Искусственный интеллект борется с кибератаками

Искусственный интеллект поможет в борьбе с кибератаками

Машинное обучение будут применять в борьбе с хакерами

Защиту от кибератак и хакеров можно сделать намного более эффективной благодаря использованию алгоритмов машинного обучения, заявил Стюарт МакЛюр (Stuart McClure), глава технологической компании Cylance, в ходе Всемирного экономического форума в Давосе.

«На сегодняшний день, абсолютной нормой считаются новости о постоянных утечках конфиденциальных данных и кибератаках хакеров на информационные системы компаний и организаций. При этом частота, интенсивность и масштаб подобных атак с каждым годом только увеличиваются.

Но при расследовании подобных атак, мы задаемся неправильными вопросами.

Вместо того, чтобы искать виновников кибератаки, нам следует подумать о том, как они их осуществляют, почему доступ ко многим компьютерным системам можно получить настолько просто, и почему это остается так», — считает МакЛюр.

ИИ будет заниматься анализом кибератак вместо людей

Компания Cylance намерена изменить подход к кибербезопасности с помощью использования искусственного интеллекта и возможностей машинного обучения.

Обратите внимание

Специалисты компании считают, что наиболее эффективным решением будет использовать алгоритмы искусственного интеллекта для предотвращения будущих атак.

Предполагается, что с помощью машинного обучения можно создать программное обеспечение, которое будет в режиме реального времени анализировать уже осуществленные кибератаки, чтобы иметь возможность предсказывать их в будущем.

«Наши алгоритмы машинного обучения берут большие объемы данных, которые слишком велики для полноценного анализа специалистами-людьми, и подвергают их обработке, чтобы иметь эффективные решения для борьбы с подобными атаками в будущем», — отметил Стюарт МакЛюр. 

По его мнению, расширение использования технологии машинного обучения в сфере кибербезопасности может стать ключевым фактором, который существенно увеличит эффективность защитных решений.

Кроме того, перевод множества задач по анализу на обработку системами под управлением искусственного интеллекта позволит компаниям избавиться от необходимости нанимать большие количества квалифицированных аналитиков, которые на сегодняшний день занимаются исследованиями произошедших кибератак.

Это позволит масштабировать бизнес и освободить сотрудников от множества повседневных задач, чтобы перевести их на решение более комплексных проблем – например, анализ самых продвинутых атак, которым удается обходить существующие системы безопасности. 

«О практическом применении искусственного интеллекта в борьбе с кибератаками говорить еще очень рано. Но некоторые технологии, применяемые в современных решениях, будут развиваться в направлении ИИ.

В частности, это поведенческий анализ в системах DDoS, IPS, APT, а также алгоритмы самообучения в WAF и прочее», — считает Алексей Андрияшин, руководитель системных инженеров компании Fortinet.

 

О практическом применении искусственного интеллекта в борьбе с кибератаками говорить пока еще очень рано

Мнения по поводу ИИ разделились

Как отмечают СМИ, тема искусственного интеллекта в целом широко обсуждалась на последнем Всемирном экономическом форуме в Давосе.

Важно

По этому вопросу высказывались многие представители бизнеса и политики, а мнения по поводу все более активного применения ИИ в повседневной жизни разделились, включая как позитивные ожидания от применения новых технологий, так и обеспокоенность потенциально негативными последствиями подобных инноваций. 

«Многие решения, которыми мы уже ежедневно пользуемся, каких-то сто лет назад можно было отнести к области фантастики.

Технологии развиваются стремительно, и возможно через пару десятков лет технологии с элементами ИИ станут применяться на практике так же, как, например, нейронные сети сегодня. Основной риск, на мой взгляд — это чрезмерная уверенность в возможностях ИИ.

Полное доверие к подобным системам может привести к потере контроля над ситуацией на самых ранних стадиях развития кибератаки», — отметил Алексей Андрияшин.

Источник: http://safe.cnews.ru/news/top/2017-02-06_iskusstvennyj_intellekt_pomozhet_v_borbe_s_kiberatakami

Искусственный интеллект — будущее систем безопасности

ИИ оказал серьезное влияние на нашу ежедневную жизнь: будь то голосовой набор сообщений, персональные ассистенты – типа Siri – или робоавтомобили. Следующий шаг – использование искусственного интеллекта в системах частной и кибербезопасности. О этом пишет Information-age.

