Intelligenza artificiale e sicurezza informatica: pro e contro

Le origini dell’intelligenza artificiale si possono far risalire agli anni ’50 del XX secolo, quando sono cominciati i primi studi per creare delle macchine in grado di simulare l’intelligenza umana. Questi studi ed esperimenti sollevarono anche questioni filosofiche, perché non esisteva ancora una vera e propria definizione di intelligenza artificiale e non era quindi semplice stabilire se una macchina ne fosse effettivamente dotata.

Nel 1950, Alan Turing mise a punto il cosiddetto “test di Turing”, un esperimento che sarebbe stato in grado di distinguere una normale macchina da una “intelligente”. Il test consiste nel far interagire un essere umano e una macchina: se la persona non è in grado di stabilire con sicurezza che il suo interlocutore è una macchina, si può parlare di intelligenza artificiale. Questo test, anche se molto famoso, è oggi ritenuto obsoleto.

Nei primi tempi, la ricerca nel campo dell’intelligenza artificiale verteva principalmente sullo sviluppo di sistemi basati su dati noti e in grado di risolvere problemi dall’esito prevedibile. È solo negli anni ’80 che si è cominciato a parlare di machine learning e di sistemi in grado non soltanto di utilizzare i dati noti ma anche di imparare da essi.

A partire dagli anni ’90, lo sviluppo dell’intelligenza artificiale si è esteso ai campi della robotica e della linguistica, disciplina fondamentale per l’elaborazione di linguaggi naturali. In tempi ancora più recenti, sono stati compiuti passi da gigante nell’ambito del deep learning e delle reti neurali, che hanno reso l’intelligenza artificiale sempre più efficiente.

Oggi il settore dell’intelligenza artificiale è in costante espansione. Molti altri settori guardano all’IA come a una possibile soluzione a svariati problemi, e l’impatto che il suo sviluppo sta avendo sulle nostre vite è indiscutibile. Sono molte le applicazioni dell’intelligenza artificiale che diamo per scontate nella vita di tutti i giorni: sistemi di guida autonoma, assistenti virtuali, riconoscimento facciale. E ogni giorno che passa, vengono proposte nuove e incredibili applicazioni, come deepfake e chatGPT.

Parlare genericamente di intelligenza artificiale non è del tutto corretto. Esistono infatti diverse categorie di IA ed è importante conoscerne le differenze.

Machine learning

Il machine learning, o apprendimento automatico, è l’abilità di una macchina di analizzare dati e riconoscere dei pattern al loro interno. Da questi pattern possono poi essere sviluppate delle strategie per risolvere problemi o eseguire operazioni. Le strategie sono degli algoritmi che l’intelligenza artificiale è in grado di modificare per adattarsi a nuovi set di dati (e quindi a nuovi pattern).

Tramite machine learning è possibile analizzare grandi quantità di dati in pochissimo tempo, e questo è uno dei motivi per cui l’apprendimento automatico è molto utilizzato in ambito di sicurezza informatica: permette ad esempio di prevedere gli attacchi malware e mettere a punto delle soluzioni in modo rapido e senza l’intervento umano.

Reti neurali

Le reti neurali permettono a una macchina di imparare a partire da dati sperimentali. Sono reti che emulano i processi biologici caratterizzanti il cervello umano e sono costituite da neuroni artificiali che si scambiano informazioni e apprendono.

Le reti neurali sono utilizzate nel riconoscimento facciale, nella traduzione automatica, nella chimica quantistica e in molte altre situazioni.

Deep learning

Il deep learning è in realtà una sottocategoria del machine learning, ma viene spesso considerato a parte per via delle sue peculiarità. Si tratta di un tipo di apprendimento automatico basato su reti neurali. Con il deep learning i dati vengono analizzati più volte e in modo sempre più approfondito, così da migliorare l’addestramento delle reti neurali.

Il deep learning è molto usato per il riconoscimento delle immagini e della voce, ma anche per l’elaborazione dei linguaggi naturali.

