تمتلك Intel Labs خططًا كبيرة لأداة برمجية تسمى ControlFlag تستخدم الذكاء الاصطناعي لمسح التعليمات البرمجية وانتقاء الأخطاء.
أحد هذه الأهداف ، ربما يكون مخرجًا في المستقبل ، هو تحويله إلى حزم شرائح كخط دفاع أخير ضد التعليمات البرمجية الخاطئة. هذا يمكن أن يجعل تدفق المعلومات على قنوات الاتصال أكثر أمانًا وفعالية.
ولكن هذا أمر كبير ومتوقف على العديد من الأشياء التي تحدث في مكانها. في الأسبوع الماضي ، فتحت إنتل الأداة - التي أطلق عليها اسم ControlFlag - لمطوري البرمجيات. يتغلغل البرنامج في سطور التعليمات البرمجية ويشير إلى الأخطاء التي يمكن للمطورين إصلاحها بعد ذلك.
قامت الشركة بتشغيل ControlFlag على جزء مملوك من برنامج جودة الإنتاج الداخلي مع ملايين الأسطر من التعليمات البرمجية. ووجدت 104 حالة شاذة ، أحدها كان ثغرة أمنية. لكنها وجدت أيضًا 96 إيجابيات خاطئة
يأمل تشيبزيلا أن تصبح أداة الذكاء الاصطناعي في نهاية المطاف نظامًا معقدًا يقلل - ونأمل أن يلغي - التحقق اليدوي من الكود ، بهدف أتمتة عملية تصحيح الأخطاء المكلفة والمستهلكة للوقت بالكامل.
"التصحيح موجود فقط بسبب سوء فهم نيتنا للآلات. وإذا أردنا تحسين الطريقة التي نعبر بها عن نيتنا للآلات ، فسوف يختفي مجال تصحيح الأخطاء بالكامل ، أو [لن] يكون موجودًا بعد الآن ، "جاستن جوتشليش ، عالم الذكاء الاصطناعي الرئيسي في Intel Labs ، والذي يقود التطوير من الأداة ، قال السجل.
قارن ذلك بالتحول من التروس اليدوية إلى ناقل الحركة الأوتوماتيكي في السيارات. قال جوتشليتش: "هذا لأننا توصلنا نوعًا ما إلى كيفية القيام بالانتقال التلقائي من خلال تلك التروس دون تدخل الإنسان".
تحويل ما يصل إلى درجة
قال جوتشليتش إن الشركة أدركت أنها ستحتاج إلى تطوير نظام ذكاء اصطناعي مضاد للرصاص ونموذج تعليمي دقيق للغاية بحيث ينتج نتائج موثوقة بلا شك في التحقق من الكود. وقال إن نظام التعلم في ControlFlag يتطور ويصبح أكثر دقة لأنه يستوعب المزيد من البيانات.
قد تتأثر دقة أنظمة الذكاء الاصطناعي لأسباب تشمل انحراف النموذج ، حيث تؤدي البيانات الخاطئة التي يتم إدخالها إلى أنظمة التعلم إلى إبعاد النتائج عن القضبان.
في حالات أخرى ، التكنولوجيا ليست هي الحل. العام الماضي ، وول مارت توقف استخدام الروبوتات في الممرات لتتبع المخزون بعد أن وجد أن البشر - على عكس الذكاء الاصطناعي - حققوا نتائج أفضل.
يستخدم نظام ControlFlag من Intel عملية من خطوتين لإنشاء نموذج اكتشاف الشذوذ والتحقق منه وتحسينه. يحلل النظام الحتمي الكود ويوزع المعلومات مثل المعنى الدلالي للشفرة ويبرز العناصر المشبوهة.
الجزء الثاني هو الجانب العشوائي باستخدام الإشراف الذاتي ، حيث يبدأ نظام الذكاء الاصطناعي في التعلم من تلقاء نفسه ، وكيفية تصنيف المعلومات الدلالية والنحوية من الكود ، وما هو الشاذ وغير الشاذ.
قامت إنتل ببناء نموذج التعلم ControlFlag من خلال تقنيات تشمل تحليل التعليمات البرمجية مفتوحة المصدر على Github ، والتي تضم اليوم أكثر من 200 مليون مستودع.
"يقرأ الرمز ، ويحاول التمييز ، هل يمكنني الوثوق بهذا الرمز؟ وإذا كان الأمر كذلك ، فما الذي يمكنني تعلمه من هذا الرمز؟ نوع البيانات التاريخية ، محاولة القيام بالتنبؤ بالبيانات الجديدة ... البيانات الأساسية هي مستودعات كود المصدر ، "قال Gottschlich.
يختلف النظام عن تطبيقات الذكاء الاصطناعي التقليدية مثل معالجة اللغة الوطنية أو التعرف على الصور ، ولا يتبع تصميم أو طوبولوجيا نظام تقليدي عالي المستوى يمكن توصيله به.
قال جوتشليتش: "نظرًا لأننا لا نستخدم الملصقات ، فإن ما يتعين علينا القيام به هو أننا بحاجة إلى إعادة التفكير في المشكلة برمتها".
ثق ولكن تحقق
تعتمد إنتل على مفهوم يسمى "شبه الثقة" ، حيث تستخدم الشركة البيانات البيئية حول المستودع لتوجيه ControlFlag إلى ما إذا كان يمكنك الوثوق بالبيانات التي يتم استيعابها أم لا. على سبيل المثال ، يساعد نظام التصنيف القائم على النجوم على GitHub ControlFlag في تقييم شعبية وموثوقية الكود من المستودع.
قامت الشركة بتشغيل ControlFlag على جزء مملوك من برنامج جودة الإنتاج الداخلي مع ملايين الأسطر من التعليمات البرمجية. ووجدت 104 حالة شاذة ، أحدها كان ثغرة أمنية. لكنها وجدت أيضًا 96 إيجابيات خاطئة.
"ما نحتاجه للعمل على تحسينه هو عدد من الإيجابيات الكاذبة. هذا بالتأكيد مجال للتحسين للحصول على المزيد من الود للمطورين لأن نسبة 50 في المائة من المعدل الإيجابي الخاطئ ليست رائعة للغاية ، "قال جوتشليتش.
يمكن للمطورين قم بتنزيل ControlFlag من Github هنا وتشغيله على الكود. إنه يعمل على Linux و Mac OS ، وتعمل Chipzilla لإضافة دعم Windows.
قال جوتشليتش إن شركة إنتل تخصص المزيد من الموارد لتطوير هذا النظام - الذي تسميه برمجة الآلة - على المدى الطويل ، لكن هناك تحدٍ آخر يتمثل في معرفة كيفية تطور الاتصالات والتعلم الآلي والحوسبة.
ترى إنتل أن ControlFlag قد يتم تحميصها في شرائح لجعل قنوات اتصال البيانات أكثر كفاءة. ولكن من أجل ذلك ، يجب أن ينضج نظام الذكاء الاصطناعي وأن يكون موثوقًا به لدرجة أنه يمكن أتمتة عملية التصحيح.
"في الوقت الحالي ، تعمل [ControlFlag] بشكل أساسي في البرامج. جزء من ذلك ، بينما نبني أنظمة أكثر تقدمًا ، بعض المكونات الأساسية ، إذا تمكنا من تحويلها إلى أجهزة ، لأنها مهمة جدًا لأنظمة التعلم الآلي ، فمن المحتمل أن نفعل ذلك ، "قال جوتشليتش. ®
المصدر: https://go.theregister.com/feed/www.theregister.com/2021/10/25/intel_controlflag/
