దాచిన AI శిక్షణను పట్టుకునే విద్యుత్ మీటర్

కృత్రిమ మేధను నియంత్రించే ఒప్పందాలు ఏదో ఒక రోజు ఎంత పెద్ద మోడల్‌కు శిక్షణ ఇవ్వవచ్చో పరిమితం చేయవచ్చు. వాటిని అమలు చేయాలంటే, పర్యవేక్షణలో ఉన్న కంప్యూటింగ్ క్లస్టర్ ఒక మోడల్‌కు శిక్షణ ఇస్తోందో లేదో చెప్పగలిగే బయటి ధ్రువీకర్త (verifier) అవసరం — దాని నిర్వాహకుడు దాచడానికి ప్రయత్నిస్తున్నప్పుడు కూడా.

తనిఖీ చేసే చాలా మార్గాలకు నమ్మకం అవసరం: చిప్‌లపై ఉంచే లాగ్‌లు, వాటి మధ్య నెట్‌వర్క్‌పై ట్యాప్‌లు, సిబ్బందితో ఇంటర్వ్యూలు, విజిల్‌బ్లోయర్లు. ఇవన్నీ నిర్వాహకుడు నియంత్రించే హార్డ్‌వేర్‌పై గానీ నిర్వాహకుడి మనుషులపై గానీ ఆధారపడతాయి. చిప్‌ల బయట ఉండే భౌతిక సెన్సర్ అలా కాదు. ఒక సదుపాయపు ఇన్‌పుట్ కేబుల్‌పై బిగించిన విద్యుత్ మీటర్‌ను ఇప్పటికే ఉన్న డేటా సెంటర్‌కు తర్వాత అమర్చవచ్చు, తారుమారు కాకుండా సీల్ చేయవచ్చు.

శిక్షణ విద్యుత్‌లో ఒక జాడ వదులుతుందని ఇంతకుముందు పరిశోధన చూపించింది. కానీ ఆ అధ్యయనాలు ఒకే బోర్డుపై ప్రోబ్‌లను వాడాయి, సెకనుకు లక్షలాది సార్లు నమూనాలు తీసుకుంటూ, లేదా చిప్‌ల సొంత టెలిమెట్రీని వాడాయి. వాస్తవిక మీటర్ ర్యాక్ (సర్వర్ల అల్మారా) లేదా సదుపాయం స్థాయిలో ఉంటుంది, సుమారు పది లక్షల రెట్లు నెమ్మదిగా, సంకేతాన్ని నునుపు చేసి పలుచన చేసే విద్యుత్ సరఫరా యూనిట్ వెనుక.

శిక్షణ గుండె చప్పుడు

మెల్‌బోర్న్ విశ్వవిద్యాలయం, MATS కార్యక్రమానికి చెందిన Tom Kimpson, ఆక్స్‌ఫర్డ్ విశ్వవిద్యాలయానికి చెందిన Mauricio Baker, MATSకు చెందిన Emlyn Graham ఒక సాధారణ వాస్తవం నుంచి మొదలుపెడతారు. అనేక చిప్‌లు కలిసి ఒక మోడల్‌కు శిక్షణ ఇచ్చినప్పుడు, ప్రతి దశ ఒక అధిక-విద్యుత్ గణన దశను, చిప్‌లు తమ ఫలితాలను మార్చుకునే ఒక తక్కువ-విద్యుత్ దశను మారి మారి కలిగి ఉంటుంది. ఇది సుమారు సెకనుకు ఒకసారి జరుగుతుంది, సదుపాయపు విద్యుత్ వర్ణపటంలో (spectrum) ఒక సన్నని గీతను గీస్తుంది: ఒక పట్టకం కాంతిని విడదీసినట్లుగా విద్యుత్ సంకేతాన్ని దాని లయలుగా విడదీస్తే, సెకనుకు ఒకసారి వచ్చే స్పందన ఒకే పౌనఃపున్యం వద్ద ఒక పదునైన శిఖరంగా కనిపిస్తుంది.