Expert systems

I sistemi esperti sono programmi che sfruttano le conoscenze umane per risolvere i problemi. Un sistema esperto ha accesso a un database di informazioni relative a un certo argomento, nonché a tutte le possibili soluzioni a determinati problemi. Confrontando queste informazioni con i dati relativi al problema che deve risolvere, un sistema esperto è in grado di scegliere la soluzione più appropriata. Sono sostanzialmente l’equivalente di un esperto, in grado però di lavorare in modo estremamente più veloce e accurato.

I sistemi esperti sono molto utilizzati nell’ambito medico per la diagnosi di malattie a partire dall’elenco dei sintomi, in quello finanziario per la scelta degli investimenti e in quello ingegneristico per la progettazione.

Elaborazione del linguaggio naturale

L’elaborazione del linguaggio naturale (Natural Language Processing, NLP) consiste nel rendere una macchina in grado di interpretare e generare linguaggio umano. Per farlo vengono impiegate soluzioni di machine learning e deep learning. Grazie all’elaborazione del linguaggio naturale è possibile interagire con le macchine in modo molto più semplice, senza doversi adattare al linguaggio dei computer: al contrario, sono le macchine ad adattarsi a quello umano.

Questo tipo di IA è utilizzato in tutto ciò che ha a che fare con la lingua e la comunicazione: chatbot, traduzione, assistenti virtuali, riconoscimento della voce.

Visione artificiale

La visione artificiale è una categoria di IA che consiste nello sviluppare algoritmi specifici per l’elaborazione di immagini e video. Questi algoritmi permettono quindi a una macchina di estrapolare automaticamente una serie di informazioni da dati visivi (ad esempio, cos’è raffigurato in un’immagine o dov’è stata scattata una foto).

Le applicazioni della visione artificiale sono molte: riconoscimento facciale, diagnosi medica di esami come radiografie e tomografie, assistenti per il parcheggio, ecc.

Robotica

La robotica è una categoria di intelligenza artificiale a metà strada con la meccanica. Si tratta infatti di un tipo di intelligenza artificiale che punta a integrarsi a macchine utilizzate per sostituire l’uomo in alcune sue attività.

Viene impiegata per lo sviluppo di macchinari per l’industria e l’esplorazione spaziale, ma anche in settori più mondani come lo sviluppo di robot aspirapolvere.

Quando si parla di intelligenza artificiale spesso si pensa a macchine completamente autonome, in grado di “pensare” e agire senza alcun input umano. In realtà, non tutte le intelligenze artificiali sono in grado di agire in totale autonomia: per questo si distinguono tre tipi di intelligenza artificiale.

Intelligenza artificiale assistita

L’intelligenza artificiale assistita è il tipo di IA più semplice. Non è in grado di agire in modo autonomo ma richiede l’intervento costante dell’uomo. Questa tipologia di IA è in grado di analizzare grandi quantità di dati in maniera rapida, fornendo soluzioni a problemi sulla base di queste analisi. Viene utilizzata per semplificare il lavoro umano e renderlo più veloce.

Tra i vari impieghi dell’intelligenza artificiale assistita troviamo, ad esempio, i sistemi di navigazione, che sfruttano l’IA per aggiornare in tempo reale i percorsi consigliati in base alle informazioni che ricevono costantemente.

Intelligenza artificiale aumentata

L’intelligenza artificiale aumentata agisce in collaborazione con gli esseri umani e permette loro di eseguire operazioni che altrimenti non sarebbero in grado di effettuare. Questo tipo di IA utilizza il machine learning per analizzare rapidamente grandi quantità di dati e fornire soluzioni ai vari problemi, ma non è in grado di sostituire completamente l’uomo.

Viene utilizzata ad esempio in campo medico, per analizzare sintomi e informazioni del paziente in modo da fornire una diagnosi, o in campo finanziario per consigliare gli investimenti migliori in base alle necessità del cliente.

Intelligenza artificiale autonoma

L’intelligenza artificiale autonoma è l’unica in grado di agire senza l’intervento umano. Si tratta del tipo più avanzato dal punto di vista tecnologico, sebbene sia ancora poco utilizzato. Molti sono infatti ancora scettici sulla sua validità e temono che possano nascere dei problemi dal suo impiego.

