Inilah Bagaimana Ketidaksempurnaan AI Dapat Membantu Kami!

Kecerdasan buatan meningkat setiap hari. Semua sistem yang menggunakannya secara teratur bahkan dapat mendiagnosis penyakit dengan lebih akurat dan cepat daripada para dokter yang memiliki pengalaman bertahun-tahun.

Sekarang alat berbasis AI diperlukan untuk memerangi kejahatan dunia maya karena penyerang sudah menggunakan AI untuk meluncurkan serangan canggih. Statistik laporan survei mengungkapkan bahwa 69% organisasi setuju AI telah menjadi alat penting untuk mencegah pelanggaran dan peretasan.

Selain memiliki segudang kelebihan, AI juga masih tidak lepas dari berbagai kekurangan dan ketidaksempurnaan. Baru-baru ini, hal ini terungkap bahwa AI memiliki titik buta, yang juga dikenal sebagai contoh permusuhan. Contoh-contoh permusuhan ini sering mewakili risiko apa yang dapat ditimbulkan oleh AI ketika salah menghitung sesuatu.

Beberapa bug dapat membuat AI mengabaikan informasi yang dapat dikenali dengan mudah. Orang yang akrab dengan AI dan pembelajaran mesin lebih memahami bahwa contoh permusuhan dapat segera dihasilkan setelah seseorang membuat perubahan kecil pada gambar.

Ini dapat menyebabkan beberapa masalah lain. Namun, beberapa peneliti percaya bahwa mereka dapat menggunakan titik buta AI untuk melindungi privasi pengguna. Baca artikel selanjutnya untuk mengetahui dengan baik bagaimana ketidaksempurnaan dengan Kecerdasan Buatan dapat membantu di dunia saat ini.

Mempengaruhi data AI untuk menyebabkan kesalahan:

Baru-baru ini Neil Gong bergabung dengan Duke University untuk menganalisis efektivitas memasukkan informasi palsu ke dalam profil seseorang untuk mengamankan privasi mereka. Hal-hal lain yang termasuk dalam pekerjaannya adalah memeriksa informasi mana yang paling cocok untuk itu, dan berapa banyak yang diperlukan untuk menjaga keamanan data dari pengintaian.

Peneliti Duke lain bernama Jinyuan Jia, bersama dengan Gong, bergantung pada sekumpulan data yang mirip dengan yang terkait dengan Skandal Cambridge Analyticayang mengekspos informasi profil Facebook ke pihak ketiga tanpa persetujuan pengguna.

Tim peneliti menggunakan informasi yang dikumpulkan dari peringkat yang diberikan oleh pengguna di Google Play Store. Alasan mendasar di baliknya adalah untuk bekerja dengan pengguna yang sebelumnya telah mengungkapkan lokasi mereka saat mengirimkan pandangan dan pendapat mereka tentang aplikasi yang berbeda.

Baca juga: Bagaimana Pembelajaran Mesin dan Kecerdasan Buatan Mengubah Industri Global?

Kedua peneliti melatih algoritme pembelajaran mesin dengan pengguna tersebut dan kemudian menemukan bahwa itu dapat memprediksi kota seseorang berdasarkan suka Google Play pada percobaan pertama dengan akurasi 44%.

Para ilmuwan mengajukan beberapa penyesuaian kecil untuk mencapai kesempurnaan yang sempurna. Seperti misalnya, jika mereka menghapus peringkat aplikasi atau membuat tiga peringkat saat menyebutkan kota yang salah, akurasi algoritme tiba-tiba berubah pada kesamaan dengan tebakan acak.

Menggunakan Contoh Bermusuhan untuk Mencegah Kebocoran Privasi:

Peneliti dari University of Texas dan Rochester Institute of Technology menemukan metode lain untuk melindungi privasi yang terkait dengan contoh permusuhan.

Penjahat dunia maya sering menggunakan teknik yang dikenal sebagai sidik jari web untuk mengenali orang-orang situs web. Tim menemukan bahwa dengan menambahkan kebisingan bersama dengan contoh permusuhan, tingkat akurasi teknik itu turun dari 95% menjadi antara 29-57%.

