人工智能VS黑客,谁更厉害?

简介:

理论上,人类能比机器人思考的更好。

计算机黑客VS人工智能,当你一听到这两个富含科技色彩的关键字,就可能自动脑补出一场虚拟世界中看不见硝烟的世纪大战。有想象力是值得肯定的,不过,还是要给你浇盆冷水。事实上,他们之间的较量大概与小学生打lol差不多。

你知道搞机大师阿兰·图灵吗?他被后人称为“计算机科学之父”和“人工智能之父”。在上世纪五十年代,他曾发表过两篇重量级论文,一篇题为《计算机器与智能》,另一篇则是《机器能思考吗?》。随着如今神经网络技术的发展,阿兰·图灵在上世纪留下问题都已经有了答案,不过科学家们并没有停止对人工智能的思考。

众所周知,21世纪的机器人可以拥有思考的能力,如今一个话题正在人工智能圈子里热议——“机器能比人类思考的更好吗?”,反问一下这个问题,答案显而易见:

“人类能比机器人思考的更好吗?”

当然!

黑客并不关心人工智能或是人工反智能的发展,他们的方式其实就是超越机器。黑客们很清楚一点,虽然计算机比人类更聪明,解答问题速度更快,但这并不意味人类就无法打赢翻身仗!

“目前,还没有任何一个人工智能可以模拟最最基本的黑客技能,”Eric S. Raymond说道,他是个编程高手,同时也是一名开源软件的倡导者,“未来人工智能是否可以模拟黑客?现在还不得而知。现在,我们无法预测未来十年、二十年、或是五十年人工智能会具备哪些能力,就像没人会直截了当的告诉你,他/她能骗到你一样。”

如果你在白帽黑客社区问到人工智能黑客技能的问题,那么上面这段话可能就是答案,当然啦,这个答案或许比较刺耳。不过,在二进制的世界里可没有垃圾话,坦白说,人工智能可能真的连最基本的黑客程序都搞不定。

如果要理解为什么会这样,首先,你必须要明白一名“优秀的黑客”是如何炼成的。

Jon Erickson在美国北加州工作,是一名密码破译专家和安全专家。他认为,如果想要成为一名成功的黑客必须要拥有五个基本技能,分别是:编程能力、汇编语言能力、调试程序或排除程序故障的能力、反向工程能力、以及研究能力。

编程:编程说白了就是写代码,以便制定可执行的计算机程序。

汇编语言:汇编语言是一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言,亦称为符号语言。在不同的设备中,汇编语言对应着不同的机器语言指令集,通过汇编过程转换成人类无法翻译的机器指令。这些指令集能让黑客访问CPU架构,但更多的是让黑客了解计算机正在做什么,而不是去命令计算机做什么。

调试程序或排除程序故障:调试调试或排除故障其实是一个清理程序的过程。“了解如何使用低级别调试器,能让黑客探索,检查程序执行时会发生哪些的问题,”Erickson说道,“使用调试器是最好的方式之一,因为它可以看到程序在执行时时如何实际交互的。”

反向工程:“基本上,反向工程可以搞清楚某个程序究竟做了什么,你只需看下机器指令,或是看下程序反复发送什么数据,”Erickson继续说道,“有时,只要看看路由器固件镜像或是封闭原始码软件,就足以让黑客找到后门或是代码中的漏洞,然后轻松逃掉。为什么会这么简单?因为你根本无需查看机器指令了。”

研究:“在黑客世界里,你需要不断钻研,不断探索,这样才能让自己始终处在领先地位,”Erickson解释说,“但是这不意味着一些老技术就不值得学习。举个例子,基于对战的溢出漏洞已经存在大约有半个多世纪了,但即便是现在,仍然在被很多黑客使用。”

人工智能可以拥有上述这些特质吗?事实上,绝大多数可以。在如今的人工智能程序中,已经实现了编程功能,更掌握了编程语言。和人类相比,机器人可以更加轻松地处理反向工程,甚至在调试程序或排除故障上略胜一筹。

看到这里,你也许会担心人工智能超越人类了。其实人工智能有个硬伤——不善于搞研究。人工智能可能会掌握一套信息类别,甚至有些人工智能还具备了内置自我创造力去尝试各种不同的图示方法,或是改变各种可能导致机器“慌乱”的条件,但人类具备自我调整的能力,可以不利用过程而获得结果,机器还真的做不到这一点,机器只能适应条件反射,因为它们没有主动性。说到这里你该反应过来,为什么有些系统可以成功阻止人工智能机器黑客,但却拿真正的人类黑客毫无办法?毕竟机器人缺少灵性,发明大王爱迪生也说过成功要靠1%的灵感吧。

人工智能VS黑客,谁更厉害?2

“复制人类的创造力,如果机器真的拥有这种能力,那么绝对是太不可思议了,而且就目前而言,也绝对不在人类的认知理解范围之内了,”Alex Rice说道,他是网络安全公司HackerOne创始人兼首席技术官,“但是,在我所认识的黑客圈子里,那些最出色的黑客其实都有一个强烈的信念,那就是他们绝对相信任何事情都是可能的。”

Rice认为,当机器也展现出了坚定的信念,他就会开始感到担忧了。不过,机器还没有自我意识,至少现在还没有。

最后,如果你想围观黑客与人工智能的较量,那么这里有个好消息:在明年的DEF CON黑客大会上,以美国国防部高级研究计划局(DARPA)为代表的美国军方,正在积极准备主办2016 DARPA网络挑战总决赛。

实际上,之前这场网络挑战赛已经吸引了104支黑客团队参赛,经过激烈角逐,最终有七支团队进入到了决赛圈。决赛是这样的,每支团队将会尝试保护一套安全系统,然后其他团队将会编写类似人工智能的计算机黑客程序进攻这套系统,谁能获得(或保护到)“军旗”,谁就能够获胜,而这个“军旗”,其实就是一个系统数据包。 

如果你拥有一颗玻璃心,就不用那么期待这场比赛,因为你在现场看到的也许只是面对计算机正在烧脑的黑客们。


原文发布时间: 2015-08-23 17:21
本文作者: 小丸子
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
人工智能 小程序 前端开发
人工智能这么厉害,比如GPT-4,为什么没有看到程序员失业?
人工智能这么厉害,比如GPT-4,为什么没有看到程序员失业?
111 0
|
机器学习/深度学习 人工智能 自动驾驶
厉害了我的 AI:在看了上千部电影后,这个人工智能竟能帮你识别电影明星
目前 AI(人工智能)的前沿研究是关于大脑启发的人工神经网络,而这一技术已经被应用于无人驾驶的情况下让汽车减速,并且在几十种语言之间的即时翻译和医学诊断方面都有应用。
962 0
厉害了我的 AI:在看了上千部电影后,这个人工智能竟能帮你识别电影明星
|
13天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
14天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
13天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
53 3
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
109 2
|
19天前
|
机器学习/深度学习 人工智能 搜索推荐
深度探索人工智能在医疗影像诊断中的应用与挑战####
本文深入剖析了人工智能(AI)技术,特别是深度学习算法在医疗影像诊断领域的创新应用,探讨其如何重塑传统诊断流程,提升诊断效率与准确性。同时,文章也客观分析了当前AI医疗影像面临的主要挑战,包括数据隐私、模型解释性及临床整合难题,并展望了未来发展趋势。 ####
|
17天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
91 58
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景
人工智能在医疗诊断中的应用与前景