Ρομποτική και φυσική AI

Έργο AI από την F-Secure για την αξιοποίηση του δυναμικού της «εντομοειδούς νοημοσύνης»

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η εταιρεία κυβερνοασφάλειας F-Secure έχει δημιουργήσει πρόσφατα ένα νέο έργο AI που χρησιμοποιεί τεχνικές εμπνευσμένες από την «εντομοειδή νοημοσύνη». Όπως αναφέρει το AI News, η νέα προσέγγιση AI της F-Secure χρησιμοποιεί πολλά αποκεντρωμένα πράγματα AI που συνεργάζονται για την εκτέλεση συγκεκριμένων στόχων.

Το νέο έργο AI της F-Secure είναι παρόμοιο σε概念 με την προηγούμενη προσέγγιση της Fetch AI για αποκεντρωμένα συστήματα AI, τα οποία έχουν εφαρμοστεί σε концепτούς IoT. Ωστόσο, σε αντίθεση με την Fetch AI, η F-Secure στοχεύει να χρησιμοποιήσει την концепτού αποκεντρωμένης AI στον τομέα της κυβερνοασφάλειας. Συγκεκριμένα, η F-Secure στοχεύει να βελτιώσει τις ικανότητες ανίχνευσης και απόκρισης της εταιρείας.

Όπως εξήγησε ο Matti Aksela, ο Αντιπρόεδρος της F-Secure για την AI, είναι κοινώς αποδεκτό ότι η AI πρέπει να στοχεύει να μιμηθεί την ανθρώπινη νοημοσύνη. Ωστόσο, ενώ η μίμηση των συστημάτων AI μετά την ανθρώπινη σκέψη και συμπεριφορά δεν είναι κακό per se, ο Aksela εξήγησε στο AI-News ότι η μίμηση μόνο της ανθρώπινης νοημοσύνης περιορίζει τα πιθανά μοντέλα AI. Ο Aksela εξήγησε ότι μπορούμε να κοιτάξουμε έξω από την ανθρώπινη νοημοσύνη και να εξερευνήσουμε άλλους τρόπους οργάνωσης και αρχιτεκτονικής AI. Ένα ευρύτερο φάσμα πιθανών μοντέλων AI μπορεί να αυξήσει τα πιθανά αποτελέσματα που μπορούν να επιτευχθούν με την AI.

Η εντομοειδής νοημοσύνη είναι μια συμπεριφορά αποκεντρωμένων συστημάτων. Είναι μια συλλογική συμπεριφορά που εκδηλώνεται και σε τεχνητά και σε φυσικά συστήματα. Σε ότι αφορά τα βιολογικά συστήματα, η εντομοειδής νοημοσύνη συχνά παρατηρείται σε μεγάλες αποικίες οργανισμών όπως τα μυρμήγκια, οι μέλισσες, τα ψάρια και τα πουλιά. Για παράδειγμα, πολλά πουλιά μεταναστεύουν σε μεγάλες σμήνη και καθώς το σμήνος ταξιδεύει, διατηρεί μια σταθερή μορφή που μεταβάλλεται πολύ λίγο, με τα πουλιά να απομακρύνονται μόνο λίγα ιντσές από την μορφή τους. Πιστεύεται ότι το πέταγμα σε τέτοιες μορφές μειώνει την ενέργεια που απαιτείται για το πέταγμα.

Η εντομοειδής νοημοσύνη έχει χρησιμοποιηθεί για τη διαδρομή πιθανοτήτων σε τηλεπικοινωνιακές δίκτυα και στη δημιουργία μικρο-ρομπότ. Ένα παράδειγμα αυτής της концепτούς είναι τα μικρο-ρομπότ που δημιουργήθηκαν από την MicroFactory. Τα ρομπότ ελέγχονται από μια κάρτα κυκλώματος που παράγει einen μαγνητικό πεδίο, και τα ρομπότ είναι μαγνήτες. Τα ρομπότ είναι επίσης εξοπλισμένα με μικρά εργαλεία χειρισμού που μπορούν να χρησιμοποιηθούν για να αλληλεπιδράσουν με το περιβάλλον γύρω τους και να χειριστούν αντικείμενα.

Η ανάπτυξη πραγματικά ανθρώπινης νοημοσύνης, ή Γενικής Νοημοσύνης, θα χρειαστεί κάποιο χρόνο για να δημιουργηθεί. Οι εκτιμήσεις από διάφορους εμπειρογνώμονες AI ποικίλλουν, αλλά κατά μέσο όρο πιστεύεται ότι θα χρειαστεί περίπου 50 χρόνια για να δημιουργηθεί μια Γενική Νοημοσύνη. Σε αντίθεση, η ανάπτυξη αποκεντρωμένων αυτόνομων πραγμάτων όπως αυτά της F-Secure θα χρειαστεί σημαντικά λιγότερο χρόνο.

Σύμφωνα με την F-Secure, θα χρειαστούν beberapa χρόνια ακόμη για να αναπτυχθεί πλήρως η αρχιτεκτονική της διανεμημένης νοημοσύνης, αλλά κάποιες μηχανισμοί που βασίζονται στο μοντέλο της εντομοειδούς νοημοσύνης είναι ήδη σε χρήση. Η F-Secure έχει χρησιμοποιήσει κάποιες τεχνικές εντομοειδούς νοημοσύνης για την ανίχνευση παραβιάσεων και την κατασκευή λύσεων.

Τα πράγματα AI της F-Secure είναι ικανά να επικοινωνούν μεταξύ τους και να συνεργάζονται.

Οι τεχνικές της εντομοειδούς νοημοσύνης χρησιμοποιούν τις ικανότητες ή τις δυνατότητες των ατόμων στο πλήθος των πραγμάτων, και όταν αυτές οι ικανότητες συνδέονται μεταξύ τους, υπάρχει ένα ισχυρό και ευέλικτο σύστημα ικανό να εκτελέσει σύνθετα καθήκοντα.

«Ουσιαστικά, θα έχετε μια αποικία από γρήγορους τοπικούς AI που προσαρμόζονται στο δικό τους περιβάλλον ενώ εργάζονται μαζί, αντί για ένα μεγάλο AI που λαμβάνει αποφάσεις για όλους», εξήγησε ο Aksela.

Στην περίπτωση της F-Secure, τα διάφορα πράγματα είναι ικανά να μαθαίνουν από διαφορετικά δίκτυα και hosts, και τα πράγματα μπορούν να μοιράζονται γνώσεις μέσω του ευρύτερου δικτύου που συνδέει τις διαφορετικές οργανώσεις. Η F-Secure λέει ότι ένα από τα κύρια πλεονεκτήματα αυτής της προσέγγισης είναι ότι μπορεί να επιτρέψει στην οργάνωση να μοιράζεται ευαίσθητες πληροφορίες μέσω του cloud και να παραμένει προστατευμένη λόγω της ανώτερης ανίχνευσης και απόκρισης.

Blogger και προγραμματιστής με ειδικότητες στα Machine Learning και Deep Learning θέματα. Ο Daniel ελπίζει να βοηθήσει τους άλλους να χρησιμοποιήσουν τη δύναμη του AI για κοινωνικό καλό.