Тема искусственного интеллекта окружена маркетинговым шумом и изобилует туманными терминами: нейросети, машинное обучение, глубокое обучение. Но далеко не все могут внятно объяснить, какое обучение еще машинное, а какое — уже глубокое. Пока любители технологий обсуждают автопилот Tesla и смотрят, как Siri общается с «Алисой», на темной стороне идет активная работа по внедрению ИИ в мошеннические схемы.
Михаил Кондрашин, технический директор Trend Micro в России и СНГ, рассказывает, какие возможности ИИ уже используют для киберпреступлений и что нас ждет в будущем.
Что есть что в мире ИИ
Прежде чем рассказывать о преступном применении ИИ, разберемся с терминами.
Искусственный интеллект (Artificial Intelligence, AI) — это технология, с помощью которой компьютерная система может имитировать действия человека в аналогичной ситуации. Датой появления ИИ считается 1956 год, когда на Дартмутском семинаре это направление анонсировал Марвин Мински, Клод Шеннон, Джон Мак-Карти и Натаниэль Рочестер. Обычно к сфере ИИ относят системы, которые выполняют функции человека — распознавание речи и образов, поиск решений и взаимосвязей, обучение.
Главное отличие ИИ от других компьютерных систем — отсутствие предопределенности: ИИ может выдавать разные реакции на одни и те же входные данные. Практически невозможно понять, каким образом ИИ пришел к выводу.
Существует много способов реализации ИИ, например, на базе множества правил или экспертных систем. Наибольшее распространение с 1980-х годов получила технология машинного обучения (Machine Learning, ML). Машинным обучением называют любые методы, которые позволяют системам «учиться» без явного программирования этого поведения.
Смысл машинного обучения состоит в том, что компьютерная система получает на вход большой набор данных и информацию о том, какие из них содержат нужные характеристики. Такими данными могут быть, например, сведения о финансовых транзакциях, а также о том, какие из них являются мошенническими.
Система обрабатывает данные по специальному алгоритму, накапливая их. Потом все решения принимаются уже в соответствии с накопленными «знаниями» — ML-системы подобно человеческому мозгу в процессе своего обучения создают множество взаимосвязей.
Для повышения эффективности машинного обучения массивы накопленных данных и их обработку стали проводить на нескольких уровнях, формируя целые сети условных «нейронов» — слоев, имитирующих человеческий мозг. Такая технология получила название «глубокого обучения» — Deep Learning, DL. Конкретные реализации систем глубокого обучения обычно называют нейронными сетями.
Комментариев нет:
Отправить комментарий