AI กำลังเปลี่ยนแปลงรากฐานของความน่าเชื่อถือในระบบอัตโนมัติภาคอุตสาหกรรม
ปัญญาประดิษฐ์กำลังถูกผสานรวมเข้ากับระบบอัตโนมัติในภาคอุตสาหกรรมมากขึ้นเรื่อย ๆ ตั้งแต่การบำรุงรักษาเชิงคาดการณ์และการตรวจติดตามสินทรัพย์ ไปจนถึงการเพิ่มประสิทธิภาพสัญญาณเตือนและการสนับสนุนการตัดสินใจด้านการปฏิบัติงาน AI ช่วยให้วิศวกรประมวลผลข้อมูลอุตสาหกรรมที่ซับซ้อนได้เร็วกว่าวิธีการแบบดั้งเดิม
อย่างไรก็ตาม การนำ AI มาใช้ยังเปลี่ยนแปลงนิยามของความน่าเชื่อถือในระบบอัตโนมัติด้วย ระบบควบคุมแบบดั้งเดิมตั้งอยู่บนพฤติกรรมแบบกำหนดแน่นอน กล่าวคือ อินพุตที่กำหนดไว้จะให้เอาต์พุตที่คาดการณ์ได้ ระบบที่ใช้ AI ทำงานแตกต่างออกไป เนื่องจากประสิทธิภาพของระบบขึ้นอยู่กับคุณภาพข้อมูล การกำหนดค่าโมเดล สภาวะแวดล้อม และกระบวนการเรียนรู้อย่างต่อเนื่อง
ในมุมมองของฉัน ความท้าทายที่ใหญ่ที่สุดไม่ใช่ว่า AI จะช่วยเพิ่มประสิทธิภาพภาคอุตสาหกรรมได้หรือไม่ ความท้าทายที่แท้จริงคือ อุตสาหกรรมต่าง ๆ จะพิสูจน์ได้หรือไม่ว่าการตัดสินใจที่ขับเคลื่อนด้วย AI ยังคงปลอดภัย อธิบายได้ และควบคุมได้ตลอดวงจรชีวิตการปฏิบัติงานทั้งหมด
AI เพิ่มความเสี่ยงใหม่ ๆ นอกเหนือจากความปลอดภัย OT แบบดั้งเดิม
โดยทั่วไป ความมั่นคงปลอดภัยไซเบอร์ในภาคอุตสาหกรรมมุ่งเน้นการปกป้อง PLC แพลตฟอร์ม DCS ระบบ SCADA, HMI สถานีวิศวกรรม และเครือข่ายการสื่อสารอุตสาหกรรม วิธีการป้องกันเหล่านี้ยังคงเป็นพื้นฐานสำคัญ แต่ AI ได้เพิ่มประเด็นอื่น ๆ ที่ต้องให้ความสนใจ
ระบบอัตโนมัติที่ขับเคลื่อนด้วย AI อาศัยองค์ประกอบสนับสนุนหลายส่วน ได้แก่ ระบบรวบรวมข้อมูล สภาพแวดล้อมสำหรับการฝึก โมเดลไลบรารี แพลตฟอร์มเอดจ์คอมพิวติ้ง บริการคลาวด์ และกลไกการอัปเดตซอฟต์แวร์ แต่ละองค์ประกอบล้วนเป็นจุดล้มเหลวที่อาจเกิดขึ้นได้
ตัวอย่างเช่น ระบบบำรุงรักษาเชิงคาดการณ์ด้วย AI อาจสร้างคำแนะนำที่ไม่ถูกต้อง หากข้อมูลอุปกรณ์ในอดีตไม่ครบถ้วน โมเดลเพิ่มประสิทธิภาพกระบวนการอาจให้ผลลัพธ์ที่ทำให้เข้าใจผิด หากข้อมูลจากเซนเซอร์ไม่ถูกต้อง ในบางกรณี ตัวควบคุมอุตสาหกรรมเองอาจยังคงปลอดภัย ขณะที่คำแนะนำที่สร้างโดย AI กลับส่งผลเชิงลบต่อการตัดสินใจด้านการปฏิบัติงาน
เรื่องนี้สะท้อนการเปลี่ยนแปลงแนวคิดด้านความมั่นคงปลอดภัยไซเบอร์ในภาคอุตสาหกรรม กล่าวคือ การปกป้องระบบควบคุมเพียงอย่างเดียวไม่เพียงพออีกต่อไป ชั้นปัญญาประดิษฐ์ที่มีอิทธิพลต่อการตัดสินใจต้องเป็นส่วนหนึ่งของสถาปัตยกรรมความปลอดภัยด้วย
