Tom Kimpson AI 학습 연구, 전력 신호를 발견했지만 증거는 아니다

Tom Kimpson과 동료들은 시뮬레이션된 전력 추적 데이터에서 위장되지 않은 학습 실행의 최소 96%를 탐지했다고 보고했지만, 이 방법은 어떤 연산이 수행됐는지는 입증하지 못한다. Tom Kimpson AI 학습 연구는 전기적 패턴을 잠재적인 검사 신호로 전환한다. 다만 의심스러운 활동을 식별하는 것과 위반을 입증하는 것 사이에는 중요한 차이가 남는다.

2026년 10월 19일 공개된 이 사전 공개 논문은 Mauricio Baker와 Emlyn Graham을 공동 저자로 명시한다. 이 연구는 프로세서가 반복 작업을 조율하는 동기화 학습과 연관된, 변화하는 리듬을 추적한다. 핵심적인 한계도 분명하다. 시설 수준의 탐지 근거는 시뮬레이션에서 나온 것이다.

이로 인해 독립적인 물리적 모니터링과 컴퓨팅 일정에 대한 운영자의 통제 사이에 경쟁 구도가 형성된다. Yonadav Shavit의 컴퓨팅 모니터링 프레임워크를 포함한 이전 제안들은 하드웨어 기록을 통한 검증에 접근했다. 이 연구는 그러한 기록에 전적으로 의존하지 않고도 외부 측정이 유용한 근거를 더할 수 있는지 묻는다.

Tom Kimpson AI 학습 연구가 실제로 보고한 내용

저자들의 학습 탐지 연구는 위장되지 않은 실행 결과에서 1%의 오경보율을 보고한다. 가장 강력하게 시험된 은폐 방식은 5분 구간의 73%를 숨겼지만, 그러한 실행의 87%는 하루 동안 탐지됐다. 소규모 실험에서는 은폐가 비슷한 손실, 즉 예측 오류 측정값에 도달하기 위해 93%~267% 더 많은 연산을 필요로 하는 것과 연관됐다.

저자들은 비학습 활동과 유사한 사례, 검증되지 않은 스토리지 기반 은폐, 불확실한 확장성도 지적한다. 이러한 단서는 이것이 비밀 연구소를 식별하는 운영 시스템이 아니라, 가능한 검증 채널에 관한 연구 결과임을 뜻한다.

당장의 뉴스는 인프라에서 근거를 추출하는 제안된 방식이다. 이는 AI 개발을 규율하는 합의에 상반된 보장보다 더 구체적인 것이 필요하기 때문에 중요하다. 검사관에게는 평가하고, 보존하고, 이의를 제기할 수 있는 관측값이 필요하다.

그럼에도 독자는 과학적 질문과 집행상의 질문을 구분해야 한다. 탐지기는 관측값이 목표 패턴과 유사한지를 묻는다. 집행 절차는 특정 조직이 특정 의무를 위반했는지를 묻는다. 두 질문의 답에는 서로 다른 종류의 근거가 필요하다.

기존 모델 서비스는 허용되지만 새 모델 개발은 제한되는 가상의 시설을 생각해 보자. 학습된 모델을 사용해 출력을 생성하는 과정인 추론은 계속 허용된다. 비정상적인 전기적 패턴은 신고된 활동이 실제 운영과 일치하는지 확인할 근거가 될 수 있다.

그 관측은 조사를 시작하게 할 수 있다. 그러나 그것만으로 모델을 식별하거나, 모델의 역량을 입증하거나, 운영자가 합의된 기준을 넘었는지를 판단할 수는 없다. 각각의 결론에는 추가 근거가 필요하다.

이 구분은 제목을 읽는 방식도 바꾼다. 전력은 컴퓨팅 행동에 관한 단서를 제공할 수 있다. 조사관이 다른 어떤 요인이 이를 만들 수 있는지, 어떤 추가 근거가 모호성을 해소할지 이해할 때 단서는 유용해진다.

연구 독자에게 중요한 진전은 따라서 검증 가능한 명제다. 독립 팀은 물리적 관측이 현실적 조건에서 검증을 개선하는지 살펴볼 수 있다. 또한 제안된 관계가 어디에서 성립하지 않는지도 조사할 수 있다.

정책 입안자에게 관련된 질문은 비밀 학습이 불가능해졌는지보다 더 좁다. 추가 관측 채널이 설치와 사용을 정당화할 만큼 검사 시스템을 개선할 수 있는지다.