Cегодня один или несколько охранников, сидящих перед кучей мониторов системы безопасности и следящих за порядком, считаются достаточной мерой защиты. Это действительно относительно успешный подход, но он не гарантирует полной безопасности.

Устранение человеческого фактора — главный аргумент в пользу привлечения ИИ для интеллектуального анализа видео, поступающего с камер системы безопасности.

Люди легко отвлекаются, не могут долго сохранять концентрацию, им трудно фокусировать внимание на нескольких вещах одновременно, то есть им физически тяжело следить за всеми мониторами системы безопасности сразу, соответственно у злоумышленника появляется шанс быть незамеченным.

Система человек-ИИ предсказывает кибератаки с 85% точностью

В статье, опубликованной Доктором Махешем Саптариши, старшим вице-президентом по анализу данных в компании Avigilon, говорится: «В то время как офицер охраны может просто не заметить человека, пытающегося проникнуть в плохо освещенное здание, камера, оснащенная системой интеллектуального видеоанализа, инициирует вспышку света на экране и предупредит персонал о возможной угрозе. Такая система с легкостью заметит бродягу, слоняющегося по периметру школьного двора и пошлет охранников разобраться в том, что происходит и принять меры, если это необходимо. Система совершит это без единого промаха, ни на секунду не отвлекаясь ни от одного экрана, держа под присмотром каждый угол, доверенной ей территории».

Насколько ИИ может быть применен в физических охранных системах, настолько же успешно его можно использовать и в сфере кибербезопасности.

Необходимость в глобальном обновлении существующих систем безопасности ощущается давно. IT специалисты осознают, что способы защиты и верификации работают все хуже и с каждым днем становится сложнее выявлять атаки. Хакеры с легкость могут в тайне атаковать предприятия, скрываясь от систем безопасности, обманывая механизмы верификации пользователей.

Apple заплатит хакерам $200 тысяч за выявление уязвимостей

На днях DB Networks анонсировали DBN-6300 и Layer 7 Database Sensor — программное обеспечение, которое было разработано, чтобы успешно унаследовать и применить лучшие разработки из области ИИ в сфере кибербезопасности для автоматической защиты инфраструктуры баз данных.

«Искусственный интеллект принесет поистине кардинальные изменения в сферу кибербезопасности, — говорит CEO DB Networks, Бретт Хэлм. — ИИ позволит нам быстро и точно идентифицировать кибератаки.

Уже на этапе их совершения система заметить и предотвратит несанкционированный доступ.

Совет

В следующих поколениях продуктов DB Networks будет использовать ИИ для развертывания автономных систем кибербезопасности, которые не только смогут останавливать атаки, но и самостоятельно находить и устранять уязвимости систем».

Интеграция искусственного интеллекта в системы персональной и кибербезопасности — это естественный путь развития технологий. Системы, управляемые ИИ, объективно более эффективны и лишены человеческого фактора.

Искусственный интеллект сделает пространства — физические и виртуальные — более безопасными, постоянно увеличивая эффективность и подстраиваясь под изменяющиеся условия.

Источник: https://hightech.fm/2016/08/08/ai-cibersecurity

Робот-стражник: что дает искусственный интеллект системам кибербезопасности?

Разберемся, как же соотносятся между собой AI, ML и DL.

AI, или искусственный интеллект (ИИ), — раздел науки, довольно широкий термин, применимый к любой технике, позволяющей программам мимикрировать «человеческий интеллект», выполняя творческие задачи/функции, которые традиционно считаются прерогативой человека, такие как, например, принятие решений или поиск закономерностей.

ML, или машинное обучение, — обширный подраздел ИИ, математическая дисциплина, в которую включают такие области как статистика, методы оптимизации и теория вероятности.

По сути, машинным обучением можно назвать определенный набор техник и алгоритмов, с помощью которых решаются те или иные «когнитивные» задачи, например, распознавание речи или рукописных цифр.

При этом, говоря о машинном обучении, мы имеем в виду лишь решение какой-либо узкой задачи, а не создание искусственного Интеллекта с большой буквы И — обладающего сравнимыми с человеческими возможностями и способного создавать произведения искусства и поддерживать живую беседу с человеком.

