Pentágono prepara circuitos fechados para treinar modelos de IA em dados classificados

O Pentágono está preparando circuitos fechados para treinar modelos de IA em dados classificados

O Departamento de Defesa dos EUA está desenvolvendo infraestrutura para treinar modelos de inteligência artificial em informações classificadas. Esta é uma mudança significativa da abordagem atual, onde a maior parte do trabalho com grandes modelos de linguagem acontece no setor comercial com dados abertos. Agora o Pentágono quer criar ecossistemas independentes onde dados classificados permaneçam dentro de perímetros seguros.

O Que Está Mudando Agora

Tradicionalmente, o Pentágono usava modelos de IA treinados em dados públicos e tentava adaptá-los para tarefas militares. Isso tinha limitações óbvias:

• Os modelos careciam de compreensão de contextos classificados e inteligência militar específica
• O ajuste fino em dados classificados exigia transferir informações para provedores de nuvem comerciais, o que criava riscos de segurança
• Havia sempre um risco de vazamento de informações através dos pesos do modelo

Agora a abordagem está mudando. O Pentágono quer treinar modelos diretamente em inteligência classificada, imagens de satélite e outros dados sensíveis sem sair das instalações seguras.

Como o Treinamento Será Organizado

O Departamento de Defesa está construindo centros de dados especializados dentro de instalações classificadas. Esses centros irão:

• Hospedar clusters de GPU e outra infraestrutura de computação com autorizações de segurança apropriadas
• Operar independentemente de provedores de nuvem comerciais
• Usar dados classificados diretamente para treinamento de modelo e ajuste fino
• Manter controles de acesso estritos baseados em níveis de autorização de segurança

Esta abordagem permite ao Pentágono:

• Treinar modelos em inteligência que revela padrões visíveis apenas em contextos classificados
• Minimizar transferência de dados entre sistemas
• Manter controle total sobre todo o pipeline de treinamento
• Garantir que informações sensíveis não acabem em servidores comerciais

Principais Riscos do Esquema

Apesar do apelo de ecossistemas fechados, o plano tem várias vulnerabilidades:

Vazamento de pesos do modelo: Mesmo dentro de instalações seguras, modelos treinados podem ser roubados ou exfiltrados. Os pesos em si contêm informações sobre quais dados o modelo aprendeu.

Ameaças internas: Funcionários com autorizações apropriadas e acesso aos dados de treinamento e aos modelos treinados representam um risco significativo. Uma pessoa com o nível certo de acesso potencialmente poderia extrair informações valiosas.

Difícil de escalar: Infraestrutura customizada limita a capacidade computacional em comparação com provedores comerciais. Isso torna mais difícil treinar modelos verdadeiramente grandes com bilhões de parâmetros.

Manutenção e atualizações: Manter infraestrutura especializada atual e segura requer investimento constante e pessoal especializado.

Vulnerabilidades na cadeia de suprimentos: Componentes de hardware e software usados nestas instalações ainda podem conter backdoors ou vulnerabilidades.

O Que Isso Significa

A mudança do Pentágono em direção a circuitos de treinamento de IA fechados reflete uma compreensão crescente de que inteligência artificial treinada em dados classificados requer abordagens de segurança fundamentalmente diferentes das sistemas de IA comerciais.

Este movimento provavelmente irá:

• Acelerar o desenvolvimento de capacidades de IA especificamente projetadas para aplicações militares e de inteligência
• Criar novos requisitos de segurança e procedimentos de autorização para pesquisadores de IA
• Impulsionar investimento em soluções especializadas de hardware e software
• Potencialmente ampliar a lacuna entre capacidades de IA militares e desenvolvimento de IA comercial

O desafio para o Pentágono será equilibrar segurança (manter dados classificados isolados) com capacidade (construir modelos poderosos o suficiente para serem estrategicamente úteis). Este equilíbrio é difícil de alcançar, o que provavelmente é o motivo pelo qual o departamento decidiu investir em infraestrutura dedicada em vez de confiar em soluções comerciais.