کاربرد عملی هوش مصنوعی در آنتی ویروس سیمانتک
سوال اصالت: توانایی هوش مصنوعی برای انجام کارهای خلاقانه منجر به یکی از بحث برانگیزترین مسائل مرتبط با هوش مصنوعی می‌باشد.
آیا آنچه هوش مصنوعی ایجاد میکند به هر معنا اصلی است یا همیشه فقط یک کپی خوب یا جعلی Fake است؟
پاسخ بسیار پیچیده است، اگر چه ممکن است خلاف شهود به نظر برسد اما در تعیین اینکه چه چیزی اصلی است و چه چیزی نیست خط ظریفی وجود دارد. بیشتر هوش مصنوعی برای یادگیری نیاز به آموزش دارد درست مانند افرادی که در طول زمان آموزش می‌بینند و یاد می‌گیرند. در نهایت نرم افزار هوش مصنوعی نیز مانند مردم بر اساس تجربیات قبلی خود تصمیم میگیرد بنابراین آیا تفاوتی وجود دارد؟
در نظر بگیرید که از یک برنامه هوش مصنوعی بخواهید تصویری ایجاد کند که امروزه در هیچ کجای دنیا وجود ندارد. فرض کنید گربه ای است که در حالی که بالای توپ بسکتبال نشسته پیتزا می خورد. به معنای واقعی این یک تصویر اصلی است. آیا هیچ یک از عناصر تشکیل دهنده تصویر اصلی است؟ نه. اما اگر هنرمندی آن را نقاشی کند آیا این تصویر اصیل محسوب میشود؟ اگر کسی بپرسد که آیا هوش مصنوعی میتواند چیزی اصلی بسازد، آیا درست نیست که بپرسیم آیا افراد میتوانند انجام دهند یا خیر؟
در سال 2020 یک تیم الگوریتمی ایجاد کرد که 68 میلیارد ملودی منحصر به فرد تولید کرد آنها سپس آن ملودیها را در مالکیت عمومی منتشر کردند. هدف این بود که با شکایتهای رایج تر کپی رایت که هنرمندان صنعت موسیقی علیه هنرمندان دیگر به اتهام سرقت ملودیهای آنها برای ایجاد رکوردهای موفق مطرح می کردند، مقابله کرد. آیا آن تلاش معتبر بود یا صرفاً نقض دیگری بر آزادی هنری بود؟ این موضوع حل نشده است زیرا خود پروژه می تواند قوانین کپی رایت را نقض کند زیرا برخی از ملودی های تولید شده توسط هوش مصنوعی قبلاً توسط هنرمندان دیگر ضبط شده بودند.
این سؤال در مورد هوش مصنوعی و اصالت سؤالی است که مطمئناً در سالهای آینده حتی بزرگتر خواهد شد.
بیایید به دو مورد استفاده سنتی نگاه کنیم یکی برای DLP سیمانتک Symantec و دیگری برای انطباق تا نقش هوش مصنوعی مولد را در هر کدام ببینیم.
مورد استفاده سنتی فیشینگ تهدید خودی با هوش مصنوعی قابل توجه میشود. افراد با دانش نزدیک از شرکت خود میتوانند از ChatGPT برای ایجاد ایمیل بسیار واقعی استفاده کنند. آنها میتوانند سبک اشتباهات تایپی همه چیز را تکرار کنند علاوه بر این مهاجمان همچنین میتوانند وب سایتها را دقیقاً کپی کنند.
راه حل های حفاظت از داده‌ها (DLP) مانند Symantec DLP می تواند به جلوگیری از این نوع حملات کمک کند این که در حال حاضر به اندازه کافی پیچیده نیست اما در پنج سال آینده ممکن است داستان متفاوتی باشد. در میان مزایای دیگر DLP می تواند از هوش مصنوعی برای سرعت بخشیدن به اولویت بندی حوادث استفاده کند و به تحلیلگران ارشد کمک کند تا مهمترین تهدیدها را اولویت بندی کنند و آنهایی را که تهدیدی حیاتی برای شرکت نیستند، تشخیص دهند. برنامه های Chat Bard و برنامه‌های هوش مصنوعی مولد مشابه آنچنان که برخی تصور میکنند ابزاری بالغ نیستند مشکل امنیتی واقعی امروز این است که چگونه برنامه‌های هوش مصنوعی، کیفیت و حجم ایمیلهای فیشینگ و وبسایت ها را بهبود می بخشند. حملات مهندس اجتماعی به بی دقتی با عجله کاربران برای کلیک کردن روی پیوند ایمیل فیش وابسته است این موضوع ذاتی هوش مصنوعی نیست بلکه بیشتر طبیعت انسانی است. از نظر امنیت دفاع در برابر این نوع حملات واقعاً تفاوتی با ایجاد امنیت برای فیس بوک و سایر حملات فیشینگ رسانه های اجتماعی ندارد بزرگترین تهدید این است که برخلاف رسانه های اجتماعی که در آن یک فرد پستهای تکی را پست میکند.
هوش مصنوعی مولد ميتواند به راحتی منجر به یک مورد استفاده از انطباق کلاسیک شود زمانی که برای تصمیم گیری بر اساس اطلاعات اشتباه استفاده شود. برای جلوگیری از مسائل مربوط به انطباق سازمانها باید بر نیاز به نگهداری بهتر داده‌ها تاکید کنند و هنگام آزمایش راه حلهای هوش مصنوعی سوگیری را ارزیابی کنند شرکتها برای مدیریت هوش مصنوعی برای مدیریت جهت گیری و موقعیت‌هایی که هنوز از آنها اطلاعی نداریم به منابع جدیدی نیاز خواهند داشت.