В свою очередь, DL — один из видов ML, в котором используются алгоритмы особого вида — нейронные сети, которые являются, на самом деле, последовательностью довольно простых математических преобразований.

Читайте также:  Роботы будущего будут напоминать конструктор lego

Путем наслоения этих преобразований друг на друга (отсюда понятие «многослойные нейронные сети») можно получить очень сложные, нелинейные зависимости, и подстраивая параметры этих преобразований, решать ту или иную задачу, например, задачи машинного зрения- распознавание лиц или других объектов на фото и видео.

В целом взаимосвязь между AI, ML и DL можно хорошо показать с помощью концентрический окружностей.

Обратите внимание

Cтоит обозначить понятия «обучения с учителем» (supervised learning) и «обучения без учителя» (unsupervised learning), которые понадобятся нам далее, для понимания принципов работы ИИ-решений.

Supervised learning — модель, когда система учится на предварительно «размеченных» данных.

Например, задача предсказания стоимости автомобиля при известных исторических данных (тех, на которых система «обучается») о стоимости и ряде признаков (также называются features) в обучающей выборке (задача регрессии) или задача классификации — определить, болен человек или здоров, опять же, по историческим данным и ряду признаков, соответствовавших тому или иному случаю.

Unsupervised learning — модель, при которой данные не «размечаются», а сразу, в сыром виде загружаются в систему, которая затем структурирует их. То есть, системе ставится следующая задача: «вот данные — найди в них взаимосвязи».

Заканчивая описание технических подробностей стоит отметить, что AI — горячая тема не только для СМИ, но и для инвесторов.

Инвестиции в AI

2016 год был рекордным для AI-стартапов с точки зрения привлеченных инвестиций — объем сделок составил более $5 млрд., а количество сделок превысило 650.

Также в 2016 году было несколько так называемых «мега-раундов» (объемом $100 млн и более).

Так, разработчик автономных автомобилей, компания Zoox привлекла Series A раунд в размере $200 млн, Zymergen, стартап в области биоинформатики, привлек Series B раунд в размере $130 млн, разработчики решений в области машинного зрения, SenseTime и Face++ привлекли $120 млн и $100 млн соответственно, а израильский стартап Voyager Labs, разрабатывающий платформу для анализа больших массивов данных, привлек раунд финансирования в размере $100 млн.

Если говорить о географии сделок, то 62% от общего числа сделок пришлись на стартапы из США, 6,5% — на компании из Великобритании, 4,3% и 3,5% на стартапы из Израиля и Индии соответственно.

Интерес к кибербезопасности возрастает

Кибербезопасность — ахиллесова пята современного мира. Например, Инга Бил, CEO страховой компании Lloyd’s оценивает, что кибератаки и их последствия стоят крупным компаниям $400 млрд. в год, а по оценкам аналитиков, рынок cybersecurity ожидает экспоненциальный рост от $75 млрд.

в 2015 году к $170 млрд. в 2020. Также остро стоит проблема нехватки специалистов в области кибербезопасности — согласно данным Bureau of Labor Statistics (США), 209 00 позиций в этой области остаются незакрытым, в то время как количество вакансий выросло на 74% за последние 5 лет.

Важно

С другой стороны, крупные технологические компании все больше заинтересованы в security стартапах. Так, в январе Amazon Web Services (подразделение компании Amazon) купил за $19 млн. стартап из Сан-Диего под названием Harvest.ai, разрабатывавший систему MACIE Analytics — решение для защиты интеллектуальной собственности, нацеленное на крупных корпоративных игроков.

Домен .ai говорит нам о том, что в ядре решения, купленного Amazon, находятся алгоритмы машинного обучения — действительно ли машинное обучение является следующим шагом в кибербезопасности или это шумиха, раздуваемая самими компаниями и СМИ?

Security + AI = ?

Если говорить об общей классификации методов защиты от кибератак, то их можно разделить, в зависимости от части сети, которая защищается. Например: защита конечных устройств (endpoint security), защита «облаков» (cloud security) или защита всей сети в целом (network security). Также, отдельно можно выделить защиту в Web, т.е. защиту сайтов, антифишинговое ПО и т.д.

