يمكن أن تساعد الحوسبة الكمومية في تأمين مستقبل أنظمة الذكاء الاصطناعي

سرعان ما أصبحت خوارزميات الذكاء الاصطناعي جزءًا من الحياة اليومية. العديد من الأنظمة التي تتطلب أمانًا قويًا إما أن تكون مدعومة بالفعل بالتعلم الآلي أو ستدعمها قريبًا. تشمل هذه الأنظمة التعرف على الوجه ، والخدمات المصرفية ، وتطبيقات الاستهداف العسكري ، والروبوتات والمركبات المستقلة ، على سبيل المثال لا الحصر.

يثير هذا سؤالًا مهمًا: ما مدى أمان خوارزميات التعلم الآلي هذه ضد الهجمات الضارة؟

في مقال نُشر اليوم في Nature Machine Intelligence ، ناقشت أنا وزملائي في جامعة ملبورن حلاً محتملاً لنقاط ضعف نماذج التعلم الآلي.

نقترح أن دمج الحوسبة الكمومية في هذه النماذج يمكن أن ينتج خوارزميات جديدة تتمتع بمرونة قوية ضد الهجمات العدائية.

مخاطر هجمات التلاعب بالبيانات

يمكن أن تكون خوارزميات التعلم الآلي دقيقة وفعالة بشكل ملحوظ للعديد من المهام. وهي مفيدة بشكل خاص لتصنيف وتحديد معالم الصورة. ومع ذلك ، فهي أيضًا عرضة بشكل كبير لهجمات التلاعب بالبيانات ، والتي يمكن أن تشكل مخاطر أمنية خطيرة.

يمكن إطلاق هجمات التلاعب بالبيانات – التي تنطوي على معالجة دقيقة للغاية لبيانات الصورة – بعدة طرق. قد يتم شن هجوم عن طريق خلط البيانات الفاسدة في مجموعة بيانات تدريبية تُستخدم لتدريب خوارزمية ، مما يؤدي بها إلى تعلم أشياء لا ينبغي لها أن تفعلها.

يمكن أيضًا حقن البيانات التي تم التلاعب بها أثناء مرحلة الاختبار (بعد اكتمال التدريب) ، في الحالات التي يستمر فيها نظام الذكاء الاصطناعي في تدريب الخوارزميات الأساسية أثناء الاستخدام.

يمكن للناس حتى تنفيذ مثل هذه الهجمات من العالم المادي. يمكن لأي شخص وضع ملصق على علامة توقف لخداع الذكاء الاصطناعي للسيارة ذاتية القيادة لتعريفها على أنها علامة حد للسرعة. أو ، في الخطوط الأمامية ، قد يرتدي الجنود زيًا رسميًا يمكن أن يخدع الطائرات بدون طيار القائمة على الذكاء الاصطناعي لتحديدها على أنها ميزات طبيعية.

اقرأ المزيد: AI to Z: كل المصطلحات التي تحتاج إلى معرفتها لمواكبة عصر الضجيج في مجال الذكاء الاصطناعي

في كلتا الحالتين ، يمكن أن تكون عواقب هجمات التلاعب بالبيانات وخيمة. على سبيل المثال ، إذا كانت السيارة ذاتية القيادة تستخدم خوارزمية التعلم الآلي التي تم اختراقها ، فقد تتنبأ بشكل غير صحيح بعدم وجود بشر على الطريق – عند وجودهم.

كيف يمكن أن تساعد الحوسبة الكمومية

في مقالتنا ، نصف كيف يمكن أن يؤدي دمج الحوسبة الكمومية مع التعلم الآلي إلى ظهور خوارزميات آمنة تسمى نماذج التعلم الآلي الكمومي.

تم تصميم هذه الخوارزميات بعناية لاستغلال الخصائص الكمية الخاصة التي تسمح لها بالعثور على أنماط معينة في بيانات الصورة لا يمكن التلاعب بها بسهولة. ستكون النتيجة خوارزميات مرنة وآمنة ضد الهجمات القوية. كما أنها لن تتطلب “التدريب على الخصومة” المكلف المستخدم حاليًا لتعليم الخوارزميات كيفية مقاومة مثل هذه الهجمات.

