هوش مصنوعی و امنیت ملی در اسرائیل –4
آنچه خوانده اید:
در قسمت سوم پیشینه تاریخی، تعریف و زیر دامنه ها و کاربردهای هوش مصنوعی آمد،
آنچه می خوانید:
در این قسمت به کاربردهای گسترده هوش مصنوعی در صنایع نظامی و غیر نظامی (اسرائیل و آمریکا) و فناوری های که توسط هوش مصنوعی پشتیبانی شده یا آن را پشتیبانی می کنند اشاره می گردد.
مطالعه این بخش به کلیه علاقه مندان به دانش هوش مصنوعی در صنایع نظامی و غیر نظامی توصیه می شود.
فصل سوم :
کاربردهای امنیتی گسترده:
برنامه های کاربردی هوش مصنوعی در زمینه امنیتی، گسترده شده اند و به سرعت و سهولت در دسترس قرار دارند.
مؤسسات امنیتی در کشورهای مختلف، شرکت های امنیتی و حتی برخی از شرکت های غیرنظامی در توسعه این برنامه ها سهیم بوده اند. برای مثال، در ارتش اسرائیل، مرسوم است که بسیاری از برنامه ها را به دو گروه اصلی تقسیم می کنند:
1- برنامه هایی که جایگزین «کارگران در امور سخت» می شوند، مانند رمزگشایی خودکار، ترجمه های خودکار، و 2- کارهای دیگر، که بیشتر آنها دارای وظایف بی پایانی در فعالیت هایشان هستند.
آنها به تصمیم گیران و در برخی موارد، به صورت مستقل و در برخی اقدامات نیز مانند برنامه ریزی و پیش بینی نیز کمک کرده و تصمیم می گیرند.
فهرست کردن تمام برنامه ها و زمینه هایی که هوش مصنوعی در آنها برای مسائل امنیتی استفاده می شود، به دلیل تعداد زیاد برنامه ها و سرعت سریع تغییرات و تحولات، دشوار است. علاوه بر این، برخی از برنامه های غیرنظامی به طور بالقوه می توانند به برنامه های امنیتی تبدیل شوند، و برخی از آنها نیز بر امنیت تأثیر می گذارند (مانند برنامه های دیپ فیکینگ.)
هوش مصنوعی و امنیت ملی در اسرائیل
اطلاعات نظامی
قابلیت های هوش مصنوعی دارای انواع مختلفی است که می توانند برای نیازهای اطلاعاتی نظامی از جمله پردازش تصویر گرفته تا مشاهدات کامپیوتری، پردازش زبان با روش های مختلف و دیگر قابلیت ها مناسب باشند.
پروژه های مختلف اطلاعات نظامی در سراسر جهان اکنون از اینگونه الگوریتم ها استفاده می کنند. در عصری پر از داده ها{انفجار اطلاعات}، نیروی انسانی نمی تواند تمام داده های جمع آوری شده توسط بسیاری از حسگرهای سیستم های امنیتی را مدیریت کنند، بنابراین، شاید تصور شود استفاده از هوش مصنوعی در اطلاعات نظامی ضروری نیست، زیرا به خودکارسازی فرآیندهای اطلاعاتی نظامی به ویژه در زمینه های اطلاعات بدون ساختار کمک می کند و تولید بینش و دانش جدیدی را امکان پذیر می سازد که با ابزارهای قبلی امکان پذیر نیست.
به طور مثال در میان بسیاری از پروژه های اطلاعاتی نظامی که از هوش مصنوعی استفاده می کنند، پروژه Maven است که به دلیل مخالفت هایی که در میان کارمندان خود برانگیخته، معروف است.
برغم این موضوع، گوگل و وزارت دفاع ایالات متحده پروژه مشاهدات کامپیوتری را با همکار هم انجام دادند و از هوش مصنوعی برای تجزیه و تحلیل ویدئوهای جمع آوری شده توسط پهپادها استفاده کردند.
