The Usefulness Gap in Proof-of-Useful-Work: An Empirical Study of Pearl's cuPOW Protocol
Diese empirische Studie zeigt auf, dass das Proof-of-Useful-Work-Protokoll von Pearl trotz hochkarätiger KI-Unterstützung und massivem Energieverbrauch keine tatsächliche KI-Berechnung erzeugt, da der Verifizierungsmechanismus fundamental fehlerhaft ist, wodurch legitime Forschungsarbeiten verdrängt werden, während den Minern kein wirtschaftlicher Wert geboten wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die große Idee: Ein „nützlicher“ Job, der eigentlich gar nicht arbeitet
Stellen Sie sich vor, ein neues Unternehmen namens Pearl startet ein riesiges Bauprojekt. Sie verkünden der Welt: „Wir stellen 320.000 Bauarbeiter (Computerchips) ein, um kostenlos einen Wolkenkratzer (KI-Modelle) zu bauen. Während sie den Wolkenkratzer bauen, verdienen sie zusätzlich ein Gehalt (Kryptowährungs-Token).“
Das Unternehmen behauptet, dies sei eine „Win-Win-Situation“: Die Arbeiter werden bezahlt und die Welt erhält im Gegenzug einen neuen Wolkenkratzer.
Dieses Paper ist die Untersuchung, die die Baustelle aufgesucht hat, um die Wahrheit herauszufinden: Die Arbeiter erscheinen, sie schwitzen und sie verdienen ihre Gehaltsschecks. Aber sie bauen keinen Wolkenkratzer. Sie bewegen lediglich wahllos Sandhaufen von einem Ort zum anderen, immer und immer wieder, ohne jeglichen Grund.
Das Paper nennt dies die „Nützlichkeitslücke“ (Usefulness Gap). Das System ist zwar so konzipiert, dass es nützliche Arbeit erlaubt, aber es zwingt niemanden dazu, diese auch tatsächlich zu leisten.
Die Untersuchung: Wie sie es bewiesen haben
Die Forscher (unter der Leitung von Abhinaba Basu) haben nicht nur geraten; sie haben eigene Werkzeuge gebaut und die Baustelle besucht, um genau zu messen, was dort geschieht. Hier sind die fünf wichtigsten Erkenntnisse:
1. Die Arbeiter haben die richtigen Werkzeuge, nutzen sie aber falsch
Die Forscher untersuchten 8.000 Arbeiter auf der Baustelle. Jeder einzelne von ihnen besaß einen hochmodernen Kran (eine leistungsstarke GPU), der in der Lage wäre, komplexe Strukturen (KI auszuführen) zu bauen.
- Das Ergebnis: Obwohl sie die Kräne hatten, war die Software, die sie ausführten, nur ein einfaches Skript, das wahllos Sand bewegte. Es gab keinen „Bauplan“ für einen Wolkenkratzer im Code. Es war, als würde man einen Spitzenkoch einstellen, ihm aber das Rezept geben, nur Wasser in einem Topf umzurühren.
2. Der Chef kontrolliert die Arbeit nicht
In einem normalen Job prüft ein Chef, ob Sie tatsächlich das Haus gebaut haben. Im System von Pearl prüft der „Chef“ (das Verifizierungsprotokoll) nur, ob Sie den Sand korrekt bewegt haben.
- Das Ergebnis: Dem Chef ist es egal, wie der Sand aussieht. Die Forscher bewiesen, dass man dem System einfach zufällige Zahlen zuwerfen kann und es diese als gültige Arbeit akzeptiert. Sie bauten sogar einen „gefälschten“ Miner, der zufällige Zahlen verwendete und genauso bezahlt wurde wie die echten Arbeiter.
