Google DeepMind mengatakan dua agen AI telah mereproduksi pengiraan kriptografi 1024-bit yang sudah diketahui, menangani pemrograman, pelaksanaan berskala besar, dan pembetulan dengan sekitar 20 mesej manusia, kebanyakannya persetujuan. Agen-agen tersebut mencapai hasil yang disahkan tiga hari dan 22 jam selepas kerja reka bentuk bermula. Seorang penyelidik DeepMind mengumumkan kerja ini pada 6 November sebagai reproduksi di persekitaran terkawal terhadap tolok ukur yang sudah diselesaikan.
Eksperimen ini melibatkan tanda tangan digital RSA bukan pemulihan kunci peribadi. Satu program berasingan dengan faktorisasi modulus memberikan jawapan kepada kira-kira 4 bilion soalan awal. Akses ke perkhidmatan simulasi penandatanganan berakhir sebelum sasaran dipilih. Agen-agen seterusnya mengira punca matematik yang diperlukan untuk tanda tangan baru tanpa membuat sebarang soalan tambahan. Kertas-kertas tersebut menyatakan bahawa keputusan ini tidak membawa ancaman kepada sistem kriptografi yang telah dilaksanakan yang menggunakan RSA dengan kunci 2048 bit atau lebih.
Penyelidik manusia memilih masalah, contoh dan sekatan akses ke perkhidmatan penandatanganan, kemudian bersetuju dengan syarat-syarat yang mengawal langkah-langkah tidak boleh dipulihkan. Kertas itu menyatakan bahawa penyelidik tidak menulis kod, tidak memulakan tugas, dan tidak mendiagnosis kegagalan. Agen pengawas mengurus reka bentuk, bajet sumber, dan semakan pengesahan. Agen pelaksana membangunkan dan menguji kod, memulakan tugas teragih, dan memperbaiki kegagalan. Pengawas merekrut agen sub-spesialis untuk mempercepatkan langkah aljabar linear. Agen-agen tersebut menghasilkan sebanyak 33,500 baris kod baru, menjalankan 336 eksperimen teragih, dan menghantar 218 mesej antara satu sama lain.
Penuhan ofset 32-bit menyebabkan pengiraan akar awal agen menjadi tidak tepat. Semakan pengesahan mengesan masalah tersebut, dan agen-agen mengenal pasti serta membaiki kesalahan tanpa mengulangi permintaan penandatanganan awal. Oleh itu, jumlah pesan manusia yang sedikit tidak menghapuskan keperluan pemilihan atau persetujuan tugas manusia.
Kertas kerja tersebut menempatkan penggunaan CPU untuk pengiraan yang selesai pada 391 tahun-coro, berbanding jumlah bulat sebelumnya sebanyak 1,380 untuk contoh dan algoritma yang sama. Angka-angka ini mewakili pengurangan kira-kira 3.5 kali dalam penggunaan CPU yang diukur. Usaha akademik sebelumnya berlangsung selama kira-kira lima bulan. Pengiraan DeepMind mencapai punca yang disahkan 3.2 hari selepas tugas penyaringan berskala penuh pertama bermula. Sumber puncak mencapai kira-kira 300,000 coro CPU dan 16 GPU. Penulis mengaitkan masa berlalu yang lebih singkat terutamanya kepada pelaksanaan selari.
Perubahan pelaksanaan dan eksekusi terhadap algoritma yang sedia ada menghasilkan penghematan CPU. Angka 391-core-year tidak termasuk sekitar 330 jam GPU yang dipesan, termasuk sekitar 100 jam penggunaan GPU aktif. Jumlah total juga tidak termasuk 7.5 tahun inti CPU yang digunakan untuk probe dan latihan. Perbezaan antara peranti keras yang digunakan untuk dua jumlah CPU mencegah perbandingan terkawal di bawah keadaan yang serupa.
Reproduksi yang diukur tidak menunjukkan algoritma baharu dalam kertas kerja tersebut pada skala kriptografi di bawah akses penandatanganan yang lebih ketat. Sebuah kertas kerja berasingan, Fan Factories, menganggarkan bahawa setiap sasaran 1024-bit tambahan akan berharga kira-kira 30 kali kurang daripada pelbagai saringan medan nombor. Anggaran ini mengandaikan pra-pengiraan bersama yang berkos kira-kira setara dengan satu pemfaktoran saringan medan nombor umum. Anggaran kos ini adalah anggaran heuristik peringkat utama, dan tiada fan factory telah dilaksanakan. Kertas kerja tersebut hanya memberi label kepada model prinsipal sebagai A dan B serta tidak menyediakan pautan ke repositori pelaksanaan awam, yang membataskan perbandingan luar.