細緻的量子運算可能會帶來安全風險,這些風險甚至比人工智慧更大。
近年來,圍繞人工智慧的風險爭議一直廣泛存在。特斯拉公司CEO伊隆馬斯克曾經公開警告,電腦系統最快可能在2029年時就會擁有人類智能,如果政府不對其進行監管和乾預,該技術可能成為人類「最大的生存威脅」。事實上,無論人工智慧技術是否能夠真正獲得類似人類自主思維能力,其應用的負作用已經顯現:它已被廣泛利用於非法監視公共空間、監控社交媒體、進行深度偽造和製造致命性武器,這些都已經對人們的生活構成影響和危害。
當人類還無法有效應對人工智慧這個危機時,就不應該讓類似的錯誤重複出現!但有研究人員表示,有一種更強大的新興技術可能造成更嚴重破壞——量子運算。量子運算技術所能帶來的好處毋庸置疑,但就像硬幣的兩面,人類對它會產生的破壞性了解還遠遠不夠。量子運算既可用於正道,也同樣可被惡意使用。即使在善意使用的情況下,也必須考慮其潛在的安全風險。
量子運算的運作基礎與目前基於半導體的運算技術截然不同。憑藉其快速處理大量資料的能力,量子電腦可以輕鬆破解世界上任意運算設備上的隱私記錄、私人通訊和密碼。尤其是量子運算一旦與人工智慧技術結合,這種破壞性將會指數級增加,那時馬斯克所警告的災難後果將很可能會真實發生。
儘管還處於應用的起步階段,但全社會迫切需要在這項技術規模化應用之前,首先了解它所有可能的安全性影響,並提前進行應對,絕不能重蹈對人工智慧技術管控不利的覆轍。日前,《富比士》技術委員會的安全專家們,就人類社會可能面臨的量子運算應用風險進行了討論。
風險1. 現代加密方法將無效
#今天的密碼學是以大量數字組合對資料進行編碼保護,使用常規的計算技術不可能在合理的時間內破解這些密碼。但是量子電腦可能利用量子力學原理,如疊加、糾纏和不確定性等,瞬間透過蠻力破解加密。任何現代密碼或金鑰都可能被蠻力攻擊破解,從而變得毫無用處,而目前業界還不知道如何應對這個問題。
風險2. 網路基礎設施會被顛覆
#由於量子電腦可以快速破解目前的加密金鑰,因此所有現有的網路資訊傳輸都岌岌可危,攻擊者可以利用量子電腦截取網路上傳輸的各種資料資訊。當資訊傳輸不在安全時,現有的互聯網基礎設施將被顛覆。
風險3. DNN模型更難評估
#如果量子運算被用於機器學習,形成增強量子機器學習,它可能會帶來終極的安全黑盒子問題。眾所周知,深度神經網路(DNN)模型並不透明。雖然有工具可以監測DNN中的演算法層就行如何運作,但一旦實現了量子機器學習,評估DNN和判斷決策過程將變得更困難,這可能會造成機器學習過程和結果的失控。
風險4. 現在的加密資料將會提前解密
#一種名為「先收集,後解密」的新威脅是指攻擊者企圖竊取加密的數據,並可能將數據持有多年,這樣就可以透過未來的量子計算技術實現解密。因為即使幾年後,許多加密的內容對攻擊者來說可能仍然有價值。
風險5.企業數位化成本進一步增加
#量子運算的成本是潛在的風險。在經濟衰退的情況下,環境、社會和治理問題是大多數組織最關心的問題,啟動和維護量子運算計畫需要高昂的費用。量子計算算力的價格在很長一段時間內都會很昂貴,但在過度投入該技術之前,組織應認真考慮在採用量子技術的原因。
風險6. 數位落差急劇拉大
# 量子運算的一個巨大社會風險是數位落差急劇拉大。量子運算的高昂成本意味著,只有具備資金能力的機構和組織才能享受強大算力,這可能被用來進一步拉大貧富差異,破壞社會平等。隨著量子運算大行其道,公司可能面臨的一個風險是,競爭對手會利用該技術超越自己,因為量子電腦將能夠解決傳統電腦無法解決的問題,這可能會導致一種“軍備競賽”,企業被迫升級系統,否則就會面臨危機。
風險7.對生態資源的破壞
#量子運算穩定工作需要依賴氦冷卻使粒子來保持靜態。但是,氦是一種非常稀缺的資源,其供應鏈的數量和價格都會有風險。首先,組織必須確保自己夠獲取氦來維持量子計算設備的運作;其次,由於巨大商業利益的誘惑,很可能會存在量子算力資源被壟斷集中於少數幾家特權運營商的風險。
風險8. 區塊鏈技術將被破解
# 量子運算的興起可能會給新興的區塊鏈和加密貨幣經濟帶來風險。區塊鏈依賴非對稱金鑰加密演算法(RSA和EC)。這些演算法同樣可以透過量子運算來破解,導致區塊鏈被惡意操縱。這是投資區塊鏈技術的公司和消費者面臨的重大風險。
風險9.放大現有安全漏洞的風險
#由於強大的算力,量子運算有望顛覆我們今天所知的技術。最大的風險是,量子運算將給今天的運算系統帶來不可預見的風險,因為攻擊者可以透過新的運算能力來尋找以前未發現的安全漏洞。這將為企業現有的漏洞管理計畫帶來挑戰。
風險10. 增加國家間軍事對抗風險
雖然量子運算有望解決當今社會中極其複雜的問題,但它同樣能夠在戰爭中被國家政府惡意使用。如果某些國家的軍隊可以使用量子計算,而另一方無法使用,這種資訊不對稱可能會使後者在戰爭中落於下風。一旦國家間的軍事力量平衡被打破,全球性軍事衝突風險將會增加。
以上是細緻的量子運算可能會帶來安全風險,這些風險甚至比人工智慧更大。的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
