Čo je to strojové učenie, čo má spoločné s umelou inteligenciou a ako sa táto technológia využíva v kybernetickej bezpečnosti?
S rastom svetovej populácie sa priamoúmerne zvyšuje aj objem generovaných údajov a dát. Zhromažďovať, triediť alebo analyzovať tieto dáta v reálnom čase je pomerne časovo náročné a v niektorých prípadoch až takmer nemožné.
Všetko sa však mení vďaka vývoju technológie strojového učenia. Dnes môžeme tvrdiť, že sa táto technológia už niekoľko rokov využíva vo viacerých oblastiach a ovplyvňuje, možno dokonca aj mení náš každodenný život.
Čo je to strojové učenie?
Teoreticky definujeme strojové učenie (angl. Machine Learning) ako algoritmy spracovávania dát. Tie využívajú prvky matematickej štatistiky, metódy štatistickej analýzy a hĺbkovú analýzu dát
Počítač je založený na presnosti a pracuje len s presnými údajmi. Strojové učenie mu dodáva odhad, ktorý je pri aplikáciach strojového učenia potrebný, ale aj tento odhad je založený na presnosti a výpočtoch.
Zjednodušene povedané, v minulosti boli počítače schopné robiť v podstate iba to, čo sme im naprogramovali, presne krok za krokom. Vďaka tejto technológii môžeme dnes vytvoriť softvér, ktorý sa vie učiť podobným spôsobom ako človek:
Namiesto neustálej ručnej aktualizácie kódu je schopný priebežne zlepšovať svoju vlastnú výkonnosť a nadobúdať „vedomosti‟, ktoré sú založené na minulých skúsenostiach – dátach.
Pokiaľ si ešte stále neviete predstaviť, ako strojové učenie funguje, môžeme si to vysvetliť na jednoduchom príklade.
Ak chceme napríklad naučiť počítač rozoznať jablko, nahráme doň tisíce fotiek jabĺk rôzneho tvaru, farby či veľkosti. Z týchto obrázkov sa pokúsi algoritmus sám vytvoriť zovšeobecnenie – teda všeobecný obraz toho, ako by malo vyzerať jablko. Následne, keď mu ukážeme novú fotografiu jablka, bude vedieť povedať, s akou pravdepodobnosťou ide o jablko – na základe dát, ktoré sme mu poskytli. Tu sa to však nekončí. Kritériá môžeme priebežne upravovať. Napríklad mu povieme, že tam musí byť aj list z jablka a prípadne doplníme nový druh alebo tvar jablka.
V súvislosti s technológiou strojového učenia sa spomína aj termín hĺbkové učenie (angl. Deep Learning). Je to podskupina modelov strojového učenia, inšpirovaná ľudským mozgom, ktorá sa ukázala byť účinná pri spracúvaní obrovských množín sekvenčných dát.
Hĺbkové učenie prinieslo výrazné vylepšenia v oblasti kybernetickej bezpečnosti, predovšetkým v detekčných schopnostiach, kde došlo k značnému posunu, ktorý by sa dal prirovnať k pozeraniu sa na vysokokvalitný videozáznam v porovnaní s pohľadom na statickú fotografiu.
Strojové učenia a umelá inteligencia
Umelá inteligencia (angl. Artificial Intelligence) priťahuje pozornosť médií i verejnosti. V mnohých oblastiach je však skôr mediálnym šialenstvom, ktorý je laickou verejnosťou často nesprávne chápaný.
Strojové učenie je iba jedna oblasť umelej inteligencie a momentálne sa jej venuje asi najväčšia pozornosť.
Umelá inteligencia (AI) však zatiaľ predstavuje nedosiahnuteľný ideál. Pojem existuje už viac ako 60 rokov a vzťahuje sa na inteligentný a sebestačný počítač, ktorý sa dokáže samostatne učiť výlučne na základe vstupných informácií z prostredia a bez zapojenia človeka.
V dnešnej kybernetickej bezpečnosti to nie je možné dosiahnuť. Počítače zatiaľ nie sú schopné myslieť samy, a nedokážu ani žiť len tak pre seba.
Vezmime si napríklad autonómne autá. Na prvý pohľad je to úžasný koncept budúcnosti, no zatiaľ je len na úrovni sci-fi. Prečo?
Vytvoriť plne autonómny automobil znie na prvé počutie pôsobivo, no v praxi obsahuje ešte viacero nedostatkov. S potrebným technologickým vybavením, množstvom výpočtov, nehovoriac o bezpečnostných požiadavkách či spolupráci so štandardnými dopravnými prostriedkami, tento koncept zatiaľ zostáva len vzdialeným snom. To však neznamená, že sa to nikdy nemôže stať.
