Google DeepMind mengatakan dua agen AI mereproduksi komputasi kriptografi 1024-bit yang sudah dikenal, menangani pemrograman, eksekusi skala besar, dan debugging dengan sekitar 20 pesan manusia, terutama persetujuan. Agen-agennya mencapai hasil yang diverifikasi tiga hari dan 22 jam setelah pekerjaan desain dimulai. Seorang peneliti DeepMind mengumumkan pekerjaan ini pada 6 November sebagai reproduksi terisolasi dari benchmark yang sudah pernah diselesaikan.
Eksperimen ini melibatkan tanda tangan digital RSA, bukan pemulihan kunci pribadi. Sebuah program terpisah dengan faktorisasi modulus memberikan jawaban untuk sekitar 4 miliar kueri awal. Akses ke layanan penandatanganan simulasi tersebut berakhir sebelum target dipilih. Agen kemudian menghitung akar matematis yang diperlukan untuk tanda tangan baru tanpa melakukan kueri lebih lanjut. Makalah-makalah tersebut menyatakan bahwa hasilnya tidak menimbulkan ancaman terhadap sistem kriptografi yang telah diterapkan menggunakan RSA dengan kunci 2048 bit atau lebih.
Peneliti manusia memilih masalah, instance, dan batasan akses ke layanan penandatanganan, lalu menyetujui syarat-syarat yang mengatur langkah-langkah tak dapat dibatalkan. Makalah tersebut menyatakan bahwa peneliti tidak menulis kode, tidak memulai pekerjaan, maupun mendiagnosis kegagalan. Sebuah agen pengawas mengelola desain, anggaran sumber daya, dan pemeriksaan verifikasi. Sebuah agen eksekutor mengembangkan dan menguji kode, memulai pekerjaan terdistribusi, serta memperbaiki kegagalan. Agen pengawas merekrut sub-agen spesialis untuk mempercepat langkah aljabar linier. Para agen menghasilkan sekitar 33.500 baris kode baru, melakukan 336 eksperimen terdistribusi, dan mengirim 218 pesan satu sama lain.
Kebocoran offset 32-bit menyebabkan perhitungan akar awal agen menjadi tidak tepat. Pemeriksaan verifikasi mendeteksi masalah tersebut, dan agen mengidentifikasi serta memperbaiki kesalahan tanpa mengulangi permintaan penandatanganan awal. Jumlah pesan manusia yang sedikit因此 tidak menghapus kebutuhan pemilihan atau persetujuan tugas manusia.
Naskah kerja tersebut menempatkan penggunaan CPU untuk perhitungan yang selesai pada 391 core-tahun, dibandingkan dengan total bulat sebelumnya sebesar 1.380 untuk instance dan algoritma yang sama. Angka-angka tersebut mewakili pengurangan sekitar 3,5 kali dalam penggunaan CPU yang diukur. Upaya akademis sebelumnya berlangsung sekitar lima bulan. Perhitungan DeepMind mencapai akar yang diverifikasi 3,2 hari setelah pekerjaan penyaringan skala penuh pertama dimulai. Sumber daya puncak mencapai sekitar 300.000 core CPU dan 16 GPU. Penulis mengaitkan waktu yang lebih singkat terutama pada eksekusi paralel.
Perubahan implementasi dan eksekusi terhadap algoritma yang ada menghasilkan penghematan CPU. Angka 391-core-year tidak mencakup sekitar 330 jam GPU yang dipesan, termasuk sekitar 100 jam penggunaan GPU aktif. Total ini juga tidak mencakup 7,5 tahun inti CPU yang dihabiskan untuk probe dan latihan. Perbedaan antara perangkat keras yang digunakan untuk dua total CPU mencegah perbandingan terkendali dalam kondisi identik.
Reproduksi yang diukur tidak menunjukkan algoritma baru dalam makalah kerja pada skala kriptografi di bawah akses penandatanganan yang lebih ketat. Makalah terpisah, Fan Factories, memperkirakan bahwa setiap target tambahan 1024-bit akan biayanya sekitar 30 kali lebih rendah daripada multiple number field sieve. Perkiraan ini mengasumsikan prekomputasi bersama yang biayanya kira-kira setara dengan satu faktorisasi general number field sieve. Proyeksi biaya ini adalah perkiraan heuristik tingkat utama, dan belum ada fan factory yang diimplementasikan. Makalah kerja hanya memberi label model pokok sebagai A dan B serta tidak menyediakan tautan ke repositori implementasi publik, sehingga membatasi perbandingan dari pihak luar.