Nel moderno panorama digitale, due forze potenti stanno rimodellando il modo in cui costruiamo la tecnologia e interagiamo con il mondo: l'intelligenza artificiale e la crittografia. L'intelligenza artificiale si riferisce a sistemi informatici che apprendono dai dati per eseguire compiti che solitamente richiedono il pensiero umano, come il riconoscimento di schemi, il processo decisionale o la generazione di testo. La crittografia, in questo contesto, non riguarda solo i codici segreti, ma è un ampio insieme di strumenti per proteggere i dati, verificare che un programma informatico abbia fatto esattamente ciò che doveva fare e garantire che le transazioni digitali avvengano senza un capo centrale. Per anni, questi due campi sono esistiti in silos separati, ma un numero crescente di ricercatori e aziende sta cercando di fonderli. L'entusiasmo è palpabile, ma spesso oscura ciò che è effettivamente possibile oggi rispetto a ciò che rimane un sogno lontano. Comprendere dove queste tecnologie si intersecano realmente è vitale, perché la combinazione promette di risolvere problemi profondi sia nella sicurezza che nell'automazione, ma introduce anche nuovi rischi che stiamo solo iniziando a comprendere.

Un nuovo sondaggio completo, redatto da un grande team di ricercatori provenienti da università e laboratori industriali leader, taglia il rumore per mappare lo stato attuale di questa intersezione. Il documento, intitolato "Crypto x AI, AI x Crypto", non sostiene di aver trovato una soluzione magica che risolva istantaneamente tutto. Inveve, offre un inventario lucido di ciò che è stato raggiunto, di ciò che è meramente teorico e di dove risiedano i veri ostacoli. I ricercatori organizzano le loro scoperte in due direzioni principali. La prima è "Crypto x AI", che si chiede come l'intelligenza artificiale possa rendere i sistemi blockchain e le valute digitali più utili e facili da usare. La seconda è "AI x Crypto", che esplora come gli strumenti di sicurezza della crittografia possano proteggere i sistemi di intelligenza artificiale da manomissioni e frodi. Gli autori concludono che, sebbene il potenziale sia immenso, le due tecnologie sono ancora nelle primissime fasi di un'integrazione significativa e molte credenze popolari sul loro potere combinato sono attualmente più hype che realtà.

Sul lato dell'uso dell'IA per aiutare la crypto, il sondaggio rileva che l'intelligenza artificiale si sta già rivelando utile come strumento di analisi. I ricercatori hanno applicato con successo l'apprendimento automatico per scansionare le reti blockchain alla ricerca di segni di problemi, come il rilevamento di transazioni fraudolente o l'identificazione di codice difettoso negli smart contract — ovvero quei programmi auto-eseguibili che girano sulle blockchain. Questi strumenti funzionano meglio quando hanno una grande quantità di dati storici da cui imparare, agendo come un ispettore esperto che può individuare un difetto perché ha visto migliaoli di esempi simili in precedenza. Oltre a cercare errori, l'IA sta iniziando ad aiutare i progettisti a costruire migliori sistemi blockchain. Imparando dalle prestazioni passate, l'IA può suggerire miglioramenti alle regole che governano il funzionamento di queste reti, come la velocità con cui elaborano le transazioni o come gestiscono i conflitti tra gli utenti. Forse la cosa più entusiasmante è che l'IA sta iniziando ad agire come un ponte tra il mondo rigido delle blockchain e il mondo reale, disordinato e non strutturato. Mentre le blockchain tradizionalmente comprendono solo dati puliti e strutturati, l'IA può ora aiutare a tradurre il linguaggio umano o eventi complessi del mondo reale in un formato che una blockchain possa comprendere, permettendo potenzialmente ai contratti digitali di reagire automaticamente a notizie, cambiamenti meteorologici o documenti legali senza la necessità che un essere umano inserisca manualmente i dati.

Tuttavia, il sondaggio evidenzia anche pericoli significativi in questa direzione. Man mano che l'IA diventa più capace di prendere decisioni autonomamente, esiste il rischio che questi agenti autonomi possano essere manipolati o agire in modi imprevedibili. I ricercatori sottolineano una tensione specifica nelle applicazioni finanziarie: se uno strumento di investimento basato su IA mantiene segreta la propria strategia per proteggere i propri profitti, diventa impossibile per gli utenti sapere se lo strumento è equo o se gli insider stanno agendo in modo inappropriato. Se lo strumento è trasparente affinché gli utenti possano controllare l'equità, la sua strategia può essere rubata dai concorrenti. Questo dilemma, che gli autori chiamano "CoinAlg Bind", suggerisce che aggiungere semplicemente l'IA alla crypto non risolve automaticamente i problemi di fiducia o equità; in alcuni casi, può creare nuovi problemi più difficili.

