Στον τομέα των ναυτιλιακών μεταφορών, η τεχνητή νοημοσύνη παίζει αθόρυβα έναν αυξανόμενο και σημαντικό ρόλο σε πολλές πτυχές. Ούτως ή άλλως, η τεχνητή νοημοσύνη υπάρχει εδώ και περισσότερα από 70 χρόνια, αν και δεν έχει αναφερθεί ευρέως στα μέσα μαζικής ενημέρωσης μέχρι περίπου πριν από δέκα χρόνια και φαίνεται να έχει φτάσει το κρίσιμο σημείο ενημέρωσης του κοινού το τελευταίο έτος. Το 2023 έχει δει αμέτρητα άρθρα για την τεχνητή νοημοσύνη σε πολλές πτυχές της ζωής. Η τεχνητή νοημοσύνη αναφέρεται στη συνδυασμένη νοημοσύνη μηχανών και λογισμικού και αποτελεί σοβαρό ακαδημαϊκό και ερευνητικό πεδίο από τα μέσα της δεκαετίας του 1950 και η μορφή της έχει αλλάξει με την πάροδο του χρόνου, αντικατοπτρίζοντας τις αλλαγές στην τεχνολογία υπολογιστών και συσκευών περιφερειακής σύνδεσης.
Η σύγχρονη τεχνητή νοημοσύνη (μετά το 2010) βασίζεται στη βαθιά μάθηση, μια συνδυασμένη τεχνική μηχανικής μάθησης, μεγάλων δεδομένων και νευρωνικών δικτύων. Η ψηφιακή επανάσταση που ξεκίνησε στα τέλη της δεκαετίας του 1960 ήταν καίρια για την ανάπτυξη των μεγάλων δεδομένων. Με τον ψηφιοποιημένο χαρακτήρα όλων των μορφών δεδομένων και επικοινωνιών, είχαμε τη δυνατότητα να δημιουργήσουμε τεράστια σύνολα δεδομένων που θα μπορούσαν να αναζητηθούν, αναλυθούν και μετασχηματιστούν με απεριόριστους τρόπους για να γίνουν η μάθηση των συστημάτων τεχνητής νοημοσύνης. Τα νευρωνικά δίκτυα αναφέρονται σε υπολογιστές που μπορούν να μαθαίνουν από τη συλλογική γνώση που κατανέμεται εντός ενός δικτύου, αντί να βασίζονται μόνο στο δικό τους προγραμματισμό. Οι σημερινοί στόχοι της έρευνας στην τεχνητή νοημοσύνη περιλαμβάνουν προόδους στην αναπαράσταση της γνώσης, στο σκεπτικό, στον σχεδιασμό, στην επεξεργασία φυσικής γλώσσας και στην αντίληψη, προκειμένου να κατασκευαστεί μια μηχανή που θα επιδεικνύει γενική νοημοσύνη και ικανότητα επίλυσης τυχαίων προβλημάτων. Η τεχνητή νοημοσύνη έχει ήδη καθοριστικό ρόλο σε πολλές πτυχές της καθημερινής μας ζωής, αν και με τρόπους που συχνά δεν είναι εμφανείς ή αθέατοι. Συνηθισμένες εφαρμογές περιλαμβάνουν προηγμένα συστήματα αναζήτησης, μάρκετινγκ και συστήματα “συστάσεων”, αναγνώριση ανθρώπινου λόγου, αυτόνομα οχήματα, εργαλεία συγγραφής/καλλιτεχνικά εργαλεία, στρατηγικά και σοβαρά παιχνίδια, καθώς και ιατρικά εργαλεία διάγνωσης και θεραπείας.
Ενώ αυτές οι έννοιες φαίνεται να είναι μακριά από τη ναυτιλία και την κυβερνοασφάλεια, η τεχνητή νοημοσύνη είναι ήδη ένα ουσιαστικό στοιχείο και των δύο. Ίσως δεν είναι απαραίτητο να εξεταστούν όλοι οι τρόποι με τους οποίους η αυτοματοποίηση και η αυτονομία στη ναυτιλία υποστηρίζονται από την τεχνητή νοημοσύνη σε κάποιο επίπεδο, από έξυπνα πλοία, λιμένες και εμπορευματοκιβώτια, μέχρι πλήρως αυτόνομη ναυσιπλοΐα και πλοία. Αλλά δεν θα πρέπει να συγχέετε η αυτοματοποίηση και κάποιες μορφές αυτονομίας με την τεχνητή νοημοσύνη. Πολλά αυτόματα συστήματα διαβάζουν μια σειρά αισθητήρων, διακοπτών και άλλων εισόδων. Εάν η κατάσταση του συστήματος είναι Χ, τότε η ενέργεια είναι Υ. Είναι απολύτως αλγοριθμικό. Δεν είναι νοημοσύνη, καθαυτή, αλλά προγραμματισμός.
Τα τρία είδη ΑΙ
Η αλληλεπίδραση μεταξύ της τεχνητής νοημοσύνης και της κυβερνοασφάλειας κυρίως χωρίζεται σε τρεις κατηγορίες, που ονομάζονται συχνά αμυντική, επιθετική και αντίπαλη. Όπως υποδηλώνει το όνομά της, η αμυντική τεχνητή νοημοσύνη αναφέρεται σε μεθόδους που χρησιμοποιούνται για την υποστήριξη της κυβερνοασφάλειας. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στον εντοπισμό κυβερνοαπάτης, παράνομων μηνυμάτων ηλεκτρονικού ταχυδρομείου ή προτύπων κυκλοφορίας δεδομένων και προσπαθειών ψαρέματος. Ο εντοπισμός και η πρόληψη εισβολών, ο αναλυτικός έλεγχος καταγραφής, και οι στρατηγικές ανταπόκρισης και ανάκτησης μπορούν να ωφεληθούν από τη χρήση εργαλείων τεχνητής νοημοσύνης. Η αντιμετώπιση επιθέσεων αποκοπής υπηρεσίας (DoS) και ακόμη η πρόβλεψη πιθανών ευπαθειών λογισμικού και εκμεταλλεύσεων μηδενικής ημέρας μπορεί να επωφεληθεί από την ανάλυση με εργαλεία τεχνητής νοημοσύνης. Η διαχείριση κινδύνου που καθοδηγείται από την τεχνητή νοημοσύνη και η διαχείριση ενημερώσεων μπορούν να είναι πολύ πιο αποτελεσματικές και βελτιστοποιημένες, σε σχέση με τη χειροκίνητη διαχείριση αυτών των διαδικασιών.
