logo
0
читателей
0 ₽
в месяц
0 ₽
всего собрано
Малоизвестное интересное  Это не те исследования, гипотезы которых станут реальными в ближайшее время, а что-то совершенно прорывное и сумасшедшее
О проекте Просмотр Уровни подписки Фильтры Статистика Обновления проекта Контакты Поделиться Метки
Все проекты
О проекте
Рассказываю о прорывных исследованиях за гранью возможностей, чтобы это было интересно не только мне. «Малоизвестное интересное» — о запредельных вещах. Об этом практически ничего не пишется в России. Зачастую об этом немного знают даже вообще и в мире, не только в России. События, о которых говорится в исследованиях, могут сказаться на жизни людей и всего человечества.
Публикации, доступные бесплатно
Уровни подписки
Единоразовый платёж

Безвозмездное пожертвование без возможности возврата. Этот взнос не предоставляет доступ к закрытому контенту.

Помочь проекту
Промо уровень 200₽ месяц 1 920₽ год
(-20%)
При подписке на год для вас действует 20% скидка. 20% основная скидка и 0% доп. скидка за ваш уровень на проекте Малоизвестное интересное

Подписка по специальным условиям для ограниченного количества подписчиков.

Оформить подписку
Бронза 350₽ месяц 3 780₽ год
(-10%)
При подписке на год для вас действует 10% скидка. 10% основная скидка и 0% доп. скидка за ваш уровень на проекте Малоизвестное интересное

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Серебро 500₽ месяц 5 100₽ год
(-15%)
При подписке на год для вас действует 15% скидка. 15% основная скидка и 0% доп. скидка за ваш уровень на проекте Малоизвестное интересное

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Золото 1 000₽ месяц 9 600₽ год
(-20%)
При подписке на год для вас действует 20% скидка. 20% основная скидка и 0% доп. скидка за ваш уровень на проекте Малоизвестное интересное

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Фильтры
Статистика
0 ₽ в месяц
0 ₽ всего собрано
Обновления проекта
Контакты

Контакты

Поделиться
Читать: 5+ мин
logo Малоизвестное интересное

Низкофоновый контент через год будет дороже антиквариата. Дегенеративное заражение ноофосферы идет быстрее закона Мура.

Низкофоновая ‎сталь‏ ‎(довоенная ‎или ‎доатомная ‎сталь) ‎—‏ ‎это ‎любая‏ ‎сталь,‏ ‎произведенная ‎до ‎взрыва‏ ‎первых ‎ядерных‏ ‎бомб ‎в ‎1940 ‎—‏ ‎50-х‏ ‎годах.

До ‎первых‏ ‎ядерных ‎испытаний‏ ‎никто ‎и ‎не ‎предполагал, ‎что‏ ‎в‏ ‎результате ‎порождаемого‏ ‎ими ‎относительно‏ ‎невысокого ‎радиоактивного ‎заражения, ‎на ‎Земле‏ ‎возникнет‏ ‎дефицит‏ ‎низкофоновой ‎стали,‏ ‎нужной ‎для‏ ‎изготовления ‎детекторов‏ ‎ионизирующих‏ ‎частиц ‎—‏ ‎счётчик ‎Гейгера, ‎приборы ‎для ‎космоса‏ ‎и ‎так‏ ‎далее.

Но‏ ‎оказалось, ‎что ‎уже‏ ‎после ‎первых‏ ‎ядерных ‎взрывов, ‎чуть ‎ли‏ ‎не‏ ‎единственным ‎источником‏ ‎низкофоновой ‎стали‏ ‎оказался ‎подъем ‎затонувших ‎за ‎последние‏ ‎полвека‏ ‎кораблей. ‎И‏ ‎ничего ‎не‏ ‎оставалось, ‎как ‎начать ‎подъем ‎с‏ ‎морского‏ ‎дна‏ ‎одиночных ‎кораблей‏ ‎и ‎целых‏ ‎эскадр ‎по‏ ‎типу‏ ‎Имперского ‎флота‏ ‎Германии, ‎затопленные ‎в ‎Скапа-Флоу ‎в‏ ‎1919.