یا اینکه « دارپا » برنامه ای با الگوریتم هایی مشخص برای کمک به شناسایی اهداف در محیط های غیر قابل دسترسی دارد. این برنامه در کنار رادار و در یک محل قرار دارد و با مقایسه داده های تولید شده و بدست آمده، اطلاعات خود را توسعه داده و آن ها را تجزیه و تحلیل می کند.
الگوریتم ها همچنین می توانند در تجزیه و تحلیل متن یا صدا استفاده شوند که این برنامه ها نیز به برنامه های تشخیص چهره کمک می کنند.
در سال ۲۰۱۸، نخست وزیر {اسرائیل} جایزه ایی را به یک برنامه با عنوان «خدمات امنیت عمومی» اهدا کرد. این برنامه مبتنی بر یادگیری ماشینی بود که با تجزیه و تحلیل داده ها از منابع مختلف؛ می توانست در جلوگیری از صدها حمله تروریستی کمک کند.
هوش مصنوعی و امنیت ملی در اسرائیل
لجستیک
حوزه لجستیک دستخوش تغییر و تحولات قابل ملاحظه ایی هم در کاربردهای غیرنظامی و هم در کاربردهای نظامی شده که در نتیجه قابلیت های پیش بینی و برنامه ریزی توسط هوش مصنوعی را ممکن نموده است.
در واقع، ارتش ایالات متحده از دهه ۱۹۹۰ از اینگونه سیستم ها در لجستیکی خود استفاده کرده است، این سیستم ها به ارتش کمک کرد تا انتقال نیروها را در طول جنگ اول خلیج فارس برنامه ریزی و بهینه سازی کند و سرمایه گذاری و هزینه در تحقیقات ۳۰ ساله هوش مصنوعی را با صرفه، جبران و توجیه نماید.
اخیرا، نیروی هوایی ایالات متحده نیز از سیستم های هوش مصنوعی برای پیش بینی تعمیر و نگهداری هواپیما و ایجاد برنامه ریزی نگهداری هواپیما استفاده کرده است.
همچنین پشتیبانی لجستیکی ارتش ایالات متحده(LOGSA) در سیستمWatson IBM، بر اساس اطلاعات جمع آوری شده از حسگرهای آن، برنامه ای برای تعمیر و نگهداری ناوگان خودروهای زرهی جنگی راه اندازی کرد.
در واقع، از بسیاری جهات، لجستیک نظامی مشابه لجستیک غیرنظامی است، زیرا هم شرکت های تجاری و هم سازمان های غیرنظامی نیز از خدمات لجستیک و تعمیر و نگهداری سیستم ها استفاده زیادی می کنند. طراحی و اجرای وظایف لجستیکی با کاربرد دوگانه به سیستم های مختلفی مانند روبات ها و نرم افزارهای خاص متکی است. برای نمونه می توان به مدیریت انبارهای آمازون که توسط اینگونه سیستم ها اداره می شوند، اشاره نمود.
هوش مصنوعی و امنیت ملی در اسرائیل
وسایل نقلیه خودکار
درحالی که خودروهای بدون سرنشین مربوط به بخش غیرنظامی هستند، بخش امنیتی برای چندین دهه از وسایل نقلیه خودکار با درجات مختلفی از قابلیت های خودران استفاده کرده است. این خودروها در میدان نبرد بسیار مهم هستند، زیرا هم می توانند هم افزایی نیرویی داشته باشند و هم می توانند جایگزین عامل انسانی در مناطق پر خطر همچون {میادین مین} شوند.
با این حال، برغم قابلیت های خودکار، بیشتر آنها به شدت وابسته به مشارکت نیروی انسانی بوده و به فعال سازی توسط انسان متکی هستند. علاوه بر این، از نظر توسعه گسترش اینگونه خودروها و کاربردهای وسایل نقلیه خودران، بایستی به بسترهای امنیتی اینگونه وسایل در پشت صحنه بخش غیرنظامی که در آن هم سرمایه گذاری ها بسیار زیاد می شود، توجه نمود.
