Cargando precios…
🔥BULLISH

OpenAI impulsa la verificación de contratos inteligentes

El titular es la escala de cómputo. La lectura cripto va más arriba: a medida que la demostración automatizada se abarata, crece el coste de los contratos mal especificados. Terence Tao ya está señalando el vacío que se abre.

OpenAI anunció el 8 de septiembre que aproximadamente 10.000 agentes de IA concurrentes produjeron una solución al problema de movimiento de fluidos de Navier-Stokes tras unas 88 horas de cómputo, con 17 horas adicionales de formalización y verificación en Lean ejecutándose en GPT-6 Astra. El sistema generó una prueba analítica que muestra que un fluido inicialmente suave puede desarrollar una singularidad en tiempo finito manteniendo energía finita, resolviendo los casos C y D de la formulación del Premio del Milenio. OpenAI publicó tanto la prueba como su formalización en Lean para escrutinio independiente.

El titular es la escala de cómputo; la lectura estructural es lo que viene después. La verificación formal, la misma técnica usada para demostrar matemáticamente el comportamiento de los contratos inteligentes, ha estado limitada por el esfuerzo manual. El experimento de OpenAI apunta a un futuro cercano en el que los sistemas de IA pueden generar y verificar pruebas a un ritmo que comprime el paso de especificación guiada por humanos hasta convertirlo en el nuevo cuello de botella.

Por qué importa

La documentación de Ethereum define la verificación formal como el proceso de establecer si un contrato satisface propiedades que los desarrolladores han especificado por adelantado. Ese enfoque pone la carga sobre la calidad de la especificación. Un demostrador solo puede probar lo que se expresa; los controles de acceso, las condiciones de retirada, los invariantes contables y las funciones privilegiadas siguen requiriendo una definición humana precisa antes de que cualquier sistema automatizado pueda probarlos. A medida que la demostración de teoremas se vuelve más autónoma, crece el coste de equivocarse en las especificaciones mientras se reduce el coste de producir la propia prueba.

El riesgo específico para las criptomonedas discurre en paralelo a una preocupación que el matemático Terence Tao planteó cinco días antes del anuncio de OpenAI. Tao advirtió que los sistemas de IA autónomos respaldados por grandes presupuestos de cómputo podrían ofrecer resultados correctos manteniendo gran parte del proceso iterativo de descubrimiento fuera de la vista pública. Los enfoques fallidos y los descubrimientos intermedios suelen producir ideas que sobreviven a la prueba final. Un demostrador mayoritariamente autónomo podría entregar así a los equipos de DeFi, puentes y activos tokenizados un artefacto verificado sin transferir la profundidad de comprensión necesaria para mantenerlo.

Tokens relacionados
$ETH

Preguntas frecuentes

  1. ¿Qué demostraron realmente los agentes de IA de OpenAI?

    Produjeron una solución analítica al problema de movimiento de fluidos de Navier-Stokes, estableciendo los casos C y D de la formulación del Premio del Milenio, y luego la formalizaron en Lean para revisión independiente.

  2. ¿Por qué importa este avance para la seguridad cripto?

    Las mismas técnicas de verificación formal usadas en matemáticas pueden aplicarse a los contratos inteligentes, y la escala de cómputo de OpenAI sugiere que la demostración impulsada por IA está ahora al alcance de auditorías en producción.

  3. ¿Cuál es el nuevo cuello de botella si la generación de pruebas se automatiza?

    La calidad de la especificación. La documentación de Ethereum señala que un demostrador solo puede probar lo que los desarrolladores especifican, así que los controles de acceso, las condiciones de retirada y los invariantes contables siguen necesitando una definición humana precisa.

  4. ¿Sobre qué advirtió Terence Tao?

    Cinco días antes del anuncio de OpenAI, Tao advirtió que los sistemas de IA autónomos podrían entregar resultados correctos manteniendo el descubrimiento iterativo fuera de la vista pública, eliminando los enfoques fallidos que a menudo generan ideas valiosas.

  5. ¿Quién se beneficia más de la demostración automatizada de teoremas en DeFi?

    Los equipos que combinan demostradores automatizados con un diseño riguroso de especificaciones, ya que el coste marginal de verificar más contratos por ciclo disminuye mientras la experiencia humana se concentra en definir los fallos que nunca deben ocurrir.

Atribución de fuente
Agregado de CryptoSlate · Verificado · Última actualización hace 42d
Abrir original →