SoK: A Systematic Bidirectional Literature Review of AI & DLT Convergence
Questa revisione sistematica bidirezionale della letteratura (2020–2025) analizza la convergenza tra AI e DLT attraverso cinque livelli architetturali in entrambe le direzioni, rivelando che la ricerca attuale è focalizzata in modo ristretto su specifici livelli, manca di validazione su scala produttiva e richiede una progettazione congiunta trasversale ai livelli per affrontare le sfide fondamentali di scalabilità e interoperabilità.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina due tecnologie potenti che cercano di costruire una casa insieme: l'Intelligenza Artificiale (AI) e la Tecnologia dei Registri Distribuiti (DLT), che è la famiglia di tecnologie alla base delle blockchain.
- L'AI è come un architetto brillante e dal pensiero rapido che può imparare dai progetti ed prendere decisioni sul momento. Tuttavia, questo architetto è spesso una "scatola nera": non si sa sempre come abbia preso una decisione e può essere soggetto a errori o pregiudizi nascosti.
- La DLT è come un quaderno pubblico indistruttibile dove ogni singolo mattone posato viene registrato per sempre. È trasparente e affidabile, ma è lenta, rigida e scarsa nel prendere decisioni complesse da sola.
Questo documento è una revisione sistematica (una ricerca massiccia e organizzata) di 53 studi di ricerca pubblicati tra il 2020 e il 2025. Gli autori volevano vedere come queste due tecnologie si stanno aiutando a vicenda. Hanno esaminato la relazione in due direzioni: AI che aiuta la DLT e DLT che aiuta l'AI.
Ecco la suddivisione di ciò che hanno scoperto, utilizzando semplici analogie:
1. La strada a doppio senso
I ricercatori hanno organizzato le loro scoperte in due corsie di traffico:
Corsia A: AI che aiuta la DLT (L'architetto intelligente ripara il quaderno)
In questa direzione, i ricercatori stanno utilizzando l'AI per rendere le blockchain più veloci, sicure e intelligenti.
- Cosa stanno facendo: Stanno utilizzando l'AI per agire come una guardia di sicurezza, un vigile del traffico e un meccanico per la blockchain.
- Dove sta accadendo: La maggior parte del lavoro è focalizzato sul livello "Esecuzione" (verifica delle regole dei contratti intelligenti) e sul livello "Consenso" (decidere chi ha il diritto di scrivere nel quaderno).
- Analogia: Immagina l'AI che scansiona il quaderno pubblico per individuare istantaneamente se qualcuno sta tentando di falsificare una pagina (sicurezza) o utilizza un algoritmo intelligente per decidere il miglior ordine di scrittura delle voci affinché la fila si muova più velocemente (consenso).
- Gli Strumenti: Stanno utilizzando l'"Apprendimento per Rinforzo" (AI che impara per tentativi ed errori) per sintonizzare il sistema e i "Modelli Linguistici di Grande Formato" (come l'AI con cui chatti) per leggere e comprendere codici complessi.
- Il Risultato: Funziona bene nelle simulazioni, ma nessuno ha effettivamente costruito una fabbrica reale e massiccia utilizzando questo metodo finora. È per lo più ancora nella fase di "test di laboratorio".
Corsia B: DLT che aiuta l'AI (Il quaderno aiuta l'architetto)
In questa direzione, i ricercatori stanno utilizzando il quaderno indistruttibile per risolvere i problemi dell'AI.
- Cosa stanno facendo: Stanno utilizzando il quaderno per provare da dove provengono i dati, chi ha addestrato l'AI e per assicurarsi che tutti coloro che collaborano siano onesti.
- Dove sta accadendo: La maggior parte del lavoro è focalizzato sul livello "Dati" (assicurarsi che gli ingredienti per l'AI siano buoni) e sul livello "Modello" (gestire come l'AI impara).
- Analogia: Immagina un gruppo di chef (sviluppatori di AI) che cercano di cucinare un pasto insieme senza un capo centrale. Il quaderno registra esattamente chi ha aggiunto quale ingrediente e quando. Questo impedisce a chiunque di introdurre di nascosto ingredienti scadenti (avvelenamento dei dati) e garantisce che tutti vengano pagati equamente per il loro contributo.
- Gli Strumenti: Stanno utilizzando "Contratti Intelligenti" (regole automatiche) per gestire le ricompense e l'"Apprendimento Federato" (addestrare l'AI su molti computer diversi senza condividere i dati grezzi).
- Il Risultato: Ancora una volta, questo funziona in teoria e in piccoli test, ma nessuno ha ancora implementato questo su una scala industriale massiccia.
2. Il grande squilibrio (La mappa "distorta")
Gli autori hanno notato che la ricerca è molto sbilanciata, come una mappa in cui alcune città sono affollate e altre sono deserti vuoti.
- Le città affollate:
- Per AI che aiuta la DLT: Tutti sono ossessionati dai livelli "Consenso" (voto) ed "Esecuzione" (esecuzione del codice).
- Per DLT che aiuta l'AI: Tutti sono ossessionati dai livelli "Dati" (ingredienti) e "Modello" (la ricetta).
- I deserti vuoti:
- Pochissime persone stanno esaminando il livello "Rete" (come i computer parlano tra loro) o il livello "Infrastruttura" (l'hardware/energia effettivo).
- Analogia: È come se tutti stessero discutendo sui migliori colori di vernice per la casa (Applicazione) e sui migliori lucchetti per la porta (Sicurezza), ma quasi nessuno sta controllando se le fondamenta (Infrastruttura) o l'impianto idraulico (Rete) possono effettivamente sostenere il peso della casa.
3. Le verità difficili (I vuoti)
Nonostante tutte le idee entusiasmanti, il documento evidenzia alcuni problemi seri:
- Nessuna prova nel mondo reale: Quasi ogni studio è un "prototipo" o una "simulazione". È come costruire un modello perfetto di un'auto in un garage ma non guidarlo mai su un'autostrada. Nessuno ha dimostrato che questo funzioni su una scala di produzione massiccia.
- Il problema della "scatola nera": L'AI dovrebbe essere intelligente, ma se l'AI commette un errore, è difficile provare perché su una blockchain. Il documento nota che non abbiamo ancora un modo perfetto per rendere le decisioni dell'AI "verificabili" (dimostrabili) su una blockchain.
- Il dosso: Le blockchain sono lente e l'AI deve essere veloce. Metterle insieme spesso rende le cose più lente o più costose.
- La barriera linguistica: Progetti diversi stanno utilizzando regole e standard diversi, rendendo difficile che comunichino tra loro (interoperabilità).
Riepilogo
Il documento conclude che, sebbene AI e DLT siano una combinazione perfetta sulla carta (una è intelligente, l'altra è affidabile), attualmente sono bloccate nel "laboratorio".
- L'AI sta rendendo le blockchain più intelligenti e sicure.
- Le blockchain stanno rendendo l'AI più affidabile e trasparente.
Tuttavia, siamo ancora agli inizi. Abbiamo ottimi progetti e piccoli modelli, ma non abbiamo ancora costruito il grattacielo. Gli autori dicono che dobbiamo smettere di parlare solo della teoria e iniziare a testare questi sistemi nel mondo reale per vedere se possono reggere la pressione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.