การทดสอบความปลอดภัยแบบดั้งเดิมไม่สามารถตรวจสอบพฤติกรรมของ AI ได้อย่างครบถ้วน
การประเมินความปลอดภัยของ OT แบบดั้งเดิมมีประสิทธิภาพในการระบุช่องโหว่ที่เกี่ยวข้องกับการแบ่งส่วนเครือข่าย การยืนยันตัวตน การควบคุมการเข้าถึง โปรโตคอลการสื่อสาร และการกำหนดค่าระบบ
อย่างไรก็ตาม ระบบ AI ก่อให้เกิดความเสี่ยงหลายประเภท โมเดลอาจทำงานได้อย่างถูกต้องระหว่างการทดสอบในห้องปฏิบัติการ แต่ให้ผลลัพธ์ที่ไม่คาดคิดหลังนำไปใช้งานจริง เนื่องจากสภาวะของกระบวนการที่เปลี่ยนแปลง รูปแบบการทำงานใหม่ เซนเซอร์ที่เสื่อมสภาพ หรือแหล่งข้อมูลที่มีการปรับเปลี่ยน
ความล้มเหลวของ AI มักแตกต่างจากการโจมตีทางไซเบอร์แบบดั้งเดิม โดยอาจปรากฏในรูปแบบต่อไปนี้:
- คำแนะนำด้านการบำรุงรักษาที่ไม่ถูกต้อง
- การจำแนกสัญญาณเตือนผิดประเภท
- การตัดสินใจเพิ่มประสิทธิภาพกระบวนการที่ไม่เหมาะสม
- ประสิทธิภาพของอุปกรณ์ลดลง
- คำแนะนำที่ไม่ถูกต้องแก่ผู้ปฏิบัติงาน
ความล้มเหลวเหล่านี้อาจไม่กระตุ้นสัญญาณเตือนด้านความมั่นคงปลอดภัยแบบดั้งเดิม แต่ยังคงส่งผลต่อประสิทธิภาพการผลิต ความพร้อมใช้งานของอุปกรณ์ ระดับความปลอดภัย และการปฏิบัติตามข้อกำหนดทางกฎหมายได้
ดังนั้น การตรวจสอบยืนยัน AI ต้องพิจารณาไม่เพียงการป้องกันด้านความมั่นคงปลอดภัยทางไซเบอร์เท่านั้น แต่ยังต้องพิจารณาพฤติกรรมการปฏิบัติงานภายใต้สภาวะอุตสาหกรรมจริงด้วย
การใช้ ISA/IEC 62443 เป็นกรอบการทำงานสำหรับการผสานรวมความมั่นคงปลอดภัยของ AI
ชุดมาตรฐาน ISA/IEC 62443 เป็นรากฐานที่แข็งแกร่งสำหรับการผสานรวมเทคโนโลยี AI เข้ากับสภาพแวดล้อมระบบอัตโนมัติทางอุตสาหกรรม
แม้เดิมจะพัฒนาขึ้นเพื่อความมั่นคงปลอดภัยทางไซเบอร์ของระบบควบคุมอุตสาหกรรม แต่แนวคิดของมาตรฐานนี้ยังคงประยุกต์ใช้กับระบบที่มี AI ได้อย่างมาก การประเมินความเสี่ยง โซนความมั่นคงปลอดภัย เส้นทางการสื่อสาร แนวปฏิบัติการพัฒนาที่ปลอดภัย และหลักการจัดการวงจรชีวิต สามารถช่วยให้องค์กรกำหนดตำแหน่งของส่วนประกอบ AI ภายในสถาปัตยกรรมอุตสาหกรรมได้
องค์ประกอบที่เกี่ยวข้องกับ AI เช่น:
- ไปป์ไลน์ข้อมูล
- ระบบจัดเก็บโมเดล
- เอนจินการอนุมาน
- กลไกการอัปเดตของซัพพลายเออร์
- ส่วนติดต่อผู้ปฏิบัติงาน
ควรถือว่าเป็นส่วนหนึ่งของระบบอัตโนมัติและควบคุมทางอุตสาหกรรมเมื่อมีอิทธิพลต่อการตัดสินใจด้านการปฏิบัติงาน
