باریخ نیوز : مت وود، معاون محصول در AWS، در مصاحبه اخیر خود با VentureBeat، بینش خود را در مورد اینکه چگونه هوش مصنوعی مولد می‌تواند چرخه‌ای از رشد مثبت برای یک کسبوکار ایجاد کند، به اشتراک گذاشته است.
وود گفته است که هوش مصنوعی مولد را می‌توان در چهار حوزه اصلی مورد استفاده قرار داد. سه حوزه اول در حال حاضر بسیار شناخته‌شده و رایج هستند و توسط بسیاری از مشاغل مورد استفاده قرار می‌‌گیرند. این حوزه‌ها شامل رابط‌های مولد (واسطی که به‌صورت خودکار توسط هوش مصنوعی ایجاد یا تولید می‌شود)، رتبه‌بندی جستجو (نحوه اولویت‌بندی نتایج جستجو توسط موتورهای جستجو) و ارتباط و کشف دانش (چگونه هوش مصنوعی می‌تواند به یافتن و پردازش اطلاعات کمک کند) هستند.
آخرین حوزه اصلی که در آن می‌توان از هوش مصنوعی مولد استفاده کرد، ایجاد سیستم‌های پشتیبانی تصمیم‌گیری خودکار است. به گفته وود، این مورد چالش‌برانگیزترین و در عین حال جالب‌ترین و تاثیرگذارترین حوزه است، زیرا به کسبوکارها اجازه می‌دهد تا با استفاده از سیستم‌های هوشمندی که به‌صورت خودکار فعالیت می‌کنند، مشکلات پیچیده خود را حل نمایند. این چیزی است که شرکت‌ها می‌توانند چرخه‌ای از رشد مثبت خود را در اطراف آن بسازند. وود گفت: اگر یک کسبوکار بتواند یک سیستم خوب ایجاد نماید، می‌تواند نسبت به رقبای خود برتری داشته و با استفاده از سیستم‌های هوشمندی که به صورت خودکار فعالیت می‌کنند، مشکلات پیچیده خود را حل نماید.
تأثیرات LLM در سازمان‌ها
معاون AWS هفته آینده در رویداد VB Transform 2023 در سانفرانسیسکو سخنرانی خواهد کرد. این رویداد یک فرصت شبکه‌ای برای مدیران ارشد فناوری است که می‌خواهند در مورد هوش مصنوعی بیاموزند و به طور موثر از آن استفاده نمایند. در این رویداد وود در یک میزگرد در کنار گریت کازمایر از گوگل قرار خواهد گرفت، تا در مورد مدل‌های زبان بزرگ و تأثیر آنها بر رهبران بحث خواهند کرد.
وود گفت که «استفاده از مدل‌های زبان بزرگ (LLM) می‌تواند امنیت سایبری را در شرکت‌ها بهبود بخشد. فرض کنید یک شرکت شروع به تجربه یک سری تهدیدات می‌کند که به‌سختی قابل تشخیص هستند، زیرا در بخش‌های مختلف کسبوکار پخش شده‌اند. با این حال، با استفاده از LLM، یک شرکت می‌تواند سیگنال‌های ظریفی را در چند حوزه شناسایی نماید که نشان‌دهنده وقوع یک حمله سایبری است.»
LLMها می‌توانند از جاسازی‌ها برای یافتن پیوندهای بین نقاط داده و شناسایی تفاوت‌های کوچکی که برای الگوی کلی مهم هستند، استفاده نمایند.
به گفته وود، «ممکن است متوجه این تفاوت‌ها شدن بدون LLMها سخت باشد، اما اکنون با کمک این مدل‌های زبانی بزرگ این تفاوت‌ها به طرز قابل‌توجهی برجسته شده و تشخیص آنها بسیار آسان‌تر گردیده است.»
بررسی علل اصلی حملات سایبری
LLMها می‌توانند به طور خودکار علت اصلی حمله سایبری را بررسی کنند و با استفاده از زبان ساده و طبیعی توضیح دهند که چرا این حمله اتفاق افتاده است. وود گفت: «علاوه بر این، LLMها همچنین می‌توانند بفهمند چه چیزی شرکت را در معرض خطر قرار می‌دهد و پیشنهاداتی در مورد نحوه دفاع در برابر آنها و محافظت در برابر حملات آینده ارائه دهند.»
در نهایت، هنگامی که پیشنهاد برای رفع یک مشکل (ممکن است یک حمله سایبری، یک آسیب پذیری یا یک مشکل عملیاتی باشد) را بررسی کردید و از آن راضی بودید، می‌توانید به‌سادگی روی یک دکمه کلیک کنید. پس از کلیک بر روی دکمه، سیستم LLM کدهای لازم را برای رفع مشکل اجرا می‌کند.
وود گفت:«روند فعلی شناسایی و رفع حملات سایبری به مهارت و زمان زیادی برای یافتن تمام اطلاعات لازم و تصمیم‌گیری صحیح نیاز دارد با این حال، استفاده از LLMها بسیار سریع‌تر است و نیاز به نیروی انسانی کمتری دارد.»
او افزود: «با LLMها می‌توان حملات سایبری را به‌صورت خودکار و بدون نیاز به دخالت انسان مدیریت کرد. هنگامی که سیستم یافته‌های خود را به یک انسان ارائه می‌دهد، آنها گزارش کامل حادثه را دریافت می‌کنند که تفسیر و درک آن بدون نیاز به دانش فنی تخصصی خاص آسان است.»
منبع : هوشیو
