Robot học và AI vật lý

Dự án trí tuệ nhân tạo của F-Secure để khai thác tiềm năng của ‘trí tuệ bầy đàn’

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google

Công ty an ninh mạng F-Secure đã tạo ra một dự án trí tuệ nhân tạo mới sử dụng các kỹ thuật lấy cảm hứng từ “trí tuệ bầy đàn”. Theo báo cáo của AI News, cách tiếp cận trí tuệ nhân tạo mới của F-Secure sử dụng nhiều đại lý trí tuệ nhân tạo phân tán hợp tác để thực hiện các mục tiêu cụ thể.

Dự án trí tuệ bầy đàn của F-Secure tương tự như cách tiếp cận trước đó của Fetch AI về hệ thống trí tuệ nhân tạo phân tán, đã được áp dụng cho các khái niệm IoT. Tuy nhiên, không giống như Fetch AI, F-Secure nhằm mục đích đưa khái niệm trí tuệ nhân tạo phân tán vào lĩnh vực an ninh mạng. Cụ thể, F-Secure nhằm cải thiện khả năng phát hiện và phản ứng của công ty.

Theo Matti Aksela, Phó Chủ tịch phụ trách Trí tuệ nhân tạo tại F-Secure, người ta thường cho rằng trí tuệ nhân tạo nên cố gắng sao chép trí tuệ con người. Tuy nhiên, trong khi việc tạo ra hệ thống trí tuệ nhân tạo theo lý lẽ và hành vi của con người không phải là điều xấu, Aksela giải thích với AI-News rằng chỉ sao chép trí tuệ nhân tạo theo nhận thức con người sẽ hạn chế những gì chúng ta có thể làm với trí tuệ nhân tạo. Aksela giải thích rằng chúng ta có thể nhìn ngoài nhận thức con người và khám phá các phương pháp tổ chức và kiến trúc trí tuệ nhân tạo khác. Một loạt các mô hình trí tuệ nhân tạo có thể tăng cường những gì con người đã có thể thực hiện với trí tuệ nhân tạo.

Trí tuệ bầy đàn là một hành vi của hệ thống phân tán. Đó là một hành vi tập thể thể hiện trong cả hệ thống nhân tạo và tự nhiên. Về mặt hệ thống sinh học, trí tuệ bầy đàn thường được thấy trong các thuộc địa lớn của các sinh vật như kiến, ong, cá và chim. Ví dụ, nhiều loài chim di cư trong các đàn lớn và khi đàn di chuyển, nó duy trì một hình dạng nhất quán thay đổi rất ít, với các loài chim chỉ lệch vài inch so với nhau trong hình dạng. Người ta cho rằng bay trong các hình dạng như vậy sẽ giảm năng lượng mà các loài chim cần để bay.

Trí tuệ bầy đàn đã được sử dụng cho định tuyến xác suất trong mạng truyền thông và trong việc tạo ra các robot vi mô. Một ví dụ về khái niệm này là các robot nhỏ được tạo ra bởi MicroFactory. Các robot được điều khiển bởi một bảng mạch tạo ra một trường từ, và các robot chính là nam châm. Các robot cũng được trang bị các công cụ thao tác nhỏ mà chúng có thể sử dụng để tương tác với môi trường xung quanh và thao tác các vật thể.

Phát triển trí tuệ nhân tạo thực sự giống con người, hoặc Trí tuệ nhân tạo tổng quát, sẽ mất một thời gian để được tạo ra. Ước tính của các chuyên gia trí tuệ nhân tạo khác nhau, nhưng trung bình người ta cho rằng nó sẽ mất khoảng 50 năm để thành công trong việc tạo ra một AGI. Ngược lại, việc phát triển các đại lý tự động phân tán như những đại lý mà F-Secure nên mất một khoảng thời gian ngắn hơn đáng kể.

Theo F-Secure, sẽ cần thêm vài năm phát triển để kiến trúc trí tuệ phân tán của họ đạt được tiềm năng đầy đủ, nhưng một số cơ chế dựa trên mô hình trí tuệ bầy đàn đã được sử dụng. F-Scale đã sử dụng một số kỹ thuật trí tuệ bầy đàn để phát hiện các vi phạm và xây dựng các giải pháp.

Các đại lý trí tuệ nhân tạo của F-Secure có khả năng giao tiếp với nhau và hợp tác.

Các kỹ thuật trí tuệ bầy đàn tận dụng tài năng hoặc khả năng của từng đại lý trong nhóm đại lý, và khi những kỹ năng này được kết nối, sẽ có một hệ thống mạnh mẽ và linh hoạt có khả năng thực hiện các nhiệm vụ phức tạp.

“Về cơ bản, bạn sẽ có một thuộc địa của các trí tuệ nhân tạo địa phương nhanh nhẹn thích nghi với môi trường của chúng trong khi làm việc cùng nhau, thay vì một trí tuệ nhân tạo lớn đưa ra quyết định cho mọi người,” Aksela giải thích.

Trong trường hợp cụ thể của F-Secure, các đại lý khác nhau có khả năng học hỏi từ các mạng và máy chủ khác nhau, và các đại lý có thể truyền bá kiến thức này thông qua mạng rộng lớn hơn kết nối các tổ chức khác nhau. F-Secure cho biết một trong những lợi ích chính của cách tiếp cận này là nó có thể cho phép tổ chức chia sẻ thông tin nhạy cảm qua đám mây và vẫn được bảo vệ do khả năng phát hiện và tấn công vượt trội.

Blogger và lập trình viên với chuyên môn về Machine Learning Deep Learning topics. Daniel hy vọng giúp đỡ người khác sử dụng sức mạnh của AI cho lợi ích xã hội.