운영자에게 실질적인 의미는 인프라 행동이 잠재적으로 면밀한 검토 대상이 된다는 점이다. 모니터링이 합의의 일부가 된다면, 허용된 활동을 설명하는 일은 금지된 활동을 기록하는 일만큼 중요해질 것이다.

이는 검증 논의에서 의미 있는 변화다. 이는 검사관이 통제할 수 있는 측정값으로 관심을 옮기면서도, 교차 검증의 필요성은 유지한다.

독립 계량기는 운영자 신고에 압박을 가한다

독립적인 측정은 신고 그 자체를 근거로 취급하지 않고도 신고에 이의를 제기할 수 있기 때문에 가치가 있다. 이 원칙은 데이터 센터 전력 모니터링이 주목받는 이유를 설명한다.

운영자가 모든 주요 워크로드가 허용됐다고 기술한 보고서를 제출한다고 가정해 보자. 조사관은 그 보고서를 면밀히 검토할 수 있지만, 여전히 기본적인 문제에 직면한다. 신고를 하는 조직이 그 신고를 뒷받침하는 정보 상당 부분도 통제하기 때문이다.

외부 관측은 그 관계를 바꾼다. 검사관은 별도 절차를 통해 수집된 정보와 자신들이 전달받은 내용을 비교할 수 있다. 두 출처가 일치하면 신뢰가 강화되고, 불일치하면 조사할 구체적인 문제가 생긴다.

이 논리가 내부 기록을 무가치하게 만드는 것은 아니다. 상세 기록은 집계 측정값보다 활동을 훨씬 잘 설명할 수 있다. 가치는 서로 다른 약점을 가진 근거를 비교하는 데서 나온다.

유용한 역사적 참조 사례는 Yonadav Shavit의 2023년 컴퓨팅 모니터링 프레임워크다. 이 프레임워크는 장치 수준 기록, 학습 실행 검사에 도움이 되는 정보, 특수 칩 공급망 감독을 제안했다. 그 목적은 기밀성을 보존하면서 대규모 위반을 발견 가능하게 만드는 것이었다.

이 제안은 경쟁하는 경로를 보여준다. 검사관은 컴퓨팅 하드웨어에서 더 풍부한 정보를 얻거나, 주변 인프라에서 더 광범위한 관측값을 얻을 수 있다. 전자는 세부 정보를 제공하지만 기록의 무결성과 접근성에 관한 의문을 제기한다. 후자는 애플리케이션 기록과 거리를 두지만 그 의미에 대한 불확실성을 더 많이 남긴다.

따라서 합리적인 비교 기준은 근거의 품질이다. 어느 접근 방식이 다른 접근 방식으로는 얻을 수 없는 정보를 제공하는가? 채널들이 함께 작동할 때도 어떤 실패 가능성이 남는가?

가상의 합의는 신고를 사용해 예상 활동을 설정하고, 하드웨어 기록을 사용해 개별 작업을 설명할 수 있다. 이후 독립적인 측정값은 더 면밀한 검토가 필요한 시점을 식별할 수 있다. 각 출처에는 명확한 역할이 부여된다.

압박은 양측에 가해진다. 운영자는 불일치를 설명할 신뢰할 만한 절차가 필요하다. 검사관은 불일치를 중요하게 취급할 수 있는 방어 가능한 이유가 필요하다.

두 번째 의무는 주목할 만하다. 모니터링 당국은 기기가 객관적으로 보인다는 이유만으로 무제한 재량권을 받아서는 안 된다. 측정값에도 해석이 필요하고, 해석은 틀릴 수 있다.

통계 시스템을 통해 혐의를 받는 운영자는 이의를 제기할 수 있는 설명에 접근할 수 있어야 한다. 그렇지 않으면 기술적 불확실성이 신뢰할 만한 시정 장치 없는 행정 권력이 된다.

기업 고객에게는 별도의 우려가 있다. 이들은 신뢰할 수 있는 검증을 지지할 수 있지만, 독점적 워크로드가 불필요하게 공개되는 데는 반대할 수 있다. 모니터링 체계에는 접근, 보존, 2차 사용의 경계가 필요하다.

그 경계는 시스템 유용성의 일부다. 조직이 검사 절차가 어떤 정보를 노출하는지 예측할 수 없다면, 참여 여부를 확신 있게 평가할 수 없다.

따라서 이 연구는 잠재적으로 규정을 준수하지 않는 운영자만큼이나 미래 합의의 설계에도 압박을 가한다. 물리적 신호는 그 신호가 나타난 뒤 무엇이 일어나는지 주변 규칙이 설명할 때만 도움이 된다.

