Tekoäly yleistyy hyvin monenlaisessa sovelluksessa. Kun kone esimerkiksi oppii tunnistamaan tietynlaisia kuvia, se tekee sitä valtavan nopeasti ja paljon ihmistä tarkemmin. Tekoälyn sekaan voi kuitenkin ujuttaa myös takaovia.
New Yorkin yliopiston tutkijat ovat tutkineet tällaista koodia, joka neuroverkoissa tuottaa virheellisiä tuloksia. He kutsuvat näistä takaovia nimellä BadNet.
Tutkijat testasivat konseptiaan järjestelmässä, joka opetettiin tunnistamaan USA:n nopeusrajoituksia osoittavia liikennemerkkejä. Tyypillisesti tämä tarkoittaa erittäin raskasta laskentaa ja miljoonia "esimerkkiotoksia", joita järjestelmällä pitää näyttää, jotta sen tunnistustaso tulisi luotettavaksi.
Tämän takia moni ulkoistaa tekoälyn laskennan pilveen. Googlen Cloud Machine Learning Engine -sovellus käyttää TensorFlow-prosessoreja. Microsoftilla on oma Azure Batch AI Training -tekniikkansa a Amazonilla ovensa. Tutkijat korostavat, että näillä alustoilla toimivat tekoälyt toimivat kuten lupaavat.
Mutta on mahdollista syöttää tuotettuun tekoälykoodiin osia, joiden perusteella muuten virheettömästi toimiva järjestelmä tunnistaa virheellisesti tai jättää tunnistamatta jonkin opetetun elementin takia. Tällainen voi olla esimerkiksi yksi kirkas pikseli kuvan alakulmassa tai kirkkaista pikseleistä muodostuva kuvio kuvan kulmassa.
Tutkimus osoittaa, että tekoäly edellyttää erittäin korkeaa tietoturvaa. Lisähaasteita tuo se, että haitallisuuksien löytäminen neuroverkkokoodista on erittäin vaikeaa.
Tutkijoiden artikkeliin voi tutustua täällä.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
