O reino do monitoramento da saúde avançou com a integração de smartphones e aplicativos baseados em inteligência artificial. Essas maravilhas tecnológicas auxiliam no gerenciamento de doenças crônicas e no cumprimento de objetivos de condicionamento físico. No entanto, essa integração pode ser de dois gumes, com a necessidade de fluxo constante de dados entre o smartphone e servidores principais resultando em operações lentas e ávidas por energia. Engenheiros do MIT e do MIT-IBM Watson AI Lab enfrentaram esse desafio de frente, criando um acelerador de aprendizado de máquina de ponta — essencial para a crescente demanda da inteligência artificial, como em tecnologias de RA/RV ou de direção autônoma — capaz de garantir a privacidade de dados contra ataques cibernéticos prevalentes.
Na busca por mitigar vulnerabilidades, os pesquisadores conceberam otimizações que equilibram com delicadeza a segurança robusta com o mínimo impacto no desempenho. O dispositivo sustenta cálculos precisos enquanto garante a segurança de registros de saúde e dados sensíveis, embora com um custo ligeiramente maior e uma redução na eficiência energética. Maitreyi Ashok, líder do estudo, destaca a importância de filosofias de design centradas em segurança para alcançar compensações eficazes durante as fases iniciais de criação.
A inovação da equipe de pesquisa gira em torno de um acelerador de cálculo digital em memória (IMC), que executa cálculos dentro da memória interna de um dispositivo. Ao particionar modelos de aprendizado de máquina e maximizar a reutilização de componentes, o sistema minimiza as demandas de transferência de dados. No entanto, a complexidade do IMC o expõe aos riscos de violações de dados por meio de monitoramento de energia ou interceptação de comunicação.
A introdução de um cifrador especializado para criptografar dados, combinado com divisão estratégica de dados e geração única de chave em chip, arma o novo dispositivo do MIT contra tais infiltrações. A função fisicamente inimitável vincula a chave de criptografia inimitável às variações de silício induzidas pela fabricação, elevando ainda mais a segurança.
Os defensores da tecnologia afirmam sua importância crítica para o futuro em dispositivos móveis, reconhecendo a necessidade de aprimoramentos contínuos na eficiência energética e nos custos de produção. Apesar desses obstáculos, os pioneiros do MIT estão determinados a abrir caminhos para aplicações de IA escaláveis, seguras e acessíveis para a área da saúde e além.
Perguntas e Respostas Chave:
– Quais são os principais objetivos da pesquisa do MIT em tecnologias seguras de aplicativos de saúde?
Os principais objetivos são aprimorar a privacidade e a segurança de dados de saúde mantendo o desempenho do sistema. Eles equilibram segurança robusta com o mínimo impacto de desempenho e pretendem desenvolver aplicações de IA escaláveis, seguras e acessíveis para saúde e outros domínios.
– O que é um acelerador de cálculo digital em memória (IMC)?
Um acelerador de IMC é uma tecnologia que realiza cálculos dentro da memória interna de um dispositivo para minimizar transferências de dados, melhorando assim o desempenho e potencialmente aprimorando a segurança ao limitar a exposição de dados a possíveis violações.
– Como o cifrador especializado introduzido pelo MIT melhora a segurança?
O cifrador melhora a segurança criptografando dados usando uma chave gerada por uma função fisicamente inimitável (PUF), que é dependente de variações induzidas pela fabricação no silício, tornando-a inimitável e única para cada dispositivo.
– Quais são os principais desafios associados ao dispositivo do MIT?
Os desafios incluem um ligeiro aumento no custo, redução na eficiência energética e a complexidade inerente em sistemas IMC que poderiam expô-los a riscos específicos de violações de dados.
– Quais são as controvérsias em torno da IA nos aplicativos de saúde?
As controvérsias podem estar relacionadas a preocupações com privacidade, possível uso indevido de dados, dependência excessiva da tecnologia para decisões relacionadas à saúde e receios de aumento da desigualdade se essas tecnologias permanecerem caras e inacessíveis para a população em geral.
Vantagens e Desvantagens:
Vantagens:
– Melhoria da privacidade dos dados com criptografia baseada em PUF.
– Redução das necessidades de transferência de dados ao processar dentro da memória interna, o que também poderia reduzir o risco de interceptação.
– Potencial para aplicativos de IA escaláveis e seguros para a saúde.
Desvantagens:
– Custo ligeiramente superior e redução na eficiência energética devido a medidas de segurança adicionais e complexidades.
– Complexidade dos sistemas IMC pode potencialmente introduzir novas vulnerabilidades.
– Desafios potenciais em escalar a produção mantendo os custos gerenciáveis.
Links Relacionados:
– Massachusetts Institute of Technology
– Laboratório de IA Watson da IBM
The source of the article is from the blog newyorkpostgazette.com