Τα τελευταία τρία χρόνια, η κούρσα της Τεχνητής Νοημοσύνης καθορίστηκε σε μεγάλο βαθμό από ένα βασικό ερώτημα: ποιος διαθέτει το καλύτερο μοντέλο; Όμως η επόμενη φάση εξέλιξης ίσως δεν κριθεί μόνο από το πιο ισχυρό μεμονωμένο μοντέλο, αλλά από συστήματα που συντονίζουν πολλά μοντέλα και εξειδικευμένους AI agents ώστε να λειτουργούν ως ένα ενιαίο σύνολο. Η απόδειξη αυτής της μετάβασης είναι το MDASH, ένα σύστημα Τεχνητής Νοημοσύνης που βασίζεται σε περισσότερους από 100 agents και σηματοδοτεί μια νέα εποχή στην ανάπτυξη του AI.
Το MDASH επιδεικνύει επιδόσεις που ξεπερνούν τα κορυφαία benchmarks κυβερνοασφάλειας, υποδεικνύοντας ένα μέλλον όπου δίκτυα εξειδικευμένων AI agents συνεργάζονται για να εντοπίζουν, να επαληθεύουν και να αποδεικνύουν ευπάθειες λογισμικού σε μεγάλη κλίμακα, συμβάλλοντας παράλληλα στην επίλυση σύνθετων προβλημάτων.
Σε μια περίοδο που ο ανταγωνισμός στην Τεχνητή Νοημοσύνη επικεντρώνεται κυρίως στην ανάπτυξη ολοένα και πιο ικανών μοντέλων, η τελευταία ερευνητική δουλειά της Microsoft δείχνει ότι το επόμενο μεγάλο άλμα ίσως προκύψει από συστήματα που συνδυάζουν πολλαπλά μοντέλα και εξειδικευμένους agents για την εκτέλεση πολύπλοκων εργασιών. Το MDASH χρησιμοποιεί ένα σύνολο από κορυφαία μοντέλα της αγοράς και μοντέλα που έχει αναπτύξει η Microsoft, τα οποία συντονίζονται μέσω ενός δικτύου ειδικά σχεδιασμένων AI agents. Κάθε agent αναλαμβάνει έναν διακριτό ρόλο στη διαδικασία εντοπισμού και επαλήθευσης ευπαθειών.
Τα αποτελέσματα έχουν ήδη προσελκύσει το ενδιαφέρον της παγκόσμιας κοινότητας της κυβερνοασφάλειας. Σε δοκιμές του CyberGym – δημόσιο σημείο αναφοράς για την αξιολόγηση συστημάτων αυτόματης ανακάλυψης ευπαθειών – το MDASH κατέκτησε την κορυφαία θέση στον σχετικό πίνακα επιδόσεων, ξεπερνώντας ανταγωνιστικές προσεγγίσεις που βασίζονται σε μεμονωμένα προηγμένα μοντέλα.
Σε αντίθεση με τις παραδοσιακές τεχνολογίες σάρωσης ή τα συστήματα AI που βασίζονται σε ένα μόνο μοντέλο, το MDASH αξιοποιεί περισσότερους από 100 εξειδικευμένους agents που αναλαμβάνουν διαφορετικούς ρόλους σε κάθε στάδιο της έρευνας. Ορισμένοι αναζητούν πιθανές ευπάθειες, άλλοι αμφισβητούν και επαληθεύουν τα ευρήματα, ενώ επιπλέον agents επιχειρούν να δημιουργήσουν proof-of-concept exploits προκειμένου να διαπιστώσουν εάν μια ευπάθεια μπορεί πράγματι να αξιοποιηθεί. Το αποτέλεσμα είναι ένα σύστημα που δίνει έμφαση στα επαληθευμένα ευρήματα και όχι στη δημιουργία μεγάλου όγκου ειδοποιήσεων που απαιτούν χειροκίνητο έλεγχο.
Η λειτουργία του βασίζεται σε μια διαδικασία πέντε σταδίων preparation, scanning, validation, deduplication και proof generation — επιτρέποντας στους οργανισμούς να περάσουν από τον απλό εντοπισμό ευπαθειών στην παραγωγή αξιοποιήσιμων και τεκμηριωμένων αποτελεσμάτων ασφάλειας.
Το ενδιαφέρον για την κυβερνοασφάλεια που υποστηρίζεται από Τεχνητή Νοημοσύνη έχει αυξηθεί σημαντικά τους τελευταίους μήνες, καθώς νέες εξελίξεις σε εξειδικευμένα AI μοντέλα για το cyber αλλάζουν τα δεδομένα. Η προσέγγιση της Microsoft διαφοροποιείται, ωστόσο, επειδή δεν εστιάζει σε ένα μόνο μοντέλο αλλά στην ενορχήστρωση πολλών διαφορετικών συστημάτων. Το MDASH συνδυάζει frontier models, distilled models και τεχνολογίες που έχει αναπτύξει η Microsoft σε ένα ενιαίο πλαίσιο συνεργασίας, σχεδιασμένο να εξελίσσεται διαρκώς καθώς εμφανίζονται νέες γενιές μοντέλων.
Η Τεχνητή Νοημοσύνη μετασχηματίζει με ταχύτητα τόσο το τοπίο των απειλών όσο και τον τρόπο με τον οποίο αναπτύσσεται το λογισμικό. Το ερώτημα πλέον δεν είναι απλώς ποιο μοντέλο αποδίδει καλύτερα. Όλο και περισσότερο, η επιτυχία θα εξαρτάται από το πόσο αποτελεσματικά διαφορετικά μοντέλα, εργαλεία και agents μπορούν να συνεργάζονται ως ένα συντονισμένο σύστημα.
Το MDASH αντανακλά μια ευρύτερη τάση που διαμορφώνεται σε ολόκληρη τη βιομηχανία της Τεχνητής Νοημοσύνης. Καθώς τα κορυφαία μοντέλα γίνονται ολοένα και πιο ισχυρά, οι οργανισμοί αναζητούν τρόπους να συνδυάζουν τη νοημοσύνη πολλαπλών συστημάτων αντί να βασίζονται σε μία μόνο λύση για την αντιμετώπιση σύνθετων προκλήσεων. Η Microsoft εκτιμά ότι αυτή η agentic προσέγγιση μπορεί να επιταχύνει την πρόοδο όχι μόνο στην κυβερνοασφάλεια, αλλά και στην επιστημονική ανακάλυψη, τη μηχανική λογισμικού και την παραγωγικότητα των επιχειρήσεων.
Διαβάστε περισσότερα
Moneypress.gr