ในมุมมองของฉัน ไม่ควรถือว่า AI เป็นแอปพลิเคชันซอฟต์แวร์ภายนอกที่นำมาต่อเข้ากับระบบอัตโนมัติ เมื่อ AI ส่งผลต่อการตัดสินใจด้านการผลิตแล้ว AI จะกลายเป็นส่วนประกอบด้านการปฏิบัติงาน และควรปฏิบัติตามหลักการด้านความมั่นคงปลอดภัยและการจัดการวงจรชีวิตเดียวกับเทคโนโลยีอุตสาหกรรมอื่น ๆ
การตรวจสอบยืนยัน AI ต้องอาศัยหลักฐานอย่างต่อเนื่อง ไม่ใช่การทดสอบเพียงครั้งเดียว
โดยทั่วไป ระบบอัตโนมัติแบบดั้งเดิมจะได้รับการตรวจสอบยืนยันก่อนเริ่มใช้งานจริง จากนั้นจึงบำรุงรักษาผ่านการปรับเปลี่ยนที่มีการควบคุม ส่วนระบบ AI จำเป็นต้องใช้แนวทางการตรวจสอบยืนยันที่ต่อเนื่องมากกว่า เนื่องจากประสิทธิภาพของระบบขึ้นอยู่กับข้อมูลและสภาพแวดล้อมการปฏิบัติงานที่เปลี่ยนแปลง
กระบวนการตรวจสอบยืนยันความมั่นคงปลอดภัยของ AI ที่สมบูรณ์ควรครอบคลุมหลายด้าน:
การตรวจสอบยืนยันสถาปัตยกรรม
องค์กรจำเป็นต้องยืนยันส่วนประกอบ AI กระแสข้อมูล สิทธิ์การเข้าถึง ช่องทางการอัปเดต และการพึ่งพาซัพพลายเออร์ภายในโครงสร้างความมั่นคงปลอดภัยทางอุตสาหกรรม
การตรวจสอบยืนยันประสิทธิภาพการปฏิบัติงาน
ต้องทดสอบฟังก์ชัน AI ภายใต้สภาวะการทำงานที่สมจริง เพื่อยืนยันว่าคำแนะนำยังคงถูกต้องและเข้าใจได้สำหรับผู้ปฏิบัติงาน
การทดสอบเชิงปฏิปักษ์
การทดสอบควรตรวจสอบว่าอินพุตที่ถูกบิดเบือน ข้อมูลที่เสียหาย สภาวะการทำงานที่ผิดปกติ หรือส่วนประกอบซอฟต์แวร์ที่ถูกเจาะสามารถส่งผลต่อพฤติกรรมของ AI ได้หรือไม่
การติดตามการปรับใช้แบบต่อเนื่อง
หลังการนำไปใช้งาน องค์กรควรติดตาม:
- การเปลี่ยนแปลงประสิทธิภาพของโมเดล
- คุณภาพข้อมูลเสื่อมลง
- การอัปเดตซอฟต์แวร์
- การปรับเปลี่ยนการกำหนดค่า
- พฤติกรรมที่ไม่คาดคิดของ AI
ความไว้วางใจต่อ AI ไม่อาจสร้างขึ้นได้เฉพาะในระหว่างการพัฒนา แต่ต้องได้รับการรักษาไว้ตลอดวงจรชีวิตการปฏิบัติงาน
การกำกับดูแลโดยมนุษย์ยังคงมีความสำคัญอย่างยิ่งในการดำเนินงานที่ขับเคลื่อนด้วย AI
ความเข้าใจผิดที่พบบ่อยประการหนึ่งคือ ความสามารถของ AI ที่เพิ่มขึ้นย่อมหมายถึงการมีส่วนร่วมของมนุษย์ที่ลดลงโดยอัตโนมัติ ในสภาพแวดล้อมอุตสาหกรรม แนวทางนี้ก่อให้เกิดความเสี่ยงที่ไม่จำเป็น
ผู้ปฏิบัติงานที่เป็นมนุษย์มีความเข้าใจบริบทที่ระบบ AI อาจไม่มี พวกเขาสามารถรับรู้สภาวะผิดปกติของโรงงาน ข้อจำกัดด้านการบำรุงรักษา ลำดับความสำคัญในการผลิต และข้อพิจารณาด้านความปลอดภัยที่อาจไม่มีอยู่ในชุดข้อมูลในอดีต
การใช้ AI ในระดับต่าง ๆ ควรกำหนดให้มีระดับการควบคุมที่แตกต่างกัน:
