छिपे एआई प्रशिक्षण को पकड़ने वाला बिजली मीटर

कृत्रिम बुद्धिमत्ता को नियंत्रित करने वाले समझौते एक दिन यह सीमा तय कर सकते हैं कि कितना बड़ा मॉडल प्रशिक्षित किया जा सकता है। उन्हें लागू करने के लिए एक बाहरी सत्यापनकर्ता (verifier) चाहिए होगा, जो बता सके कि निगरानी में रखा गया कोई कंप्यूटिंग क्लस्टर मॉडल प्रशिक्षित कर रहा है या नहीं — तब भी जब उसका संचालक इसे छिपाने की कोशिश कर रहा हो।

जाँचने के ज़्यादातर तरीक़ों में भरोसे की ज़रूरत होती है: चिप्स पर रखे गए लॉग, उनके बीच के नेटवर्क की टैपिंग, कर्मचारियों से साक्षात्कार, व्हिसलब्लोअर। ये सभी संचालक के नियंत्रण वाले हार्डवेयर या संचालक के लोगों पर निर्भर हैं। चिप्स के बाहर लगा एक भौतिक सेंसर ऐसा नहीं है। किसी सुविधा के इनपुट केबल पर क्लैंप किया गया बिजली मीटर किसी मौजूदा डेटा सेंटर में बाद में लगाया जा सकता है और छेड़छाड़ से बचाने के लिए सील किया जा सकता है।

पहले के काम ने दिखाया था कि प्रशिक्षण बिजली में एक निशान छोड़ता है। लेकिन उन अध्ययनों में एक ही बोर्ड पर लगे प्रोब इस्तेमाल हुए थे, जो प्रति सेकंड लाखों बार नमूना लेते थे, या फिर चिप्स की अपनी टेलीमेट्री। एक यथार्थवादी मीटर रैक (सर्वर की अलमारी) या सुविधा के स्तर पर होगा, लगभग दस लाख गुना धीमा, और एक ऐसी बिजली आपूर्ति के पीछे जो संकेत को समतल और पतला कर देती है।

प्रशिक्षण की धड़कन

University of Melbourne और MATS कार्यक्रम के Tom Kimpson, University of Oxford के Mauricio Baker, और MATS के Emlyn Graham एक सरल तथ्य से शुरुआत करते हैं। जब बहुत-से चिप्स मिलकर एक मॉडल प्रशिक्षित करते हैं, तो हर चरण एक उच्च-शक्ति गणना चरण और एक निम्न-शक्ति चरण के बीच बारी-बारी से चलता है, जिसमें चिप्स अपने नतीजों का आदान-प्रदान करते हैं। ऐसा लगभग हर सेकंड एक बार होता है, और यह सुविधा की बिजली के स्पेक्ट्रम में एक पतली रेखा खींच देता है — बिजली के संकेत को उसकी लयों में तोड़िए, जैसे प्रिज़्म प्रकाश को तोड़ता है, तो हर सेकंड एक बार की धड़कन एक ही आवृत्ति पर एक तीखे शिखर के रूप में दिखती है।

उस रेखा को पहचानना जितना लगता है उससे कठिन है। वास्तविक प्रशिक्षण एकदम सही ताल नहीं रखता: धीमे पुर्ज़े, ज़्यादा गर्म होते चिप्स और तापमान के बदलाव लय को भटका देते हैं। और कोई संचालक इसे जान-बूझकर भटका सकता है, या फैलाकर धुँधला कर सकता है।

इसलिए टीम ने निष्क्रिय सोनार (passive sonar) और सतत गुरुत्वीय तरंगों की खोज से एक औज़ार उधार लिया: विटर्बी ट्रैकर (Viterbi tracker), जो स्पेक्ट्रोग्राम (एक नक्शा कि पल-पल कौन-सी लयें मौजूद हैं) में धीरे-धीरे खिसकती एक धुँधली रेखा का पीछा करता है।

एक सिम्युलेटेड डेटा सेंटर पर परीक्षण

किसी वास्तविक प्रशिक्षण सुविधा का कोई सार्वजनिक बिजली डेटा उपलब्ध नहीं है, इसलिए लेखकों ने उसका एक मॉडल बनाया, जो ग्रिड स्थिरता के लिए इस्तेमाल होने वाले प्रशिक्षण-बिजली के एक प्रकाशित मॉडल पर आधारित है: एक मुख्य प्रशिक्षण रन और पृष्ठभूमि में छोटे काम। वैकल्पिक, “निर्दोष” परिदृश्य मुख्य रन की जगह घोषित अनुमान (declared inference) रखता है — उपयोगकर्ताओं को किसी मॉडल के उत्तर परोसना — जिसे लेखकों ने जानबूझकर शोरभरा बनाया, ताकि परीक्षण और कठिन हो।

