यूएस नेशनल जियोस्पेशियल इंटेलिजेंस एजेंसी के टॉड मायर्स के अनुसार, चीन उपग्रह इमेजरी के लिए जिम्मेदार कंप्यूटरों को धोखा देने के लिए जेनरेटिव एंटागोनिस्ट नेटवर्क (जीएएन) तकनीकों को लागू कर रहा है।
जैसे ही एआई पूरे रक्षा पारिस्थितिकी तंत्र में फैलता है, आप कभी-कभी सोच सकते हैं कि आप पहिया को फिर से खोज रहे हैं। शोधकर्ताओं के एक समूह (गुडफेलो और अन्य, 2014) द्वारा 2014 में शुरू की गई GAN तकनीक नकली या काल्पनिक छवियों को उत्पन्न करना संभव बनाती है। वह एक पुल को प्रकट करने या यहां तक कि एक मिसाइल लॉन्च साइट को प्रत्यारोपित करने में सक्षम है जो एक छवि पर मौजूद नहीं है।
फिर भी चीन द्वारा तैनात जीएएन के निहितार्थ बहुत गहरे हैं। इस तकनीक को प्रतिष्ठित ट्यूरिंग पुरस्कार के विजेता और फेसबुक में एआई रिसर्च के निदेशक फ्रेंचमैन यान लेकुन द्वारा मशीन लर्निंग के क्षेत्र में पिछले 10 वर्षों का सबसे दिलचस्प विचार भी बताया गया है। किसी छवि की प्रामाणिकता को सत्यापित करने के लिए उपयोग की जाने वाली कृत्रिम तंत्रिका प्रणालियों के विपरीत, जीएएन पूर्व को बेवकूफ बनाने में सक्षम परिवर्तित छवियों को उत्पन्न करना संभव बनाता है। योजनाबद्ध रूप से, GAN तकनीक दो तंत्रिका नेटवर्क से बनी है, पहला एक छवि (जनरेटर) उत्पन्न करने के लिए जिम्मेदार है और दूसरा इसकी संभाव्यता (विभेदक) का परीक्षण करने के लिए प्रोग्राम किया गया है, इसलिए उनकी योग्यता "प्रतिपक्षी" है। नतीजतन, विवेचक को समझाने में पहले ही सफल हो चुकी छवि को सैद्धांतिक रूप से किसी अन्य सॉफ़्टवेयर को मूर्ख बनाना चाहिए।
इस तरह, GAN साधारण नकली समाचारों या सुधारी गई छवियों की तुलना में अधिक उन्नत खतरे का प्रतीक हैं। ख़ुफ़िया सेवाओं और सेना के लिए, चुनौती बड़ी नहीं है लेकिन इसके लिए समय लेने वाली और बहुत महंगी सत्यापन प्रक्रियाओं की आवश्यकता होती है। दूसरी ओर, आम जनता के लिए खुले स्रोत डेटा पर तैनात, यह निजी कंपनियां, पत्रकार, गैर सरकारी संगठन और सभी नागरिक होंगे जिनके पास अब सच्ची या यहां तक कि सत्यापन योग्य जानकारी तक पहुंच नहीं होगी। इसी तरह, ऐसे समय में जब स्वायत्त वाहन परियोजनाएं वास्तविकता बन रही हैं, हम विश्वसनीय निजी मैपिंग टूल के महत्व को समझते हैं।
सभी प्रौद्योगिकी की तरह, यह स्वाभाविक रूप से न तो अच्छा है और न ही बुरा। जानूस की तरह, वह अवसरों के समान जोखिमों की भी कल्पना करती है। फ्रांस के पास एआई पर शोध करने के लिए संयुक्त राज्य अमेरिका या चीन की तुलना में कम मात्रा में डेटा है। GAN, कम स्टॉक से यथार्थवादी डेटा उत्पन्न करने में सक्षम, इस कमी की भरपाई के लिए एक संप्रभु विकल्प बन सकता है।
विषय में गहराई तक जाने के लिए
थिबॉड माटेई