البته همیشه انتقال بین دو میدان (نظامی و غیر نظامی ) چالش برانگیز است، زیرا تفاوت قابل توجهی بین رانندگی در جاده های آسفالته طبق علائم راهنمایی و رانندگی با رانندگی توسط وسیله نقلیه خودکار آنهم در یک منطقه باز یا شهری، و در شرایطی که دشمن سعی می کند شما را گول بزند، وجود دارد.
هوش مصنوعی و امنیت ملی در اسرائیل
سیستم های تسلیحاتی خودکار AWS
در دهه های اخیر، بسیاری از کشورها پتانسیل استفاده از پهپادها را برای اهداف امنیتی خود را شناسایی کرده اند. در این سیستم ها زیرمجموعه ای از سیستم های تسلیحاتی خودکار( AWS) قرار دارد که قادر به جستجو، شناسایی و حمله به اهداف به طور مستقل و بدون دخالت انسان است.
این سیستم ها پتانسیل تغییر اساسی در میدان جنگ را نیز دارند، زیرا می توانند تقریباً بدون دخالت انسان، در اجرای مأموریت تاکتیکی نیز فعال بوده و قادر به ایجاد خسارت های مرگبار شوند. به همین دلیل، این سیستم ها با مخالفت های گسترده ای روبه رو شدند که حتی منجر به برگزاری جلسات دادرسی در دادگاه های بین المللی به قصد محدود کردن آنها گردیده است. اما امروزه توسعه آنها سرعت گرفته و بیم آن می رود که جهان در این زمینه نیز با مسابقه تسلیحاتی روبرو شود.
اگر AWS محدود نباشد، این امکان وجود دارد که در سال های آتی کار برد این وسایل در میدان نبرد به طور فزاینده ای و قابل توجه ایی متداول گردد. درعین حال، با افزایش قابلیت های هوش مصنوعی، استفاده از AWS می تواند به طیف وسیعی از وظایف و استفاده ها گسترش یابد؛ هوش مصنوعی همراه با سایر اجزای خود، مغز آن سیستم ها را تشکیل می دهد و توانایی آنها را برای عملکرد مستقل تعریف می کند.
اگرچه این حوزه هنوز در حال تکامل است، ولی چندین کشور قبلاً به صورت مستقل تجربه عملیاتی در استفاده از انواع مختلف سیستم های AWS را به دست آورده اند. این فعالیت ها شامل سامانه های پدافند هوایی مانند پاتریوت آمریکایی یا گنبد آهنین اسرائیل نیز می شود که امروزه به دلیل تصمیم اصولی کشورهایی که آنها را به کار می گیرند، باید اپراتور انسانی نیز داشته باشند. {غیر خودکار شده است}
تسلیحات پرنده، مانند هاروپ، پهپادهایی هستند که قادر به مکان یابی، ردیابی و حمله به اهداف با استفاده از سیگنال های راداری را انجام می دهند. علاوه بر این، چندین سیستم زمینی با سطح پیچیدگی کمتر نیز وجود دارد، که بسته به پارامترهای خاصی از جمله حرکت یا گرما، توانایی شلیک در یک منطقه از پیش تعریف شده به اهداف را هم دارند.
همچنین انواع سیستم های برنامه ریزی و پشتیبانی به منظور شبیه سازی، در سیستم های هوش مصنوعی تولید شده اند که می توانند ضمن برنامه ریزی اقدام به تصمیم گیری نیز نمایند. اینگونه سیستم ها در حال حاضر در زمینه غیرنظامی وجود دارند. برای مثال، در پزشکی، سیستم های هوش مصنوعی می توانند براساس داده ها و اطلاعات موجود؛ مانند تصاویر رادیولوژیکی و سایر موارد حیاتی، ازجمله ضربان قلب و دمای بدن، وضعیت سلامت انسان را تشخیص دهند. این سیستم ها از توانایی بالایی حتی گاهی فراتر از پزشکان برخوردارند و می توانند پزشکان را در تشخیص و تعیین روش های درمانی با توجه به رشته تخصصی که در آن فعالیت دارند ،کمک کنند.