Однако, в целях демонстрации основных принципов применения машинного обучения для решения задач кибербезопасности, приведем классификацию более высокого уровня. Сегодня, системы кибербезопасности можно разделить на 2 класса: экспертные (analyst-driven) и автоматические (machine-driven).

Экспертные системы разрабатываются и управляются людьми — экспертами по кибербезопасности, а принцип их работы основан на распознавании threat signatures (сигнатуры угроз) для предотвращения атак.

По существу, threat signatures — это примеры вредоносного кода или техник, которые используются для идентификации и предотвращения кибератак — также, как база отпечатков пальцев используется для поимки преступников.

Однако, стоит заметить, что threat signatures распознают и заносят в «базу» только после того, как атака была совершена — в целях предотвращения таких же атак в будущем. Таким образом, подобные системы не способны защитить от ранее неизвестных атак, называемых zero day attacks.

Таким образом работают классические антивирусы от всем известных производителей (в том числе и отечественных), установленные на наших с вами ПК и именно поэтому необходимо регулярно продлевать подписку и обновлять «базы вирусов» — в противном случае ваша система оказывается незащищенной от атак, которые не были занесены в предыдущую версию базы.

Совет

Необходимо отметить, что методы и способы атак эволюционируют с каждым годом: так, по данным отчета Internet Security Report компании Symantec количество zero day attacks с 2014 года увеличилось на 125%. Это ставит вопрос: а будут ли в долгосрочной перспективе эффективны signature-driven систем, о которых мы говорили выше?

В свою очередь, автоматические системы используют алгоритмы машинного обучения для предотвращения угроз. Под словом предотвращение можно понимать следующее: ПО идентифицирует потенциально вредоносные или опасные действия в системе или сети, основываясь на анализе исторических данных — то есть, решается типичная задача классификации — одна из базовых проблем машинного обучения.

Таким образом, machine-driven системы, благодаря тому, что действуют «на опережение», позволяют успешно бороться с zero day attacks. В качестве примера таких систем можно привести продукты компании Cylance — единорога, привлекшего суммарно $177 млн.

Однако, и у machine-driven систем есть свои недостатки.

По словам Эльдара Заитова, эксперта по компьютерной безопасности Яндекса, в настоящее время, security компании, применяющие алгоритмы ML, используют, в основном, метод выявления аномалий (нестандартного поведения).

Это означает, что активность в системе или сети не обязательно должна быть в явном виде вредоносной, чтобы быть отмеченной защитным ПО. Если эта активность соотносится c каким-либо историческим прецедентом, она будет отмечена как потенциально опасная.

Это подводит нас к недостатку существующих machine-driven систем — лишь малая часть из отмеченных аномалий действительно является опасными для системы или сети. Поэтому, таким системам необходима постоянная обратная связь от человека — эксперта по кибербезопасности — который повторно маркирует полученные результаты, отделяя действительно опасные активности от «аномальных».

Читайте также:  Виртуальная реальность и искусственный интеллект от facebook

Давайте разберемся, почему на текущий момент это так. Данные, на которых обучается ML-система определяет ее качество.

Здесь и заключается главная проблема для разработчиков security стартапов — большинство крупных компаний не стремится отдавать данные о своих внутренних ИТ-процессах сторонним разработчикам, а тем более — небольшим стартапам.

Обратите внимание

И это понятно — например, крупный банк, несущий ответственность за миллиарды долларов своих вкладчиков, вряд ли захочет с кем бы то ни было делиться конфиденциальной информацией о своей среде.

Симбиоз машины и человека

Так, исследователи из Computer Science and Artificial Intelligence Laboratory в MIT в сотрудничестве с machine-learning стартапом PatternEx (привлекла $7,8 млн.

от одного из top-tier фонда Долины — Khosla Ventures) разработали систему кибербезопасности под названием Dubbed AI, совмещающую analyst-driven решения старого образца и методы выявления аномалий, для имплементации которых используется машинное обучение.

Принцип работы следующий: сначала, при помощи метода выявления аномалий, система самостоятельно, без участия человека, обнаруживает всю подозрительную активность — то есть, реализуется схема unsupervised learning.

Затем, после завершения предварительной фильтрации, система представляет результаты анализа эксперту, который вручную отмечает все вредоносные активности.

После этого, в модель загружаются данные, размеченные экспертом (supervised learning), на основе которых система обучается.

