Resumen Técnico: SwarmHarness

Declaración del Problema

Un volumen significativo de recursos computacionales (ciclos de GPU en estaciones de trabajo personales, servidores de inferencia inactivos y dispositivos periféricos) permanece subutilizado anualmente. La barrera principal para compartir estos recursos no es la capacidad técnica, sino la falta de un protocolo alineado con incentivos. Las soluciones existentes no abordan esta brecha de manera integral:

• Mercados Centralizados: Requieren confianza en un coordinador central, introduciendo puntos únicos de fallo y censura potencial.
• Sistemas Basados en Blockchain (p. ej., Golem, BrokerChain): Proporcionan incentivos pero sufren altos costos de transacción en cadena y latencia, lo que los hace inadecuados para inferencia interactiva.
• Sistemas de Voluntariado/Sin Incentivos (p. ej., BOINC, Petals): Recogen ciclos inactivos pero carecen de incentivos monetarios o de crédito, volviéndolos vulnerables a la degradación por free-riders y limitando su adopción a comunidades altruistas.
• Aprendizaje Federado (FL): Se centra en el entrenamiento centrado en datos en lugar del enrutamiento de tareas centrado en habilidades y carece de mecanismos generales de atribución de incentivos.

No existe un protocolo que permita el enrutamiento de tareas basado en habilidades de manera descentralizada, con atribución de crédito justa y en tiempo real, sin depender de una autoridad central ni de una infraestructura blockchain pesada.

Metodología

El documento propone SwarmHarness, un protocolo descentralizado que superpone tres componentes principales sobre los nodos existentes de HarnessAPI (que exponen carpetas de habilidades tipificadas como puntos finales HTTP y herramientas MCP). El sistema opera sin un coordinador central, confiando en la racionalidad local y el comportamiento colectivo emergente.

1. Arquitectura del Sistema

• SwarmNode: Una instancia de HarnessAPI aumentada que gestiona la publicidad de capacidades, la negociación de tareas y la contabilidad de créditos. Cada nodo se define por sus habilidades ($S_v$), vector de recursos ($r_v$), saldo de créditos ($c_v$) y puntuación de confianza ($\tau_v$).
• SwarmRegistry (DHT): Una Tabla Hash Distribuida estilo Kademlia mapea identificadores de habilidades (SHA256) a listas de nodos capaces. Utiliza anuncios acotados por Tiempo de Vida (TTL) para manejar la fluctuación de nodos y un protocolo de rumores para índices invertidos eventualmente consistentes (p. ej., para consultas de recursos como "VRAM $\ge$ 8GB"). El arranque se logra mediante mDNS, listas de semillas DNS o listas de pares explícitas.
• SwarmRouter: Un servicio sin estado que evalúa nodos candidatos utilizando una función de utilidad:
  $$U(v, T) = w_1 \cdot \mathbb{1}[s \in S_v] + w_2 \cdot (1 - \ell_v) + w_3 \cdot (1 - d_v/d_{max}) + w_4 \cdot \tau_v$$
  Donde $\ell_v$ es la carga, $d_v$ es la latencia y $\tau_v$ es la puntuación de confianza. El router despacha tareas al nodo que maximiza esta utilidad. Múltiples routers pueden operar concurrentemente; la atribución de créditos es firmada por el remitente de la tarea, no por el router, lo que previene la corrupción del libro mayor por parte del router.
• SwarmCredit: Un sistema de créditos ligero y libre de blockchain. Los nodos mantienen libros mayores locales. Los créditos no son una criptomoneda global, sino que sirven para modular la prioridad de enrutamiento. Los nodos de alta confianza atraen más tareas; los nodos inactivos ven que su puntuación de confianza decae, reduciendo su prioridad de enrutamiento.

2. Algoritmo de Atribución de SwarmCredit

Para distribuir equitativamente el crédito entre una coalición de nodos ($N$) que ejecutan una tarea, el sistema emplea una aproximación del valor de Shapley mediante muestreo de permutaciones Monte Carlo (Algoritmo 1).

