Google DeepMind wdraża pierwsze na świecie podwójnie ślepe ewaluacje AI

Firma Google DeepMind poinformowała o uruchomieniu pionierskiego projektu w dziedzinie bezpieczeństwa systemów uczących się. 27 sierpnia 2026 roku ogłoszono pilotażowy program, którego celem jest każdorazowa i rzetelna ewaluacja AI w warunkach kryptograficznie zabezpieczonych. To pierwsze na świecie rozwiązanie, w którym wdrożono mechanizm znany między innymi z badań klinicznych – podwójnie ślepa próba – aby zagwarantować niezależność i wiarygodność wyników testowania zaawansowanych modeli klasy frontier.

Rozwój sztucznej inteligencji przyniósł branży technologicznej bezprecedensowe wyzwania w zakresie audytowania faktycznych możliwości tworzonych systemów. Do tej pory środowiska testowe borykały się z fundamentalnym problemem, jakim jest skażenie benchmarków (benchmark contamination). Zjawisko to przypomina sytuację, w której uczeń przystępujący do kluczowego egzaminu miałby wcześniejszy dostęp do pytań testowych. Jeśli model językowy podczas fazy treningu „zobaczy” zbiory danych służące później do jego oceny, uzyskiwane przez niego wysokie wyniki przestają być miarodajnym odzwierciedleniem rzeczywistych zdolności, co sztucznie zawyża zaufanie do maszyny.

Koniec ze skażeniem benchmarków

Dotychczasowe metody zabezpieczania niezależnych testów opierały się w dużej mierze na zaufaniu oraz dokumentach prawnych. Aby zapobiec wyciekowi danych z testów do wag modelu, stosowano rygorystyczne protokoły typu zero-logging oraz szeroko zakrojone gwarancje kontraktowe. Jednak w miarę jak systemy sztucznej inteligencji stają się coraz potężniejsze, a od ich rzetelności zależy bezpieczeństwo w tak wrażliwych sektorach jak administracja państwowa czy cyberbezpieczeństwo, same umowy przestały wystarczać. Wyniki ewaluacji muszą budzić bezwzględne zaufanie decydentów politycznych i badaczy.

Nowa inicjatywa eliminuje dotychczasowy kompromis, przed którym stawali twórcy modeli i niezależni audytorzy. W tradycyjnym podejściu konieczny był wybór: albo ewaluatorzy przekazywali swoje prompty testowe dostawcy modelu (ryzykując ich dekonspirację i włączenie do przyszłych treningów), albo twórca modelu udostępniał audytorom na zewnątrz własne wagi, narażając na kradzież krytyczną własność intelektualną. Podwójnie ślepe ewaluacje AI (double-blind AI evaluations) całkowicie rozwiązują ten dylemat.

Kryptograficzna czarna skrzynka w praktyce

Rozwiązanie opiera się na kryptograficznym „pudełku” – środowisku, w którym obie strony są od siebie ściśle odizolowane. Google DeepMind wykorzystuje do tego celu usługę Confidential Space, wchodzącą w skład portfolio Confidential Computing dostępnego w ramach chmury Google Cloud. Od strony sprzętowej i infrastrukturalnej ta „czarna skrzynka” opiera się na bezpiecznych enklawach izolowanych technologicznymi rozwiązaniami partnerów, takimi jak Intel TDX czy wyspecjalizowane akceleratory NVIDIA H100 Confidential GPUs.

Dzięki zastosowaniu ścisłych matematycznych i sprzętowych gwarancji środowisko funkcjonuje w oparciu o kryptograficzną weryfikację. W praktyce oznacza to, że zewnętrzny audytor nie ma żadnego wglądu w wagi testowanego modelu, podczas gdy inżynierowie Google nie są w stanie w żaden sposób podejrzeć poufnych promptów używanych przez ewaluatora do przeprowadzenia testu. Żadna ze stron nie musi opierać się na obietnicach, ponieważ izolacja obu zbiorów danych jest egzekwowana sprzętowo.

Test modelu Gemini Flash Lite i międzynarodowe partnerstwa

Pierwszym produktem poddanym badaniu wedle tej rygorystycznej metodologii został model Gemini Flash Lite. Aby zapewnić obiektywną ocenę, Google DeepMind nawiązało ścisłą współpracę z wiodącymi organizacjami zewnętrznymi, weryfikując architekturę przed publicznym wdrożeniem. Wśród niezależnych podmiotów testujących znalazł się działający przy rządzie Singapuru Singapore AI Safety Institute, powszechnie uznana platforma OpenMined, inicjatywa AVERI, a także cenione na całym świecie konsorcjum MLCommons.

Wspólne testy udowadniają, że niezależne organizacje badawcze oraz wyspecjalizowane komórki ds. bezpieczeństwa (AI Safety Institutes) są dziś w stanie obiektywnie badać sieci neuronowe bez jakichkolwiek kompromisów w zakresie suwerenności danych dostawców usług chmurowych i państw wykonujących audyty.

Nowy standard nadzoru nad AI

Chociaż czołowe firmy badawcze stosują szerokie spektrum wewnętrznych ocen w całym procesie powstawania sztucznej inteligencji, to opieranie się wyłącznie na takich testach uchodzi w środowisku ekspertów za niewystarczające z powodu tzw. martwych punktów. Pilotaż ogłoszony przez Google DeepMind bezpośrednio na to odpowiada. Wdrożenie testów w kryptograficznych kontenerach nie oznacza powstania kolejnej, jawnej tablicy liderów. Jest to demonstracja rzetelnego, bezpiecznego audytu klasy komercyjnej.

Zastosowanie podwójnie ślepych prób jest przełomem, na który czekała cała gałąź cyfrowej gospodarki. Udowadniając brak systemowego skażenia benchmarków, dostawcy modeli pomagają budować rynek powszechnie zaufanych systemów klasy enterprise, niezawodnie pracujących dla obywateli i firm na całym świecie.