Таким образом, создается непрерывный цикл обучения модели, которая становится более и более точной с каждой последующей итерацией такого цикла.

Однако, несмотря на всю привлекательность данной идеи, коммерческие перспективы подобных систем, на данный момент, встречают высокий барьер в виде опасения крупных компаний отдавать собственные строго конфиденциальные данные сторонним аналитикам.

Выводы

Подводя итог, несмотря на всю привлекательность идеи автоматический систем кибербезопасности, коммерческие перспективы подобных систем, на данный момент, встречают высокий барьер в виде опасения крупных компаний отдавать собственные конфиденциальные данные сторонним разработчикам. А без большого количества исходных, обучающих систему данных, просто невозможно достичь достаточного для высокого уровня выявления угроз. По словам Эльдара — «серебряной пули нет — ML должно быть одним из множества компонентов, и всё работает только в комплексе».

Также, значительная доля шумихи по поводу AI в кибербезопасности — отличная работа маркетологов компаний.

Важно

Так, цитируя высказывание Джорджа Курца, в прошлом CTO компании McAfee, одного из крупнейших разработчиков антивирусного ПО, а ныне — CEO CrowdStrike, еще одного единорога в области кибербезопасности, об алгоритмах машинного обучения, применяемых Cylance: «Успехи Cylance, во многом, это заслуга отделам маркетинга. «Алгоритмы машинного обучения», о которых они говорят, давно применяются в McAfee».

Более того, иногда не совсем очевидно, какие же системы работают лучше: классические (экспертные) или автоматические.

Так, в середине прошлого года, на страницах блог-постов состоялась перепалка между уже упоминавшейся компанией Cylance и другим известным вендором — Sophos, использующим классические методы обнаружение угроз.

Суть перепалки состояла в следующем: Sophos обвиняли Cylance в том, что во время публичных сравнительных тестов эффективности систем на одной из конференций, представители Cylance отключили часть функционала системы Sophos, чем и обеспечили победу своего решения.

Затем вышел следующий пост, в котором говорилось о независимых тестах, проведенных неким реселлером, в которых Sophos показали лучший результат, однако, видео не было опубликовано, так как реселлер опасался давления со стороны Cylance. Словом, вопрос о технологическом превосходстве автоматический систем, на текущем уровне их развития, остается открытым.

Если же говорит о прогнозах, то, безусловно, в долгосрочной перспективе, системы кибербезопасности будут все более и более автоматизированными, однако, принимая во внимание важность (порой, критическую) охраняемых данных или объектов, едва ли можно говорит о полной автоматизации и замене человека искусственным интеллектом. На данный момент не приходится сомневаться, что AI в кибербезопасности — это hype и существенная работа отдела маркетинга компаний в связке со СМИ, а системы, использующие машинное обучение, пока что не способны заменить людей-экспертов.

Источник: http://www.forbes.ru/tehnologii/338971-robot-strazhnik-chto-daet-iskusstvennyy-intellekt-sistemam-kiberbezopasnosti

IBM представила список технологий, которые изменят мир

Научно-исследовательское подразделение IBM, IBM Research, ежегодно публикует доклад «5 за 5», в котором описывает пять технологий, которые должны изменить наш мир в ближайшие пять лет. На этот раз специалисты лабораторий компании выделили технологии, связанные с искусственным интеллектом, криптографией и квантовыми вычислениями.

Работники лабораторий IBM каждый год отбирают пять технологий, которые, на их взгляд, должны изменить общество и бизнес в течение ближайших пяти лет. Все они были представлены в докладе «5 за 5», который был опубликован сегодня. Подробнее о каждой из них также расскажут сами исследователи корпорации на форуме Think 2018, который состоится в Лас-Вегасе сегодня.

Первой, а точнее первыми технологиями, которые были отмечены в этом году IBM Research, стали блокчейн и криптографические якоря. Они должны помочь в ближайшем будущем начать успешно бороться с контрафактной продукцией, ущерб мировой экономике от которой ежегодно насчитывает более $600 млрд.

Совет

Идея состоит в том, чтобы использовать распределенные реестры (блокчейн) для отслеживания всей производственной цепочки товаров. Маркироваться же каждый из товаров будет при помощи специальных микрочипов, работающих на блокчейне,— криптографических якорей.

