¿Qué es la prueba de trabajo útil?

Prueba de trabajo útil

Se creó un mecanismo de consenso llamado Prueba de Trabajo Útil (PoUW) para aumentar la efectividad de la tecnología blockchain y las operaciones de minería al dirigir recursos que de otro modo se desperdiciarían hacia la resolución de problemas del mundo real.

El consenso más utilizado en el sector de blockchain es el consenso de Prueba de Trabajo (POW) debido a su fuerte seguridad y marco de verificación. Pero por naturaleza desperdicia recursos.

Los mineros de todo el mundo utilizan mucha electricidad cada año, lo que genera preocupaciones sobre el medio ambiente y las finanzas.

La metodología de prueba de trabajo útil de Flux aborda esta restricción. Además, utiliza infraestructura de hardware para construir una red descentralizada de igual a igual que puede abordar de manera efectiva los problemas que enfrenta el sector de la IA en este momento.

¿Qué es el flujo?

Similar a AWS o Google Cloud, el Flux Web3 cloud es una plataforma de desarrollo abierta y descentralizada que proporciona blockchain como servicio y procesamiento descentralizado.

Flux ha transformado este ecosistema. Utiliza un token nativo de Prueba de Trabajo (POW) para proporcionar incentivos a los anfitriones de hardware, gestión en la cadena y prevención de comportamientos maliciosos a través de requisitos de participación de hardware.

La red PoUW, anteriormente conocida como ZelHash, se basa en FluxCore para permitir que los usuarios se unan a sus estaciones de trabajo. Se pretende que sea un componente vital para cerrar la "brecha de infraestructura" al hacer uso del hardware inactivo en residencias, lugares de trabajo y centros de datos, proporcionando poder computacional a quienes más lo necesitan.

Solicitud de Prueba de Trabajo Útil

La infraestructura actual debe maximizar la descentralización mientras ofrece un ecosistema confiable, seguro y escalable para ejecutar un consenso PoUW, que asegurará las redes de minería de blockchain mientras resuelve servicios de renderizado, inteligencia artificial, detección de deepfake y otros problemas de carga computacional.

• Inteligencia artificial

El término inteligencia se refiere a la capacidad de una máquina para simular o aproximarse a la inteligencia humana. Incluye métodos que van desde el aprendizaje automático hasta el aprendizaje profundo y tiene aplicaciones en varios dominios, incluyendo la investigación académica, la medicina y la predicción del clima.

Para satisfacer ciertas necesidades, los científicos de datos, los equipos de investigación académica y otras organizaciones están equipados con grandes recursos informáticos. Los modelos de aprendizaje profundo en las empresas actualmente tardan mucho en entrenarse y calcularse.

• falso

Los algoritmos de IA han hecho posible que podamos producir clips con voces y hasta caras cambiadas. Sin embargo, hay varios riesgos asociados con esto. La detección de deepfakes es un tema delicado que requiere una consideración cuidadosa. La prueba de trabajo útil tiene como objetivo abordar y resolver este problema mediante el aumento de la seguridad.

La evidencia de un esfuerzo valioso hace posible el acceso a las herramientas necesarias para investigar, identificar y, lo más importante, distinguir rostros y voces genuinos de los deepfakes.

• Representación de gráficos por computadora

El proceso por el cual una computadora construye una imagen píxel por píxel se llama renderización. Incluso se vuelve necesario aplicar efectos únicos a diseños intrincados. Esto requiere una gran cantidad de poder de procesamiento, lo que a menudo provoca que todo el proceso se retrase.

Las principales industrias que lo utilizan son la visualización de diseño, los videojuegos, las películas animadas, los simuladores, los efectos especiales de televisión y los diseños arquitectónicos. Los desarrolladores que utilizan servicios de renderizado descentralizados pueden disfrutar de todos los beneficios de una granja de renderizado sin los altos costos de mantenimiento, hardware y software.

Impacto ambiental de la prueba de trabajo útil

PoW funciona de manera similar a un mecanismo de apuestas: o encuentras un bloque y ganas una gran recompensa, o no. La finalización de la transacción no está garantizada; es probabilística. Siempre existe la posibilidad de que emerja una cadena más larga y revierta una transacción que ha sido incluida en un bloque minado; sin embargo, la probabilidad de que esto ocurra disminuye con la inclusión de más bloques.

A diferencia de PoW, PoUW elige al mejor proveedor que satisface los requisitos del servicio, evitando carreras inútiles para reclamar una recompensa por bloque. Los proveedores reciben el trabajo según las especificaciones de hardware de cada uno. Debido a la significativa volatilidad de los pagos causada por el efecto de lotería de los pagos a los mineros, se anima a los mineros a agruparse o crear piscinas dirigidas centralmente.

Este problema de centralización impacta significativamente el medio ambiente. Según la Agencia Internacional de Energía, los centros de datos representan el 0.3% de las emisiones de CO2 en todo el mundo y utilizan alrededor de 200 teravatios-hora (TWh) de electricidad, o casi el 1% de la demanda total de electricidad del mundo.

Además, es costoso concentrar la potencia de cálculo en un solo sitio de centro de datos. Debido a que las transacciones PoW requieren una cantidad significativa de energía, la tarifa de transacción debe ser lo suficientemente alta para compensar el costo real.

Naturalmente, reducir la energía utilizada para cada transacción también reduce su seguridad. Para facilitar el consenso PoUW, que tiene como objetivo asegurar las transacciones basándose en actividades computacionales, Flux está implementando la infraestructura necesaria.