Robotique et IA physique

Projet d’IA de F-Secure pour exploiter le potentiel de l’intelligence en essaim

mm
Ajouter Unite.AI à vos sources préférées sur Google

L’entreprise de cybersécurité F-Secure a récemment créé un nouveau projet d’IA qui utilise des techniques inspirées par l’« intelligence en essaim ». Selon AI News, la nouvelle approche d’IA de F-Secure utilise de nombreux agents d’IA décentralisés qui collaborent pour atteindre des objectifs spécifiques.

L’IA en essaim de F-Secure est similaire au concept de Fetch AI, qui a été appliqué à des concepts IoT. Cependant, contrairement à Fetch AI, F-Secure vise à utiliser le concept d’IA décentralisée dans le domaine de la cybersécurité. Plus précisément, F-Secure vise à améliorer les capacités de détection et de réponse de l’entreprise.

Comme l’explique Matti Aksela, le vice-président de l’IA chez F-Secure, il est souvent admis que l’IA devrait viser à copier l’intelligence humaine. Cependant, alors que la création de systèmes d’IA inspirés de la raison et du comportement humains n’est pas intrinsèquement mauvaise, Aksela a expliqué à AI-News que se limiter à copier l’intelligence humaine limite ce que nous pouvons faire avec l’IA. Aksela a expliqué que nous pouvons regarder au-delà de la cognition humaine et explorer d’autres méthodes d’organisation et d’architecture de l’IA. Un plus large éventail de modèles d’IA peut augmenter ce que les gens peuvent déjà accomplir avec l’IA.

L’intelligence en essaim est un comportement de systèmes décentralisés. C’est un comportement collectif qui se manifeste à la fois dans les systèmes artificiels et naturels. En termes de systèmes biologiques, l’intelligence en essaim est souvent observée dans de grandes colonies d’organismes comme les fourmis, les abeilles, les poissons et les oiseaux. Par exemple, de nombreux oiseaux migrent en grandes troupeaux et, au fur et à mesure que la troupeau se déplace, elle maintient une formation cohérente qui varie très peu, les oiseaux ne s’écartant que de quelques pouces les uns des autres dans leur formation. On pense que voler dans de telles formations réduit l’énergie que les oiseaux nécessitent pour voler.

L’intelligence en essaim a été utilisée pour le routage probabiliste dans les réseaux de télécommunication et dans la création de micro-robots. Un exemple de ce concept est le petit robot créé par MicroFactory. Le robot est contrôlé par une carte de circuit imprimé qui génère un champ magnétique, et le robot lui-même est un aimant. Le robot est également équipé d’outils de manipulation miniatures qu’il peut utiliser pour interagir avec l’environnement qui l’entoure et manipuler des objets.

Le développement d’une véritable intelligence artificielle générale, ou intelligence artificielle générale, prendra du temps. Les estimations des experts en IA varient, mais en moyenne, on pense qu’il faudra environ 50 ans pour réussir à créer une intelligence artificielle générale. En revanche, le développement d’agents autonomes décentralisés comme ceux de F-Secure devrait prendre nettement moins de temps.

Selon F-Secure, plusieurs années de développement supplémentaires seront nécessaires pour que son architecture d’intelligence décentralisée atteigne son plein potentiel, mais certains mécanismes basés sur le modèle d’intelligence en essaim sont déjà en cours d’utilisation. F-Secure a utilisé certaines techniques d’intelligence en essaim pour détecter les violations et concevoir des solutions.

Les agents d’IA de F-Secure sont capables de communiquer les uns avec les autres et de collaborer.

Les techniques d’intelligence en essaim utilisent les talents ou les capacités des agents individuels dans le bassin d’agents, et lorsque ces compétences sont connectées, il y a un système robuste et flexible capable d’effectuer des tâches complexes.

« Essentiellement, vous aurez une colonie d’IA locales rapides qui s’adaptent à leur propre environnement tout en travaillant ensemble, au lieu d’un grand IA qui prend des décisions pour tout le monde », a expliqué Aksela.

Dans le cas spécifique de F-Secure, les différents agents sont capables d’apprendre à partir de différents réseaux et hôtes, et les agents peuvent transmettre ces connaissances à travers le réseau plus large qui relie les différentes organisations. F-Secure déclare que l’un des principaux avantages de cette approche est qu’elle peut permettre à l’organisation de partager des informations sensibles via le cloud tout en restant protégée grâce à une détection et une attaque supérieures.

Blogueur et programmeur avec des spécialités en Machine Learning et Deep Learning sujets. Daniel espère aider les autres à utiliser le pouvoir de l'IA pour le bien social.