从传统到对话： 生成式人工智能applications如何改变数字交互
当引入与业务逻辑交互的新方式时，它们对applications的设计、部署和最终交付方式产生巨大影响。
例如，网络浏览器是打破单一架构的驱动力，为我们提供了如今我们所熟知的互联网架构：三层网络applications。 主界面很快就变成了 GUI，比之前的绿屏、命令行界面更容易导航。
得益于生成式人工智能，该界面正在再次发生变化。而这一次，影响将是巨大的。
确实，取代我们喜爱（有时令人厌恶）的图形界面的是一种与applications交互的新方式：对话界面。
由于生成式人工智能能够解析并理解我们的请求，自然语言界面正迅速成为与客户开展业务的“方式”。
除了彻底改变用户体验之外，这种转变还对开发人员如何构建applications、applications如何通信以及我们如何交付和保护这些applications的技术细节产生了重大影响。
三大关键变化
生成式人工智能applications中的三个关键技术变革正在推动其他领域的变革。
互动模式
交互模式描述了用户和处理请求的应用之间的流量来回流动的方式。 在传统应用s中，这些交互是静态的。 也就是说，我们知道每个页面和API 请求将要发送和接收什么。 我们定义哪些数据可以交换，并且作为安全工作的一部分，我们可以限制数据的类型和大小。
随着对话applications的出现，这种模式发生了改变。 对话可能简短而迅速，也可能会很长并提出冗长的请求。 随着多模式人工智能不断为生成人工智能的功能添加新类型的数据，对话可能包括图像、音频或视频。 也可能不会。 我们只是不知道。 这不仅使得安全性变得困难，而且也使得了解如何扩展和优化性能变得困难。 我们无法再预测资源消耗，因为它是高度可变和动态的。
对应用交付的影响
application开发
第二，应用开发会发生改变。 当开发人员构建常规应用s时，他们会使用 API。 但主要的交通模式是我们所说的“南北向”。 也就是说，最重要的流量和安全需求位于面向公众的应用“前门”。
生成式人工智能应用s仍会看到开发人员利用 API。 但 AI Orchestrator 也是如此，它是一种描述应用代理的奇特方式，该代理能够接收用户请求，并在解析请求后通过明确定义的 API 调用正确的服务。 这些将是定制服务，一些将由提供商提供，其他将是 LLM 的各种实例。随着 AI 协调器与实际上是“AI应用”组成部分的服务进行通信，这将导致“东西方”流量的显着增加。
对应用交付的影响
对话式应用s仍将产生大量的 NS 流量，但“东西”数据路径上的流量和内部传输及安全性需求将会增加。 这将要求应用交付和安全性从监视前门扩展到监视房屋的所有门，包括内部和外部。
多云环境的普及，应用组件遍布核心、云和边缘，将进一步要求应用程序交付将其 NS 功能应用于迅速成为 NE-SW数据路径，该路径使用安全的多云网络方法覆盖位置间流量。
输入和输出
最后，也许最明显的是从结构化输入和输出向非结构化的转变。 在技术发展的大部分历史中，我们都依靠结构化的输入和输出来设计从网络到数据库到applications的一切。
这一切都在改变。 输入和输出现在是“任何用户想要的”，开发人员不能再依赖数据类型或长度，就像安全操作不能根据预期的输入和输出构建策略一样。 这是applications通信方式的一次根本性改变，它将对应用程序的交付和安全性产生巨大影响。
对应用交付的影响
非结构化数据处理最大的影响在于安全性。 我们依赖于了解攻击者如何利用现有的数据结构和逻辑，因为结构化数据的处理方式存在一组明确的漏洞。
由于自然语言的可能性几乎无限，因此识别攻击变得极其困难，因为威胁面从词汇（句法）转移到语义（上下文和含义）。 这需要采用不同的方式来检查和评估请求和响应。 这就是为什么人工智能迅速成为安全工具箱中最好的工具之一；因为它理解自然语言和分析大量数据的能力可以洞察可能预示攻击的异常和异常值。
它还将数据安全技术带入应用程序安全领域，要求应用程序和 API 安全也从数据安全的角度检查和评估输入和输出。
生成式人工智能改变一切
几乎没有哪个领域尚未或短期内不会受到生成式 AI 的影响。applications的变更可能会受到用户的欢迎，但随着解决方案转向纳入新的流量模式和需求并了解新的威胁面，这将给安全和交付专业人员带来挑战。
生成式人工智能改变了一切，因为它改变了applications的一切。