به طور مشابه، در زمینه امنیت نیز؛ سیستم های مبتنی بر هوش مصنوعی قادر خواهند بود در مدت زمان کوتاهی به انسان ها در تصمیم گیری های مبتنی بر اطلاعات با توجه به حجم انبوه اطلاعات، کمک کنند.
با این وجود، الگوریتم ها می توانند حتی در مواردی که اطلاعات کمیاب است، با شبیه سازی ها یا ابزارهای دیگر برای ایجاد بینش یا انجام عملیات به صورت رایانه ای نیز مفید باشند.
در آینده، سیستم های تصمیم گیری اقدامات انجام شده توسط سیستم های برنامه ریزی را در زمان واقعی {در زمان حال و بلافاصله} انجام خواهند داد و این در حالی است که هرگونه پردازش داده ها، خروجی را ممکن است با پیچیده گی همراه کند، ولی قطعاً سرعت فرآیند این پردازش را افزایش می دهد.
سیستم های هوش مصنوعی همچنین می توانند سناریوها، شبیه سازی ها و بازی های جنگی واقعی بسازند که امر آموزش ارتشیان و مخاطبان خودش را بهبود می بخشد و همچنین برنامه ریزی عملیاتی را بر اساس داده های بزرگ، ساده می کند .
برای مثال، چین از این زمینه برای تقویت ارتش خود استفاده می کند هرچند تجربه اش در مقایسه با تجربه دیگر کشورها؛ نسبتاً محدود است.
با توجه به اینکه سیستم هوش مصنوعی می تواند یک بازی استراتژیک مانند Go را دنبال کرده و برنده هم بشود و همچنین قادر باشد به عنوان سیستمی پیشرفته خود را آموزش دهد تا بازی را در چند ساعت به پایان برساند و برنده شود، پس می توان انتظار داشت چنین سیستم هایی – هنگامی که داده های مناسب به آنها داده شود – گزینه های استراتژیک مختلفی را در مورد یک موقعیت معین اجرا و بهترین را انتخاب کنند، درحالیکه اقدامات احتمالی حریف را هم در نظر دارند.
هوش مصنوعی و امنیت ملی در اسرائیل
دستور و کنترل
انتظار می رود سیستم های فرماندهی و کنترل در ارتش، در نهایت از هوش مصنوعی استفاده بیشتری کنند، ازجمله به عنوان سیستم های مشاوره در طول عملیات که تحت کنترل انسان قرار دارد. (برخلاف سیستم های طراحی، پشتیبانی تصمیم گیری و شبیه سازی های مورداستفاده در مراحل قبل از عملیات) .
به عنوان مثال می توان به سیستم فرماندهی و کنترل نیروی هوایی ایالات متحده (MDC2) اشاره کرد که اکنون در مراحل توسعه است. هدف این سامانه هماهنگی بین برنامه ریزی و اجرای عملیات هوایی، فضایی ،سایبری، دریایی و زمینی است.
در کوتاه مدت، هوش مصنوعی، داده های همه این عرصه ها را یک پارچه و پس از انجام فرآیندهای یاد گیری از رویدادهای گذشته، اطلاعات بدون ساختار را به اطلاعات ساختاریافته، سیستمی تبدیل نموده و یک تصویرعملیاتی یک پارچه برای تصمیم گیرندگان ایجاد می نماید. این نوع پیشرفت در عصر انفجار اطلاعات و در برخورد با مقادیر و انواع فراوان داده از انواع حسگرها و منابع، قابل توجه است.
همچنین هوش مصنوعی، سیستم ها را قادر می سازد تا یک عملیات را برنامه ریزی یا در برنامه ریزی، اقدام به ناوبری نموده یا به تعریف مسیرها کمک کنند. در زمینه ارتباطات، سیستم های هوش مصنوعی نیز درحال توسعه هستند تا تشخیص دهند که چه زمانی؛ دشمن از طریق ارتباطات، ارتباطی را قطع می کند و به دنبال ابزارهای جایگزین برای انتقال اطلاعات است.
