Google DeepMind berkata dua ejen kecerdasan buatan (AI) menyiapkan pengiraan berkaitan RSA 1,024 bit yang sudah diketahui dalam tempoh hampir empat hari. Mereka menulis dan menguji kod, menjalankan tugasan teragih serta menyelesaikan masalah operasi, dengan penyelidik menghantar kira-kira 20 mesej yang kebanyakannya untuk memberi kelulusan. Ujian ini menunjukkan ejen boleh mengendalikan pengiraan kompleks dalam sempadan tugasan dan sumber yang ditetapkan manusia. Namun, ia tidak mengesahkan algoritma teori baharu yang dicadangkan dalam kertas kajian itu dan tidak bermakna sistem RSA yang digunakan secara meluas kini berdepan ancaman langsung.
Pengiraan tandatangan RSA yang telah diketahui
Ujian itu melibatkan tandatangan digital RSA. Dalam eksperimen tersebut, perkhidmatan tandatangan simulasi menerima kira-kira 4 bilion pertanyaan awal sebelum sasaran ditentukan. Perkhidmatan itu kemudian dihentikan. Tanpa membuat pertanyaan lanjut, ejen mengira satu punca matematik yang diperlukan untuk menghasilkan tandatangan baharu. Kunci persendirian tidak dipulihkan.
Penyelidik DeepMind, Pushmeet, memperkenalkan kerja ini pada 6 November. Kertas kajian menyifatkannya sebagai ulangan dalam persekitaran terkawal bagi satu kes penanda aras yang sebelum ini telah diselesaikan. Kajian itu juga menyatakan hasil tersebut tidak mengancam sistem kriptografi yang telah digunakan dan berasaskan kunci RSA 2,048 bit atau lebih panjang.
Penggunaan CPU berkurang, tetapi perkakasan berbeza
Kertas kerja itu merekodkan penggunaan sebanyak 391 tahun-teras CPU, lebih rendah berbanding kira-kira 1,380 tahun-teras CPU yang digunakan pasukan sebelum ini pada kes dan algoritma yang sama. Berdasarkan angka yang dilaporkan, penggunaan itu berkurang kira-kira 3.5 kali. Bagaimanapun, kedua-dua pengiraan menggunakan perkakasan berbeza, maka perbandingan itu bukan ujian dalam keadaan yang benar-benar setara. Angka tersebut juga tidak menunjukkan jumlah kos kewangan keseluruhan.
Angka 391 tahun-teras CPU tidak merangkumi kerja GPU atau kira-kira 7.5 tahun-teras yang digunakan untuk tinjauan dan latihan awal. Eksperimen itu turut memperuntukkan kira-kira 330 jam masa GPU, dengan sekitar 100 jam digunakan secara aktif. DeepMind berkata kira-kira 3.2 hari berlalu dari permulaan tugasan saringan berskala penuh hingga pengesahan hasil. Pada kemuncaknya, pengiraan menggunakan kira-kira 300,000 teras CPU dan 16 GPU. Penyelidik mengaitkan perbezaan utama berbanding tempoh kalendar kira-kira lima bulan sebelum ini dengan keupayaan pengkomputeran selari.
Kelulusan manusia dan pembahagian tugas ejen
Penyelidik memilih masalah dan kes khusus, menetapkan batas perkhidmatan tandatangan, serta meluluskan perkara berkaitan sebelum tindakan yang tidak boleh dibatalkan. Menurut kertas kajian itu, mereka tidak menulis kod, memulakan tugasan pengiraan atau mendiagnosis kerosakan.
Ejen pelaksana menulis dan menguji program, menjalankan tugasan teragih serta membaiki masalah operasi. Ejen penyelia pula memantau reka bentuk, belanjawan sumber dan langkah pemeriksaan, selain menggunakan satu ejen kecil khusus untuk mempercepat proses algebra linear. Kedua-dua ejen menghasilkan kira-kira 33,500 baris kod baharu, menjalankan 336 eksperimen teragih dan bertukar 218 mesej.
Punca matematik yang dikira pada percubaan pertama didapati salah akibat limpahan nilai pada ofset 32 bit. Pemeriksaan ketepatan mengesan masalah itu, lalu ejen mengenal pasti dan membetulkan ralat tanpa mengulangi pertanyaan tandatangan awal. Keseluruhan proses daripada reka bentuk hingga pengesahan mengambil masa 3 hari 22 jam. Kira-kira 20 mesej dan kelulusan manusia menunjukkan operasi itu bukan proses yang berjalan sepenuhnya tanpa penyeliaan.
Penjimatan CPU bukan pengesahan algoritma baharu
Penjimatan CPU yang dilaporkan dalam kertas kajian berpunca daripada penambahbaikan pelaksanaan dan operasi algoritma sedia ada. Eksperimen ini tidak menunjukkan algoritma baharu untuk keadaan akses tandatangan yang lebih terhad. Satu lagi kertas kajian mengenai “Fan Factories” menganggarkan bahawa, selepas kos prakiraan bersama menyamai satu pemfaktoran menggunakan saringan medan nombor umum, kos menambah setiap sasaran 1,024 bit mungkin kira-kira 30 kali lebih rendah berbanding saringan medan nombor berbilang. Angka itu masih anggaran asimptotik, dan Fan Factory belum dilaksanakan setakat ini.
Kertas kerja itu tidak mendedahkan nama khusus model utama, sebaliknya merujuknya sebagai A dan B. Ia juga tidak memautkan repositori kod pelaksanaan awam, menyebabkan penyelidik luar belum dapat membandingkan prestasi model secara bebas. Penggunaan CPU dan GPU serta syarat kelulusan manusia perlu diambil kira ketika menilai hasil eksperimen tersebut.