Passando all'altra direzione, "AI x Crypto", il documento esplora come gli strumenti crittografici possano rendere l'intelligenza artificiale più sicura e affidabile. Attualmente, quando un utente pone una domanda a un modello di IA, deve fidarsi del fatto che l'azienda che gestisce il modello non manometta la risposta, non rubi i dati privati dell'utente e non utilizzi un modello diverso da quello pubblicizzato. La crittografia offre modi per verificare queste cose senza dover avere fiducia nell'operatore. Ad esempio, una tecnologia chiamata "zero-knowledge proof" (prova a conoscenza zero) permette a un computer di dimostrare di aver eseguito correttamente un calcolo specifico senza rivelare i dettagli di come lo ha fatto. Ciò significa che un utente potrebbe verificare che un modello di IA abbia elaborato i suoi dati esattamente come promesso, anche se il modello stesso è segreto. Allo stesso modo, il "trusted computing" (informatica affidabile) utilizza hardware speciale per creare un ambiente sicuro e isolato in cui un modello può girare, garantendo che nessuno, nemmeno il proprietario del computer, possa sbirciare i dati o modificarne i risultati. Questi strumenti potrebbero consentire alle persone di utilizzare l'IA per compiti sensibili, come la diagnosi medica o l'approvazione di prestiti, con l'assicurazione che le loro informazioni private rimangano private e i risultati siano accurati.

Il sondaggio esamina anche l'idea di utilizzare le blockchain per organizzare l'infrastruttura che alimenta l'IA, come la creazione di reti decentralizzate dove le persone possono affittare la propria potenza di calcolo per addestrare modelli. Sebbene questo sembri un modo per abbassare i costi, i ricercatori avvertono che non è una vittoria garantita. Nella loro analisi, trovano che, sebbene affittare un computer su una rete decentralizzata possa essere meno costoso all'ora rispetto a un grande servizio cloud, il tempo e la complessità aggiuntivi richiesti per coordinare molti computer diversi possono rendere il costo totale di un lavoro importante molto più elevato. Sostengono che, per ora, l'uso più efficace di queste reti è per compiti più piccoli e meno complessi, e che il settore necessita di test più rigorosi per capire quando un approccio decentralizzato è effettivamente più efficiente di uno tradizionale.

Forse la parte più critica del sondaggio è il suo sforzo di smantellare i malintesi comuni che si sono radicati nell'immaginario pubblico. Gli autori affermano esplicitamente che le blockchain non possono distinguere magicamente tra contenuti creati da umani e contenuti creati dall'IA. Sebbene una blockchain possa registrare un'impronta digitale di un file per dimostrare che non è stato alterato dalla sua creazione, non può dirti se quel file è stato originariamente realizzato da un essere umano o da una macchina; quel giudizio richiede ancora un rilevatore esterno, che può sbagliare. Allo stesso modo, il documento sostiene che far girare semplicemente un modello di IA su una rete decentralizzata non lo rende automaticamente equo o privo di pregiudizi. Il bias (pregiudizio) è solitamente radicato nei dati utilizzati per addestrare il modello, e spostare il modello su un computer diverso non corregge i dati. Sebbene le blockchain possano rendere il processo di addestramento più trasparente, permettendo alle persone di vedere quali dati sono stati utilizzati, questa trasparenza da sola non garantisce un esito equo.

Infine, i ricercatori affrontano l'idea che dare a un agente di IA un portafoglio digitale lo renda veramente autonomo. Chiariscono che, sebbene un portafoglio permetta a un'IA di pagare per i servizi o guadagnare denaro senza che un essere umano prema un pulsante, questo è mera automazione, non vera indipendenza. L'IA è ancora dipendente dall'essere umano che controlla il server su cui gira; se quell'essere umano spegne il server, l'IA smette di funzionare, indipendentemente dal fatto che abbia denaro nel suo portafoglio. La vera autonomia richiederebbe che l'IA fosse in grado di sostenere la propria esistenza e prendere decisioni di alto livello senza l'intervento umano, una capacità che la tecnologia attuale non possiede ancora.

Il sondaggio conclude sottolineando che l'integrazione tra crypto e IA è un campo promettente ma nascente. I ricercatori hanno identificato un percorso chiaro da seguire, ma è pavimentato da sfide piuttosto che da soluzioni facili. Chiamano a test più rigorosi per confrontare i costi dei sistemi decentralizzati rispetto a quelli tradizionali, e a metodi migliori per proteggere i sistemi di IA contro i nuovi tipi di attacchi che sorgono quando vengono combinati con agenti autonomi. Il lavoro funge da necessario richiamo alla realtà, ricordandoci che, sebbene gli strumenti per costruire un futuro più sicuro e intelligente stiano emergendo, siamo ancora ai primi passi nell'apprendere come usarli efficacemente. Il futuro di questa intersezione non dipende dall'hype, ma dal lavoro attento e metodico di verificare cosa funziona, comprendere cosa fallisce e costruire sistemi che siano abbastanza robusti da gestire le complessità del mondo reale.