Inhaltsverzeichnis
Risiko 1. Moderne Verschlüsselungsmethoden werden unwirksam sein
Risiko 2. Die Internet-Infrastruktur wird untergraben
Risiko 3. DNN-Modelle sind schwieriger zu bewerten
Risiko 4. Verschlüsselte Daten werden jetzt frühzeitig entschlüsselt
Risiko 5. Die Kosten der Unternehmensdigitalisierung werden weiter steigen
Risiko 6. Die digitale Kluft vergrößert sich dramatisch
Risiko 7. Schädigung ökologischer Ressourcen
Risiko 8. Die Blockchain-Technologie wird geknackt
Risiko 9. Risiko der Verstärkung bestehender Sicherheitslücken
Risiko 10. Erhöhtes Risiko einer militärischen Konfrontation zwischen Ländern
Heim Technologie-Peripheriegeräte KI Akribisches Quantencomputing könnte noch größere Sicherheitsrisiken bergen als künstliche Intelligenz.

Akribisches Quantencomputing könnte noch größere Sicherheitsrisiken bergen als künstliche Intelligenz.

May 08, 2023 pm 09:34 PM
人工智能 量子计算 风险

​In den letzten Jahren kam es immer wieder zu Kontroversen über die Risiken künstlicher Intelligenz. Elon Musk, CEO von Tesla, warnte einmal öffentlich, dass Computersysteme bereits im Jahr 2029 über menschliche Intelligenz verfügen könnten. Wenn die Regierung sie nicht reguliert und nicht eingreift, könnte diese Technologie zur „größten existenziellen Bedrohung“ der Menschheit werden. Unabhängig davon, ob die Technologie der künstlichen Intelligenz wirklich autonome Denkfähigkeiten erwerben kann, die denen des Menschen ähneln, sind die negativen Auswirkungen ihrer Anwendung bereits deutlich geworden: Sie wird häufig zur illegalen Überwachung öffentlicher Räume, zur Überwachung sozialer Medien und zur Durchführung von Deep Fakes eingesetzt. und tödliche Waffen herzustellen, sie alle haben das Leben der Menschen beeinflusst und geschädigt.

Wenn Menschen die Krise der künstlichen Intelligenz nicht effektiv bewältigen können, sollten wir nicht zulassen, dass ähnliche Fehler noch einmal passieren! Einige Forscher sagen jedoch, dass es eine leistungsfähigere neue Technologie gibt, die noch größeren Schaden anrichten könnte – Quantencomputing. Es besteht kein Zweifel daran, dass die Quantencomputertechnologie Vorteile bringen kann, aber wie zwei Seiten derselben Medaille wissen die Menschen immer noch nicht genug über die zerstörerischen Auswirkungen, die sie verursachen wird. Quantencomputing kann sowohl zum Guten als auch zum Bösen eingesetzt werden. Auch bei Verwendung in gutem Glauben müssen potenzielle Sicherheitsrisiken berücksichtigt werden.

Die Funktionsweise des Quantencomputings unterscheidet sich völlig von der aktuellen halbleiterbasierten Computertechnologie. Mit ihrer Fähigkeit, große Datenmengen schnell zu verarbeiten, können Quantencomputer problemlos private Aufzeichnungen, private Kommunikation und Passwörter auf jedem Computergerät auf der Welt knacken. Insbesondere wenn Quantencomputing mit der Technologie der künstlichen Intelligenz kombiniert wird, wird diese Zerstörungskraft exponentiell zunehmen, und dann werden höchstwahrscheinlich die katastrophalen Folgen eintreten, vor denen Musk gewarnt hat.

Obwohl sie sich noch im Anfangsstadium der Anwendung befindet, muss die gesamte Gesellschaft vor ihrer groß angelegten Anwendung dringend alle möglichen Sicherheitsauswirkungen verstehen und im Voraus reagieren. Die Kontrolle der Technologie der künstlichen Intelligenz darf nicht wiederholt werden Ungünstige Fehler. Kürzlich diskutierten Sicherheitsexperten des Forbes Technology Committee über die Risiken, denen die menschliche Gesellschaft bei der Anwendung von Quantencomputing ausgesetzt sein könnte.

Risiko 1. Moderne Verschlüsselungsmethoden werden unwirksam sein

Die heutige Kryptografie schützt Daten, indem sie sie in einer großen Anzahl von Zahlenkombinationen kodiert, die mit herkömmlichen Computertechniken in angemessener Zeit nicht zu knacken sind. Aber Quantencomputer könnten quantenmechanische Prinzipien wie Superposition, Verschränkung und Unsicherheit nutzen, um Verschlüsselungen sofort durch rohe Gewalt zu knacken. Jedes moderne Passwort oder jeder Schlüssel kann durch einen Brute-Force-Angriff kompromittiert und unbrauchbar gemacht werden, und die Branche hat derzeit keine Ahnung, wie dieses Problem bekämpft werden kann.

Risiko 2. Die Internet-Infrastruktur wird untergraben

Da Quantencomputer aktuelle Verschlüsselungsschlüssel schnell knacken können, ist die gesamte bestehende Internet-Informationsübertragung gefährdet, und Angreifer können Quantencomputer verwenden, um Übertragungen verschiedener Dateninformationen im Netzwerk abzufangen . Wenn die Informationsübertragung nicht mehr sicher ist, wird die bestehende Internet-Infrastruktur untergraben.

