આલ્ફાપ્રૂફ કોડ અને સિગ્નલ: મશીન-કોડ સુરક્ષા પુરાવા અને વિશ્વસનીય ધારણાઓ તપાસવામાં આવી

આ વીડિયોમાં શું આવરી લેવામાં આવ્યું છે

• AI એજન્ટ્સ ઉમેદવાર પુરાવા ઉત્પન્ન કરે છે; લીનનું કર્નલ તપાસે છે કે શું તેઓ માનવ-મંજૂર ઔપચારિક દાવો સ્થાપિત કરે છે.
• ચકાસાયેલ લક્ષ્ય ચોક્કસ સંકલિત લિબ સિગ્નલ CLI હાર્નેસ છે, જેમાં વિશ્વસનીય સિમેન્ટીક્સ અને ક્રિપ્ટોગ્રાફિક કરારો છે.
• સંકલિત દ્વિસંગી સાબિત કરવાથી તે દ્વિસંગીના દર્શાવેલ ગુણધર્મો માટે વિશ્વસનીય આધારમાંથી રસ્ટ કમ્પાઈલર દૂર થાય છે.
• સંશોધકો અગાઉ સુધારેલા બગ્સના બે અલગ-અલગ પુનરાવર્તનનો અહેવાલ આપે છે જે તેમના પ્રતીકાત્મક સુરક્ષા પ્રમેયનું ઉલ્લંઘન કરે છે.
• કમ્પેરેટર પ્રમેય અને દરેક આધારિત વ્યાખ્યાને સુરક્ષિત મંજૂર સ્પષ્ટીકરણ સામે તપાસે છે; સુધારાઓ એક અલગ સમીક્ષા પ્રક્રિયામાંથી પસાર થાય છે.

અનુવાદિત ટ્રાન્સક્રિપ્ટ

મૂળ અંગ્રેજી કથામાંથી અનુવાદિત. ઉપલબ્ધ ઑડિઓ અને કૅપ્શન્સ YouTube દ્વારા નિયંત્રિત થાય છે.

AI સુરક્ષા પુરાવાની તપાસ કોણ કરે છે?

0:00 AI સુરક્ષા ઓડિટ હજી પણ ચેટબોટ પર વિશ્વાસ કરવા જેવું લાગે છે. ગૂગલના નવા સિગ્નલ પરિણામ અલગ કર્નલ સાથે ગાણિતિક પુરાવા સાથે આવે છે તપાસે છે. આ વીડિયોમાં, ગૂગલે શું સાબિત કર્યું? અને તેઓ કેવી રીતે કોઈ એજન્ટને લક્ષ્યો બદલતા અટકાવે છે? અહીં ઉપયોગી જવાબ છે. મોડેલો ઉમેદવાર પુરાવા લખે છે, અને લીન પુરાવાને માનવ-મંજૂર દાવા સામે તપાસે છે જે પસંદ કરેલા સંકલિત કોડ વિશે છે. માનવો હજી પણ દાવા અને ધારણાઓના માલિક છે.

0:21 તમે મોડેલના વિજય ભાષણમાં વિશ્વાસ કર્યા વિના પરિણામ ચકાસી શકો છો. એક અલગ તપાસ શાંતિથી પ્રશ્ન બદલતા પકડે છે. આપણે તેને વ્યાખ્યાઓ સુધી અનુસરીશું. આ મંગળવાર, નવેમ્બર દસમી છે, અને આ The Daily Diff છે. આલ્ફાપ્રૂફ કોડ એ Google નું ફ્રેમવર્ક છે જે સોફ્ટવેર સ્પષ્ટીકરણો લખવા માટે માનવ માર્ગદર્શન અને AI એજન્ટો સાથે ચકાસાયેલ પુરાવા ઉત્પન્ન કરે છે. આ અભ્યાસ libsignal ને લક્ષ્ય બનાવે છે, જે સિગ્નલના મેસેજિંગને અમલમાં મૂકતી રસ્ટ લાઇબ્રેરી છે, ચોક્કસ કમાન્ડ-લાઇન પ્રોગ્રામની અંદર.

0:45 ગૂગલે આજે કાર્યની જાહેરાત કરી. તેના કાગળમાં કહેવામાં આવ્યું છે કે પાંચ સંશોધકોએ ચાર અઠવાડિયાથી વધુ કામ કર્યું. એજન્ટોએ પુરાવા લખ્યા, જ્યારે મનુષ્યોએ તેમનો મોટાભાગનો પ્રયત્ન સ્પષ્ટીકરણો પર ખર્ચ કર્યો. જરૂરિયાતો વધુ ખર્ચાળ બનવાનો માર્ગ શોધી કાઢ્યો છે મીટિંગ્સ. સ્પષ્ટીકરણ કહે છે કે પ્રોગ્રામને શું કરવું જોઈએ,

એક દાવો પુરાવાનો લક્ષ્ય કેવી રીતે બને છે?

