The Usefulness Gap in Proof-of-Useful-Work: An Empirical Study of Pearl's cuPOW Protocol
这项实证研究表明，尽管 Pearl 的“有用工作量证明”（Proof-of-Useful-Work）协议获得了高调的 AI 背书且消耗了巨大的能源，但由于其验证机制存在根本性缺陷，导致其无法产生任何实际的 AI 计算，从而在无法为矿工提供经济价值的同时，取代了合法的研究工作负载。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
核心理念：一份并非在“干实事”的“有用”工作
想象一下，一家名为 Pearl 的新公司启动了一个宏大的建筑项目。他们向全世界宣布：“我们正在免费雇佣 320,000 名建筑工人（计算机芯片）来建造一座摩天大楼（AI 模型）。在他们建造摩天大楼的同时，他们还将赚取薪水（加密货币代币）。”
该公司声称这是一个“双赢”局面：工人得到了报酬，而世界得到了一座新的摩天大楼。
这篇论文就是一次深入建筑工地的调查，并揭露了真相： 工人们确实到场了，他们也在挥汗如雨，也确实拿到了薪水。但他们并没有在建造摩天大楼。他们只是在不停地把一堆随机的沙子从一个地方搬到另一个地方，毫无意义地重复着这个过程。
论文将此称为**“有用性差距”（Usefulness Gap）**。该系统的设计初衷是允许进行有用的工作，但它并不强制任何人必须去做有用的工作。
调查过程：他们是如何证明的
研究人员（由 Abhinaba Basu 领导）并非凭空猜测；他们开发了自己的工具并亲临现场，精确测量了到底发生了什么。以下是他们发现的五个主要问题：
1. 工人们拥有正确的工具，但用错了方式
研究人员观察了现场的 8,000 名工人。每一位都拥有一台能够建造复杂结构（运行 AI）的高科技起重机（强大的 GPU）。
- 发现： 尽管他们拥有起重机，但他们运行的软件只是一个简单的脚本，只会移动随机的沙子。代码中根本没有“摩天大楼”的蓝图。这就像是雇佣了一位名厨，却只给了他一个“搅拌水”的食谱。
2. 老板并不检查工作质量
在正常的工作中，老板会检查你是否真的盖好了房子。但在 Pearl 的系统中，“老板”（验证协议）只检查你是否正确地移动了沙子。
- 发现： 老板并不关心沙子看起来是什么样子的。研究人员证明，如果你只是向系统投喂随机数字，它也会将其视为有效的劳动。他们甚至构建了一个“伪造”的矿工，该矿工使用随机数字进行计算，却能像真正的矿工一样获得报酬。
3. 你可以轻易地欺骗老板
研究人员问道：“如果老板检查这些沙子看起来是否像是来自真实的建筑工地呢？”
- 发现： 老板的检查非常薄弱。研究人员证明，工人只需使用一个简单的数学技巧（高斯采样/Gaussian sampling），就能让他们的随机沙子看起来像是来自真实的建筑工地。这样做不需要任何额外成本，且老板无法分辨。这就像是一个伪造者制作了一个完美的假身份证，而懒惰的保安根本看不出破绽。
4. 工人们在亏钱（但他们并不在意）
研究人员计算了租用起重机的成本与赚取的收益之间的关系。
- 发现： 按目前的定价，每一位工人都在亏钱。如果你租用一台起重机的成本是 1 美元，你只能赚回 0.25 美元。
- 为什么他们还要做？ 这是一场赌博。工人们在赌这个代币（薪水）未来的价值会飙升。他们是在用电费来购买“彩票”。他们现在不是为了赚钱，而是希望明天能一夜暴富。
5. “真正的”工作被挤出了生存空间
这是对普通大众影响最严重的部分。因为有 320,000 台起重机正忙于搬运无用的沙子，导致没有多余的起重机来进行真正的建设工作。
- 发现： 当 Pearl 项目启动时，用于真实研究（例如训练医疗或科学领域的 AI）的起重机租赁价格上涨了 38%。起重机的可用性从 57% 的占用率跳升到了 94%。
- 类比： 想象一家繁忙的餐厅，有 300 人坐在桌旁仅仅是为了玩纸牌并吃免费面包，而那些真正想点餐的顾客却找不到座位，还得为仅剩的几个座位支付双倍的价格。这种“无用”的挖矿正在将“有用”的工作挤出去。
硬件方面的意外发现：并不只针对单一品牌
Pearl 的系统在营销时表现得好像需要专门且昂贵的 NVIDIA 芯片。
- 发现： 研究人员构建了一个可以在 AMD 芯片、普通计算机 CPU 甚至苹果 Mac 电脑上运行的矿工程序。他们证明了这种“工作”只是任何计算机都能完成的基础数学运算。这意味着该系统并不锁定于某个品牌，它只是一个任何人都能解决的通用数学谜题。
结论：一个破碎的承诺
论文总结道，Pearl 是一个典型的营销与现实脱节的案例。
- 营销宣传： “我们在保障网络安全的同时，也在进行 AI 研究。”
- 现实情况： 我们通过进行完全无法产生任何有用 AI 结果的数学运算，来维持网络的运行。
研究人员称之为**“价值破坏率”（Value Destruction Ratio）**。在一个理想的世界里，100% 的能源消耗都应该创造有用的东西。而在 Pearl 的案例中，100% 的能量都在创造毫无价值的东西，却同时推高了其他真正需要这些计算机的人的成本。
简而言之： 该系统完全按照代码逻辑在运行（验证数学运算），但在实现公司承诺的目标（创造有用的 AI）方面却彻底失败了。“有用性差距”正大开着，而工人们正乐此不疲地用随机噪声填补其中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。