Risiko 3. DNN-Modelle sind schwieriger zu bewerten

Wenn Quantencomputing für maschinelles Lernen verwendet wird, um verbessertes quantenmaschinelles Lernen zu bilden, kann dies zum ultimativen Sicherheits-Blackbox-Problem führen. Es ist allgemein bekannt, dass Modelle tiefer neuronaler Netze (DNN) nicht transparent sind. Obwohl es Tools zur Überwachung der Funktionsweise der Algorithmusschichten in DNN gibt, wird es nach der Implementierung des maschinellen Quantenlernens schwieriger, das DNN zu bewerten und den Entscheidungsprozess zu beurteilen, was dazu führen kann, dass der Prozess und die Ergebnisse des maschinellen Lernens verloren gehen Kontrolle.

Risiko 4. Verschlüsselte Daten werden jetzt frühzeitig entschlüsselt

Eine neue Bedrohung namens „Zuerst sammeln, später entschlüsseln“ bezieht sich auf den Versuch eines Angreifers, verschlüsselte Daten zu stehlen und sie möglicherweise jahrelang aufzubewahren, damit die Entschlüsselung möglich ist Dies wird durch zukünftige Quantencomputertechnologie erreicht. Denn auch Jahre später können viele der verschlüsselten Inhalte für Angreifer noch wertvoll sein.

Risiko 5. Die Kosten der Unternehmensdigitalisierung werden weiter steigen

Die Kosten für Quantencomputing sind ein potenzielles Risiko. In einer Rezession stehen Umwelt-, Sozial- und Governance-Themen für die meisten Unternehmen im Vordergrund, und der Start und die Aufrechterhaltung von Quantencomputing-Projekten ist teuer. Quantenrechenleistung wird noch lange teuer sein, aber Unternehmen sollten ihre Gründe für die Einführung der Quantentechnologie sorgfältig abwägen, bevor sie zu viel in die Technologie investieren.

Risiko 6. Die digitale Kluft vergrößert sich dramatisch

Ein großes gesellschaftliches Risiko des Quantencomputings besteht darin, dass sich die digitale Kluft dramatisch vergrößert. Die hohen Kosten des Quantencomputings bedeuten, dass nur Institutionen und Organisationen mit finanziellen Möglichkeiten über leistungsstarke Rechenleistung verfügen können, die dazu genutzt werden kann, die Kluft zwischen Arm und Reich noch weiter zu vergrößern und die soziale Gleichheit zu untergraben. Mit dem Aufschwung des Quantencomputings besteht ein Risiko für Unternehmen darin, dass Konkurrenten die Technologie nutzen, um sich selbst zu übertreffen, da Quantencomputer in der Lage sein werden, Probleme zu lösen, die herkömmliche Computer nicht lösen können. Dies könnte zu einer Art „Wettrüsten“ führen, in dem Unternehmen sind gezwungen, Ihr System zu aktualisieren oder geraten in eine Krise.

Risiko 7. Schädigung ökologischer Ressourcen

Der stabile Betrieb des Quantencomputings beruht auf der Heliumkühlung, um die Teilchen statisch zu halten. Helium ist jedoch eine sehr knappe Ressource und sowohl die Menge als auch der Preis in seiner Lieferkette sind gefährdet. Erstens müssen Organisationen sicherstellen, dass sie ausreichend Zugang zu Helium haben, um den Betrieb von Quantencomputergeräten aufrechtzuerhalten. Zweitens besteht aufgrund der Versuchung großer kommerzieller Interessen die Gefahr, dass Quantencomputerressourcen monopolisiert und auf einige wenige privilegierte Betreiber konzentriert werden .

Risiko 8. Die Blockchain-Technologie wird geknackt

Der Aufstieg des Quantencomputings kann Risiken für die aufstrebende Blockchain- und Kryptowährungswirtschaft mit sich bringen. Blockchain basiert auf asymmetrischen Schlüsselverschlüsselungsalgorithmen (RSA und EC). Diese Algorithmen können auch durch Quantencomputer gebrochen werden, was zu einer böswilligen Manipulation der Blockchain führt. Dies stellt ein erhebliches Risiko für Unternehmen und Verbraucher dar, die in Blockchain-Technologie investieren.

Risiko 9. Risiko der Verstärkung bestehender Sicherheitslücken

Aufgrund seiner leistungsstarken Rechenleistung wird Quantencomputing voraussichtlich die Technologie, die wir heute kennen, untergraben. Das größte Risiko besteht darin, dass Quantencomputing unvorhergesehene Risiken für heutige Computersysteme mit sich bringt, da Angreifer die neue Rechenleistung nutzen können, um bisher unentdeckte Sicherheitslücken zu finden. Dies wird bestehende Schwachstellenmanagementprogramme vor Herausforderungen stellen.

Risiko 10. Erhöhtes Risiko einer militärischen Konfrontation zwischen Ländern

Obwohl Quantencomputing voraussichtlich äußerst komplexe Probleme in der heutigen Gesellschaft lösen wird, kann es auch von nationalen Regierungen in Kriegen böswillig eingesetzt werden. Wenn die Streitkräfte einiger Länder Zugang zu Quantencomputern haben, die anderer jedoch nicht, könnte diese Informationsasymmetrie dazu führen, dass letztere in einem Krieg benachteiligt werden. Sobald das militärische Machtgleichgewicht zwischen den Ländern gestört ist, steigt das Risiko eines globalen militärischen Konflikts.

Das obige ist der detaillierte Inhalt vonAkribisches Quantencomputing könnte noch größere Sicherheitsrisiken bergen als künstliche Intelligenz.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. Aug 01, 2024 pm 09:40 PM

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

See all articles