Η επιθετική τεχνητή νοημοσύνη αναφέρεται σε μεθόδους αντί-αμυντικής φύσεως, που χρησιμοποιούνται για τον σχεδιασμό και την εκτέλεση κυβερνοεπιθέσεων. Η τεχνητή νοημοσύνη μπορεί να συγκεντρώνει πληροφορίες από το Διαδίκτυο για να δημιουργήσει γρήγορα υψηλά προσωπικά και αποτελεσματικά μηνύματα spearphishing και άλλες μορφές επιθέσεων κοινωνικής μηχανικής. Η παραπληροφόρηση και η αποπληροφόρηση, φαίνεται σχεδόν να είναι ειδίκευμα της τεχνητής νοημοσύνης, λαμβάνοντας υπόψη την ικανότητά της να δημιουργεί καλογραμμένα, πιθανά μηνύματα που ακούγονται ταυτόχρονα σωστά και καθοριστικά. Η τεχνητή νοημοσύνη διευκολύνει τη δημιουργία deep fakes, δηλητηρίων δεδομένων και παραπλανητικής επεξεργασίας κυκλοφορίας δεδομένων, που μπορεί να φαίνονται νόμιμα. Ο θρυπτικός κωδικός, το αυτοματοποιημένο χακινγκ και η διαχείριση των botnets γίνονται πολύ πιο εύκολα χρησιμοποιώντας εργαλεία τεχνητής νοημοσύνης.
Η τρίτη μορφή είναι η εχθρική τεχνητή νοημοσύνη (AAI), η οποία αποτελεί μέθοδο απευθείας επίθεσης σε άλλα συστήματα τεχνητής νοημοσύνης. Οι μέθοδοι AAI επιδιώκουν να υποβαθμίσουν, να αρνηθούν, να απατήσουν ή να χειραγωγήσουν ένα σύστημα τεχνητής νοημοσύνης. Υπάρχουν πολλές εχθρικές μέθοδοι που μπορούν να χρησιμοποιηθούν, όπως η επίθεση στο μοντέλο που χρησιμοποιούν άλλα συστήματα τεχνητής νοημοσύνης, η προσθήκη θορύβου στο σύστημα για να μπερδέψει την αντίπαλη τεχνητή νοημοσύνη, ο επαναπρογραμματισμός ή η εισαγωγή σφαλμάτων στο λογισμικό της άλλης τεχνητής νοημοσύνης ή η δηλητηρίαση των δεδομένων εκπαίδευσης που χρησιμοποιούν άλλα συστήματα τεχνητής νοημοσύνης.
Το σύστημα μεταφοράς στη θάλασσα έχει μερικές μοναδικές ανάγκες στον τομέα της κυβερνοασφάλειας, λόγω του μοναδικού περιβάλλοντος στο οποίο λειτουργεί, καθώς και των μοναδικών πληροφοριακών και τεχνολογικών συστημάτων. Η τεχνητή νοημοσύνη θα γίνει μέρος των κυβερνοπροϊόντων, διαδικασιών και στρατηγικών που χρησιμοποιεί η βιομηχανία, όπως και σε άλλες βιομηχανίες για τους ίδιους λόγους. Η τεχνητή νοημοσύνη θα είναι σε θέση να ανιχνεύει, προβλέπει και ελέγχει πιθανές ευπάθειες και σχέδια επίθεσης ταχύτερα από οποιονδήποτε άνθρωπο. Θα είναι σε θέση να παράγει και ακόμη, να προβλέπει εκμεταλλεύσεις, καθώς και μηχανισμούς άμυνας, ταχύτερα από τους ανθρώπους. Θα είναι επίσης σε θέση να ανιχνεύει και προβλέπει σφάλματα, όπως αναφέρονται από το Σύστημα Παγκόσμιας Θέσης (GPS) και το Αυτόματο Σύστημα Αναγνώρισης (AIS), και να εκτιμά τροχιές άλλων πλοίων σε πραγματικό χρόνο. Και η τεχνητή νοημοσύνη θα εκπαιδεύεται στα ναυτιλιακά συστήματα με ασυναγώνιστη ταχύτητα, επομένως η κλίμακα μάθησης θα είναι απότομη, μαθαίνοντας τόσο να επιτίθεται όσο και να υπερασπίζεται το Σύστημα Μεταφοράς στη θάλασσα (MTS).
Σε όλους τους ενδιαφερόμενους φορείς στο MTS συνιστάται να μάθουν πώς και πού εντάσσεται η τεχνητή νοημοσύνη στον οργανισμό, τα συστήματά τους και τις απαιτήσεις τους.
Ο Γκάρι Κέσλερ, Ph.D., CISSP είναι κύριος σύμβουλος στο Fathom5. Αυτό το άρθρο είναι απόσπασμα από το Maritime Cybersecurity: A Guide for Leaders and Managers, από τους Kέσλερ και Στηβ Σιέπαρντ.
