💻 computer science

Toward Web 4.0: Bidirectional Trust between AI Agents and Blockchain

Este artigo apresenta uma Sistematização do Conhecimento sobre o paradigma emergente da Web 4.0 ao propor um quadro de confiança bidirecional que analisa como a infraestrutura de blockchain suporta agentes de IA autônomos e como os agentes, por sua vez, aprimoram os mecanismos de blockchain, identificando, em última análise, lacunas críticas em padrões e segurança, ao mesmo tempo em que oferece um modelo de interação formal e uma taxonomia para orientar pesquisas futuras.

Autores originais: Yunfeng Xia, Chao Li, Lei Li, Chenhao Zhang, Li Duan, Runhua Xu, Wei Wang

Publicado 2026-05-12

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yunfeng Xia, Chao Li, Lei Li, Chenhao Zhang, Li Duan, Runhua Xu, Wei Wang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma nova era da internet, que os autores chamam de Web 4.0. Neste mundo, os principais usuários não são apenas humanos clicando em botões; são Agentes de IA—programas de software inteligentes e autônomos que podem tomar decisões, gastar dinheiro e negociar acordos por conta própria.

Este artigo é um enorme "mapa e guia" (chamado de Sistematização do Conhecimento) para entender como esses agentes de IA interagem com blockchains (registros digitais descentralizados como o Ethereum). Os autores argumentam que essa relação é uma via de mão dupla, como uma dança entre um Palco (a Blockchain) e os Dançarinos (os Agentes de IA).

Aqui está a divisão de suas descobertas usando analogias simples:

1. A Dança Bidirecional (Confiança Bidirecional)

O artigo afirma que a relação funciona em duas direções:

Direção A: O Palco apoia o Dançarino (Blockchain → Agente)
- O Problema: Imagine um agente de IA tentando comprar um café. Na internet antiga, ele precisaria de um humano para segurar sua mão e assinar cada cheque.
- A Solução: A blockchain está construindo um novo "Palco" com ferramentas especiais:
  - Cartões de Identidade (Identidade): Dando à IA uma ID digital única e inforgeável para que ela não seja confundida com um bot falso.
  - Autorizações (Delegação): Permitindo que um humano diga: "Você pode gastar até 10 dólares, mas não mais", sem dar à IA controle total.
  - Listas de Desejos (Intenções): Em vez de a IA descobrir os passos complexos para comprar café, o humano apenas diz: "Quero café por menos de 5 dólares", e a IA (ou um solucionador) descobre a melhor maneira de fazer isso.
  - Carteiras (Economia): Dando à IA sua própria conta bancária e uma maneira de ganhar dinheiro por realizar trabalho.
Direção B: O Dançarino ajuda a construir o Palco (Agente → Blockchain)
- O Problema: As blockchains precisam de pessoas para verificar erros, concordar com regras e votar em mudanças. Isso é lento e difícil para humanos.
- A Solução: Os agentes de IA estão se destacando para ajudar:
  - Guardas de Segurança: Agentes de IA escaneando código para encontrar hackers antes que ataquem.
  - Árbitros: Agentes de IA ajudando a verificar transações e manter a rede funcionando suavemente.
  - Votantes: Agentes de IA participando de votações comunitárias para decidir o futuro da blockchain.

2. A Fundação: A "Máquina da Verdade" (Computação Verificável)

Para que essa dança funcione, todos precisam confiar que a IA está dizendo a verdade. Se uma IA diz: "Calculei a resposta corretamente", como sabemos que ela não apenas chutou?

O artigo identifica três maneiras de provar que a IA está dizendo a verdade, dispostas como uma escada:

A Prova Mágica (zkML): A IA gera uma "prova mágica" matemática que prova que ela fez a conta corretamente. É 100% confiável, mas atualmente muito lenta e cara (como tentar provar um problema matemático escrevendo cada passo do universo).
O Sistema de "Aposta" (opML): A IA diz: "Estou certa". Se alguém achar que está errada, pode apostar dinheiro para contestá-la. Se a IA estava mentindo, o desafiante ganha a aposta. É rápido, mas depende de pessoas estarem dispostas a contestar mentiras.
A Caixa Segura (TEE): A IA roda dentro de uma caixa de hardware especial e trancada (como um cofre) que ninguém pode espiar. Confiamos no fabricante da caixa. É rápido e fácil, mas você precisa confiar na empresa que fez a caixa.

