Résumé Technique : SwarmHarness

Énoncé du Problème

Un volume important de ressources informatiques (cycles GPU sur des postes de travail personnels, serveurs d'inférence inactifs et appareils périphériques) reste sous-exploité chaque année. Le principal obstacle au partage de ces ressources n'est pas la capacité technique, mais l'absence d'un protocole aligné sur les incitations. Les solutions existantes ne comblent pas cette lacune de manière exhaustive :

• Places de marché centralisées : Elles exigent la confiance en un coordinateur central, introduisant des points de défaillance uniques et une censure potentielle.
• Systèmes basés sur la blockchain (par exemple, Golem, BrokerChain) : Ils offrent des incitations mais souffrent de coûts de transaction on-chain élevés et de latence, les rendant inadaptés à l'inférence interactive.
• Systèmes bénévoles / non incitatifs (par exemple, BOINC, Petals) : Ils exploitent les cycles inactifs mais manquent d'incitations monétaires ou de crédits, les rendant vulnérables à la dégradation par les passagers clandestins et limitant leur adoption aux communautés altruistes.
• Apprentissage fédéré (FL) : Il se concentre sur l'entraînement centré sur les données plutôt que sur l'acheminement de tâches centré sur les compétences et manque de mécanismes généraux d'attribution d'incitations.

Il n'existe aucun protocole permettant un acheminement de tâches décentralisé basé sur les compétences avec une attribution de crédits équitable et en temps réel, sans dépendre d'une autorité centrale ou d'une infrastructure blockchain lourde.

Méthodologie

L'article propose SwarmHarness, un protocole décentralisé qui superpose trois composants principaux sur les nœuds HarnessAPI existants (qui exposent des dossiers de compétences typés sous forme de points de terminaison HTTP et d'outils MCP). Le système fonctionne sans coordinateur central, s'appuyant sur la rationalité locale et un comportement collectif émergent.

1. Architecture du Système

• SwarmNode : Une instance HarnessAPI augmentée qui gère la publicité des capacités, la négociation des tâches et la comptabilité des crédits. Chaque nœud est défini par ses compétences ($S_v$), son vecteur de ressources ($r_v$), son solde de crédits ($c_v$) et son score de confiance ($\tau_v$).
• SwarmRegistry (DHT) : Une Table de Hachage Distribuée de style Kademlia mappe les identifiants de compétences (SHA256) vers des listes de nœuds capables. Elle utilise des publicités à durée de vie limitée (TTL) pour gérer les changements de nœuds et un protocole de gossip pour des index inversés éventuellement cohérents (par exemple, pour des requêtes de ressources comme « VRAM $\ge$ 8 Go »). Le démarrage est assuré via mDNS, des listes de graines DNS ou des listes de pairs explicites.
• SwarmRouter : Un service sans état qui note les nœuds candidats à l'aide d'une fonction d'utilité :
  $$U(v, T) = w_1 \cdot \mathbb{1}[s \in S_v] + w_2 \cdot (1 - \ell_v) + w_3 \cdot (1 - d_v/d_{max}) + w_4 \cdot \tau_v$$
  Où $\ell_v$ est la charge, $d_v$ est la latence et $\tau_v$ est le score de confiance. Le routeur achemine les tâches vers le nœud maximisant cette utilité. Plusieurs routeurs peuvent fonctionner simultanément ; l'attribution des crédits est signée par le soumissionnaire de la tâche, et non par le routeur, empêchant ainsi la corruption du registre par le routeur.
• SwarmCredit : Un système de crédits léger, sans blockchain. Les nœuds maintiennent des registres locaux. Les crédits ne sont pas une cryptomonnaie globale mais servent à moduler la priorité d'acheminement. Les nœuds à haute confiance attirent plus de tâches ; les nœuds inactifs voient leurs scores de confiance décroître, réduisant ainsi leur priorité d'acheminement.

2. Algorithme d'Attribution SwarmCredit

Pour distribuer équitablement les crédits parmi une coalition de nœuds ($N$) exécutant une tâche, le système emploie une approximation de la valeur de Shapley par échantillonnage de permutations Monte Carlo (Algorithme 1).

