Die Grenzen des Arbeitsgedächtnisses: Menschliches Gehirn vs. KI-Modelle

In der Informatik bezeichnet der "Arbeitsset" die Menge an Daten, die ein Prozessor gleichzeitig verarbeiten kann, um Probleme zu lösen. Diese Idee hat eine interessante Parallele in der menschlichen Kognition, bekannt als "Arbeitsgedächtnis". Das Arbeitsgedächtnis ist wie ein mentales Notizblock, auf dem wir Informationen vorübergehend speichern. Sie ist unerlässlich für das Denken und die Treffen komplexer Entscheidungen.

Allerdings hat das Arbeitsgedächtnis eine begrenzte Kapazität, was unsere Fähigkeit, sehr komplexe Probleme anzugehen, einschränken kann. Dieser Einblick ist wichtig, da wir in eine Welt eintreten, die zunehmend von KI beeinflusst wird, insbesondere in Bereichen wie Cybersicherheit.  

Die Bandbreite eines Gehirns  

Die Kognitionswissenschaft hat verschiedene Tests, um die Arbeitsgedächtniskapazität einer Person zu messen. Diese Tests zeigen, dass es eine konstante Obergrenze gibt, selbst für Menschen, die außergewöhnliche Denker sind.

Zum Beispiel haben Schachmeister, Mathematiker und Spitzenmusiker erstaunliche Fähigkeiten, aber ihr Arbeitsgedächtnis unterscheidet sich wahrscheinlich nicht wesentlich von der des Durchschnittsmenschen. Es scheint, dass die Evolution unser Gehirn auf ein bestimmtes Maß an kognitiver Fähigkeiten verfeinert hat. Das kann es uns erschweren, sehr große, komplexe Probleme vollständig zu verstehen.

Der KI-Vorteil: Skalierung des Kontextfensters (mit Vorbehalten)  

Künstliche Intelligenzsysteme, insbesondere große Sprachmodelle (LLMs), haben eine Einschränkung, die als ihr „Kontextfenster“ bezeichnet wird. Dies ist die Anzahl der Tokens (Wörter oder Codeteile), die sie gleichzeitig verarbeiten können. Im Gegensatz zum Menschen, dessen Arbeitsgedächtnis begrenzt ist, kann das Kontextfenster einer KI erweitert werden, allerdings ist dies kostspielig. Mehr GPUs, bessere Algorithmen oder neue Hardware können die Leistungsfähigkeit einer KI steigern.

Dieser Ansatz hat jedoch wichtige Grenzen. Anfangs scheinen Aufgaben wie das Finden von Anomalien in riesigen, komplexen Datensätzen perfekt für LLMs zu sein. Viel Geld für KI-Verarbeitungszeit auszugeben, mag sich für diese Einblicke lohnen.

Aber es ist wichtig zu wissen, dass die Anomalieerkennung oft besser zu traditionellem maschinellem Lernen (ML) und Statistik passt als zu fortschrittlichen neuronalen Netzen und Deep Learning. Das ist eine gute Sache: Traditionelle Methoden sind in der Regel vorhersehbarer und zuverlässiger als einige KI-Anwendungen.

Doch es gibt ein größeres Problem. Die heutigen KI-Modelle und -Anwendungen sind immer noch sehr fehlerhaft. Beispiele wie selbstfahrende Autos, die ausfallen, und LLMs, die überzeugende, aber falsche "Halluzinationen" erzeugen, erinnern uns daran. Bevor wir KI weit verbreitet zur Lösung großer Probleme einsetzen, müssen wir sicherstellen, dass diese Systeme zuverlässig und durchgehend korrekt sind.  

Die richtigen Werkzeuge für die richtige Aufgabe finden

Wo stehen wir jetzt? Der Schlüssel ist zu verstehen, dass menschliche Gehirne und KI-Modelle unterschiedliche Stärken haben. Menschen sind mit unserer festen kognitiven Kraft gut darin, detaillierte Probleme innerhalb der Grenzen unseres Arbeitsgedächtnisses zu lösen. Wir wählen normalerweise Probleme, die wir mit guter Wahrscheinlichkeit selbst lösen können.