Но ‎и‏ ‎этого‏ ‎способа ‎добычи ‎низкофоновой‏ ‎стали ‎особенно‏ ‎на ‎долго ‎не ‎хватило‏ ‎бы.‏ ‎И ‎ситуацию‏ ‎спасло ‎лишь‏ ‎запрещение ‎атмосферных ‎ядерных ‎испытаний, ‎после‏ ‎чего‏ ‎радиационный ‎фон‏ ‎со ‎временем‏ ‎снизился ‎до ‎уровня, ‎близкого ‎к‏ ‎естественному.

С‏ ‎началом‏ ‎испытаний ‎генеративного‏ ‎ИИ ‎в‏ ‎2022 ‎г‏ ‎также‏ ‎никто ‎не‏ ‎заморачивался ‎в ‎плане ‎рисков ‎«дегенеративного‏ ‎заражения» ‎продуктами‏ ‎этих‏ ‎испытаний.

·      Речь ‎здесь ‎идет‏ ‎о ‎заражении‏ ‎не ‎атмосферы, ‎а ‎ноосферы,‏ ‎что‏ ‎не ‎легче.

·      Перспектива‏ ‎загрязнения ‎последней‏ ‎продуктами ‎творчества ‎генеративного ‎ИИ ‎может‏ ‎иметь‏ ‎весьма ‎пагубные‏ ‎и ‎далеко‏ ‎идущие ‎последствия.

Первые ‎результаты ‎заражения ‎спустя‏ ‎1.5‏ ‎года‏ ‎после ‎начала‏ ‎испытаний ‎генеративного‏ ‎ИИ ‎поражают‏ ‎свои‏ ‎масштабом. ‎Похоже,‏ ‎что ‎заражено ‎уже ‎все. ‎И‏ ‎никто ‎не‏ ‎предполагал‏ ‎столь ‎высокой ‎степени‏ ‎заражения.

Ибо ‎не‏ ‎принималось ‎в ‎расчет ‎наличие‏ ‎мультипликатора‏ ‎— ‎заражения‏ ‎от ‎уже‏ ‎зараженного ‎контента, ‎о ‎чем ‎вчера‏ ‎поведал‏ ‎миру ‎Ник‏ ‎Сен-Пьер ‎—‏ ‎креативный ‎директор ‎и ‎неофициальный ‎представитель‏ ‎Midjourney.

Данные,‏ ‎опубликованные‏ ‎Ник ‎Сен-Пьером‏ ‎впечатляют:

• Более ‎13%‏ ‎всех ‎изображений‏ ‎в‏ ‎Adobe ‎Stock‏ ‎созданы ‎с ‎помощью ‎генеративного ‎ИИ.

• Большая‏ ‎часть ‎сгенерированного‏ ‎контента‏ ‎поступает ‎от ‎Dalle‏ ‎и ‎Midjourney.

• Медиа‏ ‎с ‎тегом ‎«фэнтези» ‎на‏ ‎43%‏ ‎создано ‎ИИ.‏ ‎Другие ‎теги‏ ‎еще ‎выше.

• Это ‎большая ‎часть ‎обучающих‏ ‎данных,‏ ‎которые ‎питают‏ ‎генеративный ‎ИИ‏ ‎Adobe ‎Firefly-генератор ‎изображений ‎на ‎базе‏ ‎ИИ‏ ‎от‏ ‎Adobe.

Скорость ‎затопления‏ ‎инфосети ‎контентом,‏ ‎«зараженным ‎ИИ»-контент‏ ‎произведенный‏ ‎с ‎помощью‏ ‎генеративного ‎ИИ, ‎обученного ‎на ‎контенте,‏ ‎произведенном ‎генеративным‏ ‎ИИ,‏ ‎просто ‎колоссальна.

Получается, ‎что‏ ‎любой ‎контент,‏ ‎произведенный ‎после ‎2022, ‎включая‏ ‎все‏ ‎интернет-архивы, ‎почти‏ ‎наверняка ‎«заражен»‏ ‎генеративным ‎ИИ, ‎и ‎уровень ‎этого‏ ‎заражения‏ ‎совсем ‎немал.‏ ‎Что ‎и‏ ‎превращает ‎такой ‎генеративный ‎контент, ‎извините‏ ‎за‏ ‎каламбур,‏ ‎в ‎дегенеративный.