هوش مصنوعی و امنیت ملی در اسرائیل
دفاع سایبری، جنگ، و طیف الکترومغناطیسی
به گفته «دارپا»، بستر مناسب برای ادامه استفاده از الگوریتم های «نسل اول»، به موازات توسعه الگوریتم های نسل پیشرفته فراهم است. الگوریتم ها به پیشگیری، شناسایی و هشدار در برابر حملات سایبری به سیستم های کامپیوتری مختلف کمک می کنند.
توانایی تجزیه و تحلیل سریع حجم عظیمی از اطلاعات از منابع مختلف، کمک زیادی به این حوزه می کند، درحالی که باید توجه داشت توانایی مدیریت داده های بزرگ با سرعتی فراتر از توانایی انسان نیز کار مهمی است.
این برنامه ها بر اساس توانایی الگوریتم، در تشخیص ناهنجاری ها – انحراف از الگوهای طبیعی در نظر گرفته شده – با تعمیم سناریوها و بهره گیری از تجربه خواهد بود. در این زمینه باید به پروژهایی که « دارپا » در حوزه سایبری در حال انجام آن است، اشاره کرد.
هوش مصنوعی برای حملات سایبری نیز استفاده می شود. یکی از نمونه ها، بدافزار توسعه یافته IBM به نام DeepLocker است که هدف خود را تا رسیدن به مقصد پنهان می کند و با تشخیص صدا یا تشخیص چهره اهداف کار شناسایی را دنبال می کند. این نوع بدافزار به طور ویژه ای کار ساز است، زیرا می تواند میلیون ها سیستم را بدون شناسایی خودش آلوده کند، برخلاف سایر حملات سایبری که گاهی اوقات می توانند در مقیاس بزرگ و «پرسروصدا» باشند. {برخی از تروهای داخل ایران توسط رژیم صهیونیستی احتمالا با بکار گیری این بد افزار بوده است}
علاوه بر این، هوش مصنوعی درحال حاضر به جنگ الکترونیک کمک می کند. به عنوان مثال، در ارتش ایالات متحده، سیستم های هوش مصنوعی بار شناختی مورد نیاز برای شناسایی سریع و دقیق سیگنال دریافتی توسط حسگرهای مختلف را به ترتیب اولویت و با اختلاف 45 بین سیگنال های مرتبط و نویز کاهش می دهند.
هوش مصنوعی و امنیت ملی در اسرائیل
پیش بینی بلایا، هشدارها و پیشگیری
هوش مصنوعی می تواند به شناسایی، هشدار، مدیریت و گاهی اوقات حتی به جلوگیری از شرایط فاجعه آمیزکمک کند.
برنامه های کاربردی هوش مصنوعی همچنین می توانند در پیش بینی زلزله، سیل، فوران های آتشفشانی و طوفان کمک نمایند. الگوریتمی که توسط دانشمند اسرائیلی « کی را رادینسکی » توسعه داده شده است، می تواند احتمال شورش های داخلی خشونت آمیز، شیوع ویروس ها و حتی افزایش قیمت ها را پیش بینی کند و درباره آن هشدار دهد.
مانند نقشه های گوگل {Map} یا حتی موتور جستجوی گوگل که در مناطق پر خطر طبیعی قرار دارند. درعین حال، مرکز مشترک هوش مصنوعی(JAIC) شروع به پیگیری راه حل هایی نمود تا با جمع آوری اطلاعات بتواند به موقع نسبت به آگاهی از موقعیت های مختلف را تقریباً در شرایط واقعی، به کسانی که مسئول رسیدگی در بلایا طبیعی بوده؛ به منظور تصمیم گیری برساند.
این نوع سیستم ها می توانند همراه با حسگرهای حوزه اینترنت اشیا که در بسیاری از مکان ها رایج هستند یا متعلق به حوزه خصوصی هستند، علاوه بر استفاده از ربات ها یا گروه های مختلف، برای انجام مأموریت های شناسایی، جستجو و نجات گسترده و بهبود یافته مورد استفاده قرار بگیرند. تخمین زده می شود که این برنامه ها و برنامه های مشابه می توانند جان میلیون ها نفر را نجات دهند.
