الأربعاء 4 ديسمبر 2024

الشبكات المحلية الصينية للتعامل مع صور الأقمار الصناعية

وفقًا لتود مايرز ، من وكالة الاستخبارات الجغرافية المكانية الوطنية الأمريكية ، فإن الصين تطبق تقنيات شبكة الخصوم التوليدية (GAN) لخداع أجهزة الكمبيوتر المسؤولة عن صور الأقمار الصناعية.

بينما ينتشر الذكاء الاصطناعي عبر النظام البيئي الدفاعي بأكمله ، قد تعتقد أحيانًا أنك ينتهي بك الأمر إلى إعادة اختراع العجلة. تتيح تقنية GAN ، التي تم تقديمها في عام 2014 من قبل مجموعة من الباحثين (GoodFellow & al ، 2014) ، إنشاء صور مزيفة أو وهمية. إنه قادر على إظهار جسر أو حتى زرع موقع إطلاق صاروخ غير موجود في الصورة.

ومع ذلك، فإن الآثار المترتبة على شبكات GAN التي نشرتها الصين أعمق بكثير. كما تم وصف هذه التقنية بأنها الفكرة الأكثر إثارة للاهتمام في السنوات العشر الماضية في مجال التعلم الآلي من قبل الفرنسي يان ليكون، الحائز على جائزة تورينج المرموقة ومدير أبحاث الذكاء الاصطناعي في فيسبوك. على عكس الأنظمة العصبية الاصطناعية المستخدمة للتحقق من صحة الصورة، تتيح شبكات GAN إمكانية إنشاء صور معدلة قادرة على خداع الأولى. من الناحية التخطيطية، تتكون تقنية GAN من شبكتين عصبيتين، الأولى مسؤولة عن توليد الصورة (المولد) والثانية مبرمجة لاختبار مدى معقوليتها (المميز)، ومن هنا وصفهما بـ "الخصوم". وبالتالي، فإن الصورة التي تم إنتاجها بعد أن نجحت بالفعل في إقناع القائم بالتمييز، يجب أن تخدع نظريًا أي برنامج آخر.

وبهذه الطريقة، تمثل شبكات GAN تهديدًا أكثر تقدمًا من الأخبار المزيفة البسيطة أو الصور المعدلة. بالنسبة لأجهزة الاستخبارات والجيش، فإن التحدي ليس مستعصيا على الحل، ولكنه يتطلب عمليات تحقق تستغرق وقتا طويلا ومكلفة للغاية. ومن ناحية أخرى، إذا تم نشر البيانات مفتوحة المصدر المخصصة لعامة الناس، فلن تتمكن الشركات الخاصة والصحفيون والمنظمات غير الحكومية وجميع المواطنين من الوصول إلى معلومات صادقة أو حتى يمكن التحقق منها. وبالمثل، في الوقت الذي أصبحت فيه مشاريع المركبات ذاتية القيادة حقيقة واقعة، فإننا ندرك أهمية أدوات رسم الخرائط الخاصة الموثوقة.

مثل كل التكنولوجيا، فهي في حد ذاتها ليست جيدة أو سيئة. وهي، مثل يانوس، تتنبأ بعدد من المخاطر بقدر ما تتنبأ بالفرص. تمتلك فرنسا كميات صغيرة من البيانات مقارنة بالولايات المتحدة أو الصين لإجراء أبحاثها حول الذكاء الاصطناعي. ومن الممكن أن تشكل شبكات GAN، القادرة على توليد بيانات واقعية من مخزون منخفض، بديلاً سياديًا للتعويض عن هذا النقص.

لاستكشاف الموضوع بشكل أكبر

https://www.defenseone.com/technology/2019/03/next-phase-ai-deep-faking-whole-world-and-china-ahead/155944/?oref=d-mostread

تيبو ماتي

إعلان

حقوق التأليف : يُحظر النسخ، ولو جزئيًا، لهذه المقالة، بخلاف عنوان المقالة وأجزاءها المكتوبة بخط مائل، إلا في إطار اتفاقيات حماية حقوق الطبع والنشر الموكلة إلى مركبات الكربون الكلورية فلورية، وما لم يتم الاتفاق صراحةً على ذلك Meta-defense.fr. Meta-defense.fr تحتفظ بالحق في استخدام جميع الخيارات المتاحة لها لتأكيد حقوقها. 

لمزيد من

الشبكات الاجتماعية

أحدث المقالات