0:59 હુમલાખોર શું નિયંત્રિત કરે છે, અને દલીલને કઈ ધારણાઓની જરૂર છે. સમીક્ષકો પૂછે છે કે શું તે સુરક્ષાને પકડી પાડે છે જેની લોકોને પરવા છે. એક નબળા પ્રશ્નનો સુંદર રીતે ચકાસાયેલ જવાબ તે પ્રશ્નને અકબંધ છોડી દે છે. ટીમ સિગ્નલના હેન્ડશેક અને તેના મેસેજ-કી પરના અગાઉના સંશોધન પર આધાર રાખે છે રેચેટ. ઔપચારિક વિશ્લેષણોએ પહેલાથી જ તે ડિઝાઈનનો અભ્યાસ કર્યો હતો. ગૂગલનો દાવો તેમની સુરક્ષા દલીલોને એક યથાસ્થિત ઉત્પાદન સાથે જોડે છે લાઇબ્રેરીના સંકલિત અમલીકરણ, જ્યાં ડિઝાઇનને સંપર્કમાં ટકી રહેવું પડે છે વાસ્તવિક કોડ. સિગ્નલના મુખ્ય ટેકનોલોજી અધિકારી, એહરેન ક્રેત,

1:27 અગાઉના ચકાસણીના નાના અવકાશથી આગળના વિસ્તરણનું વર્ણન કરે છે. અમલીકરણ વિગતોમાં આઉટ-ઓફ-ઓર્ડરનો સમાવેશ થાય છે સંદેશાઓ અને સંગ્રહિત સત્રો વિલંબિત સંદેશાઓ માટે. વાસ્તવિક સોફ્ટવેર તમારી ભવ્ય આકૃતિએ ફેંકી દીધેલી રસીદો રાખે છે. સંશોધકો યથાસ્થિત રસ્ટ લાઇબ્રેરીને પ્રમાણભૂત કમ્પાઈલર સાથે

સંકલિત દ્વિસંગી શા માટે સાબિત કરવું?

1:41 આર્મ 64 લિનક્સ એક્ઝેક્યુટેબલમાં સંકલિત કરે છે. તેમના પ્રમેય ઔપચારિક સૂચના મોડેલનો ઉપયોગ કરીને તે દ્વિસંગીનું વર્ણન કરે છે, સ્રોત અને ઑપ્ટિમાઇઝ મશીન કોડ વચ્ચેના અંતરને પાર કરીને. એક કમ્પાઈલર ભૂલ જે દર્શાવેલ ગુણધર્મને તોડે છે તે તેના પ્રમેયને ખોટો બનાવશે. તેથી કમ્પાઈલર આ દ્વિસંગી માટે વિશ્વસનીય આધાર છોડી દે છે. તમે હજી પણ સૂચના મોડેલ અને લીનના ચેકર પર વિશ્વાસ કરો છો. વિશ્વાસ સીમા ખસેડવામાં આવી છે, અને તેનું સરનામું છે. લગભગ છ અને અડધા મિલિયન લાઇન્સનો ચકાસાયેલ પુરાવો લગભગ છવીસ હજાર

2:06 વિશ્વસનીય સ્પષ્ટીકરણ અને સૂચના-સેમેંટિક્સ લાઇન્સ પર આધારિત છે. આ આર્ટિફેક્ટ ગણતરીઓ છે. તેમને બુદ્ધિના સ્કોર તરીકે ગણવા એ ડેવલપર્સને તેમના નોડ મોડ્યુલ્સ ફોલ્ડરના કદ દ્વારા ક્રમાંકિત કરવા જેવું છે.

કયા સુરક્ષા ગુણધર્મો અમલીકરણ ગેપમાંથી બચી ગયા?

2:16 દલીલો સંદેશ ગોપનીયતા અને પ્રમાણીકરણને આવરી લે છે, દર્શાવેલ મોડેલો હેઠળ ફોરવર્ડ ગુપ્તતા અને સમાધાન પછીની સુરક્ષા સાથે. તે છેલ્લા બે ચોરાયેલી-કીના નુકસાન અને તાજા આદાનપ્રદાન પછીની પુનઃપ્રાપ્તિ પરની મર્યાદાઓનું વર્ણન કરે છે. દરેક ગેરંટી હુમલાખોર અને સત્ર પર શરતો ધરાવે છે. ક્રિપ્ટોગ્રાફિક પ્રિમિટીવ્સ વિશ્વસનીય કરારો પાછળ બેસે છે. પુરાવો માને છે કે તે રૂટિન્સ નિર્ધારિત મુજબ વર્તે છે અને ક્રિપ્ટોગ્રાફિક સુરક્ષા ધારણાઓ પર આધાર રાખે છે. એક પુરાવો ક્રિપ્ટોગ્રાફીને આદર્શ બનાવે છે; બીજો હુમલાખોરની સફળતાની સંભાવનાઓ વિશે તર્ક કરે છે. બંને તેઓ આવરી લેતા દૃશ્યો પર પ્રતિબંધો ધરાવે છે.