• Mecanismo: El algoritmo estima la contribución marginal de cada nodo a la calidad de la tarea ($q$) promediando sobre $M$ permutaciones aleatorias de la coalición.
• Eficiencia: Normaliza los valores de Shapley positivos al pool total de créditos $C(T)$, asegurando que la suma de los créditos asignados sea igual al tamaño del pool.
• Actualización de Confianza: Los nodos que reciben aumentos positivos de crédito incrementan su puntuación de confianza ($\tau$), mientras que aquellos que no reciben ninguno ven que esta decae.
• Mitigación de Arranque en Frío: Un mecanismo de génesis de prueba de contribución previene ataques Sybil. Los nuevos nodos reciben una dotación de crédito de génesis ($c_0$) solo después de servir con éxito una tarea y tenerla contrafirmada por un remitente. Esto asegura que las identidades free-rider no puedan recolectar créditos sin realizar trabajo real.

3. Inteligencia de Enjambre Emergente

El sistema utiliza señales de crédito y confianza como feromonas digitales.

• Retroalimentación Positiva: Los nodos de alta confianza atraen más tráfico, reforzando su estatus.
• Retroalimentación Negativa: A medida que los nodos se acercan a carga completa, su puntuación de utilidad disminuye, redirigiendo el tráfico a pares menos cargados.
• Especialización: Con el tiempo, los nodos se especializan naturalmente en habilidades de alta recompensa donde desempeñan bien, análogo a la evaporación de feromonas en enjambres biológicos.

Contribuciones Clave

1. Definición del Modelo del Sistema: Formalización de los componentes SwarmNode, SwarmRegistry, SwarmRouter y SwarmCredit, estableciendo garantías de descentralización que separan la descentralización operativa (presente desde el primer día) de la descentralización administrativa (implementada por fases mediante la evolución de semillas).
2. Algoritmo de Atribución de SwarmCredit: Introducción de una aproximación del valor de Shapley en tiempo real para la atribución de tareas multi-nodo que incorpora retroalimentación de decaimiento de confianza y un mecanismo de génesis para resistir el acoso en el arranque en frío, todo sin sobrecarga de blockchain.
3. Análisis de Viabilidad: Una hoja de ruta concreta para el despliegue desde nodos HarnessAPI existentes hacia un enjambre de producción, abordando el problema de arranque, la superficie de seguridad (resistencia Sybil mediante prueba de trabajo e historial de confianza) y los desafíos de investigación abiertos.
4. Primitiva Fundamental: Posicionamiento de SwarmHarness como el sustrato para redes de agentes de IA distribuidos autónomos, donde los agentes pueden contratar capacidad de cómputo, enrutar subtareas y liquidar créditos sin intermediación humana.

Resultados y Afirmaciones

El documento no presenta resultados experimentales empíricos (p. ej., comparaciones de rendimiento o latencia de referencia), sino que proporciona una validación teórica y arquitectónica del sistema.

• Validez Teórica: Los autores afirman que el sistema satisface eficiencia, equidad (mediante axiomas de Shapley) y racionalidad individual. El error de aproximación está acotado en $O(1/\sqrt{M})$, lo cual es suficiente para tamaños de coalición prácticos ($k \le 10$).
• Afirmaciones de Seguridad: El protocolo afirma mitigar los ataques Sybil mediante la combinación de prueba de trabajo durante el registro y el requisito de finalización histórica de tareas para construir confianza. La colusión se mitiga al requerir contrafirmas del remitente para la atribución de créditos.
• Descentralización: El sistema afirma lograr descentralización operativa de inmediato (ningún actor único controla el enrutamiento o la atribución) y descentralización administrativa de manera progresiva (pasando de una sola semilla a una superposición totalmente intercambiada entre pares).

Significancia

El documento posiciona a SwarmHarness como una primitiva fundamental para la próxima generación de IA distribuida. Su importancia radica en unificar tres conceptos probados pero previamente disjuntos:

1. Nodos MCP centrados en habilidades como la unidad atómica de cómputo.
2. Descubrimiento de pares totalmente descentralizado basado en DHT sin un registro confiable.
3. Atribución de incentivos justa según Shapley sin sobrecarga de blockchain.

Al eliminar la necesidad de un coordinador central o transacciones blockchain costosas, SwarmHarness busca crear una economía autorregulada y alineada con incentivos donde el cómputo inactivo pueda compartirse de forma segura y rentable. Esto permite un futuro donde los agentes de IA autónomos pueden operar a escala de internet, tratando la red como una capa de transporte confiable para el cómputo, indistinguibles de los usuarios humanos en su interacción con el protocolo. Los autores invitan a la comunidad a contribuir a una implementación de referencia para hacer realidad esta visión de inteligencia distribuida autosostenible.