3. Man kann den Chef leicht austricksen
Die Forscher fragten: „Was wäre, wenn der Chef prüft, ob der Sand so aussieht, als käme er von einer echten Baustelle?“
- Das Ergebnis: Die Prüfung des Chefs war sehr schwach. Die Forscher zeigten, dass ein Arbeiter ganz einfach einen mathematischen Trick (Gaussian Sampling) anwenden konnte, um seinen zufälligen Sand so aussehen zu lassen, als stamme er von einer echten Baustelle. Es kostete ihn keinen Aufwand, dies zu tun, und der Chef konnte keinen Unterschied feststellen. Es ist wie ein Fälscher, der einen Ausweis erstellt, der für einen trägen Sicherheitsmann perfekt aussieht.
4. Die Arbeiter verlieren Geld (aber das ist ihnen egal)
Die Forscher berechneten die Kosten für die Miete der Kräne im Vergleich zu dem, was sie verdienten.
- Das Ergebnis: Bei den aktuellen Preisen verliert jeder Arbeiter Geld. Wenn man einen Kran für 1 $ mietet, verdient man nur 0,25 $.
- Warum machen sie das? Es ist ein Glücksspiel. Die Arbeiter wetten darauf, dass der Token (das Gehalt) später massiv im Wert steigen wird. Sie kaufen „Lottoscheine“ mit ihren Stromrechnungen. Sie sind nicht da, um heute Geld zu verdienen; sie sind da, in der Hoffnung, morgen reich zu werden.
5. Die „echte“ Arbeit wird verdrängt
Dies ist der schädlichste Teil für normale Menschen. Da 320.000 Kräne damit beschäftigt sind, nutzlosen Sand zu bewegen, bleiben keine Kräne für den tatsächlichen Bau übrig.
- Das Ergebnis: Als das Pearl-Projekt startete, stieg der Preis für die Miete eines Krans für echte Forschung (wie das Training von KI für Medizin oder Wissenschaft) um 38 %. Die Verfügbarkeit von Kränen sank von 57 % Belegung auf 94 % Belegung.
- Die Analogie: Stellen Sie sich ein belebtes Restaurant vor, in dem 300 Leute an den Tischen sitzen, nur um Karten zu spielen und kostenloses Brot zu essen, während die tatsächlichen Kunden, die ein Abendessen bestellen wollen, keinen Platz finden und für die wenigen freien Plätze das Doppelte bezahlen müssen. Die „nützliche“ Arbeit wird durch das „nutzlose“ Mining verdrängt.
Die Hardware-Überraschung: Es ist nicht nur für eine Marke
Pearls System wurde so vermarktet, als bräuchte es spezielle, teure NVIDIA-Chips.
- Das Ergebnis: Die Forscher bauten einen Miner, der auf AMD-Chips, regulären Computer-CPUs und sogar Apple Mac-Computern funktionierte. Sie bewiesen, dass die „Arbeit“ nur einfache Mathematik ist, die jeder Computer erledigen kann. Das bedeutet, das System ist nicht an eine Marke gebunden; es ist nur ein generisches mathematisches Rätsel, das jeder lösen kann.
Das Fazrazit: Ein gebrochenes Versprechen
Das Paper kommt zu dem Schluss, dass Pearl ein klassischer Fall von Marketing vs. Realität ist.
- Das Marketing: „Wir sichern das Netzwerk ab und betreiben gleichzeitig KI-Forschung.“
- Die Realität: Wir sichern das Netzwerk ab, indem wir Mathematik betreiben, die null nützliche KI-Ergebnisse liefert.
Die Forscher nennen dies ein „Wertvernichtungsverhältnis“ (Value Destruction Ratio). In einer perfekten Welt würde 100 % der genutzten Energie etwas Nützliches schaffen. Im Fall von Pearl wird 100 % der Energie für absolut nichts Wertvolles aufgewendet, und dennoch treibt sie die Kosten für alle anderen in die Höhe, die diese Computer tatsächlich benötigen.
Kurz gesagt: Das System funktioniert exakt so, wie es im Code steht (Verifizierung von Mathematik), aber es scheitert völlig an dem, was das Unternehmen versprochen hat (die Erstellung nützlicher KI). Die „Nützlichkeitslücke“ klafft weit offen, und die Arbeiter füllen sie bereitwillig mit zufälligem Rauschen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.