A Grande Lacuna: O artigo observa que, embora tenhamos maneiras rápidas de executar IA, ainda não temos uma "Prova Mágica" rápida e perfeita para os modelos de IA grandes e complexos usados hoje. É como ter um carro super-rápido, mas sem freios funcionais para altas velocidades.

3. O Estado Atual do "Canteiro de Obras"

Os autores analisaram 70 regras oficiais (padrões) e 20 projetos do mundo real para ver o quão pronta está essa tecnologia.

A Encanamento Está Pronto, a Decoração Não: As ferramentas básicas para dar à IA uma ID e uma carteira estão sendo construídas, mas as regras específicas para IA ainda estão na fase de "Rascunho". É como ter uma casa com eletricidade e água, mas os interruptores de luz e maçanetas das portas ainda estão sendo projetados.
A Lacuna de "Confiança": A maioria dos projetos atuais depende de "apostas econômicas" (Direção A) em vez de provas matemáticas. Isso significa que, se a IA cometer um erro ou for hackeada, não há garantia matemática para corrigi-lo.
A Lacuna de "Governança": Embora muitos projetos usem IA para usar a blockchain, quase ninguém está usando IA para gerir a blockchain (votação ou consenso) ainda. Esta é uma fronteira enorme e vazia.

4. Os Nove Grandes Problemas (A Lista de "A Fazer")

O artigo conclui listando nove problemas específicos que os pesquisadores precisam resolver para tornar esse sonho da Web 4.0 uma realidade:

Acelerar a "Prova Mágica": Torná-la rápida o suficiente para provar pensamentos complexos de IA instantaneamente.
Trancar as Permissões: Criar ferramentas para provar matematicamente que um agente de IA apenas faz o que é permitido.
Equilibrar Votos Humanos e de IA: Descobrir como permitir que a IA vote em decisões comunitárias sem deixar que alguns poucos proprietários poderosos de IA assumam todo o sistema.
Árbitros de IA: Criar regras para como a IA pode atuar como juiz na blockchain sem cometer erros devido à sua própria natureza "probabilística".
Jogos IA vs. IA: Entender como os agentes de IA competirão ou trapacearão uns contra os outros nos mercados.
A Prova da "Lista de Desejos": Provar que, quando uma IA executa uma "lista de desejos" (intenção), ela realmente fez exatamente o que foi pedido.
Dinheiro Justo para IA: Projetar sistemas econômicos onde agentes de IA ganhem dinheiro por serem úteis, e não apenas por especular com tokens.
Personalidade Jurídica: Decidir se uma IA pode ser "processada" ou responsabilizada se quebrar a lei.
Prevenção de IDs Falsas: Impedir que uma pessoa crie 1.000 agentes de IA falsos para spammar o sistema.

Resumo

O artigo argumenta que estamos parados na borda de uma nova internet onde os agentes de IA são os principais usuários. Temos as ferramentas básicas para permitir que eles existam, mas faltam as "redes de segurança" (provas matemáticas) e as "regras da estrada" (quadros legais e de governança) para garantir que eles não derrubem o sistema. O futuro depende de resolver esses nove quebra-cabeças específicos para avançar de um experimento caótico para um ecossistema seguro e confiável.

Resumo Técnico: Rumo à Web 4.0: Confiança Bidirecional entre Agentes de IA e Blockchain

1. Declaração do Problema

A convergência entre agentes de IA autônomos e tecnologia blockchain está emergindo como uma característica definidora da Web 4.0, onde os agentes atuam como participantes de primeira classe da rede, e não meras ferramentas. No entanto, o espaço de design que governa essa interação permanece pouco compreendido, criando riscos significativos em confiança, segurança e coordenação econômica. O artigo identifica três pressões convergentes que exigem uma análise sistemática:

Enjeitos Econômicos: A valorização de mercado de agentes de IA baseados em blockchain atingiu uma estimativa de US$ 8,6 bilhões até dezembro de 2024, mas incidentes de alto perfil (por exemplo, a má configuração do oráculo Moonwell) destacam vulnerabilidades no desenvolvimento e execução de contratos inteligentes assistidos por IA.
Lacuna de Confiança: À medida que os agentes transitam de análises apenas de leitura para a execução autônoma de transações, a ausência de modelos formais de confiança força os projetos a inventar pressupostos de segurança ad hoc, levando a um cenário fragmentado onde as vulnerabilidades se acumulam entre as camadas.
Vácuo Acadêmico: A literatura existente carece de uma Sistematização do Conhecimento (SoK) que cubra áreas críticas como abstração de conta, análise formal de arquiteturas de intenção e o papel da IA em consenso e governança. As pesquisas atuais frequentemente tratam a blockchain meramente como uma ferramenta para IA, negligenciando a direção inversa, onde agentes participam de mecanismos de protocolo.