Это микрокомпьютеры размером с крупицу соли или чернильную каплю, которые будут крепиться непосредственно на каждый товар. Таким образом можно будет отследить время и место погрузки/выгрузки товаров, а с помощью датчиков фиксировать и вносить в блокчейн данные об условиях, в которых продукты и товары хранились.

Кроме того, станет известен и сам производитель, что устранит проблему подделок на рынке.

Квантовые компьютеры уже в ближайшие годы перестанут ассоциироваться у людей с научной фантастикой и чем-то из далекого будущего, считают специалисты IBM.

«В ближайшие пять лет квантовые вычисления будут активно использоваться новыми категориями профессионалов и разработчиков, чтобы решать задачи, которые до сих пор считались неразрешимыми.

Квантовый компьютер станет обыденностью в университетских аудиториях и даже появится в некоторых средних школах»,— говорится в докладе корпорации.

Следующий прорыв связан с двумя вышеперечисленными технологиями — криптографией и распространением квантовых компьютеров. Дело в том, что квантовые компьютеры — это новая эра в мире цифровых вычислений. Их возможности в разы превосходят то, на что способны наши обычные компьютеры.

Это, безусловно, открывает перед человечеством новые возможности для исследований. Но одновременно и создает некоторые проблемы, одна из которых — проблема защищенности данных.

Читайте также:  Американские ученые предложили альтернативу тесту тьюринга

Дело в том, что все сегодняшние методы шифрования данных автоматически устареют с распространением квантовых компьютеров, которые довольно быстро смогут взламывать любую сегодняшнюю защиту. Решением этой проблемы должно стать шифрование на криптографических решетках.

Оно прячет данные внутри сложных алгебраических структур, что предотвращает взлом не только сегодняшними компьютерами, но и будущими квантовыми машинами.

Наконец, еще две технологии из списка IBM Research этого года связаны с искусственным интеллектом. Первая из них — это автономные роботы-микроскопы, оснащенные ИИ.

«Объединенные в единую сеть и распространенные по миру, эти микроскопы будут мониторить в режиме реального времени самый важный и наиболее подверженный опасности ресурс Земли — воду… Микроскопы с ИИ могут быть помещены в водоемы, чтобы отслеживать передвижение планктона в 3D, в его естественной среде обитания и использовать эту информацию, чтобы предугадывать его поведение и следить за здоровьем. Это может помочь в таких ситуациях, как разлив нефти и при стоках отравляющих веществ с земли, а также предотвратить такие угрозы, как образование “красных приливов”»,— говорится в сообщении IBM.

Кроме того, считают в компании, мощное развитие в ближайшее время получит непредвзятый искусственный интеллект. Речь идет о качестве отбора баз данных, на которые учится искусственный интеллект. Подход к их выбору не должен быть предвзятым, иначе результаты обучения ИИ перестанут быть объективными.

Кирилл Сарханянц

Главные тренды по версии Массачусетского технологического института

Читать далее<\p>

Источник: https://www.kommersant.ru/doc/3578060

Рецензия на фильм «Искусственный интеллект. Доступ неограничен»

Неплохо задуманный, но весьма скромно реализованный триллер о маньяке, который украл доступ к вашему аккаунту на Youtube. Да пусть у него глаза повыпадают!

Бизнесмен Майк Риган – деловой человек в самом прямом смысле этих слов. Его день расписан по минутам, планы превосходят самые смелые мечты, а дом – полная чаша. Однако, оснастив свою резиденцию по последнему слову техники, Майк не стал сам вникать в провода и программы.

Когда в небольшом тюнинге «умного дома» потребовалась необходимость, Риган приглашает домой стажера из IT-отдела своей фирмы. Смышленый Эд сначала приходится Майку по вкусу, но когда обнаруживается, что вместе с исправлением дефектов специалист получил доступ к персональным данным хозяев, Риган увольняет парня.

Вот только Эд оказывается совсем не прост, в его руках сосредоточена информация о Майке и его семье, и это оружие пострашнее ножа и пистолета.

Порой отечественные локализаторы умудряются так перевести название зарубежной картины, что исчезает не только смысловое сходство двух наименований, но и сюжетное.

Обратите внимание

И ладно бы такие перемены требовались для того, чтобы обыграть юмор названия или смягчить жаргонизм, нет, обычно это желание привлечь броскими словами, пусть они даже бьют в молоко. «Искусственный интеллект. Доступ неограничен» ровно такой пример.