هوش مصنوعی و امنیت ملی در اسرائیل
فصل چهار:
فناوری های پشتیبانی شونده و پشتیبانی دهنده
فناوری مختلفی تحت تأثیر هوش مصنوعی قرار داشته یا گاهی اوقات فناوری های دیگری برای فعال کردن یا پشتیبانی برنامه های هوش مصنوعی مورد نیاز است.
در زیر فهرستی جزئی از فناوری های برجسته که توسط هوش مصنوعی پشتیبانی شده یا هوش مصنوعی را پشتیبانی می کنند،آمده است:
رباتیک
رشته رباتیک از دهه ۱۹۶۰ وجود داشته است. در طول سال ها و به لطف پیشرفت های فناوری، توسعه دهندگان؛ قابلیت های ربات ها را به کمال رسانده اند، به طوری که ربات های نسل چهارم متعلق به قرن بیست و یکم می توانند موقعیت های جدید را تجزیه و تحلیل کند، محیط خود را بررسی و بر اساس آن عمل نمایند. برخی حتی می توانند با احساسات انسانی ارتباط برقرار کنند.
از این رو هوش مصنوعی جزء مهمی در توسعه رباتیک است، زیرا این “مغز” است که بدن فیزیکی ربات را کنترل می کند و با پیشرفت هوش مصنوعی، عملکرد و فعالیت ربات ها نیز بهبود یافته شده اند. ربات ها در حال حاضر قادر به انجام طیف گسترده ای از مأموریت ها ازجمله رانندگی خودکار، حمل و نقل کالا، تولید محصولات، تمیز کردن و بسیاری از وظایف دیگر در زمینه های مختلف هستند.
همچنین ربات ها می توانند به انجام وظایفی کمک می کنند که با « ۴D » مشخص می شوند: اقداماتی که کسل کننده، کثیف، خطرناک و حتی محبوب ( گرانقیمت) هستند.
در دو دهه گذشته، بسیاری از ربات ها برای اهداف امنیتی در هوا، دریا و خشکی مورد استفاده قرارگرفته اند. همانطور که این گونه سیستم های رباتیک به طور فزایندهای مستقل می شوند، پتانسیل و قابلیت های آنها و همچنین پیچیدگی مسائل حقوقی و اخلاقی مرتبط با وظایف آن ها نیز افزایش می یابد.
هوش مصنوعی و امنیت ملی در اسرائیل
Swarms سوآرمز (ازدحام)
«هوش ازدحامی» بخشی از هوش مصنوعی است که از حیواناتی مانند زنبورها و مورچه ها تقلید می کند .
اعضای یک گروه وقتی با هم هستند از هوش مشترکی برخور دارند که فراتر از هوش فردی اعضای گروه است. پیشرفت ها در زمینه ی پردازش، شبکه و طراحی؛ رابط سیستم های هوش مصنوعی را قادر می سازد که اطلاعاتی را از تمام بخش های متصل دریافت کنند، که هرکدام اطلاعات منحصر به فردی را ارائه می دهند و آن را قادر می سازد تا بهترین تصمیم را برای کل گروه بگیرد. برای مثال، اینگونه سیستم ها در « دارپا » درحال توسعه است. نحوه کار آن به این گونه است این سیستم برای مدت طولانی به صورت ازدحامی فعالیت می کند ولی اخیراً بر همکاری بین یک جمع و یک فرد نیز متمرکز شده است.
یکی از آزمایشات « دارپا » ، عمل گروهی است که توانایی بازیابی را دارد، به این معنی که می تواند یک کار را با موفقیت انجام دهد، حتی اگر برخی از اعضای ازدحام مجروح یا از کار افتاده شوند. در چنین حالتی، رایانه فعالیت خود را مجدداً راه اندازی می کند و کار را بر اساس داده های جدید انجام می دهد و این مزیتی است که هوش ازدحامی نسبت به اقدامات مبتنی بر ابزارهای فردی دارند.