전력 수요만으로는 작업을 식별할 수 없다

대규모 전력 사용은 수요를 보여주지만, 활동을 식별하려면 그 수요가 어떻게 발생했는지에 관한 근거가 필요하다. 이 두 질문을 혼동하면 배포 이전부터 AI 학습 탐지가 약화된다.

전력은 전기 사용률을, 에너지는 시간에 따라 소비된 양을 설명한다. 어느 수치도 단독으로는 기반 연산을 완전히 설명하지 못한다.

측정된 하드웨어 연구는 단순화된 판단에 대한 유용한 경고를 제공한다. Imran Latif와 동료들은 이미지 분류와 언어 모델 학습을 실행하는 8개 프로세서 NVIDIA H100 노드를 연구했다. 이들의 측정된 학습 전력은 제조사 정격인 10.2킬로와트보다 낮은 약 8.4킬로와트에서 최고치를 기록했다.

또한 함께 처리하는 예시 수인 배치 크기를 바꾸면 총 학습 에너지가 크게 달라진다는 사실도 발견했다. ResNet 실험에서는 이를 이미지 512개에서 4,096개로 늘리자 에너지 소비가 4분의 1로 줄었다.

이러한 결과가 보편적인 환산 규칙이 되어서는 안 된다. 여기서 중요한 점은 하드웨어 용량, 운영 구성, 측정된 전력 사용량이 서로 다른 것을 설명한다는 사실이다.

검사관에게 시설의 장비 목록은 어떤 활동이 가능한지를 보여줄 수 있다. 하지만 실제로 어떤 가능한 활동이 발생했는지는 입증하지 못한다. 전기 요금을 해석할 때도 같은 주의가 필요하다.

유용한 비유는 건물의 물 사용량이다. 사용량은 무언가 이례적인 일이 발생했음을 드러낼 수 있지만, 그 양만으로 활동을 식별할 수는 없다. 추가 맥락이 설명의 범위를 좁힌다.

실질적인 결과는 검증에 명확하게 규정된 질문이 필요하다는 점이다. 조사관은 한 시설이 신고되지 않은 워크로드를 운영했는지, 활동이 기준을 초과했는지, 기록이 일관되지 않은지를 물을 수 있다. 이러한 질문을 하나의 범주로 합쳐서는 안 된다.

서로 다른 질문에는 서로 다른 검증도 필요하다. 검사 우선순위를 정하는 데 유용한 시스템이 연산 규모를 추정하는 데는 부적합할 수 있다. 비정상 활동을 포착하는 데 유용한 시스템이 그 활동을 특정 임차인에게 귀속하는 데는 부적합할 수 있다.

이는 특히 공유 인프라에서 중요하다. 가상의 다중 임차 시설에서 집계 관측값은 여러 고객의 활동을 포함할 수 있다. 전체 시설이 예상 밖의 행동을 했다는 사실을 입증하는 것보다 책임을 할당하려면 더 구체적인 근거가 필요하다.

운영자 역시 일상적 변화와 의심스러운 변화를 구분해야 한다. 장비 교체, 워크로드 이전, 운영 절차 개정에는 문서화된 설명이 있어야 한다. 그 문서는 조사관이 위법 행위를 가정하지 않고 불일치를 해석하는 데 도움이 된다.

기업 구매자에게 이는 구체적인 조달 질문을 제시한다. 공급자가 모니터링되는 인프라를 홍보한다면, 정확히 무엇이 검증된 것인가? 모니터링 범위, 사고 탐지, 규정 준수 인증은 서로 다른 주장이다.

구매자는 누가 시스템을 평가했는지, 경보 후 어떤 결과가 따르는지도 물어야 한다. 매력적인 성능 통계는 그것이 뒷받침하는 결정에 관한 설명 없이는 불완전하다.

더 넓은 의미는 방법론적이다. 데이터 센터 전력 모니터링은 구체적인 조사 과제를 기준으로 평가돼야 한다. 모든 전기적 관측을 같은 것의 증거로 취급하면 실제 강점이 가려진다.

이러한 규율은 정당한 운영자를 보호하고, 진정한 불일치가 나타날 때 강력한 근거를 더욱 설득력 있게 만든다.

추론 시스템은 비교를 더 어렵게 만든다

신뢰할 수 있는 탐지기는 금지된 활동과 허용된 활동의 가장 현실적이고 강력한 사례를 구별해야 한다. 쉬운 비교는 운영상의 질문에 답하지 못하면서도 안심시키는 결과를 낼 수 있다.