KI-Modelle hingegen können für Probleme skaliert werden, die für den menschlichen Geist zu viel wären. Aber dieser Ansatz ergibt nur dann Sinn, wenn:

• Der finanzielle Wert der Lösung ist höher als die Berechnungskosten.
• Vertrauen in die Genauigkeit des Ergebnisses ist entscheidend.

Die hohen Kosten für die Verarbeitung komplexer Datensätze sowie die derzeitigen Einschränkungen bei Erklärbarkeit und Korrektheit bedeuten, dass die Probleme, die wir mit der heutigen KI lösen können, weiterhin begrenzt sind. Ihre beste Anwendung besteht derzeit darin, Umfang und Komplexität auf eine kleinere Gruppe von Problemen zu reduzieren, die durch menschliche Kognition zugänglich sind.  

Integration von KI in die Cybersicherheit: Ein strategischer Ansatz

Im Bereich der Cybersicherheit besteht das Ziel nicht nur darin , KI-generierte Bedrohungen mit mehr KI zu bekämpfen, sondern KI in Sicherheitsprotokollen mit Bedacht einzusetzen. Sicherheitsteams müssen beim Investieren in KI klug vorgehen und sicherstellen, dass diese ihre Fähigkeiten erweitert, ohne neue Schwachstellen zu schaffen.

Illumio setzt dabei auf KI-gestützte Cybersicherheitsfunktionen wie den Illumio Virtual Advisor, der dialogbasierte Antworten auf Fragen zur Einrichtung und Verwendung von Zero Trust Segmentation bietet. Die neue KI-gestützte Kennzeichnungs-Engine ermöglicht die sofortige Transparenz von Assets in Rechenzentren und Cloud-Umgebungen und hilft Unternehmen so, Zero Trust Segmentation schneller einzuführen.  

Diese Lösungen nutzen KI, um große Datenmengen zu analysieren, während die menschliche Aufsicht im Zentrum der Sicherheitsentscheidungen bleibt. Durch die Kombination von menschlichen dynamischen und adaptiven Gehirnen mit der Rechenleistung der KI können Sicherheitsteams die komplexe Welt moderner Gefahren besser bewältigen.

Wird KI die Kosten exponentiell senken und das Vertrauen verbessern?

Könnte ein Effekt ähnlich wie Moores Gesetz die Kosten für leistungsstarke KI im Laufe der Zeit drastisch senken? Das ist noch ungewiss. Der Fortschritt der KI hängt nicht nur von der Hardware ab, sondern auch von besseren Algorithmen, verbesserten Datensätzen und Fortschritten bei der Zuverlässigkeit und Vertrauenswürdigkeit von KI-Ergebnissen.

Deshalb ist es entscheidend, die Grenzen und Kosten sowohl mit menschlichem Arbeitsgedächtnis als auch mit KI-Kontextfenstern verbunden zu verstehen. Die Wahl des richtigen Werkzeugs, sei es das menschliche Gehirn oder eine Maschine, erfordert ein klares Verständnis der Größe des Problems, seines potenziellen Werts, der Kosten für die Suche nach einer Lösung und der Zuverlässigkeit der Ergebnisse. In der Cybersicherheit bedeutet das, KI strategisch einzusetzen, um menschliche Fähigkeiten zu verbessern, um sicherzustellen, dass die Mischung aus menschlicher Intuition und maschineller Kraft auf wachsendem Vertrauen in KI-Lösungen basiert.

Mit Blick auf die Zukunft wird die Zukunft wahrscheinlich eine starke Partnerschaft zwischen menschlichem Denken und künstlicher Intelligenz beinhalten, wobei sich gegenseitig die Herausforderungen einer komplexeren Welt begegnet.

Möchten Sie mehr über die KI-Angebote der Illumio Zero Trust Segmentation Platform erfahren? Nehmen Sie noch heute Kontakt mit uns auf .