कृत्रिम बुद्धिमत्ता पर धैर्य एक गुण है

चैटजीपीटी के लॉन्च के बाद से लगभग दो साल हो चुके हैं, कृत्रिम बुद्धिमत्ता ने एक पूरे प्रौद्योगिकी हYPE चक्र को पूरा किया है, जो उच्च, समाज-परिवर्तनकारी अपेक्षाओं से लेकर हाल ही में शेयर बाजार में सुधार को बढ़ावा देने तक। लेकिन विशेष रूप से साइबर सुरक्षा उद्योग में, जनरेटिव कृत्रिम बुद्धिमत्ता (जेनएआई) के बारे में उत्साह अभी भी न्यायसंगत है; यह केवल इतना हो सकता है कि क्षेत्र को पूरी तरह से बदलने में निवेशकों और विश्लेषकों की तुलना में थोड़ा अधिक समय लग सकता है।

हYPE में बदलाव का सबसे स्पष्ट और हालिया संकेत अगस्त की शुरुआत में ब्लैक हैट यूएसए सम्मेलन में देखा गया था, जिसमें उत्पाद लॉन्च, प्रदर्शन और सामान्य उत्साह में जनरेटिव कृत्रिम बुद्धिमत्ता ने बहुत छोटी भूमिका निभाई थी। चार महीने पहले आयोजित आरएसए सम्मेलन की तुलना में, जिसमें एक ही विक्रेता शामिल थे, ब्लैक हैट में एआई पर ध्यान नगण्य था, जो तटस्थ दर्शकों को यह मानने के लिए प्रेरित कर सकता है कि उद्योग आगे बढ़ रहा है या एआई एक वस्तु बन गया है। लेकिन यह पूरी तरह से मामला नहीं है।

मैं इसका क्या अर्थ है। साइबर सुरक्षा उद्योग के भीतर जनरेटिव कृत्रिम बुद्धिमत्ता का परिवर्तनकारी लाभ शायद जेनेरिक चैटबॉट्स या डेटा प्रोसेसिंग मॉडल पर जल्दी से एआई की परतें नहीं डालकर आएगा। ये अधिक उन्नत और कुशल उपयोग के मामलों के लिए निर्माण खंड हैं, लेकिन अभी वे सुरक्षा उद्योग के लिए विशेष नहीं हैं, और परिणामस्वरूप वे ग्राहकों के लिए नए सुरक्षा परिणामों की लहर नहीं चला रहे हैं। इसके बजाय, एआई सुरक्षा उद्योग के लिए वास्तविक परिवर्तन तब होगा जब एआई मॉडल सुरक्षा उपयोग के मामलों के लिए अनुकूलित और ट्यून किए जाएंगे।

सुरक्षा में वर्तमान सामान्य एआई उपयोग के मामले मुख्य रूप से प्रॉम्प्ट इंजीनियरिंग और रिट्रीवल-ऑगमेंटेड जेनरेशन का उपयोग करते हैं, जो एक एआई फ्रेमवर्क है जो मूल रूप से बड़े भाषा मॉडल (एलएलएम) को उनके प्रशिक्षण डेटा के बाहर अतिरिक्त डेटा संसाधनों तक पहुंचने में सक्षम बनाता है, जो जनरेटिव एआई और डेटाबेस पुनर्प्राप्ति के सर्वोत्तम भागों को जोड़ता है। उपयोग के मामले और विक्रेता के मौजूदा डेटा प्रोसेसिंग के आधार पर उपयोगिता बहुत भिन्न होती है; वे “जादू” नहीं हैं। यह अन्य अनुप्रयोगों के लिए भी सच है जिन्हें प्रोप्राइटरी डेटा और विशेषज्ञता की आवश्यकता होती है जो इंटरनेट पर प्रचलित नहीं है, जैसे कि चिकित्सा निदान और कानूनी कार्य। ऐसा लगता है कि कंपनियां जनरेटिव एआई उपयोग के मामलों को अनुकूलित करने के लिए डेटा प्रोसेसिंग पाइपलाइनों और डेटा एक्सेस सिस्टम को समायोजित करेंगी। इसके अलावा, जनरेटिव एआई कंपनियां विशेष रूप से ट्यून किए गए मॉडलों के विकास को प्रोत्साहित कर रही हैं, हालांकि यह देखना बाकी है कि यह गुणवत्ता और विवरण के लिए आवश्यक उपयोगों के लिए कितनी अच्छी तरह से काम करेगा।

हालांकि, सुरक्षा उद्योग में इस विशेषज्ञता का प्रभाव पड़ने में कुछ कारणों से समय लग सकता है। एक प्राथमिक कारण यह है कि इन मॉडलों को अनुकूलित करने के लिए प्रशिक्षण के दौरान साइबर सुरक्षा और एआई में विशेषज्ञता वाले कई मानवों की आवश्यकता होती है, जो दोनों उद्योग प्रतिभा की भर्ती के लिए संघर्ष कर रहे हैं। साइबर सुरक्षा उद्योग दुनिया भर में लगभग चार मिलियन पेशेवरों से कम है, विश्व आर्थिक मंच के अनुसार, और रॉयटर्स का अनुमान है कि निकट भविष्य में एआई से संबंधित पदों के लिए 50% भर्ती अंतर होगा।

विशेषज्ञों की कमी के बिना, सुरक्षा संदर्भ में काम करने के लिए एआई मॉडल को अनुकूलित करने के लिए आवश्यक सटीक कार्य में देरी होगी। एआई मॉडलों को प्रशिक्षित करने के लिए आवश्यक डेटा विज्ञान की लागत भी सीमित करती है कि कितने संगठनों में अनुकूलित एआई मॉडलिंग में शोध करने के लिए संसाधन हैं। यह उन्नत एआई मॉडलों की आवश्यकता वाली प्रसंस्करण शक्ति को वहन करने के लिए लाखों डॉलर लागत आती है, और यह पैसा कहीं से आना होगा। जब एक संगठन में अनुसंधान के लिए संसाधन और टीम होती है, तो वास्तविक प्रगति रातोंरात नहीं होती है। यह पता लगाने में समय लगेगा कि सुरक्षा पेशेवरों और विश्लेषकों के लिए एआई मॉडल को कैसे बढ़ाया जाए, और किसी भी नए उपकरण की तरह, सुरक्षा-विशिष्ट प्राकृतिक भाषा प्रोसेसर, चैटबॉट और अन्य एआई-सहायता प्रावधानों को पेश किए जाने पर एक सीखने की अवस्था होगी।

जनरेटिव कृत्रिम बुद्धिमत्ता अभी भी साइबर सुरक्षा की दुनिया को एक नए युग में बदलने के लिए तैयार है, जहां आक्रामक एआई क्षमताओं के साथ-साथ खतरे के अभिनेताओं द्वारा खतरों का पता लगाने और निगरानी करने के लिए सुरक्षा प्रदाताओं के एआई मॉडल के साथ प्रतिस्पर्धा करेंगे। इस बदलाव को ईंधन देने के लिए आवश्यक अनुसंधान और विकास सामान्य प्रौद्योगिकी समुदाय द्वारा अपेक्षित की तुलना में थोड़ा अधिक समय लेने वाला है।