Про штучну інтелекту: Терпіння – це добродій

Від часу запуску ChatGPT минуло майже два роки, і штучний інтелект пройшов повний цикл технологічної гіперії, від високих очікувань щодо зміни суспільства до спровокування недавнього корекції фондового ринку. Але в галузі кібербезпеки конкретно збудження навколо генеративного штучного інтелекту (генеративний AI) все ще виправдане; просто може зайняти більше часу, ніж інвестори та аналітики очікували, щоб змінити галузь повністю.

Найяснішим і найсвіжішим ознаком зсуву гіперії став Конференція Black Hat USA на початку серпня, на якій генеративний штучний інтелект відіграв дуже малу роль у запусках продуктів, демонстраціях та створенні загального ажіотажу. У порівнянні з Конференцією RSA чотири місяці тому, на якій брали участь ті самі виробники, акцент на штучному інтелекті на Black Hat був незначним, що могло б привести нейтральних спостерігачів до висновку, що галузь рухається далі або що штучний інтелект став комодитизованим. Але це не зовсім так.

От що я маю на увазі. Переважна користь застосування генеративного штучного інтелекту в галузі кібербезпеки, ймовірно, не полягає у використанні загальних чат-ботів або швидкому накладанні штучного інтелекту на моделі обробки даних. Ці є будівельними блоками для більш просунутих і ефективних випадків використання, але зараз вони не спеціалізовані для галузі безпеки і, як результат, не сприяють новій хвилі оптимальних результатів безпеки для клієнтів. Справжня трансформація, яку штучний інтелект надасть галузі безпеки, відбудеться, коли моделі штучного інтелекту будуть налаштовані та налаштовані для випадків використання безпеки.

Поточні загальні випадки використання штучного інтелекту в галузі безпеки в основному використовують інженерія запитів і покращена генерація, яка є каркасом штучного інтелекту, який дозволяє більшим мовним моделям (LLM) використовувати додаткові джерела даних поза їх тренувальними даними, поєднуючи найкращі частини генеративного штучного інтелекту та бази даних. Корисність цих різко варіюється залежно від випадку використання та того, наскільки добре існуюча система обробки даних постачальника підтримує випадок використання; вони не є “магічними”. Це також справедливо для інших застосунків, які вимагають пропрієтарних даних та експертизи, яких немає в інтернеті, таких як медична діагностика та юридична робота. Здається ймовірним, що компанії адаптують канали обробки даних та системи доступу до даних, щоб оптимізувати випадки використання генеративного штучного інтелекту. Також компанії, які займаються генеративним штучним інтелектом, заохочують розробку спеціально налаштованих моделей, хоча ще неясно, як добре це буде працювати для випадків, де якість та деталізація мають важливе значення.

Є кілька причин, чому ця спеціалізація займе час, щоб вплинути на галузь безпеки, хоча. Однією з основних причин є те, що налаштування цих моделей вимагає багатьох людей у процесі навчання, які є експертами у сфері кібербезпеки та штучного інтелекту, двох галузей, які борються за набір достатньої кількості фахівців. Галузь кібербезпеки не має близько чотирьох мільйонів фахівців у світі, згідно з Світовим економічним форумом, а Reuters оцінює, що буде прогалина у 50% у наборі фахівців, пов’язаних зі штучним інтелектом, у найближчому майбутньому.

Без великої кількості фахівців робота, необхідна для налаштування моделей штучного інтелекту для роботи у контексті безпеки, буде сповільнена. Вартість виконання необхідної науки про дані для навчання цих моделей також обмежує кількість організацій, які мають ресурси для проведення досліджень щодо налаштування моделей штучного інтелекту. Для цього потрібно мільйони доларів, щоб оплатити потужність обробки, яку вимагають моделі штучного інтелекту останнього покоління, і ці гроші повинні прийти з якогось джерела. Навіть коли організація має ресурси та команду для проведення досліджень щодо налаштування штучного інтелекту, фактичний прогрес не відбувається за одну ніч. Потрібно буде час, щоб визначити, як найкраще доповнити моделі штучного інтелекту для вигоди фахівців та аналітиків безпеки, і як і з будь-яким новим інструментом, буде навчальна крива, коли будуть введені спеціальні для безпеки природні мовні процесори, чат-боти та інші інтеграції, що використовують штучний інтелект.

Генеративний штучний інтелект все ще готовий змінити світ кібербезпеки на новий парадигму, де можливості штучного інтелекту, які використовують противники та загрозливі актори, будуть конкурувати з моделями штучного інтелекту постачальників безпеки, створених для виявлення та моніторингу загроз. Дослідження та розвиток, необхідні для підтримки цього зсуву, просто займе трохи більше часу, ніж загальна технологічна спільнота очікувала.