Комментируя‏ ‎это, ‎Итан‏ ‎Молик-профессор ‎Уортона,‏ ‎изучающий‏ ‎ИИ, ‎придумал‏ ‎использованную ‎мною ‎выше ‎метафору ‎—‏ ‎низкофоновая ‎сталь.

Продолжая‏ ‎эту‏ ‎метафору, ‎легко ‎представить,‏ ‎что ‎всего‏ ‎через ‎несколько ‎лет ‎«низкофоновый»‏ ‎(догенеративный)‏ ‎контент ‎станет‏ ‎в ‎ноосфере‏ ‎столь ‎же ‎редким ‎и ‎дорогим,‏ ‎как‏ ‎самый ‎изысканный‏ ‎и ‎старинный‏ ‎антиквариат.

Но ‎это ‎еще ‎не ‎все.

В‏ ‎результате‏ ‎роста‏ ‎в ‎обучающих‏ ‎наборах ‎новых‏ ‎моделей ‎генеративного‏ ‎ИИ‏ ‎доли ‎контента,‏ ‎порожденного ‎с ‎помощью ‎предыдущих ‎версий‏ ‎моделей, ‎начнется‏ ‎процесс,‏ ‎названный ‎Россом ‎Андерсоном‏ ‎коллапсом ‎больших‏ ‎языковых ‎моделей ‎(LLM).

Ситуация ‎будет‏ ‎напоминать‏ ‎комедию ‎«Множественность»‏ ‎с ‎Майклом‏ ‎Китоном ‎в ‎главной ‎роли, ‎в‏ ‎которой‏ ‎скромный ‎человек‏ ‎клонирует ‎себя,‏ ‎а ‎затем ‎клонирует ‎клонов, ‎каждое‏ ‎поколение‏ ‎которых‏ ‎ведет ‎к‏ ‎экспоненциальному ‎снижению‏ ‎уровня ‎интеллекта‏ ‎и‏ ‎увеличению ‎глупости‏ ‎клона.

С ‎LLM ‎будет ‎происходить ‎то‏ ‎же ‎самое.‏ ‎Использование‏ ‎для ‎обучения ‎модели‏ ‎контента, ‎сгенерированного‏ ‎моделью, ‎вызывает ‎необратимые ‎дефекты.‏ ‎Хвосты‏ ‎исходного ‎распределения‏ ‎контента ‎исчезают.‏ ‎В ‎течение ‎нескольких ‎поколений ‎текст‏ ‎становится‏ ‎мусором, ‎поскольку‏ ‎распределения ‎Гаусса‏ ‎сходятся ‎и ‎могут ‎даже ‎стать‏ ‎дельта-функциями.‏ ‎Более‏ ‎поздние ‎поколения‏ ‎начнут ‎производить‏ ‎образцы, ‎которые‏ ‎никогда‏ ‎не ‎были‏ ‎бы ‎произведены ‎оригинальной ‎моделью, ‎то‏ ‎есть ‎они‏ ‎будут‏ ‎неправильно ‎воспринимать ‎реальность,‏ ‎основываясь ‎на‏ ‎ошибках, ‎внесенных ‎их ‎предками.

И‏ ‎речь‏ ‎не ‎только‏ ‎про ‎тексты,‏ ‎но ‎и ‎про ‎изображения, ‎видео,‏ ‎музыку.‏ ‎Если ‎вы‏ ‎обучаете ‎музыкальную‏ ‎модель ‎Моцарту, ‎вы ‎можете ‎ожидать,‏ ‎что‏ ‎результат‏ ‎будет ‎немного‏ ‎похож ‎на‏ ‎Моцарта, ‎но‏ ‎без‏ ‎блеска ‎—‏ ‎назовем ‎его ‎«Сальери». ‎И ‎если‏ ‎потом ‎Сальери‏ ‎обучит‏ ‎следующее ‎поколение ‎и‏ ‎так ‎далее,‏ ‎то ‎как ‎будет ‎звучать‏ ‎пятое‏ ‎или ‎шестое‏ ‎поколение?