관련 참조 범주는 중요합니다. 대화형 요청을 처리하는 시설은 예약된 평가를 처리하는 시설과 다르게 작동할 수 있습니다. 둘 다 추론을 포함할 수 있지만, 주변의 워크로드 구성 방식이 반드시 같을 필요는 없습니다.

원래의 PagedAttention 연구는 서빙 시스템이 스케줄링과 메모리 관리에 어떻게 의존하는지를 보여줍니다. Woosuk Kwon과 동료들은 저장된 어텐션 정보를 관리하고 더 큰 요청 배치를 지원하기 위해 vLLM의 기반이 되는 접근법을 도입했습니다.

이들의 평가는 vLLM을 FasterTransformer 및 Orca와 비교했으며, 시험 조건에서 처리량이 개선됐다고 보고했습니다. 처리량은 시스템이 시간에 따라 완료하는 작업량을 측정합니다. 이 시스템들은 검증 신호 제공이 아니라 서빙 효율성을 두고 경쟁합니다.

이 구분은 모니터링 연구에 중요한 함의를 가집니다. 고객 서비스를 최적화하는 운영 팀은 검사관을 위해 편리한 구분을 유지하려는 것이 아닙니다. 그들의 우선순위는 탐지기가 마주하는 운영 조건을 바꿀 수 있습니다.

따라서 비교에는 폭넓은 범위가 필요합니다. 미래 시스템을 평가하는 연구자들은 대화형 서비스, 예약된 처리, 허용된 워크로드의 혼합을 포함해야 합니다. 어떤 조건이 반영됐고 어떤 조건이 여전히 증거 범위 밖에 있는지 설명해야 합니다.

이는 제안된 평가 기준이지, 모든 서빙 구성이 모니터링을 무력화한다는 주장이 아닙니다. 그 목적은 좁은 벤치마크가 제한 없는 배포 주장으로 이어지는 것을 막는 데 있습니다.

가상의 기업 평가는 구체적인 사례를 제공합니다. 기업은 출시 전에 모델 버전을 비교하기 위해 정해진 프롬프트 모음을 처리할 수 있습니다. 조사관은 그러한 허용된 설명을 식별하고 이를 뒷받침하는 기록을 평가할 방법이 필요합니다.

운영자의 설명은 검증 가능해야 합니다. 비정상 활동이 단지 평가였다는 선언은 보존된 기록이 해당 기간과 일치할 경우 더 큰 무게를 갖습니다.

마찬가지로 검사관은 어떤 상반된 증거가 해석을 바꾸게 할지도 설명해야 합니다. 초기 판단을 수정할 수 없는 절차는 탐지를 추정으로 바꿔버릴 것입니다.

개발 팀도 관련된 문서화 과제에 직면하게 됩니다. 서비스 설계가 바뀌면 기존 모니터링 평가에 대한 검토가 필요할 수 있습니다. 이는 보고된 요구사항이라기보다 책임 있는 배포에 관한 추론입니다.

같은 원칙은 시설 간 비교에도 적용됩니다. 한 환경에서 측정된 성능이 장비와 워크로드 구성이 다른 다른 환경으로 자동 이전되어서는 안 됩니다.

AI 제품 사용자에게 관련성은 간접적이지만 실질적입니다. 검증 체계는 공급자가 무엇을 기록하고, 보관하고, 공개하는지에 영향을 줄 수 있습니다. 고객은 민감한 작업을 모니터링되는 인프라에 배치하기 전에 이러한 체계를 이해해야 합니다.

이 모든 것이 기밀 고객 콘텐츠의 공개를 요구하는 것은 아닙니다. 설계 과제는 관련 없는 공개는 제한하면서 조사 해결에 충분한 증거를 제공하는 것입니다.

이러한 균형은 계층형 검증의 필요성을 더욱 뒷받침합니다. 폭넓은 물리적 관측은 질문을 식별할 수 있고, 더 구체적인 기록은 통제된 접근 아래 그 질문에 답하는 데 도움이 될 수 있습니다.

가장 강력한 모니터링 제안은 평가에 까다로운 허용 워크로드를 기꺼이 포함할 것입니다. 그러한 사례는 시스템이 연구 벤치마크 밖에서 공정한 판단을 지원할 수 있는지 가늠하게 합니다.