ఆ గీతను గుర్తించడం అనిపించే దానికంటే కష్టం. నిజమైన శిక్షణ ఖచ్చితమైన తాళాన్ని పాటించదు: నెమ్మదైన భాగాలు, అతిగా వేడెక్కే చిప్‌లు, ఉష్ణోగ్రత మార్పులు లయను దారి తప్పిస్తాయి. నిర్వాహకుడు ఉద్దేశపూర్వకంగా దాన్ని దారి తప్పించవచ్చు, లేదా అస్పష్టం చేయవచ్చు.

అందుకే బృందం నిష్క్రియ సోనార్ (passive sonar) నుంచి, నిరంతర గురుత్వాకర్షణ తరంగాల అన్వేషణ నుంచి ఒక సాధనాన్ని తీసుకుంది: వితర్బి ట్రాకర్ (Viterbi tracker), ఇది ఒక స్పెక్ట్రోగ్రామ్ (ప్రతి క్షణంలో ఏ లయలు ఉన్నాయో చూపే పటం) గుండా నెమ్మదిగా జరుగుతూ పోయే మసక గీతను అనుసరిస్తుంది.

సిమ్యులేట్ చేసిన డేటా సెంటర్‌పై పరీక్ష

నిజమైన శిక్షణ సదుపాయం నుంచి బహిరంగ విద్యుత్ డేటా ఏదీ లేదు, అందుకే రచయితలు అలాంటి సదుపాయపు మోడల్‌ను నిర్మించారు. గ్రిడ్ స్థిరత్వం కోసం వాడే శిక్షణ విద్యుత్ యొక్క ప్రచురిత మోడల్ దానికి ఆధారం: ఒక ప్రధాన శిక్షణ రన్, నేపథ్యంలో చిన్న పనులు. ప్రత్యామ్నాయ, “నిర్దోష” దృశ్యం ప్రధాన రన్ స్థానంలో ప్రకటించిన అనుమితిని (declared inference) — వినియోగదారులకు మోడల్ సమాధానాలు అందించడం — ఉంచుతుంది, పరీక్షను కష్టతరం చేయడానికి రచయితలే దీన్ని ఉద్దేశపూర్వకంగా శబ్దభరితం చేశారు.

దాచడానికి ఏ ప్రయత్నమూ చేయని నిర్వాహకుడికి వ్యతిరేకంగా, ట్రాకర్ ఐదు నిమిషాల కిటికీల్లో కనీసం 96% శిక్షణ రన్‌లను గుర్తిస్తుంది, 1% తప్పుడు హెచ్చరికలతో, ఏ పరీక్ష అయినా సైద్ధాంతికంగా చేయగల అత్యుత్తమం కంటే గరిష్ఠంగా నాలుగు శాతం పాయింట్లు మాత్రమే తక్కువ. ఒకే స్థిర పౌనఃపున్యం వద్ద గీత కోసం వెతికే సంప్రదాయ పరీక్షలు లయ జరగడం మొదలవగానే కుప్పకూలుతాయి.

మూడు ఐదు-నిమిషాల రికార్డులపై ట్రాకర్ (నీలం): స్థిరమైన శిక్షణ (a), లయ 0.4 Hz, అంటే సెకనుకు 0.4 స్పందనలు, దారి తప్పే శిక్షణ (b; చుక్కల గీత, నిజమైన లయ), అనుమితి (c), ఇక్కడ అది కేవలం శబ్దాన్ని కలిపి కుడుతుంది, గుర్తింపు పరిమితి కిందే ఉంటుంది. — Figure 4, Kimpson et al. (2026), arXiv:2610.30182.

మీటర్ అధునాతనమైనదిగా ఉండనవసరం లేదు: అది సెకనుకు కనీసం రెండుసార్లు నమూనా తీసుకోవాలి, అర సెకను మించని వ్యవధిపై సగటు తీయాలి, విద్యుత్ సరఫరా యూనిట్ లయను మరీ లోతుగా వడపోయకూడదు.