Из вполне нейтрального «Айтишника» картина в голове потенциального зрителя превращается в научную фантастику о восстании роботов или матрице. Нет, ничего этого не будет, не ждите. Будет совсем другое кино.

Картина стала последней в фильмографии продюсера Бо Мари Сент-Клер, давней партнерши Пирса Броснана во всех его кинематографических начинаниях. В январе 2016 года Бо скончалась от рака

Режиссер картины ирландского происхождения Джон Мур не имеет родственных связей с американским документалистом Майклом Муром, однако кое-что их объединяет.

Оба чувствуют, что мы находимся на том пороге, когда информация из вспомогательного средства превращается в разящее оружие.

Только Майкл отслеживает, как информационный фон фабрикуется государством, а Джон фокусируется своим новым фильмом на частном, на том, как утечки битов и байтов могут навредить обывателю.

По сути, «Искусственный интеллект» представляет собой обычный триллер о психически неуравновешенном преследователе. От десятка других его отличает лишь то, каким образом чужак доводит своих жертв до белого каления, ну и актерский ансамбль. Сначала о технологиях.

От картины Мура сквозит конспирологией и паранойей еще сильнее, чем от стоуновского «Сноудена», – все-то вокруг прослушивается, везде-то за вами следят, каждую вашу запись в соцсетях расшифруют и используют против вас.

Важно

Вполне вероятно, так оно и есть, но пока мир не перешагнул тот рубеж, за которым открытость интернет-сообществ пойдет на убыль. Сегодняшние скандалы с утечками из WADA и штаба Демократической партии США простого зрителя беспокоят мало, войны хакеров ведутся так же далеко, как бомбардировки Ирака.

Но кто знает, не начнутся ли уже завтра звонки с шантажом обывателей, у которых украли интимные фото, врачебные диагнозы или коммерческую информацию.

Главный злодей, обиженный невниманием к своей персоне, обрушивает работу компании своего нанимателя, позорит пикантным видео дочь героя и пугает врачебной ошибкой жену. Ему не приходится даже встречаться с объектами своих нападок – достаточно, сидя дома, нажимать клавиши.

И это действительно пугает – даже бывший Бонд Пирс Броснан не может в одиночку справиться с новым поколением негодяев, кулаки тут практически бессильны.

Пожалуй, эта мысль действительно интересна, но Мур прошел по ней вскользь, постановщика больше интересовала угроза цифрами и словами, чем пистолеты.

В одной из серий «Симпсонов» Пирс Броснан озвучил управляющий «умным домом» искусственный интеллект, который пытается убить Гомера Симпсона

А жаль. Без полноценного конфликта двух разных систем кино оказалось всего лишь «еще одним триллером», не особенно изобретательным и сюжетно очень простым.

При этом маньяк оказался еще и не слишком смышленым, отчего-то он не особенно старался скрываться и выживать.

Совет

Под стать ему и герой Броснана в спасении своей репутации и чести семьи не переусердствовал – действие развивается вяло и без особого интереса сторон.

Зрителя, впрочем, порадуют актеры. Броснан по-прежнему хорош. Пусть с ролями в последние годы ему не слишком везет – он заполняет харизмой каждый кадр, им можно просто любоваться.

Любопытно наблюдать за Джеймсом Фрешвиллом – лицом в жанре свежим, имеющим определенную изюминку.

Жаль, не раскрылся образ Анны Фрил, ей просто не хватило скромного хронометража, но и она в декорациях футуристического жилья весьма элегантна. Хорошие актеры, а вот играть им особенно нечего.

Жаль, но «Искусственный интеллект» не оправдывает ни своего измененного названия, ни жанрового прицела – интеллекта в нем немного, а с саспенсом большие проблемы. Единственный плюс – вход в зону, которая скоро станет крайне актуальной, но считать это за достаточное условие для похода в кино будет перебором.

С 22 сентября в кино.

Оставайтесь с нами на связи и получайте свежие рецензии, подборки и новости о кино первыми!

Яндекс Дзен | Instagram | Telegram | Твиттер

Источник: https://www.film.ru/articles/tvoy-dom-tyurma

Ссылка на основную публикацию