경보에는 조사 절차가 필요하다

가장 중대한 배포 결정은 경보가 조사관에게 무엇을 할 권한을 부여하는지입니다. 이에 대한 명확한 답이 없다면 탐지 성능만으로 모니터링 시스템이 유용한지 입증할 수 없습니다.

경고는 설명 요청, 기록 보존 또는 더 상세한 검사를 촉발할 수 있습니다. 이러한 대응은 서로 다른 결과를 낳습니다. 따라서 서로 다른 수준의 뒷받침 증거가 필요합니다.

초기 선별 도구는 후속 절차가 모호성을 공정하게 해소한다면 불확실성을 감수할 수 있습니다. 처벌을 부과하는 데 쓰이는 시스템에는 더 강한 증거 기반이 필요합니다.

Mauricio Baker와 동료들이 공동 저술한 2025년 계층형 검증 프레임워크는 관련 맥락을 제공합니다. 이 프레임워크는 칩 보안, 분리된 모니터링 장치, 인력 기반 메커니즘을 포함하는 상호 보완적 접근법을 설명합니다.

저자들은 상당한 연구와 구현 작업이 여전히 필요하다고 지적하면서도, 중복성이 미래의 검증을 지원할 수 있다고 주장합니다. 또한 남용과 권력 집중을 막기 위한 보호 장치도 요구합니다.

이러한 관점은 신중한 제도적 해석을 뒷받침합니다. 새로운 관측 채널은 전체 절차에 기여하는 바를 기준으로 평가되어야 합니다. 모든 질문에 단독으로 답할 필요는 없습니다.

조사는 먼저 측정 자체가 신뢰할 수 있는지 확인하는 것으로 시작할 수 있습니다. 이후 조사관은 운영자의 설명을 검토하고 경쟁하는 설명을 구별할 수 있는 증거를 찾게 됩니다.

순서가 중요합니다. 기기가 오작동했다면 그 출력의 의미를 논하는 것은 노력을 낭비하는 일입니다. 기기가 정상 작동했다면 다음 질문은 그 관측이 무엇을 뒷받침하는지가 됩니다.

기록에는 원래 측정값, 적용된 해석, 그리고 이후의 수정이 보존되어야 합니다. 그래야 다른 검토자가 결론이 어떻게 형성됐는지 재구성할 수 있습니다.

이런 자료를 관리하는 연구 및 정책 팀에는 출처 맥락을 보존하는 검색 가능한 지식 베이스가 필요합니다. 정리된 증거는 예비 결과가 반복된 요약을 통해 확실성을 얻는 일을 막는 데 도움이 됩니다.

이러한 조직적 조치가 탐지기를 검증할 수는 없습니다. 하지만 의사결정자에게 가정, 수정 사항, 미해결 이견을 드러나게 할 수 있습니다.

오경보 역시 신중히 다뤄야 합니다. 실제 중요성은 모니터링이 얼마나 자주 이뤄지는지와 각 경보 뒤에 무엇이 따르는지에 달려 있습니다. 오차율이 크지 않더라도 부담스러운 조사 절차를 만들 수 있습니다.

이 때문에 제안된 배포는 기술 성능과 함께 예상되는 검토 업무를 설명해야 합니다. 검사관에게는 경보를 검토할 충분한 역량이 필요하고, 운영자에게는 예측 가능한 대응 방식이 필요합니다.

이의 제기 절차는 사실 오류와 해석 분쟁을 모두 다뤄야 합니다. 운영자는 관측이 발생했다는 데 동의하면서도 그로부터 도출된 결론은 거부할 수 있습니다.

바로 그러한 이견에서 독립적 검토가 중요합니다. 검토자는 관련 없는 상업 정보에 무제한으로 접근하지 않고도 추론 과정을 점검할 수 있어야 합니다.

보안 체계는 또 다른 절충을 만듭니다. 상세한 공개는 운영자가 시스템을 이해하는 데 도움이 될 수 있지만, 취약점을 드러낼 수도 있습니다. 합의 설계자는 무엇이 공개되고 무엇이 승인된 검토자에게만 제공되는지 명시해야 합니다.

적절한 균형은 헤드라인 정확도 수치만으로 도출할 수 없습니다. 이는 합의의 목적, 오류의 결과, 참여자의 권리에 달려 있습니다.

따라서 Tom Kimpson AI 훈련 연구에서 실질적인 정책 질문은 제안된 채널이 신뢰할 수 있는 의사결정 사슬을 지원할 수 있는지입니다. 이 사슬은 측정에서 설명, 보강 증거, 검토까지 이어집니다.