2. Metodologia

Os autores empregam uma abordagem de Sistematização do Conhecimento (SoK) estruturada em torno de um Framework de Confiança Bidirecional. A metodologia envolve:

Modelagem Formal: Definição do Modelo de Interação Agente-Blockchain (ABIM), um formalismo de seis tuplas ( $\langle A, B, V, P, I, E \rangle$ ) que captura conjuntos de agentes, máquinas de estado de blockchain, funções de verificação, políticas de permissão, funções de intenção e incentivos econômicos. Este modelo estabelece oito propriedades de segurança específicas (por exemplo, Solidez da Verificação, Unicidade de Identidade, Fidedignidade do Solver) que cada camada deve satisfazer.
Framework de Avaliação: Introdução de um framework de cinco dimensões para avaliar padrões e projetos: Verificabilidade, Minimalidade de Confiança, Expressividade, Composabilidade e Maturidade.
Análise Empírica:
- Catalogação e análise de 70 EIPs/ERCs do Ethereum relevantes para agentes de IA.
- Revisão de 118 artigos acadêmicos cobrindo segurança, consenso e governança.
- Exame de 20 projetos industriais representativos (com mais de US$ 112 milhões em financiamento total) para mapear implementações do mundo real contra o framework teórico.
Construção de Taxonomia: Desenvolvimento de um espaço de classificação tridimensional baseado em Autonomia do Agente (Assistiva a Totalmente Autônoma), Modelo de Confiança (Custodial a Criptográfico) e Direção Operacional (Blockchain $\to$ Agente vs. Agente $\to$ Blockchain).

3. Contribuições Principais

A. O Framework de Confiança Bidirecional

O artigo organiza a interação em duas direções primárias sustentadas por uma Fundação de Confiança de computação verificável (zkML, opML, TEE):

Blockchain $\to$ Agente (B $\to$ A): A blockchain fornece infraestrutura de confiança para agentes em quatro camadas:
- A1: Conta e Identidade: Evolução de Contas de Propriedade Externa (EOA) para Abstração de Conta (ERC-4337, EIP-7702) e padrões de identidade específicos para agentes (ERC-8004, ERC-8126).
- A2: Permissão e Delegação: Arquiteturas de conta modulares (ERC-7579, ERC-6900) e o desafio de impor o privilégio mínimo para delegados de IA probabilísticos.
- A3: Intenção e Execução: Arquiteturas centradas em intenção (ERC-7521, ERC-7683) onde agentes especificam objetivos em vez de caminhos de transação, dependendo de solvers para execução.
- A4: Economia de Agentes: Mecanismos de tokenização (ERC-7662, ERC-6551) e incentivos econômicos (ERC-7641) para propriedade de agentes e compartilhamento de receitas.
Agente $\to$ Blockchain (A $\to$ B): Agentes contribuem para mecanismos centrais de blockchain em três camadas:
- B1: Segurança: Agentes de IA atuando como auditores autônomos e detectores de anomalias (por exemplo, LLM-SmartAudit, SCVHunter).
- B2: Consenso: O desafio teórico de integrar modelos probabilísticos de IA em protocolos determinísticos de Tolerância a Falhas Bizantinas (BFT).
- B3: Governança: Participação de IA em votação de DAOs e geração de propostas, levantando questões de influência limitada e personalidade jurídica.

B. Análise Formal e Propriedades de Segurança

O ABIM formaliza garantias de segurança para cada camada. As principais descobertas incluem:

Solidez da Verificação (TF): Sistemas atuais não podem fornecer provas criptográficas para inferência de Modelos de Linguagem de Grande Porte (LLM) em escala (o "Gargalo de Verificabilidade do LLM").
Unicidade de Identidade (A1): Nenhum padrão atual fornece identidade de agente resistente a Sybil; o ERC-8126 oferece registro baseado em ZKP, mas carece de um mecanismo para impedir que um único operador gere múltiplos agentes.
Completude de Aplicação (A2): Políticas de permissão modulares carecem de ferramentas de verificação formal, levando a vulnerabilidades como burlas de limites de gastos (demonstradas em auditorias da Quantstamp).
Fidedignidade do Solver (A3): A execução de intenção depende de incentivos econômicos em vez de provas criptográficas, deixando uma lacuna entre restrições de intenção e execução real.
Verificabilidade do Validador (B2) e Influência Limitada (B3): Essas propriedades estão totalmente insatisfeitas em sistemas atuais, pois nenhuma blockchain de produção impõe limites ao poder de voto de IA ou verifica decisões de consenso de IA.