علاوة على ذلك ، يمكن أن يسمح التعلم الآلي الكمي بتدريب خوارزمي أسرع ومزيد من الدقة في ميزات التعلم.

فكيف ستعمل؟

تعمل أجهزة الكمبيوتر الكلاسيكية اليوم من خلال تخزين المعلومات ومعالجتها على أنها “بتات” ، أو أرقام ثنائية ، وهي أصغر وحدة بيانات يمكن للكمبيوتر معالجتها. في أجهزة الكمبيوتر الكلاسيكية ، التي تتبع قوانين الفيزياء الكلاسيكية ، يتم تمثيل البتات كأرقام ثنائية – على وجه التحديد أصفار وآحاد.

من ناحية أخرى ، تتبع الحوسبة الكمية المبادئ المستخدمة في فيزياء الكم. يتم تخزين المعلومات الموجودة في أجهزة الكمبيوتر الكمومية ومعالجتها على هيئة كيوبتات (بتات كمومية) والتي يمكن أن توجد في صورة 0 أو 1 أو مزيج من الاثنين معًا. يقال إن النظام الكمي الموجود في حالات متعددة في وقت واحد هو في حالة تراكب. يمكن استخدام أجهزة الكمبيوتر الكمومية لتصميم خوارزميات ذكية تستغل هذه الخاصية.

ومع ذلك ، في حين أن هناك فوائد محتملة كبيرة في استخدام الحوسبة الكمومية لتأمين نماذج التعلم الآلي ، فقد تكون أيضًا سيفًا ذا حدين.

من ناحية أخرى ، ستوفر نماذج التعلم الآلي الكمومي أمانًا مهمًا للعديد من التطبيقات الحساسة. من ناحية أخرى ، يمكن استخدام أجهزة الكمبيوتر الكمومية لتوليد هجمات معادية قوية ، قادرة على خداع حتى أحدث نماذج التعلم الآلي التقليدية بسهولة.

للمضي قدمًا ، سنحتاج إلى التفكير بجدية في أفضل الطرق لحماية أنظمتنا ؛ قد يشكل الخصم الذي يتمتع بإمكانية الوصول إلى أجهزة الكمبيوتر الكمومية المبكرة تهديدًا أمنيًا كبيرًا.

قيود للتغلب عليها

تشير الأدلة الحالية إلى أننا ما زلنا على بعد بضع سنوات من أن يصبح التعلم الآلي الكمومي حقيقة واقعة ، بسبب القيود في الجيل الحالي من المعالجات الكمومية.

أجهزة الكمبيوتر الكمومية اليوم صغيرة نسبيًا (مع أقل من 500 كيوبت) ومعدلات أخطائها عالية. قد تظهر الأخطاء لعدة أسباب ، بما في ذلك التصنيع غير الكامل للكيوبتات ، أو الأخطاء في دائرة التحكم ، أو فقدان المعلومات (يسمى “فك الترابط الكمي”) من خلال التفاعل مع البيئة.

ومع ذلك ، فقد شهدنا تقدمًا هائلاً في الأجهزة والبرامج الكمومية خلال السنوات القليلة الماضية. وفقًا لخرائط طريق الأجهزة الكمومية الحديثة ، فمن المتوقع أن تحتوي الأجهزة الكمومية التي تم صنعها في السنوات القادمة على مئات الآلاف من الكيوبتات.

يجب أن تكون هذه الأجهزة قادرة على تشغيل نماذج قوية لتعلم الآلة الكمومية للمساعدة في حماية مجموعة كبيرة من الصناعات التي تعتمد على التعلم الآلي وأدوات الذكاء الاصطناعي.

في جميع أنحاء العالم ، تعمل الحكومات والقطاعات الخاصة على حد سواء على زيادة استثماراتها في التقنيات الكمية.

أطلقت الحكومة الأسترالية هذا الشهر استراتيجية الكم الوطنية ، التي تهدف إلى تنمية صناعة الكم في البلاد وتسويق تقنيات الكم. وفقًا لـ CSIRO ، يمكن أن تبلغ قيمة صناعة الكم في أستراليا حوالي 2.2 مليار دولار أسترالي بحلول عام 2030.

اقرأ المزيد: أستراليا لديها استراتيجية كم وطنية. ماذا يعني ذالك؟