تعامل انسان و ماشین
این زمینه شامل زیرشاخه های مختلف هوش مصنوعی است که تعامل آسان و مؤثر بین ماشین ها و افراد از جمله تجزیه و تحلیل زبان طبیعی، چت ربات، تجزیه و تحلیل احساسات انسانی و دستیاران شخصی آن مانند « سیری » و « الکسا » را امکان پذیر می کند.
تعامل بین افراد و ماشین ها با ارتباط تیم هایی از افراد و ربات ها، با ارتباط افراد و برنامه های هوش مصنوعی به عنوان وسیله ای برای افزایش توانایی های انسان اتفاق می افتد و به عنوان یک عمل، از نظر شناختی و فیزیکی توسط قابلیت های ماشین تقویت شده است. در زمینه ی امنیتی، نظامیان به دنبال راه هایی برای ساده سازی تعامل انسان و ماشین و ایجاد تیم های یک پارچه هستند که قادر باشد برنامه ریزی و جنگ و درگیری ها را تغییر داده و قدرت دفاعی را تقویت کنند.
در این زمینه نیز مانند سایر زمینه ها، توانایی یک فرد برای کنترل تعداد زیادی ابزار به ساده ترین حالت ممکن یا همکاری با آنها برای فعال کردن سریع، بسیار مهم است. به این ترتیب، رابطه ای مختلف ازجمله رابط مغز و ماشین نیز توسعه می یابد.
هوش مصنوعی و امنیت ملی در اسرائیل
تعامل مغز و ماشین
«رابط مغز و ماشین» به عنوان یک نام کامل و جامع برای دستگاه هایی است که تنها از طریق فعالیت مغز با رایانه ها ارتباط برقرار و اطلاعات عصبی را به دستوراتی برای کنترل نرم افزار یا سخت افزار ترجمه می کنند.
پیشرفت های روز افزون در اینگونه رابط ها باید بتواند افراد را قادر سازد از طریق امواج مغزی ارتباط برقرار نموده و افکار یکدیگر را بخوانند. بسیاری از رابطه های موجود برای کاربردهای پزشکی، ازجمله کاشت حلزون ( دستگاه های شنوایی) و اندام های رباتیک در همین رابطه ساخته شده اند.
در سال ۲۰۱۸، « ایلان ماسک » ، کارآفرین با یک سرمایه گذاری ۲۷ میلیون دلاری در Neuralink اعلام کرد: «شرکتش به دنبال توسعه یک رابط مغز و ماشین است که با اتصال الکترودها به مغز و اتصال مغز به قابلیت های محاسباتی، ارتباطات انسانی را بهبود ببخشد.»
ماسک رابط مغز و ماشین را فقط یک وسیله ای می داند که منجر به بهبود توانایی های انسان و مقابله با تهدید فزاینده برای بشریت شده که در قالب هوش مصنوعی ارائه می گردد.
این گونه توسعه یافتگی تعاملات مغز و انسان، دارای پتانسیل هایی در حوزه امنیت نیز هستند. به عنوان مثال، « دارپا » در حال تلاش برای بهبود توانایی شناختی سربازان، از طریق رابطه های مناسب مغز و ماشین است. این فناوری تا حد زیادی به سیستم های هوش مصنوعی برای شناسایی الگوها، یادگیری از محیط و تنظیم پاسخ به همه اینها متکی است.
ابَرَ داده
توسعه فناوری انواع مختلف اجزای دیجیتال، ازجمله اجزایIoT، منجر به ایجاد تاثیرات فراوان در صنعت دیجیتال شده است که به صورت داده های مکانی( GPS)، که به صورت تصاویر، متن و اشکال دیگر بیان می شوند. طبق داده های سال ۲۰۱۸، هرروز ۲,۵ کوئینتیلیون (معادل ۲,۵ میلیارد) بایت اطلاعات تولید می شود و این میزان همچنان در حال رشد است.