다음 증거는 현실적인 배포 시험에서 나와야 한다

다음으로 유용한 이정표는 모니터링 시스템이 지원하게 될 의사결정과 유사한 조건에서 더 강력한 검증을 수행하는 것입니다. 앞으로 몇 달 동안 독자들은 배포 일정을 가정하기보다 증거를 지켜봐야 합니다.

첫 번째 신호는 현실적인 컴퓨팅 환경에서 독립적으로 평가된 시험입니다. 유용한 공개 자료는 장비, 허용된 워크로드, 측정 조건, 평가 절차를 설명할 것입니다.

중요한 결과는 재현 가능성입니다. 다른 팀도 결과가 어떻게 얻어졌는지 이해하고 그 결과가 어디에 적용되는지 식별할 수 있어야 합니다.

성공적인 독립 시험은 실용적인 AI 훈련 탐지에 대한 주장을 강화할 것입니다. 신중하게 선택된 조건에만 한정된 결과는 더 좁은 해석을 뒷받침할 것입니다.

부정적 결과 역시 유익할 수 있습니다. 제안된 채널에 다른 계측 장비, 더 작은 범위 또는 검사 절차 내의 다른 역할이 필요함을 보여줄 수 있습니다.

두 번째 신호는 더 폭넓은 도전 과제 세트입니다. 평가는 까다로운 허용 활동과 관측 가능성을 낮추려는 시도를 포함해야 하며, 측정된 결과와 가정을 명확히 구분해야 합니다.

가능한 경우 독립 참여자도 포함해야 합니다. 시스템 설계자는 유용한 전문성을 갖고 있지만, 외부 팀은 원래 평가가 예상하지 못한 사례를 식별할 수 있습니다.

관련된 질문은 그러한 사례가 비교에 포함된 후에도 성능이 유용하게 유지되는지입니다. 더 강한 시험을 견딘 결과는 익숙한 조건에서 반복된 결과보다 더 큰 무게를 가집니다.

독자들은 연구자들이 실패를 어떻게 설명하는지도 살펴봐야 합니다. 놓친 사례에 대한 신중한 설명은 적절한 배포 경계를 정하는 데 도움이 됩니다. 설명되지 않은 종합 점수는 그 역할을 충분히 하지 못합니다.

세 번째 신호는 경보 처리에 관한 구체적인 제안입니다. 그 제안은 접근 권한, 보강 증거, 기밀성 보호 조치, 결론에 이의를 제기할 경로를 명시해야 합니다.

기술적으로 유망한 모니터가 취약한 검토 절차와 결합된다면 핵심 거버넌스 문제는 해결되지 않은 채 남게 됩니다. 잘 설계된 절차는 불확실성을 명시하고 그에 비례하는 대응을 배정할 것입니다.

개발자는 모니터링 체계가 인프라 요구사항과 문서화에 영향을 줄 수 있으므로 이러한 신호를 주시해야 합니다. 기업 구매자는 공급자 주장이 궁극적으로 검증 보증을 포함할 수 있으므로 이를 지켜봐야 합니다.

연구자는 공개된 증거가 독립적 비교를 뒷받침하는지 살펴봐야 합니다. 정책 입안자는 제안된 의무가 기기가 실제로 입증할 수 있는 내용과 부합하는지 살펴봐야 합니다.

이러한 발전이 극적인 발표 형태로 나올 필요는 없습니다. 재현 가능한 데이터세트, 신중한 재현 연구 또는 투명한 실패 분석은 집행 준비 상태에 관한 광범위한 주장보다 더 크게 기여할 수 있습니다.

Tom Kimpson AI 훈련 연구에 대한 적절한 대응은 그 증거의 흐름을 따라가는 것입니다. 실험 범위부터 검토하고 어떤 추가 관측이 신뢰도를 바꿀지 물어야 합니다. 공급자가 모니터링이 규정 준수를 입증한다고 주장하면 검증 조건과 경보 검토 절차를 요청해야 합니다. 정책 제안이 전기적 증거에 의존한다면 조사관이 의심과 뒷받침된 판단을 어떻게 구별하는지 확인해야 합니다. 기초 논문을 보존하고 이후 개정본을 원래 주장과 비교해야 합니다. 전력 신호를 비밀 훈련의 증거로 취급하기 전에 실용적인 질문을 던져야 합니다. 어떤 독립적 증거가 회의적인 검토자에게 운영자의 허용된 설명이 틀렸다고 확신시킬 수 있을까요?