C. Descobertas Empíricas

Maturidade de Padrões: O ecossistema de EIPs específico para agentes é esmagadoramente imaturo. De 13 padrões diretos de IA/agente, apenas 2 atingiram o status "Final", e nenhum dos padrões de delegação/permissão foi finalizado.
Cenário Industrial: A análise de 20 projetos revela uma forte concentração na direção B $\to$ A (infraestrutura, identidade e agentes DeFi). A direção A $\to$ B é virtualmente inexplorada em produção, com zero projetos abordando diretamente consenso (B2) ou governança (B3).
Mecanismos de Confiança: Projetos industriais dependem fortemente de TEEs (por exemplo, bAI Fund) e consenso econômico (Recall), enquanto a verificação criptográfica (zkML) permanece amplamente na fase de pesquisa devido à sobrecarga computacional.

4. Resultados e Problemas Abertos

A análise identifica nove problemas abertos concretos (OPs) e mapeia-os para propriedades de segurança específicas do ABIM:

OP1 (Gargalo de Verificabilidade do LLM): Alcançar inferência verificável prática, em subsegundos, para LLMs (Visando Solidez da Verificação).
OP2 (Verificação Formal de Políticas de Permissão): Desenvolver ferramentas para verificar políticas de permissão compostas de agentes (Visando Completude de Aplicação).
OP3 (Equilíbrios de Governança Híbrida IA-Humana): Definir equilíbrios estáveis para DAOs com eleitores humanos e de IA mistos (Visando Influência Limitada).
OP4 (BFT para Validadores de IA): Generalizar a Tolerância a Falhas Bizantinas para tolerar validadores de IA probabilísticos (Visando Verificabilidade do Validador).
OP5 (Teoria dos Jogos Inter-Agentes): Analisar dinâmicas multiagente em MEV e mercados de intenção (Visando Fidedignidade do Solver).
OP6 (Pipeline Intenção-para-Prova de Ponta a Ponta): Criar um pipeline verificável da intenção em linguagem natural para execução on-chain (Visando Fidedignidade do Solver).
OP7 (Engenharia de Tokens para Economia de Agentes): Projetar tokenomics que alinhem incentivos de agentes com utilidade do sistema em vez de especulação (Visando Compatibilidade de Incentivos).
OP8 (Marco Legal para Agentes de IA On-Chain): Estabelecer responsabilidade e personalidade jurídica para agentes autônomos (Visando Influência Limitada).
OP9 (Identidade de Agente Resistente a Sybil): Definir unicidade para agentes de IA independentemente de identidade biológica (Visando Unicidade de Identidade).

O artigo destaca que OP1 e OP9 são gargalos a montante; resolvê-los é um pré-requisito para resolver problemas a jusante, como limites de governança e verificabilidade de validadores.

5. Significado e Alegações

O artigo afirma ser a primeira Sistematização do Conhecimento a:

Sistematizar a relação bidirecional entre agentes de IA e blockchain, indo além da visão predominante de blockchain meramente como uma ferramenta para IA.
Avaliar todos os EIPs/ERCs relevantes para agentes através de um framework unificado de cinco dimensões.
Formalizar a interação como o Modelo de Interação Agente-Blockchain (ABIM), fornecendo um vocabulário compartilhado para segurança, sistemas, criptografia, economia e direito.

Os autores afirmam que a infraestrutura atual é pré-produção do ponto de vista de segurança, pois nenhum sistema implantado satisfaz todas as oito propriedades de segurança do ABIM. Eles enfatizam que a direção A $\to$ B (agentes participando de consenso e governança) representa uma fronteira acadêmica quase totalmente aberta que se tornará crítica à medida que a autonomia dos agentes aumentar. O trabalho visa orientar pesquisadores para os problemas mais impactantes, particularmente aqueles que conectam provas criptográficas com IA probabilística e design de mecanismos com populações heterogêneas de humanos e IA.