de offensive AI-kapaciteter, som modstandere og trusler anvender, vil konkurrere med sikkerhedsleverandørernes AI-modeller bygget til at opdage og overvåge trusler. Forskningen og udviklingen, der er nødvendig for at drive denne ændring, vil bare tage lidt længere tid end den generelle teknologiske fællesskab har forventet.