Pri mnohých našich každodenných aktivitách ste si už pravdepodobne viackrát povedali, že tak takúto schopnosť môže mať iba umelá inteligencia. V pozadí sa však ukrýva práve strojové učenie. Strojové učenie neustále napreduje a predstavuje jeden z najúžasnejších technologických vývojov v histórii ľudstva, no nemalo by sa zamieňať s umelou inteligenciou.
Aký je teda medzi nimi rozdiel?
Strojové učenie predstavuje algoritmy, ktoré umožňujú počítaču rozumieť dátam a hľadať v nich podobnosti, vzorce alebo sa naučiť využiť výsledky na ich zovšeobecnenie. Skutočná umelá inteligencia by mala mať oveľa širšiu škálu schopností. Tento systém – či už v podobe softvéru alebo hardvéru – by mal vedieť na základe vstupných dát urobiť vlastné rozhodnutia, ktoré ho privedú k vopred určenému cieľu.
Inak povedané, strojové učenie pracuje s dátami, snaží sa v nich hľadať vzorce a vytvárať generalizáciu. Zabezpečuje teda spracovanie dát, na základe čoho robí rozhodnutia – špecifikujeme, táto technológia vytvorí model, ktorý nám dá výsledok. Ten vieme naučiť robiť s vecami, naučiť počítať, aby rozumel dátam, ale rozhodovacia logika nie je jeho.
Umelá inteligncia tvorí celý package a robí k tomu aj rozhodnutia – sama na základe dát a zo vstupov z prostredia sa vie sama rozhodnúť. Rozhodnutie sa uskutočňuje s cieľom, ktorý má spraviť (sama si určí najlepší spôsob, ako to dosiahnuť). Človek v tomto prípade nezadá nič. Ale, aby AI nerobila čo chce, je potrebné jej dať hranice.
Skutočná umelá inteligencia by mala byť neobmedzená a mala mať možnosť robiť čokoľvek bez zapojenia človeka. Dokonca by sa mala vedieť naučiť byť spravodlivá a bez predsudkov.
Strojové učenie v každodennom živote
Technológia strojového učenia ovplyvňuje a možno dokonca aj mení náš každodenný život. Ak boli predchádzajúce odseky príliš teoretické, máme pre vás ukážky zo života.
Stalo sa vám, že pri návšteve e-shopu, na ktorom ste si prezerali produkty alebo čítali recenzie, vám po čase začalo zobrazovať podobné produkty, ktoré by vás mohli zaujímať? Nie sú za tým žiadne čary, ale práve strojové učenie. To pracuje s dátami, ktoré zaznamenalo na základe vašej aktivity na stránke e-shopu.
Podobne fungujú napríklad aj internetové vyhľadávače, ktoré používajú strojové učenie na zlepšenie presnosti výsledkov vyhľadávania na základe vašej nedávnej histórie vyhľadávania alebo kľúčových slov. Alebo sociálne siete, ktoré sú naprogramované tak, aby zobrazovali príspevky, ktoré sú prispôsobené vašim záujmom a vášmu minulému správaniu na týchto platformách. Rovnako strojové učenie využíva aj Google translate a iné online dostupné prekladače, ktoré sa z rôznych textov učili používanie fráz a viet.
Ostatné sú menej zrejmé, skryté v pozadí a pomáhajú napríklad výskumným pracovníkom vyvíjať nové riešenia existujúcich problémov, firmám v boji proti veľkým podvodom alebo proti počítačovej kriminalite. Strojové učenie bezpochyby mení a zefektívňuje náš život. Od rozpoznávania obrazov, predpovedania trestnej činnosti až po lekársku diagnostiku. A to už dnes zvyšuje našu presnosť vo viacerých odvetviach.
Strojové učenie má svoje nezastupiteľné využitie aj v oblasti kybernetickej bezpečnosti. Aké, to sa dočítate v ďalšom texte.
Autor: Tím ESET
Zdroje:
- Miroslav Cibula, Strojové učenie, 2017 https://smnd.sk/mcibula/zakl_info/definicia.html
- Ondrej Kubovič, Juraj Jánošík, Peter Košinár, Doba Machine learningu v oblasti kybernetickej bezpečnosti, White paper, február 2019.
- Jake Moore, AI: artificial ignorance. https://www.welivesecurity.com/2019/08/16/ai-artificial-ignorance/.
- Juraj Jánošík, Skutočná umelá inteligencia by mala mať aj vedomie. Sme od toho ešte ďaleko. 2019, https://www.eset.com/sk/o-nas/korporatne-informacie/novinky/rozhovory/skutocna-umela-inteligencia-by-mala-mat-aj-vedomie-sme-od-toho-este-daleko/.