Вот ‎это‏ ‎и ‎называется ‎«коллапсом ‎модели», ‎в‏ ‎результате‏ ‎которого:

-Интернет ‎все‏ ‎более ‎будет‏ ‎забиваться ‎чушью;

-Люди, ‎которые, ‎наряду ‎с‏ ‎LLM,‏ ‎будут‏ ‎этой ‎чушью‏ ‎информационно ‎напитываться,‏ ‎будут ‎неумолимо‏ ‎глупеть.

Но‏ ‎и ‎это‏ ‎еще ‎не ‎все.

Потом ‎коллапс ‎моделей‏ ‎приведет ‎к‏ ‎тому,‏ ‎что ‎цунами ‎инфомусора‏ ‎окончательно ‎накроет‏ ‎науку.

Разруха, ‎начавшаяся ‎с ‎дегенеративного‏ ‎заражения‏ ‎Интернета, ‎потом‏ ‎имеет ‎все‏ ‎шансы ‎переходить ‎в ‎новые ‎поколения‏ ‎LLM,‏ ‎а ‎потом‏ ‎и ‎в‏ ‎головы ‎новых ‎поколений ‎людей.

И ‎наконец,‏ ‎в‏ ‎добавок‏ ‎ко ‎всему‏ ‎названному, ‎будет‏ ‎нарастать ‎число‏ ‎мутаций‏ ‎языка ‎и‏ ‎подмена ‎когнитивных ‎микроэлементов ‎на ‎помои‏ ‎снов ‎ИИ.

Перспектива‏ ‎вымывания‏ ‎«когнитивных ‎микроэлементов», ‎на‏ ‎смену ‎которым‏ ‎придет ‎синтетический ‎мусор, ‎светит‏ ‎не‏ ‎только ‎разговорным‏ ‎и ‎письменным‏ ‎языкам ‎человечества. ‎Но ‎и ‎языкам‏ ‎наук‏ ‎и ‎изобразительным‏ ‎языкам.

Можно ‎ли‏ ‎все ‎это ‎остановить?

Возможно, ‎да. ‎Если‏ ‎остановить‏ ‎дегенеративное‏ ‎заражение ‎ноофосферы.

Радиоактивное‏ ‎заражение ‎атмосферы‏ ‎человечество ‎смогло‏ ‎остановить,‏ ‎отказавшись ‎от‏ ‎атмосферных ‎испытаний ‎ядерного ‎оружия.

Отказа ‎от‏ ‎генеративного ‎ИИ‏ ‎уже‏ ‎не ‎будет. ‎Этот‏ ‎джин, ‎к‏ ‎счастью ‎или ‎на ‎беду‏ ‎человечества,‏ ‎уже ‎выпущен‏ ‎из ‎бутылки.‏ ‎И ‎слишком ‎заманчивые ‎перспективы ‎для‏ ‎той‏ ‎же ‎науки‏ ‎и ‎здоровья‏ ‎людей ‎этот ‎джин ‎сулит.

Так ‎значит,‏ ‎нужно‏ ‎срочно‏ ‎искать ‎методы‏ ‎обеззараживания ‎ноосферы‏ ‎от ‎дегенеративного‏ ‎заражения,‏ ‎которое ‎уже‏ ‎началось ‎и ‎вовсю ‎идет.


Читать: 3+ мин
logo Малоизвестное интересное

2024 войдет в историю двумя открытиями в области интеллектуальных систем. Сформулированы «закон Ома» и «закон Джоуля — Ленца» для интеллекта людей и машин.

Доступно подписчикам уровня
«Промо уровень»
Подписаться за 200₽ в месяц

Читать: 1+ мин
logo Малоизвестное интересное

Без $100 ярдов в ИИ теперь делать нечего. В гонке ИИ-лидеров могут выиграть лишь большие батальоны.

