Suuri kielimalli oppii ohjaamaan drooniparvea paljastamatta arkaluonteista dataa

Uusi tekoälykehitys tuo suurten kielimallien kyvyt drooniparvien käyttöön ilman, että niiden on paljastettava valvontadataa selkokielisenä. PrivLLMSwarm-niminen kehys yhdistää droonien parviohjauksen ja yksityisyyttä suojaavat menetelmät esineiden internetin eli IoT-ympäristöissä tehtävää valvontaa varten. Tavoitteena on hyödyntää suuria kielimalleja, jotka osaavat sekä tehdä johtopäätöksiä että koordinoida toimintaa luonnollisella kielellä. Tähän asti ongelmana on ollut se, että droonien keräämä tieto – esimerkiksi kamerakuva tai tunnistustiedot – on jouduttu syöttämään tekoälylle selväkielisenä, jolloin se on altis väärinkäytöksille. PrivLLMSwarm ratkaisee tämän käyttämällä suojattua moniosapuolilaskentaa (secure multi-party computation). Siinä useat osapuolet voivat yhdessä ajaa tekoälymallia niin, että kukaan ei näe koko lähtödataa tai välituloksia, mutta lopputulos – esimerkiksi käsky, mihin droonien tulisi siirtyä – saadaan silti käyttöön. Tekijät ovat muokanneet transformer-pohjaisen kielimallin rakennetta niin, että se soveltuu paremmin salattuun laskentaan. Erityisesti ei-lineaarisia aktivointifunktioita on korvattu tehokkailla likiarvoilla, jotta laskenta pysyy kevyenä myös rajallisilla resursseilla lentävillä alustoilla. Järjestelmän ytimessä on hienosäädetty GPT-pohjainen komentogeneraattori, joka tuottaa drooniparvelle toimintaohjeita. Sitä on edelleen kehitetty vahvistusoppimisen avulla, jotta komennot tukevat paremmin turvallista ja tehokasta yhteistyötä. Tutkimuksen mukaan lähestymistapa tekee salatussa muodossa tapahtuvasta tekoälypäättelystä käytännöllisempää ilma-aluksille, jotka joutuvat toimimaan sekä tietoturvallisesti että niukoilla laskentaresursseilla. Lähde: PrivLLMSwarm: Privacy-Preserving LLM-Driven UAV Swarms for Secure IoT Surveillance, ArXiv (AI).