Kroz proteklo desetljeće umjetna inteligencija služila je, između ostalog, za prepoznavanje lica, prognozu vremena i ocjenu nečije kreditne sposobnosti. Istovremeno, jako sofisticirani hakerski napadi postajali su sve opasniji pa se spajanje umjetne inteligencije i metoda kibernetičke sigurnosti činilo logičnim, što je postepeno dovelo do novog problema - "trovanja" podataka.
Naime, riječ je o manipulaciji informacija koje se koriste za treniranje strojeva, a ujedno ne ostavljaju nikakve tragove pa ih nije moguće zaustaviti. Naravno, ne treba posebno naglašavati da mnoge organizacije nisu spremne na problem ove vrste, što zbog nedostatne tehnologije, što zbog nedostatnih resursa.
Jer, već sad je kibernetička sigurnost temeljena na umjetnoj inteligenciji iznimno skupocjena, a do 2028. će vrijediti 35 milijardi američkih dolara, odnosno trostruko više nego što vrijedi u ovim trenucima.
Naravno, sve ovo sugerira da stručnjaci za kibernetičku sigurnost moraju "zasukati rukave" pa pronaći adekvatna rješenja kako nitko od korisnika ne bi bio u opasnosti. Inače, cijela priča oko umjetne inteligencije može "pasti u vodu".
Ono što se zna jest da hakeri mogu ciljati samo strojno učenje i utjecati na podatke koji se prikupljaju. Kad se oni "zatruju", tad strojno učenje ide u smjeru koji haker želi, a samim time je rezultat strojnog učenja u njihovim rukama, a ne u rukama onih koji su ga pokrenuli u drugačije svrhe.
Kao što strojno učenje može naučiti prema podacima koje prikuplja apsolutno sve, od prepoznavanja životinja do kompleksnih izračuna, tako prikuplja i podatke o malwareu pa se sukladno tome vodi i kod kreiraja efikasne obrane od njega. "Zatrovati" te podatke i usmjeriti sustav tako da ciljano ne prepoznaje prijetnje može biti jako opasno i to ne treba posebno naglašavati.
Samim time, stručnjaci su u nezavidnoj ulozi zaobilaženja ove nove opasnosti i prilagodbe sustava da se nauči othrvati s potencijalnim "trovanjem" podataka.