Google DeepMind ระบุว่าเอเจนต์ปัญญาประดิษฐ์ (AI) สองตัวใช้เวลา 3 วัน 22 ชั่วโมงทำโจทย์คำนวณที่เกี่ยวข้องกับ RSA ขนาด 1,024 บิต ซึ่งเป็นกรณีที่มีคำตอบอยู่แล้ว ตั้งแต่เขียนและทดสอบโค้ด ไปจนถึงสั่งงานคำนวณแบบกระจายและแก้ปัญหาระหว่างรัน นักวิจัยส่งข้อความราว 20 ครั้ง โดยส่วนใหญ่เป็นการอนุมัติขั้นตอน ผลการทดลองชี้ว่า AI สามารถดำเนินงานคำนวณซับซ้อนได้ภายใต้ขอบเขตโจทย์และทรัพยากรที่มนุษย์กำหนด แต่ไม่ได้ยืนยันทฤษฎีอัลกอริทึมใหม่ตามที่เสนอในงานวิจัย และไม่ได้แสดงว่าระบบ RSA ที่ใช้งานทั่วไปกำลังเผชิญภัยคุกคามโดยตรง
ทำซ้ำโจทย์คำนวณลายเซ็น RSA ที่มีคำตอบแล้ว
การทดสอบนี้เกี่ยวข้องกับลายเซ็นดิจิทัล RSA บริการจำลองสำหรับออกลายเซ็นยอมรับคำขอล่วงหน้าราว 4 พันล้านครั้ง ก่อนกำหนดเป้าหมาย จากนั้นจึงปิดบริการ และให้เอเจนต์คำนวณรากทางคณิตศาสตร์ที่จำเป็นต่อการสร้างลายเซ็นใหม่ โดยไม่มีการส่งคำขอเพิ่มเติม งานวิจัยระบุว่าไม่ได้กู้คืนคีย์ส่วนตัว
Pushmeet นักวิจัยของ DeepMind แนะนำงานนี้เมื่อวันที่ 6 พฤศจิกายน เอกสารวิจัยอธิบายว่าเป็นการทำซ้ำในสภาพแวดล้อมจำกัดของโจทย์มาตรฐานที่เคยแก้ได้ก่อนหน้านี้ พร้อมระบุว่าผลลัพธ์ไม่เป็นภัยต่อระบบเข้ารหัสที่ใช้งานอยู่ ซึ่งใช้คีย์ RSA ขนาด 2,048 บิตขึ้นไป
ใช้ CPU ลดลง แต่เทียบกันตรง ๆ ไม่ได้
เอกสารวิจัยระบุว่าการคำนวณครั้งนี้ใช้ทรัพยากรเทียบเท่า 391 CPU core-years น้อยกว่าสถิติเดิมราว 1,380 CPU core-years ที่ทีมก่อนหน้าใช้กับโจทย์และอัลกอริทึมเดียวกัน หรือคิดเป็นการลดลงประมาณ 3.5 เท่าตามตัวเลขที่รายงาน อย่างไรก็ดี การคำนวณทั้งสองครั้งใช้ฮาร์ดแวร์ต่างกัน จึงไม่ใช่การทดสอบภายใต้เงื่อนไขเดียวกัน และตัวเลขดังกล่าวไม่ได้สะท้อนต้นทุนทางการเงินทั้งหมด
ยอด 391 CPU core-years ไม่รวมงานบน GPU และการสำรวจเบื้องต้นกับการซ้อมประมาณ 7.5 core-years การทดลองยังกันเวลา GPU ไว้ราว 330 ชั่วโมง โดยใช้งานจริงประมาณ 100 ชั่วโมง DeepMind ระบุว่าใช้เวลาประมาณ 3.2 วัน ตั้งแต่เริ่มงานคัดกรองเต็มรูปแบบครั้งแรกจนตรวจสอบผลได้สำเร็จ โดยช่วงที่ใช้ทรัพยากรสูงสุดมี CPU ราว 300,000 คอร์และ GPU 16 ตัว เมื่อเทียบกับระยะเวลาตามปฏิทินราวห้าเดือนในงานก่อนหน้า นักวิจัยชี้ว่าความแตกต่างหลักมาจากความสามารถในการประมวลผลแบบขนาน
