カジノサイト AI: フォースマルチプライアー
囲碁は単なるゲームではありません。また、人生の例え、調停の方法、抽象的な推論の練習、さらには選手の性格についての洞察としても役立ちます。中国の古代ボード ゲームは、黒と白の石が置かれた 19 × 19 の格子状の木製ボード上で 2 人のプレーヤーによってプレイされます。石は、他の石を囲んでそれらを捕らえたり、領域をマークしたりするために使用され、10 の 170 乗の可能なボード構成が可能です。
米国囲碁協会によると、「明らかなリードを勝利に変える簡単な手順はない。ただ良いプレーを続けるだけだ」。 「このゲームでは、攻撃性や強欲よりも忍耐とバランスが重視されます。影響力と領土のバランスはゲーム中に何度も変化する可能性があり、強いプレーヤーは柔軟でありながらも毅然とした態度をとる準備ができていなければなりません。」
通常のボードでの典型的なゲームは完了するまでに 45 分から 1 時間かかりますが、プロはゲームを何時間も続けられるようにします。スーパーコンピューターは、ゲーム内で行われる可能性のあるすべての動きを予測することさえできません。
Google のディープ マインド人工知能 (AI) AlphaGo が過去 10 年間で最高のプレーヤーの 1 人を破ったとき、それがテクノロジーの未来にとって興奮する瞬間となったのはこのためです。 AlphaGo は、2016 年のトーナメントで、18 の世界タイトルを獲得したイ セドルを 5 試合中 4 試合で破りました。
「対局中、AlphaGo はいくつかの非常に独創的な必勝手を打ちましたが、そのいくつか (第 2 局の 37 手を含む) は、数百年にわたる通説を覆すほど驚くべきものであり、それ以来、あらゆるレベルのプレイヤーによって徹底的に検討されました。」とディープ マインドはプレス リリースで述べました。
そして、2017 年 5 月に AlphaGo が再び勝利し、AI の最後の対局イベントとなりました。 「AlphaGoの研究チームは今後、次の一連の壮大な挑戦にエネルギーを注ぎ込み、病気の新たな治療法を発見したり、エネルギー消費を劇的に削減したり、革新的な新素材を発明したりするなど、科学者が最も複雑な問題に取り組む際にいつか役立つ可能性がある高度な汎用アルゴリズムを開発する予定だ」とディープマインドはプレスリリースで述べた。 「AI システムがこれらの領域でも重要な新しい知識と戦略を発掘できることが証明されれば、その進歩は本当に驚くべきものとなるでしょう。次に何が起こるのかが待ちきれません。」
世界の他の国々も同様です。プライスウォーターハウスクーパース（PwC）の取り組み「The Future of AI is Here」によると、AI市場は2020年までに700億ドルに達すると予測されており、消費者、企業、政府に影響を与えるだろう。
「一部のテクノロジー楽観主義者は、機械が今日の世界を生み出す豊富なデータの処理、分析、評価を人類が支援することで人間の能力が増幅され、人間が高度な思考、創造性、意思決定により多くの時間を費やすことができる世界を AI が生み出す可能性があると信じています。」と PwC は最近のレポート「AI が人間と機械をどのように近づけているか」で述べています。
そして、サイバーセキュリティの専門家や専門家が AI に最も関心を示しているのはここです。AI が人間の労働力を拡大し、より全体像を見て、機械ではまだ対応できない問題に対処できるようにする、未来の労働力を生み出す能力にあります。
「サイバーセキュリティにおける AI の目標は、人々の効率を高め、戦力を倍増させることです」と、脅威ハンティング プラットフォーム Sqrrl の共同創設者兼ビジネス開発担当バイスプレジデントである Ely Kahn 氏は述べています。 「サイバーセキュリティ業界では、人手不足が深刻です。AI には、既存のサイバーセキュリティ アナリストの生産性を高めることで、この問題を解決できる能力があると思います。」
基本。 AI は、通常人間の知能を必要とするタスクを実行するコンピューター システムの開発として定義されます。この用語は、ダートマスの J. マッカーシー、ハーバードの M. L. ミンスキー、IBM の N. ロチェスター、ベル電話研究所の C.E. シャノンによる、ダートマスの AI に関する夏季研究プロジェクトの 1955 年の提案で初めて使用されました。
提案書によると、著者らは、「機械に言語を使用させ、抽象化と概念を形成させ、現在は人間が担当している種類の問題を解決し、機械自身を改善する方法」を発見するために、2 か月にわたる 10 人による AI の研究を要求しました。
それ以来、AI は進歩し、現在ではディープ ラーニング、コグニティブ コンピューティング、データ サイエンス、機械学習など、AI の包括的な枠組みに収まる広範な分野が数多く存在すると、PwC のパートナーで人工知能のグローバル リードを務めるアナンド ラオ氏は述べています。
機械学習は、現在最も注目を集めている分野の 1 つだとラオ氏は言います。 PwC によると、機械学習はその名前が表すとおり、機械に学習させる科学と工学です。
これは、マシンに大量のデータを供給し、何が正常な動作と異常な動作であるかを判断するアルゴリズムを学習させることによって行われます。
「機械学習では、ルールが何であるかを正確に知らないので、プログラムを書くことはできないという考えがあります」とラオ氏は説明します。 「通常、私たちは入力を受け取り、出力を生成する特定の命令を書きます。何をしようとしているのかがわかっていればそれを行うことができます。しかし、それがわからないと、それは難しくなります。」
ここで、機械学習の 2 つのサブカテゴリ、教師あり学習と教師なし学習が登場します。