ऐसे संचालक के ख़िलाफ़ जो छिपाने की कोई कोशिश नहीं करता, ट्रैकर पाँच मिनट की खिड़कियों में कम-से-कम 96% प्रशिक्षण रन पकड़ लेता है, 1% झूठी चेतावनियों के साथ, जो सैद्धांतिक रूप से किसी भी परीक्षण के सर्वश्रेष्ठ संभव प्रदर्शन से अधिकतम चार प्रतिशत अंक नीचे है। एक ही निश्चित आवृत्ति पर रेखा खोजने वाले क्लासिक परीक्षण लय के खिसकते ही ढह जाते हैं।

पाँच-पाँच मिनट के तीन रिकॉर्ड पर ट्रैकर (नीला): स्थिर प्रशिक्षण (a), ऐसा प्रशिक्षण जिसकी लय 0.4 Hz, यानी 0.4 धड़कन प्रति सेकंड, तक भटकती है (b; टूटी रेखा, असली लय) और अनुमान (c), जहाँ यह केवल शोर को जोड़ता है और पहचान की दहलीज़ से नीचे रहता है। — चित्र 4, Kimpson et al. (2026), arXiv:2610.30182.

मीटर का बहुत परिष्कृत होना ज़रूरी नहीं: उसे प्रति सेकंड कम-से-कम दो बार नमूना लेना चाहिए, आधे सेकंड से ज़्यादा का औसत नहीं निकालना चाहिए, और बिजली आपूर्ति को लय को बहुत गहराई से छानकर नहीं हटाना चाहिए।

1% झूठी चेतावनियों पर, प्रशिक्षण-लय के खिसकने के साथ पहचान-दर: ट्रैकर (नीला) सैद्धांतिक ऊपरी सीमा (टूटी रेखा) के क़रीब बना रहता है। — चित्र 5, Kimpson et al. (2026), arXiv:2610.30182.

छिपने की क़ीमत

फिर टीम ने धोखेबाज़ की भूमिका निभाई। उन्होंने छिपने के आठ तरीक़े आज़माए: बेतरतीब निष्क्रिय समय जोड़ना, लय को खिसकाना, हर चरण का आकार बदलना, प्रशिक्षण को दूसरे कामों के बीच घोल देना, और भी बहुत कुछ। निश्चित-आवृत्ति परीक्षणों के ख़िलाफ़ ज़्यादातर तरीक़े कारगर रहे। ट्रैकर के ख़िलाफ़ लगभग कोई नहीं — परखी गई 46 में से 43 सेटिंग्स में इसने कम-से-कम 95% रन पकड़ लिए।

केवल एक तरीक़ा सचमुच कारगर रहा: हर चरण में काम की मात्रा बदलते रहना। इसके सबसे सशक्त रूप ने पाँच मिनट की 73% तक खिड़कियों में प्रशिक्षण को छिपा लिया, गति पर बिना कोई असर डाले। लेकिन इसकी एक दूसरी क़ीमत है। एक छोटे वास्तविक प्रशिक्षण रन में — एक अकेली A100 चिप पर 3 करोड़ पैरामीटर वाला भाषा मॉडल — वही गुणवत्ता पाने के लिए, संस्करण के अनुसार, 93% से 267% ज़्यादा कंप्यूटिंग लगी।

और समय धोखेबाज़ के ख़िलाफ़ काम करता है। पूरे एक दिन की निगरानी में, प्रति रन 0.1% की झूठी-चेतावनी दर के साथ, सत्यापनकर्ता ने इस सबसे अच्छी चाल का इस्तेमाल करने वाले 87% रन पकड़ लिए, उनमें से 44% पहले घंटे में ही। लगभग सात में से एक बच निकला।

अगला क़दम: असली मीटर

लेखक स्पष्ट सीमाएँ गिनाते हैं। हर रिकॉर्ड कृत्रिम (synthetic) है; किसी वास्तविक बहु-चिप सुविधा पर परीक्षण की योजना है, लेकिन इसके लिए ऐसे उपकरण चाहिए जो अभी उनके पास नहीं हैं। मीटर एक नियमित लय पहचानता है, अपने-आप में प्रशिक्षण को नहीं: दूसरे आवर्ती काम, या किसी चिप का अपना बिजली-प्रबंधन चक्र, इसे सक्रिय कर सकते हैं। और चिप्स व मीटर के बीच पर्याप्त बड़ा ऊर्जा भंडार संकेत को समतल कर सकता है — हालाँकि तब सत्यापनकर्ता बस चिप्स के और क़रीब एक दूसरा मीटर लगा सकता है।