Только ‎за‏ ‎последние ‎недели ‎было ‎объявлено, ‎что‏ ‎по ‎$100‏ ‎ярдов‏ ‎инвестируют ‎в ‎железо‏ ‎для ‎ИИ‏ ‎Microsoft, ‎Intel, ‎SoftBank ‎и‏ ‎MGX‏ ‎(новый ‎инвестфонд‏ ‎в ‎Абу-Даби).

А‏ ‎на ‎этой ‎неделе, ‎наконец, ‎сказал‏ ‎свое‏ ‎слово ‎и‏ ‎Google. ‎Причем‏ ‎было ‎сказано ‎не ‎просто ‎о‏ ‎вступлении‏ ‎в‏ ‎ИИ-гонку ‎ценой‏ ‎в ‎$100‏ ‎ярдов, ‎а‏ ‎о‏ ‎намерении ‎ее‏ ‎выиграть, ‎собрав ‎еще ‎бОльшие ‎батальоны‏ ‎— ‎инвестировав‏ ‎больше‏ ‎$100 ‎ярдов.


Гендир ‎Google‏ ‎DeepMind ‎Демис‏ ‎Хассабис ‎сказал:

• «… я ‎думаю, ‎что‏ ‎со‏ ‎временем ‎мы‏ ‎инвестируем ‎больше»

• «Alphabet‏ ‎Inc. ‎обладает ‎превосходной ‎вычислительной ‎мощностью‏ ‎по‏ ‎сравнению ‎с‏ ‎конкурентами, ‎включая‏ ‎Microsoft»

• «… у ‎Google ‎было ‎и ‎остается‏ ‎больше‏ ‎всего‏ ‎компьютеров»


Так ‎что‏ ‎в ‎«железе»‏ ‎Google ‎не‏ ‎собирается‏ ‎уступать ‎никому,‏ ‎а ‎в ‎алгоритмах, ‎— ‎тем‏ ‎более.


Что ‎тут‏ ‎же‏ ‎получило ‎подтверждение ‎в‏ ‎опубликованном ‎Google‏ ‎алгоритме ‎«Бесконечного ‎внимания», ‎позволяющего‏ ‎трансформерным‏ ‎LLM ‎на‏ ‎«железе» ‎c‏ ‎ограниченной ‎производительностью ‎и ‎размером ‎памяти‏ ‎эффективно‏ ‎обрабатывать ‎контекст‏ ‎бесконечного ‎размера.


Такое‏ ‎масштабирование ‎может ‎в ‎ближней ‎перспективе‏ ‎дать‏ ‎ИИ‏ ‎возможность ‎стать‏ ‎воистину ‎всезнающим.‏ ‎Т.е. ‎способным‏ ‎анализировать‏ ‎и ‎обобщать‏ ‎контекст ‎просто ‎немеряного ‎размера.


Так ‎и‏ ‎видится ‎кейс,‏ ‎когда‏ ‎на ‎вход ‎модели‏ ‎подадут ‎все‏ ‎накопленные ‎человечеством ‎знания, ‎например,‏ ‎по‏ ‎физике ‎и‏ ‎попросят ‎ее‏ ‎сказать, ‎чего ‎в ‎этих ‎знаниях‏ ‎не‏ ‎хватает.


Читать: 6+ мин
logo Ирония безопасности

Взлом LLM моделей

Появление ‎больших‏ ‎языковых ‎моделей ‎(LLM), ‎таких ‎как‏ ‎ChatGPT, ‎открыло‏ ‎новую‏ ‎эру ‎в ‎области‏ ‎искусственного ‎интеллекта,‏ ‎предлагая ‎беспрецедентные ‎возможности ‎в‏ ‎создании‏ ‎текста, ‎похожего‏ ‎на ‎человеческий,‏ ‎на ‎основе ‎обширных ‎наборов ‎данных.‏ ‎Эти‏ ‎модели ‎нашли‏ ‎применение ‎в‏ ‎различных ‎областях, ‎от ‎автоматизации ‎обслуживания‏ ‎клиентов‏ ‎до‏ ‎создания ‎контента.‏ ‎Однако, ‎как‏ ‎и ‎любая‏ ‎мощная‏ ‎технология, ‎LLMS‏ ‎также ‎создает ‎новые ‎проблемы ‎и‏ ‎возможности ‎для‏ ‎киберпреступников,‏ ‎что ‎приводит ‎к‏ ‎усложнению ‎проблем‏ ‎кибербезопасности.

