Проект штучного інтелекту від F-Secure для використання потенціалу «розового інтелекту»

Компанія з кібербезпеки F-Secure нещодавно створила новий проект штучного інтелекту, який використовує методи, натхненні «ройовим інтелектом».  Як повідомляє AI News, новий підхід F-Secure AI використовує багато децентралізованих агентів AI, які співпрацюють для досягнення конкретних цілей.

Новий штучний інтелект F-Secure swarm подібний за концепцією до попереднього погляду Fetch AI на децентралізовані системи ШІ, які були застосовані до концепцій IoT. Однак, на відміну від Fetch AI, F-Secure прагне використати концепцію децентралізованого штучного інтелекту в сфері кібербезпеки. Зокрема, F-Secure прагне покращити можливості компанії щодо виявлення та реагування.

Як пояснив Матті Аксела, віце-президент відділу штучного інтелекту F-Secure, прийнято вважати, що ШІ має прагнути копіювати людський інтелект. Однак, незважаючи на те, що моделювання систем штучного інтелекту на основі людських міркувань і поведінки за своєю суттю непогано, Аксела пояснив AI-News, що лише створення шаблонів штучного інтелекту на основі людського пізнання обмежує те, що ми можемо робити з ШІ. Аксела пояснив, що ми можемо дивитися за межі людського пізнання та досліджувати інші методи організації та архітектури ШІ. Більш широкий діапазон можливих моделей для ШІ може розширити те, що люди вже можуть досягти за допомогою ШІ.

Ройовий інтелект — це поведінка децентралізованих систем. Це колективна поведінка, яка проявляється як у штучних, так і в природних системах. З точки зору біологічних систем, ройовий інтелект часто спостерігається у великих колоніях організмів, таких як мурахи, бджоли, риби та птахи. Наприклад, багато птахів мігрують великими зграями, і під час подорожі зграя зберігає послідовну форму, яка дуже незначно коливається, при цьому птахи відхиляються лише на кілька дюймів одна від одної у своїй побудові. Вважається, що політ у таких формах зменшує енергію, яка потрібна птахам для польоту.

Ройовий інтелект використовувався для імовірнісної маршрутизації в телекомунікаційних мережах і при створенні мікроботів. Одним із прикладів цієї концепції є крихітні роботи створений MicroFactory. Роботами керує друкована плата, яка створює магнітне поле, а самі роботи є магнітами. Роботи також оснащені невеликими інструментами маніпуляції, які вони можуть використовувати для взаємодії з навколишнім середовищем і маніпулювання об’єктами.

Розробка справжнього штучного інтелекту, схожого на людину, або загального штучного інтелекту, займе деякий час. Оцінки різних експертів зі штучного інтелекту відрізняються, але в середньому вважається, що для досягнення успіху в створенні AGI знадобиться близько 50 років. Навпаки, розробка розподілених автономних агентів, таких як F-Secure, повинна тривати значно менше часу.

За словами F-Secure, знадобиться ще кілька років розробки, щоб архітектура розподіленого інтелекту повністю розкрила свій потенціал, але деякі механізми на основі моделі ройового інтелекту вже використовуються. F-Scale використовував деякі методи ройового аналізу для виявлення порушень та розробки інженерних рішень.

Агенти ШІ F-Secure здатні спілкуватися один з одним і співпрацювати.

Методи розвідки роїв використовують таланти або здібності окремих агентів у пулі агентів, і коли ці навички об’єднані разом, утворюється надійна та гнучка система, здатна виконувати складні завдання.

«По суті, ви матимете колонію швидких локальних штучних інтелектів, які адаптуються до власного середовища, працюючи разом, замість того, щоб один великий штучний інтелект приймав рішення за всіх», – пояснила Аксела.

У конкретному випадку F-Secure різні агенти здатні навчатися з різних мереж і хостів, і агенти можуть поширювати ці знання через широку мережу, яка об’єднує різні організації. F-Secure каже, що одна з головних переваг цього підходу полягає в тому, що він може дозволити організації обмінюватися конфіденційною інформацією через хмару та залишатися захищеним завдяки чудовому виявленню зламу та атак.