Questa tipologia di IA viene utilizzata, ad esempio, per le auto con guida autonoma.

Un campo in cui l’intelligenza artificiale trova sempre maggior utilizzo è quello della sicurezza informatica. Si tratta di un settore in cui è necessario analizzare enormi quantità di dati e trovare soluzioni in modo rapido, operazioni che l’IA è in grado di svolgere in maniera piuttosto efficiente. Tuttavia, esistono anche diversi potenziali pericoli derivanti dall’utilizzo dell’intelligenza artificiale in materia di sicurezza.

I vantaggi dell’IA in ambito di sicurezza

• L’intelligenza artificiale è in grado di riconoscere l’uso abituale di un dispositivo da parte del suo proprietario. Se dovesse rilevare un uso insolito, potrebbe bloccare il dispositivo e richiedere una conferma dell’identità dell’utente.
• Grazie al machine learning, è possibile individuare le minacce e le vulnerabilità informatiche in modo più efficiente. Se l’IA rileva anomalie nel traffico, può bloccare l’accesso a Internet e richiedere una conferma all’utente.
• L’intelligenza artificiale è in grado di operare in maniera costante. I sistemi di monitoraggio gestiti dall’IA sono sempre attivi ed eliminano il potenziale errore umano, uno dei rischi più grandi in materia di sicurezza.
• L’IA permette di superare l’uso di password. Grazie a metodi di attacco come l’ingegneria sociale, gli hacker sono in grado di impossessarsi facilmente delle password altrui. Con i sistemi biometrici di identificazione (come il riconoscimento facciale o delle impronte), l’uso di password diventa obsoleto, eliminando così il pericolo alla radice.
• L’intelligenza artificiale aiuta la gestione degli accessi. Un metodo molto utile per avere sempre sotto controllo chi ha accesso a dati e dispositivi è quello di creare account diversi per ogni utente. La loro gestione può essere complicata, ma non per l’IA: questa è infatti in grado di gestire il tutto in modo automatico.
• Miglior endpoint security. Un endpoint, cioè un dispositivo in grado di connettersi alla rete, è esposto alle minacce esterne. Grazie all’intelligenza artificiale è possibile implementare direttamente nei vari dispositivi soluzioni di sicurezza in grado di riconoscere pattern insoliti, potenzialmente indici di attacco informatico in corso.

I pericoli dell’IA in ambito di sicurezza

• Anche gli hacker possono usare l’IA. Gli attacchi informatici effettuati tramite intelligenza artificiale sono più rapidi ed efficienti, nonché più difficili da bloccare. Tramite IA, ad esempio, un hacker può individuare eventuali vulnerabilità da sfruttare in modo più semplice.
• Il riconoscimento biometrico può essere pericoloso. Per funzionare, i sistemi biometrici devono raccogliere informazioni sensibili come l’impronta digitale o la foto del viso; questi dati vengono poi inviati all’azienda che gestisce il sistema. Se però finiscono nelle mani sbagliate, possono rivelarsi estremamente pericolosi.
• Il costo dell’intelligenza artificiale è alto. Quello dell’IA è un settore estremamente all’avanguardia, ed è quindi necessario affidarsi a esperti per utilizzare le intelligenze artificiali. Ciò comporta costi piuttosto elevati.
• L’intelligenza artificiale permette una maggiore raccolta di dati. Per essere efficiente, l’intelligenza artificiale ha bisogno di dati; questo però significa che i propri dati personali vengono inviati a terze parti, che non necessariamente garantiscono di farne buon uso. Possono quindi insorgere problemi di privacy.
• I virus possono essere sviluppati tramite AI. L’intelligenza artificiale permette di sviluppare soluzioni di sicurezza, ma anche nuove e più efficienti minacce. Queste minacce necessitano di contromisure ancora più sofisticate, come la Threat Protection di NordVPN, che permette di rilevare il malware prima ancora che agisca.