📌Стратегии ‎борьбы ‎с ‎киберпреступностью‏ ‎с‏ ‎помощью ‎LLMS

Киберпреступники‏ ‎изучают ‎различные‏ ‎стратегии ‎использования ‎LLM ‎в ‎своих‏ ‎целях.‏ ‎В ‎целом‏ ‎эти ‎стратегии‏ ‎можно ‎разделить ‎на ‎три ‎категории:‏ ‎покупка,‏ ‎создание‏ ‎или ‎взлом‏ ‎LLM ‎и‏ ‎ряд ‎других.

📌Покупка‏ ‎услуг‏ ‎LLM

Покупка ‎услуг‏ ‎у ‎поставщиков ‎услуг ‎LLM ‎является‏ ‎наиболее ‎простым‏ ‎подходом.‏ ‎Это ‎предполагает ‎использование‏ ‎общедоступных ‎LLM-программ‏ ‎или ‎программ, ‎предлагаемых ‎сторонними‏ ‎поставщиками,‏ ‎для ‎различных‏ ‎вредоносных ‎действий.‏ ‎Простота ‎доступа ‎к ‎этим ‎моделям‏ ‎делает‏ ‎их ‎привлекательными‏ ‎для ‎целого‏ ‎ряда ‎киберпреступлений, ‎от ‎рассылки ‎фишинговых‏ ‎электронных‏ ‎писем‏ ‎до ‎масштабного‏ ‎создания ‎поддельного‏ ‎контента.

📌Создание ‎пользовательских‏ ‎LLM

Некоторые‏ ‎могут ‎предпочесть‏ ‎разработку ‎собственных ‎LLM, ‎адаптированных ‎для‏ ‎выполнения ‎конкретных‏ ‎вредоносных‏ ‎задач. ‎Такой ‎подход‏ ‎требует ‎значительных‏ ‎ресурсов, ‎включая ‎опыт ‎в‏ ‎области‏ ‎машинного ‎обучения‏ ‎и ‎доступ‏ ‎к ‎большим ‎наборам ‎данных ‎для‏ ‎обучения‏ ‎моделей. ‎Специально‏ ‎разработанные ‎LLM‏ ‎могут ‎быть ‎разработаны ‎для ‎обхода‏ ‎мер‏ ‎безопасности‏ ‎и ‎проведения‏ ‎целенаправленных ‎атак,‏ ‎что ‎делает‏ ‎их‏ ‎мощным ‎инструментом‏ ‎в ‎арсенале ‎изощренных ‎киберпреступных ‎групп.

📌Взлом‏ ‎существующих ‎LLM

Ещё‏ ‎одной‏ ‎стратегией ‎является ‎использование‏ ‎уязвимостей ‎в‏ ‎существующих ‎LLM ‎для ‎манипулирования‏ ‎их‏ ‎выводами ‎или‏ ‎получения ‎несанкционированного‏ ‎доступа ‎к ‎их ‎функциональным ‎возможностям.‏ ‎Это‏ ‎может ‎включать‏ ‎в ‎себя‏ ‎такие ‎методы, ‎как ‎быстрое ‎внедрение,‏ ‎когда‏ ‎тщательно‏ ‎продуманные ‎входные‏ ‎данные ‎заставляют‏ ‎LLM ‎генерировать‏ ‎вредоносный‏ ‎контент ‎или‏ ‎раскрывать ‎конфиденциальную ‎информацию. ‎Так ‎называемый‏ ‎джейлбрейк ‎LLM‏ ‎для‏ ‎устранения ‎встроенных ‎ограничений‏ ‎безопасности ‎также‏ ‎является ‎проблемой, ‎поскольку ‎это‏ ‎может‏ ‎привести ‎к‏ ‎созданию ‎некорректного,‏ ‎вводящего ‎в ‎заблуждение ‎или ‎предвзятого‏ ‎контента.