2:42 કયા બિલ્ડ, કઈ ગુણધર્મ અને કઈ ધારણાઓ પૂછો. આ પરિણામ સંશોધકોના કમાન્ડ-લાઇન હાર્નેસને લગતું છે. જૂથ સંદેશાવ્યવહાર ભવિષ્યનું કાર્ય છે, અને કમ્પ્યુટેશનલ મોડેલ મલ્ટિ-ડિવાઇસ સ્થિતિને બાકાત રાખે છે. દરેક સિગ્નલ ઇન્સ્ટોલેશનને બગ-ફ્રી કહેવું પ્રમેયની બહાર ભટકે છે. સંશોધકોએ અગાઉ સુધારેલા બે સિગ્નલ બગ્સને

શું સ્પષ્ટીકરણ તૂટેલા કોડને નકારી શકે છે?

3:02 અલગ નકલોમાં ફરીથી દાખલ કર્યા અને તેમને સંકલિત કર્યા. ચકાસાયેલ પુરાવા દર્શાવે છે કે તે દ્વિસંગીઓએ પ્રતીકાત્મક સુરક્ષા પ્રમેયનું ઉલ્લંઘન કર્યું છે. તેણે પરીક્ષણ કર્યું કે શું સ્પષ્ટીકરણ વાસ્તવિક તૂટેલા અમલીકરણોને નકારી શકે છે. તમારા લીલા ચેકમાર્કને લાલ પરીક્ષણની જરૂર છે. ગૂગલ સ્પષ્ટીકરણો અને પુરાવાઓને ચકાસણી સૂચનાઓ સાથે પ્રકાશિત કરે છે. રીપોઝીટરી કહે છે કે ક્લીન બિલ્ડને કલાકો અને નોંધપાત્ર મેમરી લે છે. જાહેરાત વાંચવી લેપટોપ પર નોંધપાત્ર રીતે સરળ છે. હાર્ડવેર મોડેલ અને વિશ્વસનીય કરારોને હજી પણ સમીક્ષાની જરૂર છે.

3:26 મેં આ એપિસોડ માટે વિશાળ આર્ટિફેક્ટને ફરીથી બનાવ્યું નથી. અમે પ્રકાશિત પરિણામ અને તેની સીમાઓનો અહેવાલ આપી રહ્યા છીએ. બહારના લોકો પાસે તેની તપાસ કરવાનો માર્ગ છે, જે મને બીજા AI વિજય કરતાં વધુ મહત્વપૂર્ણ છે. હવે ફાંસો.

શું સાચો પુરાવો ખોટા પ્રશ્નનો જવાબ આપી શકે છે?

3:36 લીન એવા નિવેદનનો સાચો પુરાવો સ્વીકારી શકે છે જે લગભગ કંઈપણ માંગતો નથી. અશક્ય ધારણાઓ પ્રમેયને નિરર્થક બનાવી શકે છે. હેડલાઇન પ્રમેય હેઠળ દફનાવેલી વ્યાખ્યા બદલવાથી લક્ષ્ય નબળું પડી શકે છે. કાગળ આ સામે તપાસ ડિઝાઇન કરે છે. ગેટકીપર એક મંજૂર સ્પષ્ટીકરણ રાખે છે જેને પ્રૂફ એજન્ટો લખી શકતા નથી. તેઓ એક અલગ સુધારા પ્રક્રિયા દ્વારા સુધારા પ્રસ્તાવિત કરી શકે છે. સુરક્ષા નબળી પડવાને સંભવિત બગ તરીકે વધારવામાં આવે છે. પ્રૂવરની સફળતાની ઘોષણા અહીં કોઈ સત્તા ધરાવતી નથી.

4:00 માનવો વિશ્વસનીય ધારણાઓમાં ફેરફારોનું ન્યાય કરે છે, સીધા અથવા તેમની નીતિ દ્વારા, અને દરેક ઝુંબેશ પછી સુધારાઓની સમીક્ષા કરે છે. નિષ્ણાત નિર્ણય જવાબદાર રહે છે. એજન્ટ અલગ સોંપણીની વિનંતી કરી શકે છે. તે પોતાને પાસિંગ ગ્રેડ આપી શકતું નથી.

