The Usefulness Gap in Proof-of-Useful-Work: An Empirical Study of Pearl's cuPOW Protocol
Cette étude empirique révèle que le protocole Proof-of-Useful-Work de Pearl, malgré ses soutiens médiatisés par l'IA et sa consommation d'énergie massive, ne parvient à produire aucun calcul d'IA réel en raison d'un mécanisme de vérification fondamentalement défaillant, déplaçant ainsi des charges de travail de recherche légitimes tout en n'offrant aucune valeur économique aux mineurs.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'Idée Générale : Un Travail « Utile » qui ne l'est pas vraiment
Imaginez qu'une nouvelle entreprise appelée Pearl lance un projet de construction massif. Elle annonce au monde entier : « Nous embauchons 320 000 ouvriers du bâtiment (des puces informatiques) pour construire gratuitement un gratte-ciel (des modèles d'IA). Pendant qu'ils construisent le gratte-ciel, ils recevront également un salaire (des jetons de cryptomonnaie). »
L'entreprise affirme que c'est une situation « gagnant-gagnant » : les travailleurs sont payés et le monde obtient un nouveau gratte-ciel.
Ce document est l'enquête qui s'est rendue sur le chantier de construction pour découvrir la vérité : Les ouvriers se présentent, ils transpirent et ils reçoivent des salaires. Mais ils ne construisent pas un gratte-ciel. Ils ne font que déplacer des tas de sable aléatoires d'un endroit à un autre, encore et encore, sans aucune raison.
Le document appelle cela le « Fossé d'Utilité » (Usefulness Gap). Le système est conçu pour permettre un travail utile, mais il ne force personne à en faire réellement.
L'Enquête : Comment ils l'ont prouvé
Les chercheurs (dirigés par Abhinaba Basu) ne se sont pas contentés de deviner ; ils ont construit leurs propres outils et se sont rendus sur place pour mesurer exactement ce qui se passait. Voici les cinq points principaux qu'ils ont découverts :
1. Les travailleurs ont les bons outils, mais les utilisent mal
Les chercheurs ont observé 8 000 travailleurs sur le site. Chacun d'entre eux possédait une grue de haute technologie (un GPU puissant) capable de construire des structures complexes (faire tourner de l'IA).
- Le constat : Même s'ils avaient les grues, le logiciel qu'ils faisaient tourner n'était qu'un simple script qui déplaçait du sable aléatoire. Il n'y avait aucun « plan » de gratte-ciel dans le code. C'était comme embaucher un chef étoilé mais lui donner une recette consistant simplement à remuer de l'eau dans une casserole.
2. Le patron ne vérifie pas le travail
Dans un emploi normal, un patron vérifie si vous avez réellement construit la maison. Dans le système de Pearl, le « patron » (le protocole de vérification) vérifie seulement si vous avez déplacé le sable correctement.
- Le constat : Le patron ne se soucie pas de savoir à quoi ressemble le sable. Les chercheurs ont prouvé que si vous envoyez simplement des nombres aléatoires au système, celui-ci les accepte comme un travail valide. Ils ont même construit un mineur « de faux » qui utilisait des nombres aléatoires et était payé comme les vrais.
3. On peut facilement tromper le patron
Les chercheurs ont demandé : « Et si le patron vérifie si le sable semble provenir d'un véritable chantier ? »
- Le constat : La vérification du patron était très faible. Les chercheurs ont montré qu'un travailleur pourrait facilement utiliser une astuce mathématique simple (l'échantillonnage gaussien) pour faire passer son sable aléatoire pour du sable provenant d'un vrai chantier. Cela ne lui coûtait rien de plus, et le patron ne pouvait pas faire la différence. C'est comme un faussaire fabriquant une fausse carte d'identité qui semble parfaite pour un garde de sécurité paresseux.
4. Les travailleurs perdent de l'argent (mais ils s'en fichent)
Les chercheurs ont calculé le coût de location des grues par rapport à l'argent gagné.
- Le constat : Aux prix actuels, chaque travailleur perd de l'argent. Si vous louez une grue pour 1 $, vous ne gagnez que 0,25 $.
- Pourquoi le font-ils ? C'est un pari. Les travailleurs parient que le jeton (le salaire) verra sa valeur exploser plus tard. Ils achètent des « tickets de loterie » avec leurs factures d'électricité. Ils ne sont pas là pour gagner de l'argent aujourd'hui ; ils sont là dans l'espoir de devenir riches demain.
5. Le « vrai » travail est évincé
C'est la partie la plus dommageable pour les gens ordinaires. Parce que 320 000 grues sont occupées à déplacer du sable inutile, il ne reste plus de grues pour la construction réelle.
- Le constat : Lorsque le projet Pearl a été lancé, le prix de location d'une grue pour de la recherche réelle (comme l'entraînement de l'IA pour la médecine ou la science) a bondi de 38 %. La disponibilité des grues est passée de 51 % d'occupation à 94 %.
- L'analogie : Imaginez un restaurant très fréquenté où 300 personnes sont assises à des tables juste pour jouer aux cartes et manger du pain gratuit, tandis que les vrais clients essayant de commander un dîner ne trouvent pas de place et doivent payer le double pour les quelques sièges restants. Le travail « utile » est poussé dehors par le minage « inutile ».
La surprise matérielle : Ce n'est pas seulement pour une marque
Le système de Pearl était commercialisé comme s'il nécessitait des puces NVIDIA spéciales et coûteuses.
- Le constat : Les chercheurs ont construit un mineur qui fonctionnait sur des puces AMD, des processeurs informatiques classiques (CPU) et même sur des ordinateurs Apple Mac. Ils ont prouvé que le « travail » n'est qu'un calcul mathématique de base que n'importe quel ordinateur peut effectuer. Cela signifie que le système n'est pas verrouillé sur une seule marque ; c'est juste un puzzle mathématique générique que n'importe qui peut résoudre.
La conclusion : Une promesse rompue
Le document conclut que Pearl est un cas classique de marketing contre réalité.
- Le marketing : « Nous sécurisons le réseau et nous faisons de la recherche en IA. »
- La réalité : Nous sécurisons le réseau en faisant des mathématiques qui produisent zéro résultat d'IA utile.
Les chercheurs appellent cela un « Ratio de destruction de valeur ». Dans un monde parfait, 100 % de l'énergie utilisée créerait quelque chose d'utile. Dans le cas de Pearl, 100 % de l'énergie ne crée rien de valeur, tout en faisant augmenter les coûts pour tous ceux qui ont réellement besoin de ces ordinateurs.
En bref : Le système fonctionne exactement comme le code le prévoit (vérifier des mathématiques), mais il échoue complètement à ce que l'entreprise a promis de faire (créer une IA utile). Le « Fossé d'Utilité » est grand ouvert, et les travailleurs le remplissent joyeusement de bruit aléatoire.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.