📌Автоматический‏ ‎джейлбрейк ‎LLM

Инновационный‏ ‎подход ‎заключается‏ ‎в ‎использовании ‎одного ‎LLM ‎для‏ ‎нарушения‏ ‎мер‏ ‎безопасности ‎другого.‏ ‎Этот ‎метод‏ ‎предполагает ‎сценарий‏ ‎будущего,‏ ‎напоминающий ‎повествования‏ ‎о ‎киберпанках, ‎где ‎сражения ‎между‏ ‎системами ‎искусственного‏ ‎интеллекта,‏ ‎каждая ‎из ‎которых‏ ‎пытается ‎перехитрить‏ ‎другую, ‎становятся ‎обычным ‎аспектом‏ ‎усилий‏ ‎по ‎обеспечению‏ ‎кибербезопасности. ‎Эта‏ ‎концепция ‎аналогична ‎генеративным ‎состязательным ‎сетям‏ ‎(GAN),‏ ‎где ‎одновременно‏ ‎обучаются ‎две‏ ‎модели: ‎одна ‎для ‎генерации ‎данных‏ ‎(генератор),‏ ‎а‏ ‎другая ‎для‏ ‎оценки ‎их‏ ‎достоверности ‎(дискриминатор).‏ ‎Эта‏ ‎динамика ‎создает‏ ‎непрерывный ‎цикл ‎совершенствования ‎обеих ‎моделей,‏ ‎принцип, ‎который‏ ‎может‏ ‎быть ‎применен ‎к‏ ‎LLM ‎как‏ ‎для ‎наступательных, ‎так ‎и‏ ‎для‏ ‎оборонительных ‎целей‏ ‎кибербезопасности.

📌Битва ‎ботов

Задача‏ ‎систем ‎искусственного ‎интеллекта ‎— ‎поддерживать‏ ‎безопасность‏ ‎цифровой ‎инфраструктуры,‏ ‎в ‎то‏ ‎время ‎как ‎их ‎коллеги ‎пытаются‏ ‎проникнуть‏ ‎в‏ ‎нее. ‎Этот‏ ‎сценарий ‎не‏ ‎является ‎полностью‏ ‎вымышленным;‏ ‎он ‎отражает‏ ‎современную ‎практику ‎в ‎области ‎кибербезопасности,‏ ‎когда ‎автоматизированные‏ ‎системы‏ ‎все ‎чаще ‎используются‏ ‎для ‎обнаружения‏ ‎угроз ‎и ‎реагирования ‎на‏ ‎них.‏ ‎Развитие ‎LLM‏ ‎может ‎ускорить‏ ‎эту ‎тенденцию, ‎что ‎приведет ‎к‏ ‎появлению‏ ‎более ‎сложных‏ ‎и ‎автономных‏ ‎форм ‎киберзащиты ‎и ‎кибератак.

📌Последствия ‎и‏ ‎ответные‏ ‎меры‏ ‎в ‎области‏ ‎кибербезопасности

Использование ‎LLMS‏ ‎киберпреступниками ‎создает‏ ‎серьезные‏ ‎проблемы ‎в‏ ‎области ‎кибербезопасности. ‎Эти ‎модели ‎могут‏ ‎автоматизировать ‎и‏ ‎расширить‏ ‎масштабы ‎традиционных ‎киберпреступлений,‏ ‎делая ‎их‏ ‎более ‎эффективными ‎и ‎труднообнаруживаемыми.‏ ‎Например,‏ ‎LLM ‎могут‏ ‎генерировать ‎весьма‏ ‎убедительные ‎фишинговые ‎электронные ‎письма ‎или‏ ‎атаки‏ ‎с ‎использованием‏ ‎социальной ‎инженерии,‏ ‎что ‎повышает ‎вероятность ‎успешных ‎взломов.