- ระบบให้คำแนะนำสามารถเสนอคำแนะนำโดยต้องได้รับอนุมัติจากผู้ปฏิบัติงาน
- ระบบควบคุมกำกับดูแลสามารถส่งผลต่อการดำเนินงานได้ภายในขีดจำกัดที่กำหนดไว้ล่วงหน้า
- ระบบอัตโนมัติต้องผ่านการตรวจสอบที่เข้มงวดยิ่งขึ้น มีกลไกการแทรกแซง และมีกลยุทธ์สำรอง
สำหรับการใช้งานที่เกี่ยวข้องกับความปลอดภัย ผู้ปฏิบัติงานต้องสามารถตรวจสอบ ทักท้วง แทรกแซง หรือปิดใช้งานการดำเนินการที่สร้างโดย AI ได้เสมอเมื่อจำเป็น
การดำเนินงานอุตสาหกรรมแบบอัตโนมัติต้องพัฒนาไปทีละขั้น
ไม่ควรมองว่าการดำเนินงานอุตสาหกรรมแบบอัตโนมัติเต็มรูปแบบเป็นเพียงการอัปเกรดซอฟต์แวร์อย่างง่าย แต่ควรมองว่าเป็นการถ่ายโอนอำนาจในการดำเนินงานจากมนุษย์ไปยังระบบอัจฉริยะอย่างค่อยเป็นค่อยไป
แนวทางการพัฒนาที่ใช้ได้จริงควรดำเนินไปตามหลายขั้นตอน:
- AI ให้การวิเคราะห์และคำแนะนำ
- AI ช่วยผู้ปฏิบัติงานด้วยการสนับสนุนการตัดสินใจ
- AI ควบคุมฟังก์ชันที่จำกัดภายใต้ขอบเขตที่เข้มงวด
- AI จัดการกระบวนการที่เลือกไว้โดยมีกลไกความปลอดภัยที่ผ่านการตรวจสอบแล้ว
แต่ละขั้นตอนต้องมีหลักฐานว่าระบบทำงานได้อย่างน่าเชื่อถือภายใต้เงื่อนไขการปฏิบัติงานที่กำหนด
อนาคตของ AI อุตสาหกรรมจะไม่ได้ขึ้นอยู่กับอัลกอริทึมที่ทรงพลังยิ่งขึ้นเพียงอย่างเดียว แต่จะขึ้นอยู่กับว่าผู้ผลิต ผู้รวมระบบ และเจ้าของสินทรัพย์สามารถแสดงให้เห็นได้หรือไม่ว่าระบบ AI มีความปลอดภัย คาดการณ์ได้ บำรุงรักษาได้ และมีผู้รับผิดชอบ
การสร้างแบบจำลองความน่าเชื่อถือที่พิสูจน์ได้สำหรับ AI อุตสาหกรรม
AI มีศักยภาพอย่างมากในการยกระดับระบบอัตโนมัติในภาคอุตสาหกรรม แต่ความไว้วางใจไม่อาจสร้างขึ้นได้ด้วยคำกล่าวอ้างด้านประสิทธิภาพเพียงอย่างเดียว
ระบบ AI อุตสาหกรรมที่น่าเชื่อถือต้องอาศัยองค์ประกอบหลายประการร่วมกัน ได้แก่:
- สถาปัตยกรรมที่ปลอดภัย
- คุณภาพข้อมูลที่ผ่านการตรวจสอบแล้ว
- การตรวจติดตามอย่างต่อเนื่อง
- วิธีการตรวจสอบความถูกต้องที่เข้มแข็ง
- ความรับผิดชอบของมนุษย์ที่ชัดเจน
- กลไกสำรองที่มีประสิทธิผล
ภาคอุตสาหกรรมใช้เวลาหลายทศวรรษในการสร้างความเชื่อมั่นต่อ PLC แพลตฟอร์ม DCS ระบบความปลอดภัย และเครือข่ายอัตโนมัติ ผ่านวินัยทางวิศวกรรมและการทดสอบอย่างเข้มงวด AI ก็ต้องดำเนินตามแนวทางเดียวกัน
เป้าหมายไม่ควรเป็นการแทนที่ความเชี่ยวชาญของมนุษย์ด้วยปัญญาประดิษฐ์ เป้าหมายควรเป็นการผสานความสามารถของ AI เข้ากับหลักวิศวกรรมอุตสาหการ เพื่อสร้างระบบอัตโนมัติที่ปลอดภัย มีประสิทธิภาพ และยืดหยุ่นมากขึ้น