นักวิจัยอนุมัติขั้นตอนสำคัญ ขณะที่ AI แบ่งหน้าที่กัน
นักวิจัยเป็นผู้เลือกโจทย์ กำหนดกรณีทดสอบ และวางข้อจำกัดของบริการลายเซ็น รวมถึงอนุมัติเงื่อนไขก่อนดำเนินการที่ย้อนกลับไม่ได้ เอกสารระบุว่านักวิจัยไม่ได้เขียนโค้ด เริ่มงานคำนวณ หรือวิเคราะห์ปัญหาที่เกิดขึ้นระหว่างการทำงาน
เอเจนต์ตัวหนึ่งรับผิดชอบเขียนและทดสอบโปรแกรม เริ่มงานคำนวณแบบกระจาย และแก้ปัญหาการทำงาน ส่วนเอเจนต์กำกับดูแลติดตามการออกแบบ งบทรัพยากร และขั้นตอนตรวจสอบ พร้อมเรียกเอเจนต์ย่อยเฉพาะทางมาช่วยเร่งการคำนวณพีชคณิตเชิงเส้น เอเจนต์ทั้งสองเพิ่มโค้ดรวมราว 33,500 บรรทัด ทำการทดลองแบบกระจาย 336 ครั้ง และแลกเปลี่ยนข้อความกัน 218 ข้อความ
รากทางคณิตศาสตร์ที่คำนวณได้ในครั้งแรกไม่ถูกต้อง เนื่องจากค่าออฟเซ็ต 32 บิตเกิดการล้น การตรวจสอบความถูกต้องพบข้อผิดพลาด และเอเจนต์ระบุต้นเหตุพร้อมแก้ไขได้โดยไม่ต้องส่งคำขอลายเซ็นล่วงหน้าใหม่ กระบวนการตั้งแต่ออกแบบจนยืนยันผลใช้เวลา 3 วัน 22 ชั่วโมง ขณะที่ข้อความจากมนุษย์ราว 20 ครั้งและขั้นตอนอนุมัติต่าง ๆ แสดงให้เห็นว่าการทดลองนี้ไม่ได้ทำงานโดยปราศจากการกำกับดูแล
ผลที่ได้ยังไม่ใช่การยืนยันอัลกอริทึมใหม่
การประหยัด CPU ที่รายงานมาจากการปรับปรุงการนำอัลกอริทึมเดิมไปใช้และการดำเนินงาน ไม่ใช่การสาธิตอัลกอริทึมใหม่สำหรับเงื่อนไขที่จำกัดการเข้าถึงบริการลายเซ็นมากขึ้น
งานวิจัยอีกชิ้นเกี่ยวกับ “Fan Factories” ประเมินว่า หากต้นทุนการคำนวณล่วงหน้าร่วมกันอยู่ในระดับใกล้เคียงกับการแยกตัวประกอบด้วย General Number Field Sieve หนึ่งครั้ง ต้นทุนของการเพิ่มเป้าหมาย 1,024 บิตแต่ละรายการอาจต่ำกว่าวิธี Multiple Number Field Sieve ราว 30 เท่า อย่างไรก็ตาม ตัวเลขนี้เป็นเพียงการประเมินเชิงเส้นกำกับ และยังไม่มีการพัฒนา Fan Factory ที่ใช้งานได้จริง
เอกสารวิจัยไม่ได้เปิดเผยชื่อโมเดลหลัก โดยเรียกโมเดลว่า A และ B และไม่ได้เชื่อมโยงไปยังคลังโค้ดที่เปิดเผยต่อสาธารณะ ทำให้นักวิจัยภายนอกยังเปรียบเทียบประสิทธิภาพของโมเดลได้ยาก ตัวเลขการใช้ CPU ทรัพยากร GPU และเงื่อนไขการอนุมัติโดยมนุษย์จึงเป็นส่วนสำคัญในการประเมินขอบเขตของผลการทดลองนี้