Блокчейн Pearl под критикой: заявленный «полезный майнинг для ИИ» оказался генерацией случайных вычислений
На фоне резкого роста интереса к протоколам «полезного доказательства работы» (proof-of-useful-work), которые обещают превратить майнинг в источник вычислений для задач искусственного интеллекта, а не просто энергоёмкую криптографическую операцию, появилось новое исследование. Поводом для анализа стали заявления о блокчейне Pearl и его протоколе cuPOW, в которых утверждается, что GPU-майнинг используется для выполнения ИИ-вычислений, однако резкий рост спроса на аренду графических процессоров и ухудшение доступа к ним для исследовательских команд вызвали подозрения в том, что заявленная «полезность» может не соответствовать реальному характеру вычислений, что и стало предметом технического аудита и проверки.
Авторы исследования приходят к выводу, что на практике этот механизм не выполняет заявленной функции и фактически сводится к традиционному майнингу с генерацией вычислительных задач без прикладной ценности.
Согласно представленному анализу, ключевая операция в cuPOW — это процедура NoisyGEMM, основанная на перемножении целочисленных матриц с добавлением структурированного шума, привязанного к криптографическому коммитменту. Несмотря на заявленную связь с задачами машинного обучения, исследование утверждает, что используемые данные не имеют отношения к моделям искусственного интеллекта и могут быть сгенерированы случайным образом без потери возможности получения вознаграждения.
Авторы подчёркивают, что проверка корректности в протоколе ограничивается математической верификацией результата вычислений и не учитывает происхождение входных данных. Это, по их мнению, создаёт фундаментальный разрыв между декларируемой «полезностью» вычислений и их фактическим содержанием.
Технический аудит части инфраструктуры майнинга, включающий анализ 8 012 участников пула AlphaPool и профилирование программного обеспечения, показал отсутствие компонентов, связанных с инференсом нейросетей. В частности, в бинарных файлах не обнаружены библиотеки, характерные для выполнения моделей машинного обучения, такие как PyTorch или vLLM, а использование видеопамяти оказалось значительно ниже уровня, необходимого для работы современных больших языковых моделей.
Изображение сгенерировано: Nano BananaОтдельное внимание в исследовании уделяется тому, что адаптивные стратегии майнеров позволяют обходить статистические проверки, предназначенные для выявления «нереалистичных» данных. Это, как утверждается, делает невозможным надёжное различение между вычислениями, связанными с искусственным интеллектом, и случайными процессами.
Одним из ключевых выводов работы становится утверждение, что фактическая полезность вычислений в сети Pearl равна нулю: система потребляет значительные энергетические ресурсы, но не производит результатов, применимых в машинном обучении или других научных задачах. В тексте приводится оценка энергопотребления порядка 112 МВт, что сопоставимо с нагрузкой среднего города.
Также отмечается влияние системы на рынок графических процессоров. По данным исследования, после появления майнингового программного обеспечения Pearl наблюдался резкий рост цен на аренду GPU и загрузку вычислительных мощностей, что, по мнению авторов, привело к ухудшению доступа к оборудованию для независимых исследователей в области искусственного интеллекта. В качестве одного из эффектов указывается рост стоимости аренды до десятков процентов за короткий период времени.
Исследование описывает этот процесс как «разрыв полезности»: вычислительные ресурсы, позиционируемые как вклад в развитие ИИ, на практике используются для выполнения задач, не имеющих прикладного значения, но создающих экономическое давление на рынок вычислений.
Автор работы, независимый исследователь Абхинаба Басу (Abhinaba Basu), утверждает, что разработал альтернативную реализацию майнингового программного обеспечения, показавшую сопоставимую или более высокую производительность на различных аппаратных платформах, включая графические ускорители AMD, а также CPU и Apple Silicon. По его мнению, это дополнительно подтверждает отсутствие специализированной «ИИ-ценности» в оригинальной реализации протокола.
В более широком контексте работа рассматривает проблему проверки «полезности» вычислений в системах proof-of-useful-work. Авторы утверждают, что без жёсткой криптографической привязки к реальным задачам искусственного интеллекта такие протоколы могут деградировать до стандартного энергоёмкого майнинга, создающего экономические и инфраструктурные перекосы.
В заключении подчёркивается, что текущая реализация Pearl демонстрирует системный риск: под видом инфраструктуры для ИИ может формироваться вычислительная система, фактически не производящая полезного результата, но перераспределяющая дефицитные ресурсы GPU-рынка в ущерб научным и прикладным исследованиям.
© iXBT