శిక్షణ లయ జరుగుతూ పోతున్నప్పుడు 1% తప్పుడు హెచ్చరికల వద్ద గుర్తింపు రేటు: ట్రాకర్ (నీలం) సైద్ధాంతిక గరిష్ఠ పరిమితికి (చుక్కల గీత) దగ్గరగా ఉంటుంది. — Figure 5, Kimpson et al. (2026), arXiv:2610.30182.

దాక్కోవడానికి మూల్యం

ఆ తర్వాత బృందం మోసగాడి పాత్ర పోషించింది. వారు దాక్కోవడానికి ఎనిమిది మార్గాలు ప్రయత్నించారు: యాదృచ్ఛిక నిష్క్రియ సమయాన్ని జోడించడం, లయను జరపడం, ప్రతి దశను పునర్నిర్మించడం, శిక్షణను ఇతర పనుల మధ్య పలుచన చేయడం, ఇంకా మరిన్ని. స్థిర-పౌనఃపున్య పరీక్షలకు వ్యతిరేకంగా వాటిలో చాలావరకు పనిచేశాయి. ట్రాకర్‌కు వ్యతిరేకంగా దాదాపు ఏదీ పనిచేయలేదు — పరీక్షించిన 46 అమరికల్లో 43లో అది కనీసం 95% రన్‌లను పట్టుకుంది.

ఒక్క పద్ధతి మాత్రమే నిజంగా పనిచేసింది: ప్రతి దశలో పని పరిమాణాన్ని మార్చడం. దాని బలమైన రూపం వేగంలో ఏ నష్టమూ లేకుండా ఐదు నిమిషాల కిటికీల్లో 73% వరకు శిక్షణను దాచింది. కానీ దానికి మరో మూల్యం ఉంది. ఒక చిన్న నిజమైన శిక్షణ రన్‌లో — ఒకే A100 చిప్‌పై 3 కోట్ల పరామితుల భాషా మోడల్ — అదే నాణ్యతను చేరుకోవడానికి, వేరియంట్‌ను బట్టి, 93% నుంచి 267% ఎక్కువ కంప్యూటింగ్ పట్టింది.

పైగా కాలం మోసగాడికి వ్యతిరేకంగా పనిచేస్తుంది. ఒక్కో రన్‌కు 0.1% తప్పుడు హెచ్చరిక రేటుతో పూర్తి రోజు గమనిస్తే, ధ్రువీకర్త ఈ అత్యుత్తమ ఉపాయాన్ని వాడిన రన్‌లలో 87% పట్టుకున్నాడు, 44% మొదటి గంటలోనే. సుమారు ఏడింటిలో ఒకటి తప్పించుకుంది.

తదుపరి: నిజమైన మీటర్లు

రచయితలు స్పష్టమైన పరిమితులను పేర్కొంటారు. ప్రతి రికార్డూ కృత్రిమమైనది (synthetic); నిజమైన బహుళ-చిప్ సదుపాయంపై పరీక్ష ప్రణాళికలో ఉంది కానీ వారి దగ్గర ఇంకా లేని పరికరాలు దానికి అవసరం. మీటర్ ఒక క్రమబద్ధమైన లయను గుర్తిస్తుంది, శిక్షణను కాదు: ఇతర ఆవర్తన పనులు, లేదా చిప్ సొంత విద్యుత్-నిర్వహణ లూప్ దాన్ని ప్రేరేపించవచ్చు. అలాగే చిప్‌లకు, మీటర్‌కు మధ్య తగినంత పెద్ద శక్తి నిల్వ ఉంటే అది సంకేతాన్ని చదును చేయగలదు — అయితే అప్పుడు ధ్రువీకర్త చిప్‌లకు మరింత దగ్గరగా రెండో మీటర్‌ను అమర్చితే సరిపోతుంది.