Connect with us

Hi, what are you looking for?

Notebookspec

Other News

[Google] เข้าใกล้ “Skynet” มาอีกขั้น…เผยงานวิจัยปัญญาประดิษ (AI) ที่สามารถถอดรหัสข้อความได้ด้วยตัวเอง

หากจะบอกว่าโลกเรานั้นเริ่มพัฒนาเข้าสู่ยุคของปัญญาประดิษฐ์หรือ AI นั้นก็คงจะไม่แปลกเท่าไรครับเพราะในทุกวันนี้นั้นเราสามารถที่จะพับเจอกัลปัญญาประดิษฐ์ได้ทุกวัน ตัวอย่างที่เห็นได้ชัดก็ Siri หรือ Google Now

หากจะบอกว่าโลกเรานั้นเริ่มพัฒนาเข้าสู่ยุคของปัญญาประดิษฐ์หรือ AI นั้นก็คงจะไม่แปลกเท่าไรครับเพราะในทุกวันนี้นั้นเราสามารถที่จะพับเจอกัลปัญญาประดิษฐ์ได้ทุกวัน ตัวอย่างที่เห็นได้ชัดก็ Siri หรือ Google Now นี่แหละครับ ทุกท่านสังเกตไหมครับว่าตลอดเวลาที่มีการอัพเดทข้อมูลหรือข่าวของปัญญาประดิษฐ์เรามักจะพบเห็นว่าปัญญาประดิษฐ์นั้นฉลาดมากขึ้นทุกวัน ล่าสุดเมื่อไม่นานมานี้ทาง Google ได้ออกมาเปิดเผยงานวิจัยเกี่ยวกับปัญญาประดิษฐ์ว่าด้วยเรื่องที่ปัญญาประดิษฐ์ที่มาพร้อมกับความสามารถในการถอดรหัสข้อความได้ด้วยตัวเองครับ

google-brain-data2-ss-600

Advertisement

โครงการวิจัยดังกล่าวนี้เป็นโครงการหนึ่งจาก Google Brain deep learning project ซึ่งโครงการนี้นั้นดูแลโดยคุณ Martín Abadi และ David G. Andersen ซึ่งทำงานอยู่ใน Google โดยตรงครับ ตามที่ทั้งคู่ได้เผยนั้นโจทย์ของทั้งคู่คือต้องการที่จะพัฒนา AI ที่สามารถจะถอดรหัสข้อความ(อย่างง่าย) ได้ออกมา ทั้งนี้ในการพัฒนานั้นทั้งคู่ได้พัฒนา AI(ซึ่งเป็นเครือข่ายประสาทจำลอง) ขึ้นมาจำนวนทั้งสิ้น 3 ตัวโดยให้ชื่อว่า Alice, Bob และ Eve โดยในการทดสอบเป็นไปตามนี้ครับ

  • Alice ทำหน้าที่เป็น AI ที่ทำการสร้างข้อความพร้อมกับการเข้ารหัสเพื่อส่งไปให้ Bob ทำการถอดรหัสและอ่าน โดย Bob นั้นจะมีกุญแจสำหรับการไขรหัสข้อความนั้นออกมาเพื่ออ่านอยู่
  • Eve จะเป็น AI ที่คอยดักเอาชุดข้อความที่ถูกเข้ารหัสแล้วจากทาง Allice มาทำการถอดรหัสให้ได้ ทั้งนี้ Eve จะไม่รู้เลยว่าข้อความนั้นถูกเข้ารหัสมาจาก Alice ด้วยวิธีใด Eve จะต้องเป็นคนถอดรหัสเอาเอง
  • ในช่วงแรกของการทดสอบนั้นทาง Alice ได้ใช้วิธีการเข้าหรัสโดยการสลับตัวอักษรไปมาจากที่เป็นข้อความก็จะกลายเป็นข้อมูลที่ไม่มีความหมายใดๆ หากไม่ใช้คีย์การเข้ารหัส(ที่เรียกว่า cipher key) ซึ่ง Bob มีกุญแจนี้อยู่ทำการไขรหัสสลับตัวอักษรที่ถูกสลับให้กลับมาเป็นข้อความ
  • ในการทดสอบตั้งแต่ครั้งที่ 15,000 เป็นต้นไปพบว่า Alice เริ่มทำการเข้ารหัสด้วยวิธีการของตัวเองได้แล้ว(เรียกว่ามีกลยุทธ์ในการเข้ารหัสข้อความ) โดย Bob ยังสามารถที่จะถอดรหัสได้เช่นเดิมทั้งๆ ที่ในช่วงหลังนั้นไม่มีการส่งผ่านวิธีการถอดรหัสมาให้ยัง Bob ด้วย
  • อย่างไรก็ตามแต่ข้อความที่ถูกส่งมานั้นอยู่ในรูปแบบ bit(ตัวเลข 0 และ 1) จำนวนทั้งหมด 16 bit เรียงกันและจากความจริงที่ว่าในการเข้ารหัสแบบนี้นั้นขอแค่ทาง Eve สามารถเดา bit ครึ่งแรก(หรือ 8 bit แรก) ได้ที่เหลือ EVE ก็สามารถจะทำการถอดรหัสต่อเนื่องโดยการสุ่ม bit ที่เหลือซึ่งแน่นอนว่าในช่วงหลังนั้น Eve เองก็สามารถที่จะถอดรหัสดังกล่าวได้

จากการทดสอบนั้นสิ่งที่ได้ก็คือระบบการเรียนรู้ในระดับเครื่อง(หรือ machine learning) ที่ทางผู้ทำวัจัยออกแบบให้กับ AI ทั้ง 3 ตัวนั้นมีประสิทธิภาพสูงเนื่องจากว่า AI ทั้ง 3 โดยเฉพาะ Eve นั้นสามารถที่จะจัดการกับข้อมูลและสิ่งที่ต้องทำได้เป็นอย่างดี อย่างไรก็ตามแต่หลายๆ ท่านที่กลัวว่า AI จะแกร่งขนาด Skynet นั้นก็ไม่ต้องกลัวไปนะครับ(อย่างน้อยก็ในเวลานี้) เพราะว่าการเข้ารหัสของ Alice นั้นมนุษย์ไม่ได้รู้ด้วยประการใด แถมมันยังเป็นการเข้ารหัสง่ายๆ ที่มนุษย์เองถ้าดักจับข้อมูลได้ก็สามารถถอดรหัสได้เหมือนกัน

สิ่งที่น่ากลัวไม่ใช่สิ่งที่ Alice, Bob และ Eve ถูกสร้างขึ้นมาให้ทำครับ ทว่าสิ่งที่เราควรต้องกลัวจากการทดลองนี้นั้นคือวิธีการติดต่อสื่อสารของ AI โดยเฉพาะอย่างยิ่งการดักจับข้อมูลของ Eve …. ไม่แน่ว่าในอนาคตเอาอาจจะได้เห็นไวรัสในรูปแบบ AI แล้วพัฒนาตัวเองจนกลายเป็น Skynet ของจริงก็เป็นได้ครับ

ที่มา : engadget

Click to comment

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริงAdvertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก