💻 computer science

Quantum-Resilient Decentralized AI Economies: Proof-of-Useful-Work and Post-Quantum Security

Questo articolo propone un'economia dell'IA decentralizzata e resiliente al calcolo quantistico che sostituisce l'energivoro Proof-of-Work con compiti di apprendimento automatico utili, utilizzando un'architettura a tre livelli e la crittografia post-quantistica per ottenere sia l'efficienza economica che una maggiore sicurezza contro le minacce quantistiche.

Autori originali: Connor Barbaccia, Sudip Vhaduri, Sayanton Dibbo

Pubblicato 2026-06-25

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Connor Barbaccia, Sudip Vhaduri, Sayanton Dibbo

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

Immaginate un mercato digitale globale dove le persone devono portare a termine compiti — come risolvere complessi problemi matematici o addestrare cervelli informatici intelligenti (IA) — ma non vogliono fidarsi di una singola grande azienda per farlo. Invece, vogliono che sia una folla di volontari indipendenti a svolgere il lavoro.

Questo documento propone un nuovo modo per organizzare questa folla, risolvendo due problemi principali con il modo in cui facciamo le cose attualmente: lo spreco e i rischi di sicurezza futuri.

Ecco la suddivisione utilizzando analogie semplici:

1. Il Problema: Il gioco del "Sasso-Carta-Forbice Digitale"

Attualmente, il modo più famoso per gestire queste reti decentralizzate (come Bitcoin) si basa sulla Proof-of-Work (Prova di Lavoro).

L'Analogia: Immaginate un gigantesco, globale gioco di Sasso-Carta-Forbice. Per guadagnare una ricompensa, devi indovinare un numero casuale ripetutamente finché non hai fortuna.
Il Difetto: Questo richiede una quantità enorme di elettricità e potenza di calcolo, ma il risultato è inutile. Hai risolto un puzzle, ma non hai fatto nulla di utile per il mondo. È come bruciare un milione di dollari di carburante solo per accendere una candela che nessuno ha bisogno.

2. La Soluzione: La fabbrica del "Lavoro Utile"

Gli autori suggeriscono di sostituire quel gioco di indovinelli inutile con la Proof-of-Useful-Work (Prova di Lavoro Utile).

L'Analogia: Invece di giocare a Sasso-Carta-Forbice, immaginate che la rete sia una gigantesca fabbrica distribuita. Quando vuoi unirti, non indovini numeri; tu in realtà costruisci qualcosa.
Come funziona: Se hai un computer potente, lo usi per addestrare un modello di IA o per rispondere a una domanda (inferenza).
- Inferenza: Come un bibliotecario che trova rapidamente un libro per un cliente.
- Addestramento: Come un insegnante che impara lentamente una nuova materia per insegnarla ad altri in seguito.
Il Beneficio: L'energia che spendi non è sprecata; crea valore reale (modelli di IA intelligenti) che le persone usano effettivamente.

3. L'Architettura a Tre Livelli (Il pavimento della fabbrica)

Per far sì che questo funzioni senza un capo, il documento suggerisce un edificio a tre piani:

Livello 1: I Lavoratori (Livello di Calcolo). Queste sono le persone con computer potenti che svolgono l'effettivo lavoro di IA (addestramento o risposta a domande).
Livello 2: Gli Ispettori (Livello di Validazione). Come facciamo a sapere che i lavoratori non hanno imbrogliato? Magari hanno solo copiato una vecchia risposta o falsificato il risultato. Gli ispettori usano un mix di trucchi:
- Il "Test Segreto": Inserire furtivamente una domanda con una risposta nota per vedere se il lavoratore la ottiene correttamente.
- La "Revisione tra Pari": Chiedere a cinque diversi lavoratori di risolvere lo stesso problema e vedere se concordano.
- La "Prova Matematica": Usare la crittografia avanzata per dimostrare che la matematica è stata eseguita correttamente senza rivelare i dati segreti.
Livello 3: La Banca (Livello Economico). Questo è il sistema di denaro a circuito chiuso.
- Gli utenti pagano in un token digitale per ottenere servizi di IA.
- Quel denaro va direttamente ai lavoratori che hanno svolto il lavoro.
- Il "Circuito Chiuso": Il documento sostiene che, affinché questo sia stabile, il denaro usato per pagare i lavoratori deve provenire da persone reali che utilizzano il servizio, non solo dalla stampa di nuova moneta basata sulla speranza. È come un ristorante dove lo chef viene pagato dai clienti che mangiano il cibo, non dal proprietario che stampa coupon falsi.

4. Il Colpo di Scena della Sicurezza Quantistica: Perché questo è più sicuro per il futuro

Il documento esamina anche la minaccia futura dei Computer Quantistici (computer super-potenti che potrebbero rompere gli attuali codici di sicurezza).

La Minaccia per i Vecchi Sistemi: Le attuali blockchain si affidano a due cose:
1. Firme: Come una carta d'identità digitale. I computer quantistici potrebbero facilmente falsificarle (usando qualcosa chiamato Algoritmo di Shor).
2. Puzzle di Hash: Il gioco di Sasso-Carta-Forbice menzionato in precedenza. I computer quantistici possono risolvere questi puzzle molto più velocemente (usando l'Algoritmo di Grover), rendendo il vecchio sistema insicuro.
Perché questo Nuovo Sistema è Migliore:
- Le Firme: Gli autori ammettono che le carte d'identità digitali devono ancora essere aggiornate a versioni "Quantum-Proof" (come cambiare da una serratura di carta a una cassaforte d'acciaio). Questo è un problema risolvibile per qualsiasi sistema.
- Il Lavoro Stesso: Questo è il grande vantaggio. Il vecchio sistema si basa sul "trovare un ago in un pagliaio" (cercare un numero casuale). I computer quantistici sono bravissimi a trovare aghi.
- Il Nuovo Sistema: Il nuovo sistema si basa sul fare matematica (come moltiplicare enormi matrici per addestrare un'IA). I computer quantistici non sono particolarmente bravi nell'accelerare questo specifico tipo di matematica pesante.
- L'Analogia: Se il vecchio sistema era un gioco di "Nascondino" (in cui un computer quantistico è bravo a vincere), il nuovo sistema è un gioco di "Risolvere un Puzzle Complesso". Un computer quantistico non ha un trucco magico per risolvere il puzzle; deve comunque compiere il duro lavoro.

Riassunto

Il documento propone un'economia dell'IA decentralizzata dove:

I Lavoratori vengono pagati per svolgere compiti di IA reali e utili invece di sprecare energia in indovinelli casuali.
Gli Ispettori usano un mix di trucchi per assicurarsi che il lavoro sia onesto.
Il Denaro scorre in un cerchio dagli utenti reali ai lavoratori, mantenendo il sistema stabile.
La Sicurezza è più forte contro i futuri computer quantistici perché il lavoro che viene svolto (matematica dell'IA) è naturalmente più difficile da imbrogliare per i computer quantistici rispetto ai vecchi giochi di "indovinelli".

Gli autori concludono che, sebbene abbiamo ancora bisogno di aggiornare le carte d'identità digitali (firme) per renderle resistenti al quantum, il motore centrale della rete (il lavoro di IA) è già naturalmente più resiliente rispetto al vecchio modo di fare le cose.

Sintesi Tecnica: Economie AI Decentralizzate Resilienti al Quantum

Problematica
Gli attuali meccanismi di consenso blockchain, principalmente la Proof-of-Work (PoW), proteggono le reti attraverso puzzle di hashing che non generano utilità esterna, consumando un'energia significativa (stimata in 13,39 GW annui per Bitcoin) senza produrre alcun output riutilizzabile. Allo stesso tempo, il settore del machine learning (ML) affronta un collo di bottiglia computazionale, con carichi di lavoro centralizzati tra poche organizzazioni. Sebbene esistano reti di Infrastruttura Fisica Decentralizzata (DePIN), il valore dei loro token rimane spesso debolmente accoppiato alla reale domanda di servizi. Inoltre, l'ascesa del calcolo quantistico pone una doppia minaccia alle blockchain classiche: l'algoritmo di Shor minaccia gli schemi di firma (es. ECDSA), mentre l'algoritmo di Grover offre un'accelerazione quadratica contro i puzzle basati su hash. Il documento affronta la sfida di progettare una rete decentralizzata che coordini una computazione AI utile (inferenza e addestramento) invece di un hashing improduttivo, garantendo al contempo che il sistema rimanga economicamente sostenibile e resiliente agli avversari quantistici.

Metodologia
Gli autori propongono un'architettura di riferimento a tre livelli per un'economia AI decentralizzata:

Livello di Computazione (Compute Layer): I nodi forniscono GPU/acceleratori per due tipi distinti di task: Inferenza (applicazione di modelli stateless, a bassa latenza) e Addestramento (aggiornamenti dei gradienti stateful, ad alta intensità di banda).
Livello di Validazione (Validation Layer): Viene impiegato un approccio ibrido alla verifica, combinando prove crittografiche (zkML), ranking tra pari, iniezione di benchmark (query di test nascoste) e pesatura della reputazione. La scelta della tecnica di validazione è adattiva, bilanciando costo e sicurezza in base all'importanza del carico di lavoro.
Livello Economico (Economic Layer): Questo livello stabilisce un'economia di token a ciclo chiuso. A differenza dei modelli basati sull'emissione, questo sistema lega l'emissione di token e la compensazione dei nodi direttamente alla domanda di servizio validata.

Gli autori formalizzano questo sistema utilizzando una definizione di economia AI a ciclo chiuso $(\theta_c, \theta_w, W)$ . Una rete si considera strettamente a ciclo chiuso se:

Il token nativo ( $\tau$ ) è l'unico mezzo di pagamento per i servizi AI.
Almeno una frazione $\theta_c$ (default 0,75) della compensazione dei nodi è pagata in $\tau$ .
Almeno una frazione $\theta_w$ (default 0,75) della nuova emissione di token è allocata a lavoro produttivo validato su una finestra temporale mobile $W$ .

Per garantire la sicurezza, il documento deriva una condizione di stake sufficiente per la partecipazione onesta. Sotto un modello di minaccia in cui un avversario bizantino controlla meno di un terzo dello stake, gli autori definiscono una funzione di ricompensa che bilancia i punteggi di qualità, i costi computazionali e le penalità di slashing. Dimostrano che l'esecuzione onesta è una strategia dominante se il bond in stake ( $S$ ) soddisfa una specifica disuguaglianza derivata dal divario di costo tra esecuzione onesta e disonesta, dal divario di qualità e dalla probabilità di rilevamento.

Contributi Chiave

Architettura a Tre Livelli: Un modello di riferimento strutturato che separa la computazione, la validazione e la coordinazione economica per l'AI decentralizzata.
Economia di Token Formale: La definizione di un'economia a ciclo chiuso $(\theta_c, \theta_w, W)$ , trasformando il concetto di "ciclo chiuso" da un obiettivo di design a un criterio preciso e valutabile.
Dimostrazione della Compatibilità degli Incentivi: Una derivazione di un limite di stake sufficiente (Proposizione 1) che garantisce un comportamento onesto sotto un esplicito modello di minaccia e una funzione di ricompensa.
Analisi della Resilienza Quantistica: Una valutazione dei rischi quantistici livello per livello:
- Livello di Firma: Riconosce che l'algoritmo di Shor rompe le firme classiche (ECDSA) e raccomanda la migrazione verso standard post-quantum (ML-DSA, SLH-DSA).
- Livello Hash/Lavoro: Argomenta che sostituire i puzzle di hash con task nativi del ML (algebra lineare, moltiplicazione di matrici) evita strutturalmente il problema della "ricerca non strutturata" che l'algoritmo di Grover sfrutta. A differenza dei puzzle di hash, l'inferenza e l'addestramento del ML non beneficiano dell'accelerazione quadratica di Grover.
- Livello di Validazione: Raccomanda sistemi di prova basati su hash (come gli STARK) rispetto ai pairing-based SNARK per mitigare i rischi di Shor negli zero-knowledge proofs.

Risultati e Rivendicazioni
Il documento non presenta risultati di implementazione sperimentale ma offre un quadro teorico e un'analisi comparativa.

Sostenibilità Economica: Il modello a ciclo chiuso assicura che il valore del token segua la reale domanda di servizio piuttosto che le aspettative speculative, affrontando il problema dell' "accoppiamento debole" riscontrato nei sistemi DePIN esistenti.
Compromessi di Sicurezza: L'analisi dimostra che, mentre il livello delle transazioni rimane vulnerabile all'algoritmo di Shor (un rischio universale delle blockchain), il livello di lavoro stesso ottiene un vantaggio strutturale. Utilizzando l'algebra lineare nativa del ML, la rete evita la struttura computazionale specifica richiesta per l'accelerazione di Grover, offrendo una forma di resilienza quantistica che è architettonica piuttosto che meramente parametrica (es. aumentare la lunghezza dell'hash).
Vantaggio Comparativo: Il sistema proposto è posizionato come superiore alle soluzioni esistenti (Bittensor, Gensyn, Akash) poiché è l'unico a integrare pienamente inferenza, addestramento e un'economia di token strettamente a ciclo chiuso, fornendo al contempo un'analisi granulare delle minacce quantistiche.

Significatività
Il documento sostiene che sostituire i puzzle di hash con un lavoro AI utile offre sia vantaggi economici che di sicurezza quantistica. Economicamente, allinea gli incentivi dei token con l'utilità del mondo reale. In termini di sicurezza, sposta il carico di lavoro del consenso lontano dalla struttura di ricerca della preimmagine che i computer quantistici possono accelerare. Gli autori concludono che, sebbene il livello di firma richieda la standard migrazione post-quantum, il meccanismo di consenso del "lavoro utile" stesso fornisce una difesa strutturale contro gli attacchi di tipo Grover. Ciò rende le economie di AI decentralizzate un obiettivo promettente per l'analisi formale nei campi emergenti del calcolo quantistico e del machine learning quantistico. Il documento nota con modestia che un gioco di sicurezza post-quantum formale per il consenso del lavoro ML rimane un problema di ricerca aperto.