Chargement des prix…
🔥BULLISH

OpenAI transforme la vérification des smart contracts

Le chiffre clé est l’échelle de calcul. Pour la crypto, l’enjeu se situe en amont : à mesure que la production automatisée de preuves devient moins coûteuse, le coût des contrats mal spécifiés augmente, et Terence Tao met déjà en lumière le fossé qui s’ouvre.

OpenAI a déclaré le 8 septembre qu’environ 10 000 agents d’IA en parallèle avaient produit une solution au problème de la dynamique des fluides de Navier-Stokes après environ 88 heures de calcul, avec 17 heures supplémentaires de formalisation et de vérification en Lean sur GPT-6 Astra. Le système a généré une preuve analytique montrant qu’un fluide initialement régulier peut développer une singularité en temps fini tout en conservant une énergie finie, résolvant ainsi les cas C et D de la formulation du Prix du millénaire. OpenAI a publié la preuve et sa formalisation en Lean pour un examen indépendant.

Le chiffre clé est l’échelle de calcul. L’analyse structurelle vient ensuite. La vérification formelle, la même technique utilisée pour prouver mathématiquement le comportement des smart contracts, est freinée par le travail manuel. L’expérience d’OpenAI laisse entrevoir un avenir proche où les systèmes d’IA pourront générer et vérifier des preuves à une cadence qui fera de l’étape de spécification guidée par l’humain le nouveau goulot d’étranglement.

Pourquoi c’est important

La documentation d’Ethereum définit la vérification formelle comme le processus qui consiste à établir si un contrat respecte les propriétés que les développeurs ont spécifiées à l’avance. Cette définition fait de la qualité de la spécification le principal enjeu. Un prouveur ne peut tester que ce qui est formulé. Les contrôles d’accès, les conditions de retrait, les invariants comptables et les fonctions privilégiées exigent toujours une définition humaine précise avant qu’un système automatisé puisse les tester. À mesure que la démonstration de théorèmes devient plus autonome, le coût des erreurs de spécification augmente, tandis que celui de produire la preuve diminue.

Le risque propre à la crypto fait écho à une inquiétude soulevée par le mathématicien Terence Tao cinq jours avant l’annonce d’OpenAI. Tao a averti que des systèmes d’IA autonomes soutenus par d’importants budgets de calcul pourraient fournir des résultats corrects tout en gardant une grande partie du processus itératif de découverte hors du regard du public. Les approches infructueuses et les découvertes intermédiaires génèrent souvent des enseignements qui perdurent au-delà de la preuve finale. Un prouveur largement autonome pourrait donc fournir aux équipes DeFi, de bridges et d’actifs tokenisés un artefact vérifié, sans leur transmettre la compréhension approfondie nécessaire pour le maintenir.

Tokens associés
$ETH

Questions fréquemment posées

  1. Qu’ont réellement prouvé les agents d’IA d’OpenAI ?

    Ils ont produit une solution analytique au problème de la dynamique des fluides de Navier-Stokes, établissant les cas C et D de la formulation du Prix du millénaire, puis l’ont formalisée en Lean pour un examen indépendant.

  2. Pourquoi cette avancée compte-t-elle pour la sécurité de la crypto ?

    Les mêmes techniques de vérification formelle utilisées en mathématiques peuvent s’appliquer aux smart contracts, et l’échelle de calcul d’OpenAI suggère que la production de preuves par l’IA est désormais à portée des audits en production.

  3. Quel est le nouveau goulot d’étranglement si la production de preuves devient automatisée ?

    La qualité des spécifications. Selon la documentation d’Ethereum, un prouveur ne teste que ce que les développeurs formulent, et les contrôles d’accès, conditions de retrait et invariants comptables nécessitent donc toujours une définition humaine précise.

  4. De quoi Terence Tao a-t-il averti ?

    Cinq jours avant l’annonce d’OpenAI, Tao a averti que des systèmes d’IA autonomes pourraient fournir des résultats corrects tout en gardant le processus itératif de découverte hors du regard du public et en écartant les approches infructueuses qui produisent souvent des éclairages.

  5. Qui bénéficie le plus de la démonstration automatisée de théorèmes dans la DeFi ?

    Ce sont les équipes qui associent des prouveurs automatisés à une conception rigoureuse des spécifications : le coût marginal de la vérification de contrats supplémentaires par cycle baisse, tandis que l’expertise humaine se concentre sur la définition des défaillances qui ne doivent jamais survenir.

Attribution de la source
Agrégé de CryptoSlate · Vérifié · Dernière mise à jour il y a 9d
Ouvrir l'original →