اگرچه مفهوم ابر داده به حجم عظیمی از داده ها اشاره دارد، ولی برخی؛ ابر داده را به عنوان یک پایگاه داده بزرگ و پیچیده می دانند که مدیریت و تحولات آن را شامل چالش های لجستیکی می دانند، زیرا نمی توان با استفاده از روش ها و برنامه های کاربردی، پردازش داده را به صورت سنتی انجام داد. برخی دیگر ابر داده را گروهی از تکنیک های آماری می دانند که قادر به شناسایی الگوها در آرایه های عظیم داده ها هستند.
لازم به ذکر است داده های بزرگ برای آموزش هوش مصنوعی استفاده می شود، زیرا الگوهای مهم و ارزشمندی را می توان از تجزیه و تحلیل آن آموخت و در بسیاری از موارد اندازه آن به گلوگاهی در توسعه برنامه های کاربردی خاص تبدیل شده است.
ابر محاسبات
واژه ابرکامپیوتر یک واژه تک بُعدی نیست، بلکه به جمع رایانه هایی اطلاق می شود که قابلیت های محاسباتی قدرتمندی را به صورت همزبان و با هم دارند و در زمان ساخت، آنها را به عنوان رایانه های پیشرو در نظر گرفته می گیرند.
درحالی که اولین ابر رایانه توانایی پردازش چندین کیلو فلاپ (عملیات تجزیه و تحلیل و نظارت شناور در ثانیه) را داشت، کامپیوترهای قدرتمند امروزه به ۳۴ پتافلاپ (۱۰۱۵ در ۳۴ فلاپ) می رسند. اکثر ابر رایانه های فعلی از پردازش موازی استفاده می کنند؛ تعداد زیادی هسته که در یک شبکه سریع به هم متصل هستند. طراحی اکثر ابرکامپیوترها بر اساس حل یک مسئله واحد از طریق یک محاسبه خاص انجام می گیرد.
سوپرکامپیوترها همچنین برای محاسبات نظری مورد نیاز برای تولید سلاح های هسته ای مفید هستند. در نتیجه عرصه بین المللی نیز تولید و توزیع آنها را محدود می کند.
ادعا می شود که نسل بعدی هوش مصنوعی با مشکل ابر رایانه روبه رو خواهد شد: زیرا دنیای دیجیتال هر دو سال یک بار حجم اطلاعات خود را چند برابر می کند و برای مقابله با این حجم عظیم از داده ها که در حین انجام وظایف مختلف و ایجاد انواع روش های آموزشی پیش می آید، نیاز به قدرت ابر محاسباتی فوق العاده است. ابَرَ محاسباتی که با ساختاری قابل توسعه مشخص شده و از اتلاف وقت و هزینه نیز جلوگیری کند، از این رو ممکن است این نیاز با هوش مصنوعی برآورده شده و جهش های بیشتری را در این زمینه ایجاد کند.
رایانه های کوانتومی
برخی از سیستم های هوش مصنوعی به قابلیت های پردازش و محاسباتی نیاز دارند که بتوانند از فرآیندهای اتوماسیون پشتیبانی کنند و همچنین با آرایه های عظیمی از داده ها، کنار بیایند. برای این منظور، سخت افزار بسیار قدرتمند – گاهی فراتر از سیستم های رایانه ای موجود – مورد نیاز است که ایده های خاصی در زمینه ی هوش مصنوعی را صرفاً به عنوان محاسبات نظری، ارائه کند.
مشکلات پیش رو تا آستانه پیچیدگی و در اندازه های خاص، فراتر می روند، لذا برای حل آنها به قدرت محاسباتی قوی تری نیاز است.
بنابراین محاسبات کوانتومی برای مقابله با چالش ها نمی توانند با استفاده از سیستم های محاسباتی کلاسیک صورت گیرد بلکه نیاز به رایانه های کوانتومی است که از پدیده های منحصربه فرد مکانیک کوانتومی برخوردار هستند؛ بوده و این گونه رایانه ها ، نیز قطعا از نوعی ساختار و سازندگی و درهم تنیدگی فنی برخوردار هستند.
ادامه مطلب…