教師なし機械学習はデータを使用してシステムをトレーニングし、アルゴリズムを作成し、機械は継続的に学習していると、元ホワイトハウス国家安全保障スタッフのサイバーセキュリティ部長であるカーン氏は述べています。教師なし機械学習アルゴリズムは「継続的にリセットされるため、組織内で何が正常で何が異常であるかを学習し、供給される新しいデータに基づいて継続的に学習します」と彼は説明します。
教師あり学習では、人間がトレーニングまたはラベル付けされたデータを使用してシステムをトレーニングし、特定の種類のパターンや異常を識別するために探すアルゴリズムをシステムに教えます。ただし、2 つのタイプの学習は組み合わせて使用できます。別々に保つ必要はありません。
たとえば、教師あり機械学習を使用すると、アナリストがシステムが使用しているアルゴリズムにフィードバックを提供できるようになります。「そのため、教師なし機械学習アルゴリズムが検出したものが偽陽性または真陽性であることに気付いた場合、アナリストはそのようにフラグを立てることができます」とカーン氏は言います。 「そのフィードバックは私たちのアルゴリズムに入力され、教師あり機械学習ループを強化します。これは、相互に強化する 2 つの補完的なループと考えることができます。」
ディープラーニング。 AI が社会で果たす役割が増大することについて多くの人が抱いている主な懸念の 1 つは、AI が現在人間が担っている仕事に取って代わることです。受付係や顧客サービスの仕事など、一部の職種ではそうかもしれないが、専門家はサイバーセキュリティの役割においてAIが人間に取って代わることができるかどうかについては懐疑的である。
サイバーセキュリティ アナリストが行うような意思決定を行うには、機械はディープ ラーニングを使用する必要があります。これは、Google の Deep Mind 製品や IBM の Watson を強化する教師あり機械学習内のサブカテゴリです。人間の脳の働きを模倣するように設計されたニューラル ネットワーク技術を使用しています。
「私は、アルゴリズムがどのような種類のパターンであるべきかを教育するのに役立つ、トレーニング データを使用するという意味で、教師あり機械学習について話しました」とカーン氏は言います。 「ディープ ラーニングは強力なものです。通常、大量のトレーニング データを取得し、それをニューラル ネットワーク アルゴリズムに渡して、より単純な教師あり機械学習アルゴリズムでは決して検出できないパターンを探します。」
しかし、ディープ ラーニングの問題は、ニューラル ネットワーク アルゴリズムを実行するために膨大な量のトレーニング データが必要なことです。
「ご想像のとおり、Google はそのための膨大な量のトレーニング データを保有しているため、そのトレーニング データを大規模にこれらのニューラル ネットワークにフィードして、深層学習アルゴリズムを強化することができます」とカーン氏は言います。 「サイバーセキュリティの分野では、そのようなメリットが十分に得られていません。そのため、ディープラーニング アルゴリズムの導入が少し遅れています。ディープラーニング アルゴリズムを強化するために使用できる、ラベル付きのサイバーセキュリティ データのプールはありません。」
サイバーセキュリティの場合、理想的には、深層学習アルゴリズムの作成に使用できる、ラベル付けされたサイバーセキュリティ インシデントの膨大な在庫が存在することです。インベントリには、サイトがどのように侵害されたか、どのようなエクスプロイトが使用されたかに関する情報が含まれます。
「今日の環境では、そのような情報の大規模な情報伝達機関はありません」とカーン氏は付け加えます。 「通常、企業はその情報を相互に共有したくありません。機密情報です。」
これは、AI で次のステップに進むという点でサイバーセキュリティ業界の足かせとなっており、データ共有に対する企業の消極的な傾向がすぐに変わるとは思えないとカーン氏は述べています。
「それは非常に困難になるだろう。技術的な理由よりも、政策や法的な理由の方が大きい」と彼は言う。 「企業がそのようなタイプの深層学習アルゴリズムを強化するために、そのレベルの詳細を相互に共有する段階に到達するかどうかはわかりません。」
しかし、膨大な量のデータを保有する大企業は、将来的にディープラーニングを活用できるようになるかもしれない、とカーン氏は言います。
今日の AI。現在、AI 製品または機械学習を使用する製品として宣伝するサイバーセキュリティ製品が数多く入手可能です。これらの製品は、脅威アクターのパターンを理解し、エンドユーザーのシステム内の異常な動作を探すために使用される傾向があるとラオ氏は言います。
たとえば、サービス拒否攻撃を調査するために製品を使用できます。「それがどのように発生するか、攻撃が来る頻度、そして一定期間にわたって観察を開始できるパターンを開発する」と彼は説明します。
趣味のハッカー、組織化されたハッカー グループ、および国民国家の行動は異なるため、これらのパターンは、企業が自社のシステムに侵入しようとしている人物を特定するのに役立ちます。
「プロファイリングを開始すると、特定の種類の攻撃の発生を防ぐ方法を検討し始めます」と Rao 氏は述べています。 「プロファイリングの種類に応じて、さまざまな種類の介入があります。」
AI を使用してパターンを識別し、人間が識別されたパターンに基づいて意思決定を行うこの機械の融合こそ、AI がサイバーセキュリティの未来を変え、労働力の強化に役立つとカーン氏は言います。
「理想的には、異常を検出するために比較的単純なアルゴリズムに依存しているという点で、人間と機械が非常に緊密に融合していることがわかり始めています。それらのアルゴリズムは、AI タイプのテクノロジーを使用して進歩し、より洗練されており、誤検知を減らし、真の検知を増やしています。」と彼は説明します。 「そのため、アナリストは行き止まりを追うのではなく、重要なことにより多くの時間を費やしているのです。」