• Mécanisme : L'algorithme estime la contribution marginale de chaque nœud à la qualité de la tâche ($q$) en moyennant sur $M$ permutations aléatoires de la coalition.
• Efficacité : Il normalise les valeurs de Shapley positives sur le pool total de crédits $C(T)$, garantissant que la somme des crédits alloués égale la taille du pool.
• Mise à jour de la confiance : Les nœuds recevant des deltas de crédits positifs augmentent leur score de confiance ($\tau$), tandis que ceux n'en recevant aucun voient ce score décroître.
• Atténuation du démarrage à froid : Un mécanisme de genèse par preuve de contribution prévient les attaques Sybil. Les nouveaux nœuds reçoivent une dotation de crédits de genèse ($c_0$) uniquement après avoir servi avec succès une tâche et l'ayant fait contresigner par un soumissionnaire. Cela garantit que les identités passagères clandestines ne peuvent pas récolter de crédits sans effectuer de travail réel.

3. Intelligence Essaimée Émergente

Le système utilise les signaux de crédits et de confiance comme des phéromones numériques.

• Rétroaction positive : Les nœuds à haute confiance attirent plus de trafic, renforçant leur statut.
• Rétroaction négative : À mesure que les nœuds approchent de leur charge maximale, leur score d'utilité baisse, redirigeant le trafic vers des pairs moins chargés.
• Spécialisation : Avec le temps, les nœuds se spécialisent naturellement dans des compétences à haute récompense où ils excellent, analogue à l'évaporation des phéromones dans les essaims biologiques.

Contributions Clés

1. Définition du Modèle de Système : Formalisation des composants SwarmNode, SwarmRegistry, SwarmRouter et SwarmCredit, établissant des garanties de décentralisation qui séparent la décentralisation opérationnelle (présente dès le premier jour) de la décentralisation administrative (mise en œuvre par phases via l'évolution des graines).
2. Algorithme d'Attribution SwarmCredit : Introduction d'une approximation de la valeur de Shapley en temps réel pour l'attribution de tâches multi-nœuds, intégrant une rétroaction de décroissance de la confiance et un mécanisme de genèse pour résister aux griefs de démarrage à froid, le tout sans surcharge blockchain.
3. Analyse de Faisabilité : Une feuille de route concrète pour le déploiement à partir des nœuds HarnessAPI existants vers un essaim de production, abordant le problème de démarrage, la surface de sécurité (résistance Sybil via preuve de travail et historique de confiance) et les défis de recherche ouverts.
4. Primitif Fondamental : Positionnement de SwarmHarness comme substrat pour les réseaux d'agents IA distribués autonomes, où les agents peuvent embaucher de la puissance de calcul, router des sous-tâches et régler des crédits sans intermédiation humaine.

Résultats et Revendications

L'article ne présente pas de résultats expérimentaux empiriques (par exemple, des comparaisons de débit ou de latence de référence) mais fournit plutôt une validation théorique et architecturale du système.

• Validité Théorique : Les auteurs affirment que le système satisfait l'efficacité, l'équité (via les axiomes de Shapley) et la rationalité individuelle. L'erreur d'approximation est bornée à $O(1/\sqrt{M})$, ce qui est suffisant pour des tailles de coalition pratiques ($k \le 10$).
• Revendications de Sécurité : Le protocole prétend atténuer les attaques Sybil grâce à la combinaison de la preuve de travail lors de l'enregistrement et de l'exigence d'une complétion historique de tâches pour construire la confiance. La collusion est atténuée par l'exigence de contresignatures du soumissionnaire pour l'attribution des crédits.
• Décentralisation : Le système prétend atteindre une décentralisation opérationnelle immédiate (aucun acteur unique ne contrôle l'acheminement ou l'attribution) et une décentralisation administrative progressive (passant d'une seule graine à une superposition entièrement échangée entre pairs).

Importance

L'article positionne SwarmHarness comme un primitif fondamental pour la prochaine génération d'IA distribuée. Son importance réside dans l'unification de trois concepts éprouvés mais auparavant disjoints :

1. Nœuds MCP axés sur les compétences comme unité atomique de calcul.
2. Découverte de pairs entièrement décentralisée basée sur DHT sans registre de confiance.
3. Attribution d'incitations équitable selon Shapley sans surcharge blockchain.

En éliminant le besoin d'un coordinateur central ou de transactions blockchain coûteuses, SwarmHarness vise à créer une économie auto-régulée et alignée sur les incitations où le calcul inactif peut être partagé en toute sécurité et de manière rentable. Cela permet un avenir où les agents IA autonomes peuvent opérer à l'échelle d'Internet, traitant le réseau comme une couche de transport fiable pour le calcul, indistinguable des utilisateurs humains dans leur interaction avec le protocole. Les auteurs invitent la communauté à contribuer à une implémentation de référence pour réaliser cette vision d'une intelligence distribuée auto-suffisante.