AIのトレンド：機械学習の役割のを詳しく見る

いま最もホットなテクノロジーはAI であり、より具体的には生成AIでしょう。非常に人気のトレンドであることから、あらゆる会議やWebセミナーの登壇者は、分野に関係なく、何らかの形のAIについて言及する義務があると感じています。

AIが提供するイノベーションとリスクは、刺激的であり、恐ろしくもあります。ただしこのテクノロジーに注目が集まるあまり、人工知能の重要なコンポーネントである機械学習（ML）が影を潜めているようです。

簡単に概要を説明すると、 MLはAIのサブセットであり、パターン、予測、最適化を基盤としています。サイバーセキュリティー・ツールは、MLを利用して予測とパターンを用いて異常を発見し、潜在的な脅威を把握します。人間がログの読み取りに何時間も費やす代わりに、MLは同じタスクを数秒で実行できます。

AIと同様、MLは長い間存在しています。今、AIが大きな話題になっている理由は、生成AIがテクノロジーとのコミュニケーション方法におけるゲーム・チェンジャーだからです。MLも変化しており、2024年には新たな方法で使用されるようになるでしょう。

機械学習で重要なのはデータです。MLアルゴリズムは履歴データに基づいて、ソフトウェア・コードから顧客の買い物行動に至るまで、パターンを検知します。ソーシャル・メディア・ネットワークは、MLアルゴリズムを利用して、関連情報をフィードの上部に表示します。自動運転車はMLアルゴリズムを使って街路や交通法規に対応して走行します。サイバーセキュリティーでは、MLは行動分析、異常な使用に対するアラートの送信、オートメーション、より効率的なリアルタイムの脅威ハンティングの提供などの分野で使用されています。

現在一般的に使用されているMLには、以下の3種類があります。教師あり学習では、提示されたデータに基づいて特定のタスクを実行するようにMLをトレーニングします。教師なし学習は、データ全体の関係性に依存します。強化学習は人間の学習に最も似ており、MLモデルは試行錯誤を通じて問題の解決方法を学習します。

AIが進歩を続けるにつれて、MLも進化します。2024年に最も期待されるMLの改良製品の1つは、ノーコード機械学習です。ノーコードMLは、成果を得るために行動データと平易な英語に大きく依存しています。アナリストは、複雑なコーディング言語の代わりに、質問したり、レポートを取得するためのコマンドを作成したりできます。ノーコードMLの最大のメリットの1つは、あらゆる規模の企業が、データ・アナリストやエンジニアを雇用することなくMLやAIをネットワークに導入できることです。欠点は、このタイプのMLテクノロジーは限界があり、詳細な予測分析を実行できないことです。

教師なし学習と強化学習はどちらも来年には普及が予想されており、その理由の一端がノーコードMLです。

MLの進化に伴い、拡張現実や量子コンピューティングなどの他のテクノロジーも成長する可能性があります。「機械学習モデルは、拡張現実におけるアプリやその他の用途のために3Dオブジェクトを生成することができる」とLuís Fernando Torres氏が書いています。さらにMLは、顔認識技術の改善と生成AIとのインタラクションにおいても役割を果たします。

前述したように、かつては煩雑な手動タスクだった作業を自動化することで、MLはサイバーセキュリティー・プログラム全体にメリットをもたらします。他の方法では見逃している脅威を発見することができ、誤検知を減らすことができます。

しかし、他のテクノロジーと同様にセキュリティーのリスクが伴います。脅威アクターはMLとAIを使用して攻撃を開始し、データをポイズニングしたり誤解させたりすることで、システムをだまして偽のレポートを作成させます。脅威アクターはこれを利用してセキュリティー・システムをバイパスし、ネットワークを乗っ取ります。

AIとセキュリティーにおけるその役割は、今日では誰もが話題にしていますが、AIが企業のセキュリティー・システムを改善できる方法は機械学習によって異なります。基本に立ち返って、MLがセキュリティー・システムにどのように適合するか、およびAIをさらに効果的にするためのMLの最適なトレーニング方法を理解するべきでしょう。