Una nuova ricerca mette sotto pressione il progetto Pearl, una blockchain che promette di trasformare il mining di criptovalute in una forma di calcolo utile per l’intelligenza artificiale. Secondo un recente studio preprint, però, la rete avrebbe attivato una potenza computazionale enorme senza generare alcun vero processo di addestramento o inferenza AI.
La stima parla di circa 320.000 GPU della classe RTX 3090, capaci di consumare complessivamente circa 112 megawatt di energia, ma impegnate in operazioni che, secondo i ricercatori, non producono alcun risultato applicabile nel campo dell’intelligenza artificiale.
Pearl e la promessa del mining AI: una rete da 24 exahash al secondo
Il progetto Pearl nasce con l’obiettivo di superare il tradizionale modello del mining crittografico, sostituendo i calcoli utilizzati da blockchain come Bitcoin con operazioni più vicine a quelle impiegate nei sistemi di AI.
La rete utilizza un meccanismo chiamato cuPOW, basato su moltiplicazioni di matrici intere disturbate da rumore. Si tratta di operazioni matematiche simili a quelle presenti nell’addestramento e nell’inferenza delle reti neurali, elemento alla base della promessa di Pearl: trasformare la potenza delle GPU dedicate al mining in una risorsa utile per l’intelligenza artificiale.
Tuttavia, lo studio The Usefulness Gap in Proof-of-Useful-Work sostiene che il sistema presenti una falla fondamentale. Il protocollo verifica solamente che i miner abbiano eseguito correttamente una moltiplicazione tra matrici, ma non controlla se quei calcoli siano realmente collegati a un modello AI, a un cliente o a un’attività di ricerca concreta.
GPU impegnate in calcoli casuali e nessuna AI realmente prodotta
Per dimostrare il problema, il ricercatore Abhinaba Basu ha creato un miner sperimentale capace di fornire alla rete matrici completamente casuali, senza alcun collegamento con attività di inferenza o addestramento AI.
Secondo il documento, il sistema è riuscito comunque a ottenere 44 condivisioni accettate dai pool di mining utilizzando hardware Nvidia e AMD. Il test è stato inoltre eseguito su CPU e chip Apple Silicon, ottenendo ricompense tramite il normale software di mining.
La conclusione dello studio è che, se un insieme di numeri casuali può ottenere gli stessi premi di un vero lavoro AI, allora la rete non ha strumenti sufficienti per distinguere tra calcolo utile e semplice attività computazionale fine a sé stessa.
L’analisi di oltre 8.000 miner, pari a circa il 21% dell’hashrate di Pearl, avrebbe inoltre evidenziato un comportamento compatibile con semplici operazioni matematiche. Il software utilizzato dai miner non mostrerebbe riferimenti riconducibili ai principali framework di machine learning, mentre i test sulle prestazioni indicano un utilizzo elevato della potenza di calcolo ma un basso impiego della memoria, caratteristica poco compatibile con l’inferenza dei moderni modelli linguistici.
Il boom del mining fa aumentare i prezzi delle GPU
Uno degli effetti più rilevanti riguarda il mercato delle risorse computazionali. Dopo la diffusione del software di mining Pearl, il marketplace vast.ai avrebbe registrato un aumento del 38% nei prezzi di noleggio delle GPU economiche, con il tasso di utilizzo passato dal 57% al 94%.
Secondo le stime dello studio, questa situazione avrebbe generato circa 600.000 dollari l’anno di costi aggiuntivi per ricercatori e sviluppatori indipendenti costretti a competere per lo stesso hardware. Lo stesso autore precisa però che questa cifra dipende da alcune ipotesi sulla stabilità dei prezzi precedenti.
La ricerca evidenzia inoltre che il mining Pearl non sarebbe limitato alle schede Nvidia. Il ricercatore avrebbe infatti testato il sistema anche su una AMD Instinct MI300X, raggiungendo prestazioni superiori rispetto al miner Nvidia utilizzato su RTX 3090. Questo suggerisce che il tipo di calcolo richiesto dalla rete non dipenda da un particolare produttore, ma da semplici operazioni matematiche eseguibili su hardware differenti.
Il nodo della sostenibilità: energia spesa senza un beneficio concreto
Il caso Pearl riapre il dibattito sulla sostenibilità delle reti di Proof-of-Useful-Work, ovvero quei sistemi che promettono di trasformare il mining tradizionale in una risorsa produttiva.
Secondo lo studio, il problema non sarebbe il concetto in sé, ma il modo in cui viene applicato. La tecnologia permette teoricamente di svolgere calcoli utili, ma il sistema attuale non obbligherebbe i miner a produrre realmente lavoro AI.
Pearl potrebbe comunque replicare alle accuse ricordando la partnership annunciata con Together AI, che collega il mining alla possibilità di offrire servizi di inferenza AI a prezzi ridotti. Basu sostiene però che tali operazioni siano separate: i calcoli AI verrebbero eseguiti da infrastrutture dedicate, mentre i miner della rete produrrebbero soltanto le ricompense in token.
La questione centrale rimane quindi aperta: una rete può essere definita “AI-powered” se esegue calcoli simili a quelli dell’intelligenza artificiale, ma senza generare risultati utilizzabili? Per lo studio, nel caso di Pearl il confine tra computazione utile e semplice mining con matematica ispirata all’AI resta ancora irrisolto.
Fonte: Tom’s Hardware