Идея‏ ‎использования‏ ‎состязательных‏ ‎LLM ‎в‏ ‎сфере ‎кибербезопасности‏ ‎имеет ‎несколько‏ ‎последствий.‏ ‎Во-первых, ‎это‏ ‎может ‎повысить ‎эффективность ‎мер ‎безопасности‏ ‎за ‎счет‏ ‎постоянного‏ ‎совершенствования ‎их ‎с‏ ‎учетом ‎потенциальных‏ ‎уязвимостей. ‎Во-вторых, ‎это ‎поднимает‏ ‎вопросы‏ ‎об ‎этических‏ ‎и ‎практических‏ ‎аспектах ‎использования ‎ИИ ‎в ‎таких‏ ‎двойных‏ ‎ролях, ‎особенно‏ ‎учитывая ‎возможность‏ ‎непредвиденных ‎последствий ‎или ‎эскалации ‎киберконфликтов.

📌Защитные‏ ‎меры

Для‏ ‎противодействия‏ ‎угрозам, ‎связанным‏ ‎с ‎вредоносным‏ ‎использованием ‎LLM,‏ ‎специалисты‏ ‎по ‎кибербезопасности‏ ‎разрабатывают ‎ряд ‎защитных ‎мер. ‎К‏ ‎ним ‎относятся‏ ‎улучшение‏ ‎обнаружения ‎контента, ‎созданного‏ ‎искусственным ‎интеллектом,‏ ‎защита ‎LLM ‎от ‎несанкционированного‏ ‎доступа‏ ‎и ‎повышение‏ ‎надежности ‎моделей‏ ‎от ‎несанкционированного ‎использования.

📌Этические ‎и ‎юридические‏ ‎соображения

Потенциальное‏ ‎неправомерное ‎использование‏ ‎LLM ‎также‏ ‎вызывает ‎этические ‎и ‎юридические ‎вопросы.‏ ‎Растет‏ ‎спрос‏ ‎на ‎нормативные‏ ‎акты, ‎регулирующие‏ ‎разработку ‎и‏ ‎использование‏ ‎LLM, ‎для‏ ‎предотвращения ‎их ‎использования ‎киберпреступниками. ‎Кроме‏ ‎того, ‎необходимы‏ ‎этические‏ ‎принципы, ‎гарантирующие, ‎что‏ ‎преимущества ‎LLMS‏ ‎будут ‎реализованы ‎без ‎ущерба‏ ‎для‏ ‎безопасности ‎или‏ ‎конфиденциальности.

📌Перспективы ‎на‏ ‎будущее

По ‎мере ‎дальнейшего ‎развития ‎LLM‏ ‎будут‏ ‎усложняться ‎как‏ ‎возможности, ‎которые‏ ‎они ‎предоставляют, ‎так ‎и ‎угрозы,‏ ‎которые‏ ‎они‏ ‎представляют. ‎Постоянные‏ ‎исследования ‎и‏ ‎сотрудничество ‎между‏ ‎разработчиками‏ ‎искусственного ‎интеллекта,‏ ‎экспертами ‎в ‎области ‎кибербезопасности ‎и‏ ‎политиками ‎будут‏ ‎иметь‏ ‎решающее ‎значение ‎для‏ ‎решения ‎стоящих‏ ‎перед ‎ними ‎задач. ‎Понимая‏ ‎стратегии,‏ ‎которые ‎киберпреступники‏ ‎используют ‎для‏ ‎взлома ‎LLM, ‎и ‎разрабатывая ‎эффективные‏ ‎меры‏ ‎противодействия, ‎сообщество‏ ‎специалистов ‎по‏ ‎кибербезопасности ‎может ‎помочь ‎защитить ‎цифровой‏ ‎ландшафт‏ ‎от‏ ‎возникающих ‎угроз.

Подарить подписку

Будет создан код, который позволит адресату получить бесплатный для него доступ на определённый уровень подписки.

Оплата за этого пользователя будет списываться с вашей карты вплоть до отмены подписки. Код может быть показан на экране или отправлен по почте вместе с инструкцией.

Будет создан код, который позволит адресату получить сумму на баланс.

Разово будет списана указанная сумма и зачислена на баланс пользователя, воспользовавшегося данным промокодом.

Добавить карту
0/2048