ચલિત લક્ષ્યોને શું પકડે છે?

4:13 અહીં વચનબદ્ધ તપાસ છે. લીનનો કમ્પેરેટર પ્રમેય અને તે જેના પર આધાર રાખે છે તે દરેક વ્યાખ્યાની તે સુરક્ષિત મંજૂર નકલ સાથે સરખામણી કરે છે. તે અનુમતિપ્રાપ્ત સ્વયંસિદ્ધ સિદ્ધાંતોની પણ તપાસ કરે છે અને તાજા કર્નલમાં પુરાવાને ફરીથી ચલાવે છે. તેથી હેલ્પર વ્યાખ્યાને શાંતિથી નબળી પાડવાથી સરખામણી કરવામાં આવતી વસ્તુ બદલાય છે. સ્વીકૃત પુરાવાએ મંજૂર લક્ષ્ય સ્થાપિત કરવું પડશે. તે હજી પણ મનુષ્યોને મજબૂત લક્ષ્ય અને પ્રમાણિક ધારણાઓ પસંદ કરવા માટે જવાબદાર રાખે છે. તમારા પોતાના AI વર્કફ્લો માટે, સ્વીકૃતિ માપદંડને વર્કરની સંપાદન પરવાનગીઓ

4:37 બહાર રાખો અને પ્રસ્તાવિત ફેરફારોની અલગથી સમીક્ષા કરો. ગૂગલનું પરિણામ તે વિભાજનને મૂર્ત બનાવે છે. પુરાવા લેખક કાર્ય કરે છે; ચકાસણી સીમા નક્કી કરે છે કે શું તે ગણાય છે. જો તમે મને તે કહેવાને બદલે આ વાંચવાનું પસંદ કરો છો, તો diff તમારા ઇનબોક્સમાં દરરોજ સવારે આવે છે, daily diff dot dev પર મફત, લિંક નીચે. તો આજનો ચુકાદો SHIP IT છે.

શું હું આ પુરાવા વર્કફ્લોને SHIP IT કરીશ?

4:54 હું આ ચકાસાયેલ-પુરાવા વર્કફ્લોને SHIP IT કરીશ કારણ કે મંજૂર દાવો જવાબ ઉત્પન્ન કરનાર એજન્ટથી અલગ રહે છે. હું દરેક પરિણામ સાથે અવકાશ અને ધારણાઓ જોડી રાખીશ. સબ્સ્ક્રાઇબ કરો, બેલ દબાવો, અને ટિપ્પણીઓમાં મને કહો કે જો તમે તેને અલગ રીતે સ્ટેમ્પ કર્યો હોત. અને આ આજ માટે diff છે. હું Axrisi થી Niko છું. જવાબદારીપૂર્વક મર્જ કરો.

સ્ત્રોતો

1. AlphaProof Code: Verifying Signal's Security at the Machine-Code Level — technical scope, trusted base and gatekeepingSwarat Chaudhuri and colleagues / Google DeepMind and Google
2. Introducing AlphaProof Code — November 10 announcement and attributed Signal CTO responsePushmeet Kohli and Swarat Chaudhuri / Google DeepMind
3. Code-verification repository — initial commit, public artifacts and checking instructionsGoogle DeepMind / GitHub
4. The PQXDH Key Agreement Protocol — older official specification and prior-analysis contextEhren Kret and Rolfe Schmidt / Signal
5. The Double Ratchet Algorithm — Triple Ratchet sectionTrevor Perrin, Moxie Marlinspike and Rolfe Schmidt / Signal
6. Google DeepMind leadership — Demis Hassabis's relevant lab identityGoogle DeepMind
7. Demis Hassabis in 2025 — authentic portrait, cropped/resized/compressed and unflipped; no background removal or generated expression/detail; lab identity only, no authorship, proof writing, current reaction or endorsementChristopher P. Michel / Cmichel67 / Wikimedia Commons
8. Portrait licence — CC BY-SA 4.0; attribution, adaptation disclosure and ShareAlikeCreative Commons
9. Expanding Brain template — cropped/captioned artifact-count satire, brief transformed <=2s commentary; no benchmark, hosting licence, legal-clearance or blanket reuse claimImgflip / user-uploaded meme template
10. Tom and Jerry — Boomerang Official actual animated reaction, silent resized/captioned 1.875s excerpt; brief transformed process commentary, no actual researcher or executive reaction, hosting licence, legal-clearance or blanket reuse claimBoomerang Official / GIPHY / Tom and Jerry
11. Boomerang GIF source link — uploader-provided provenanceBoomerang
12. AlphaProof Code discussion — attention context, anonymous opinions excluded from factual proof claimsHacker News
13. Code-verification licence — Apache 2.0 for Google code, third-party licences retainedGoogle / GitHub