Kemudian, perubahan dari contoh permusuhan dicampur dengan lalu lintas web umpan dengan metode acak yang akan sulit diperhatikan oleh penyerang. Ini penting karena penjahat dunia maya dapat melakukan pelatihan permusuhan untuk mengelabui algoritme yang ada, yang menurut mereka ada untuk melindungi privasi.

Melihat Kelemahan AI dari Persepsi yang Berbeda:

Saat ini, orang menjadi semakin tertarik untuk belajar tentang AI dan bagaimana hal itu dapat membentuk masa depan. Ketertarikan terhadap AI membuka peluang bagi orang-orang seperti Tim Hwang untuk mempertimbangkan apa yang diharapkan.

Tim Hwang menghabiskan waktu di Google dan MIT dan berpartisipasi dalam inisiatif AI senilai $26 juta. Sekarang dia menghabiskan sebagian waktunya yang berharga sebagai pembicara tamu yang menginformasikan dan mendidik orang-orang tentang pembelajaran mesin dan topik terkait lainnya.

Ketika masyarakat umum menjadi semakin akrab dengan AI dan operasinya, mereka mungkin secara umum menyadari bahwa, dalam keadaan seperti yang dijelaskan di atas, ketidaksempurnaan dalam AI mungkin tidak selalu merupakan hal yang buruk. Menggunakan kelemahan AI untuk meningkatkan privasi, meskipun kesalahan yang terkait dengan AI, dapat mengingatkan pengembang untuk memperlambat dan mengingat bahwa beberapa kemajuan AI mungkin membawa hasil yang tidak diinginkan.

Misalnya, para peneliti sudah tahu bahwa algoritma AI mungkin memiliki bias yang tidak diinginkan. Ketika ini terjadi, pengembang yang bertanggung jawab menutup semua proyek itu dan kembali ke papan gambar bersama mereka.

Keyakinan umum adalah bahwa AI tidak terlalu mengancam, tetapi bias yang dibawa oleh manusia menimbulkan bahaya yang signifikan. Namun, dalam beberapa kasus, kejadian yang menyebabkan AI membuat kesalahan dapat mengingatkan orang untuk tidak mengembangkan alat AI dengan cepat dan terlalu percaya padanya.

Tingkatkan Privasi Dengan Metode Berbasis AI Lainnya:

Menerapkan contoh pembelajaran mesin yang bertentangan adalah cara yang menarik untuk meningkatkan privasi. Tapi, itu bukan satu-satunya pilihan yang tersedia untuk membawa AI untuk membantu menangani semua masalah terkait privasi. Ada program bernama Deep Privacy, yang melibatkan penggunaan jaringan permusuhan generatif (GAN) untuk menukar wajah seseorang dengan fitur tertentu dari database yang terdiri dari 1,47 juta wajah.

Hasilnya adalah versi seperti topeng dari bagian wajah yang terus-menerus berubah yang muncul menggantikan wajah seseorang yang sebenarnya. Teknik ini membuat mustahil untuk mengenali seseorang dengan fitur wajah mereka.

Baca juga: Bagaimana AI Membuat Hidup Manusia Lebih Mudah

Kemajuan Deep Privacy masih dalam pengembangan, meskipun tidak menganonimkan setiap bagian wajah seseorang, termasuk telinga mereka. Bagaimanapun, penelitian mungkin mengarah pada beberapa cara yang lebih baik untuk menyamarkan fitur seseorang ketika mereka berbicara di depan kamera dan memberi mereka informasi rahasia atau sensitif.

Pikiran Akhir:

Singkatnya, AI telah datang dengan cara yang luar biasa, tetapi itu tidak sempurna, dan itu tidak apa-apa. Semua contoh yang diberikan di atas adalah untuk memotivasi orang untuk memperluas persepsi dan pandangan mereka tentang apa yang mereka anggap AI cacat. Bahkan ketika AI tidak bekerja dengan tepat seperti yang diinginkan orang dalam setiap kasus, itu masih bisa berharga.

Rate this post
Share Jika Bermanfaat Ya 🙂

Leave a Comment