细致的量子计算可能会带来安全风险,这些风险甚至比人工智能更大。
近年来,围绕人工智能的风险争议一直广泛存在。特斯拉公司CEO埃隆·马斯克曾经公开警告,计算机系统最早可能在2029年时就会拥有人类智能,如果政府不对其进行监管和干预,该技术可能成为人类“最大的生存威胁”。事实上,无论人工智能技术是否能够真正获得类似人类自主思维能力,其应用的负作用已经显现:它已被广泛利用于非法监视公共空间、监控社交媒体、进行深度伪造和制造致命性武器,这些都已经对人们的生活构成影响和危害。
当人类还不能有效应对人工智能这个危机时,就不应该让类似的错误重复出现!但是有研究人员表示,有一种更强大的新兴技术可能造成更为严重破坏——量子计算。量子计算技术能够带来的好处毋庸置疑,但就像一个硬币的两面,人类对它会产生的破坏性了解还远远不够。量子计算既可用于正道,也同样可被恶意使用。即使是在善意使用的情况下,也必须考虑到其潜在的安全风险。
量子计算的运行基础与目前基于半导体的计算技术截然不同。凭借其快速处理大量数据的能力,量子计算机可以轻松破解世界上任意计算设备上的隐私记录、私人通信和密码。尤其是量子计算一旦与人工智能技术相结合,这种破坏性将会指数级增加,那时马斯克所警告的灾难后果将很可能会真实发生。
尽管还处于应用的起步阶段,但全社会迫切需要在这项技术规模化应用之前,首先了解它所有可能的安全性影响,并提前进行应对,绝不能重蹈对人工智能技术管控不利的覆辙。日前,《福布斯》技术委员会的安全专家们,就人类社会可能面临的量子计算应用风险进行了讨论。
风险1. 现代加密方法将无效
今天的密码学是以大量数字组合对数据进行编码保护,使用常规的计算技术不可能在合理的时间内破解这些密码。但是量子计算机可能利用量子力学原理,如叠加、纠缠和不确定性等,瞬间通过蛮力破解加密。任何现代密码或密钥都可能被蛮力攻击破解,从而变得毫无用处,而目前业界还不知道如何应对这个问题。
风险2. 互联网基础设施会被颠覆
由于量子计算机可以快速破解当前的加密密钥,因此所有现有的互联网信息传输都岌岌可危,攻击者可以利用量子计算机截取网络上传输的各种数据信息。当信息传输不在安全时,现有的互联网络基础设施将被颠覆。
风险3. DNN模型更加难以评估
如果量子计算被用于机器学习,形成增强型量子机器学习,它可能会带来终极的安全黑盒问题。众所周知,深度神经网络(DNN)模型并不透明。虽然有工具可以监测DNN中的算法层就行如何工作,但一旦实现了量子机器学习,评估DNN和判断决策过程将变得更困难,这就可能造成机器学习过程和结果的失去控制。
风险4. 现在的加密数据将被提前解密
一种名为“先收集,后解密”的新威胁是指攻击者企图窃取加密的数据,并可能将数据持有多年,这样就可以通过未来的量子计算技术实现解密。因为即使数年之后,很多加密的内容对攻击者来说可能仍然有价值。
风险5. 企业数字化成本进一步增加
量子计算的成本是潜在的风险。在经济衰退的形势下,环境、社会和治理问题是大多数组织最关心的问题,启动和维护量子计算项目需要高昂的费用。量子计算算力的价格在很长时间内都会很昂贵,但在过度投入该技术之前,组织应认真考虑在采用量子技术的原因。
风险6. 数字鸿沟急剧拉大
量子计算的一个巨大社会风险是数字鸿沟急剧拉大。量子计算的高昂成本意味着,只有具备资金能力的机构和组织才能享用强大算力,这可能被用来进一步拉大贫富差异,破坏社会平等。随着量子计算大行其道,公司可能面临的一个风险是,竞争对手会利用该技术超越自己,因为量子计算机将能够解决传统计算机无法解决的问题,这可能会导致一种“军备竞赛”,企业被迫升级系统,否则就会面临危机。
风险7. 对生态资源的破坏
量子计算稳定工作需要依赖氦冷却使粒子来保持静态。但是,氦是一种非常稀缺的资源,其供应链的数量和价格都会存在风险。首先,组织必须确保自己够获取氦来维持量子计算设备的运行;其次,由于巨大商业利益的诱惑,很可能会存在量子算力资源被垄断集中于少数几家特权运营商的风险。
风险8. 区块链技术将被破解
量子计算的兴起可能会给新兴的区块链和加密货币经济带来风险。区块链依赖非对称密钥加密算法(RSA和EC)。这些算法同样可以通过量子计算来破解,导致区块链被恶意操纵。这是投资区块链技术的公司和消费者面临的重大风险。
风险9. 放大现有安全漏洞的风险
由于强大的算力,量子计算有望颠覆我们今天所知的技术。最大的风险是,量子计算将给今天的计算系统带来不可预见的风险,因为攻击者可以通过新的计算能力来寻找以前未发现的安全漏洞。这将给企业现有的漏洞管理计划带来挑战。
风险10. 增加国家间军事对抗风险
虽然量子计算有望解决当今社会中极其复杂的问题,但它同样能够在战争中被国家政府恶意使用。如果某些国家的军队可以使用量子计算,而另一方无法使用,这种信息不对称可能会使后者在战争中落于下风。一旦国家间的军事力量平衡被打破,全球性军事冲突风险将会增加。
以上是细致的量子计算可能会带来安全风险,这些风险甚至比人工智能更大。的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
