DeepMind表示其AI代理進行了為期四天的密碼學測試，涉及約20條人類消息

Google DeepMind表示，兩個AI代理在近四天內重現了一個已知的1024位密碼學計算，過程中涉及約20條人類消息，主要是批准，推動了編碼、大規模執行和調試的研究。

這項測試涉及RSA數位簽名。在對模擬簽名服務進行數十億次提前查詢後，這些代理計算出了一個新的簽名所需的數學根，當訪問結束時，他們並未恢復私鑰。

工作報告顯示，完成的計算耗費了391個CPU核心年，與早期團隊在相同實例和算法上約1380的數字相比，這是約3.5倍的CPU使用量減少。GPU工作和初步探測不包括在內。

DeepMind研究員@pushmeet於11月6日宣布了這項工作，描述了一個沙盒重現先前解決的基準實例。論文表示，這些結果不會威脅基於2048位或更大RSA的已部署密碼系統。

人類選擇了問題、實例和簽名服務的限制，然後批准了不可逆步驟的條件。根據論文，研究人員沒有編寫代碼，沒有啟動作業，也沒有診斷故障。

一個監督代理維護設計、預算和檢查。一個執行者編寫和測試代碼，啟動分佈式作業並修復故障。監督者還招募了一個專家子代理來加速一個線性代數步驟。

這些代理生成了約33,500行新代碼，運行了336個分佈式實驗，並交換了218條消息。從設計到驗證結果，這項工作耗時三天22小時。

他們第一次計算的根是錯誤的，因為32位偏移溢出。正確性檢查捕捉到了這一錯誤，代理們在不重複提前簽名查詢的情況下定位並修復了它。有限的人類消息仍然伴隨著人類選擇的任務和批准閘。

少量人類消息。一個大型監督系統。

DeepMind報告了一個由兩個代理和一個專家助手組成的研究運行，並有人的批准閘和廣泛的並行計算。
工作分配
人類研究人員
問題 + 實例
簽名服務限制
批准閘條件
約20條消息
監督代理
設計和預算
設置檢查
審查結果
執行者代理
編寫和測試代碼
運行分佈式作業
診斷和修復
任務
結果 + 日誌
委派
專家助手
一個線性代數任務
218條消息在代理之間
336個分佈式實驗
報告的工作流程。人類閘仍然存在。
工作分配
人類研究人員
選擇問題 + 實例
設置簽名服務限制
批准閘；約20條消息
監督代理
設計、預算和階段檢查
審查結果；決定是否執行任務
執行者代理
編寫和測試代碼；運行作業
診斷和修復故障
結果 + 日誌
218條消息在代理之間
線性代數專家
由監督者委派
336個分佈式實驗
一個有反饋的監督工作流程，並在每個階段進行檢查。

探索加速測量的內容

探索加速測量CPU工作耗時
相同的計算透過實施和執行的變更使用了更少的CPU時間；GPU工作和探測是分開的。
相同實例。相同算法。CPU核心年數對於第一個驗證的根
早期研究 1,380
DeepMind運行 3910500 1,000 1,500
約3.5倍較低的CPU使用量391不包括GPU工作和7.5核心年的探測和排練。
相同實例。相同算法。CPU核心年數
第一個驗證的根，包括預計算
早期研究 1,380
DeepMind運行 391
約3.5倍較低的CPU使用量391不包括GPU工作和7.5核心年的探測和排練。
條形圖使用相同的零基準。
設計到結果花了3天22小時；全規模篩選時鐘花了3.2天。大型平行資源解釋了大部分日曆增益。
同一運行的兩個時鐘
不同的起始點解釋了兩個持續時間
設計開始
全規模篩選開始
根驗證
3天22小時
3.2天
峰值：約300,000個CPU核心+16個GPU。階段間距是示意性的。
同一運行的兩個時鐘
不同的起始點
設計開始
全規模篩選開始
根驗證
設計後3天22小時
全規模篩選後3.2天
峰值資源
約300,000個CPU核心+16個GPU。階段間距是示意性的，並非按比例。
約20條人類消息伴隨著一個監督的、資源密集的計算，具有可測量的實施增益。
作者的工作論文報告了一個已知的1024位實例。CPU總計不包括GPU工作和7.5核心年的探測。日曆比較主要反映平行性。這些數字不測量總財務成本或展示新的理論算法。
來源和證據

