Hardveres ellenőrzés kellhet a nemzetközi AI-megállapodáshoz
A nemzetközi AI-megállapodások csak akkor működhetnek, ha az államok és a fejlesztők ellenőrizni tudják egymás állításait. A The Future Society szerint ehhez a hardverbe épített biztonsági funkciók, a kriptográfia és az adatközpontokon kívül elhelyezett érzékelők is fontosak lehetnek.
- A nemzetközi AI-megállapodások ellenőrzés nélkül nem támaszkodhatnak kölcsönös bizalomra.
- Rövid távon a tanítási futtatások számítási kapacitásának küszöbértékét ellenőriznék.
- Passzív hálózati, energia- és hőérzékelők öt éven belül elkülöníthetik a tanítást a következtetéstől.
- Hosszabb távon a modellek biztonsági szabványoknak való megfelelését is bizonyítani kellene.
- A kormányoknak kutatásfinanszírozással, szabványokkal és közös infrastruktúrával kellene támogatniuk a fejlesztést.
A kölcsönös bizalmat technikai bizonyíték válthatja fel
A The Future Society 2026. szeptember 2-án közzétett anyaga szerint az Egyesült Államok és Kína vezeti a legfejlettebb mesterséges intelligencia rendszerek fejlesztését. A közöttük zajló verseny miatt egyik félnek sem érdeke, hogy saját kezdeményezésére lassítsa a fejlesztéseket, miközben az AI-képességek több esetben túlléphetik a jelenlegi biztonsági és védelmi gyakorlatok által lefedett kereteket.
Az anyag szerint ezért egyre több felhívás születik egy olyan nemzetközi megállapodásra, amely lassítaná, vagy az angol kifejezéssel élve ütemezné a frontier AI fejlesztését. Egy ilyen egyezmény azonban nem támaszkodhat pusztán arra, hogy a résztvevők elhiszik egymás beszámolóit. A feleknek elegendő információt kellene megosztaniuk a megfelelés bizonyításához, miközben nem fedik fel modelljeik, adataik és kódjuk érzékeny részleteit.
A javasolt ellenőrzési technológiák ezt a problémát kezelhetnék. A kriptográfiával kombinált, hardveres biztonsági funkciók olyan bizonyítékot adhatnak, amely alapján az ellenőrző fél megbízhat a közölt adatokban anélkül, hogy hozzáférne az alapul szolgáló rendszer teljes működéséhez.
Első lépésként a tanítási számítási kapacitást mérnék
A The Future Society szerint egy rövid időn belül megvalósítható megállapodásnak azt kellene ellenőriznie, hogy az AI-modellek tanítására használt számítási kapacitás egy előre meghatározott küszöbérték alatt marad-e. Ez csak durva közelítés a veszélyes képességekhez, de az anyag szerint technikailag kezelhető cél lehet.
Az ellenőrzésnek két kérdésre kellene választ adnia. Először azt kellene megállapítani, hogy nincs-e a nyilvántartott adatokon kívüli, titkos számítási kapacitás. Másodszor azt kellene elkülöníteni, hogy az ismert kapacitást tanításra vagy következtetésre használják-e. Tanítás esetén azt is ellenőrizni kellene, hogy a frontier modellek fejlesztése nem lépi-e át az egyezményben rögzített küszöböt.
A hosszabb távú cél ennél részletesebb lenne. A szolgáltatók önállóan ellenőrizhető módon bizonyíthatnák, hogy a betanított, házon belül használt és telepített modelljeik megfelelnek az elfogadott biztonsági szabványoknak. A tanítási futtatás méretének ellenőrzése önmagában nem garantálja a biztonságot, mivel kisebb modellek is mutathatnak elfogadhatatlanul veszélyes képességeket.
Az olcsóbban bevezethető érzékelők lehetnek az első eszközök
Az ellenőrzési megoldások kiválasztásánál két fő kompromisszumot kell mérlegelni. A chiphez közeli mechanizmusok közvetlenebb bizonyítékot szolgáltathatnak, ezért az AI-munkafolyamatok szélesebb köre ellenőrizhető velük. Bevezetésük ugyanakkor hosszabb időt vehet igénybe, mert a vizsgált fél nem feltétlenül bízik az adott chipek biztonságában, ellátási láncában és működési környezetében.
A távolabb elhelyezett eszközök, például az energiafogyasztást, a hőmérsékletet és a hálózati forgalmat figyelő érzékelők kevesebb információt adnak, viszont meglévő adatközpontokhoz is hozzáadhatók. A The Future Society szerint az ilyen, passzív, chipen kívüli érzékelők öt éven belül elkülöníthetik a tanítást a következtetéstől. Az anyag ezeket tekinti egy lehetséges ütemezési megállapodás minimális technikai alapjának.
A szervezet olyan további fejlesztéseket is sürget, mint a kölcsönösen védett ellenőrzési létesítmények, az adatvédelmet megőrző értékelési protokollok és a titkos számítási kapacitás felismerését szolgáló módszerek. A kormányoknak a kutatás finanszírozásán túl közös szabványokat és független tesztelési kapacitást kellene kialakítaniuk. Az együttműködés koordinációjára az International Network for Advanced AI Measurement, Evaluation, and Science hálózatát is felhasználhatnák, miközben díjakkal, előzetes piaci kötelezettségvállalásokkal, közbeszerzéssel és engedélyezéssel teremthetnének korai keresletet.
A felhasználók számára ez közvetve jelenthet nagyobb bizalmat az AI-rendszerek biztonsága iránt. A piac szintjén az anyag egy olyan ellenőrzési infrastruktúra szükségességét vázolja fel, amely a vállalatok és az egymással versengő államok számára is bizonyíthatóvá teheti a megállapodások betartását, miközben védi az érzékeny technikai információkat.
The Future Society: How To Make International AI Verification a Reality