來源

1. DeepMind計算論文
2. 原始計算

支持事實

• DeepMind的工作論文報告兩個主要AI代理設計、實施、運行和調試了一個已知的1024位模根計算；人類研究者發送了約20條消息，大多是批准。[1]
• 人類研究者選擇了問題、oracle邊界和實例，並批准了不可逆步驟的條件；根據論文，人類沒有編寫代碼，沒有啟動作業，也沒有診斷故障。[1]
• 一個監督代理維護設計、預算和檢查；一個執行者編寫和測試代碼，監控作業和診斷故障，還有一個專家子代理加速了一個線性代數步驟。[1]
• 對於相同的模數、算法、多項式和因子基邊界，DeepMind報告第一個根的391 CPU核心年數與原始團隊的約1,380的圓整數相比，實施和執行變更使得CPU使用量減少約3.5倍；GPU工作和探測不包括在這個標題比較中。[1] [2]
• 391核心年的數字不包括GPU時間，約330 GPU小時被保留，約100忙碌，還有7.5核心年的探測和排練；論文指出，以先前CPU線性代數成本計算GPU的費用可獲得3.4倍的增益，或包括探測時為3.3倍。[1]
• 報告的運行從設計到驗證的根花了3天22小時，或從第一次全規模篩選工作花了3.2天，使用的峰值資源約為300,000個CPU核心和16個GPU；與原始五個月的比較主要反映平行性。[1] [2]
• 代理生成了約33,500行新代碼，啟動了336個分佈式實驗，並交換了218條消息；系統進行了16,292次工具調用，包括專家的調用。[1]
• 第一個計算的根因32位偏移溢出而錯誤；代理在正確性檢查失敗後定位並修復了它，而無需重複oracle批次。[1]

方法

源綁定角色和反饋圖。CPU條形圖共享零基準，寬度與報告的1,380和391核心年數成比例。報告的3.5倍比率是四捨五入的。時間圖顯示兩個起始點；階段間距是示意性的。原生面板切換CPU會計和經過時間視圖。

範圍

作者的工作論文帳戶針對一個已知的1024位實例。CPU總計不包括GPU工作和7.5核心年的探測。日曆比較主要反映了並行性。這些數字並未衡量總財務成本或展示新的理論算法。

資訊圖表由 CryptoSlate 提供

速度提升的測量

早期的學術計算大約花了五個月。DeepMind的運行從第一次全規模篩選工作到驗證的根大約花了3.2天，達到約300,000個CPU核心和16個GPU的峰值。作者將這一日曆時間差異主要歸因於並行性。

CPU的節省來自於現有算法內部的實施和執行變更。391核心年的總計不包括約330個保留的GPU小時，其中約100個是忙碌的，以及7.5核心年的探測和排練。CPU總計也來自不同的硬體，因此這不是一個可控的逐一比較。

加密設置也很重要：一個單獨的程序持有模數因式分解，回答了大約40億個提前查詢。在目標被繪製之前，它被撤回。然後，代理計算了目標的根，沒有進一步的查詢。

測量的重現並未展示論文中針對加密大小的更受限簽名訪問的新算法。一篇單獨的Fan Factories論文估計每增加一個1024位目標的成本約為多重數字域篩選的30倍，這是在共享預計算成本約為一個一般數字域因式分解之後的結果。這些是主要的啟發式估計；尚未實施任何風扇工廠。

工作論文僅將主要模型標識為A和B，並未鏈接任何公共實施庫，限制了外部比較。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。