Wird die Leistung von 320.000 GeForce RTX 3090 verschwendet: Kontroverse um das Pearl-Projekt

In der Welt der Kryptowährungen sind Versuche, KI und Blockchain-Technologien zu kombinieren, in die Kritik geraten. Obwohl sich das Pearl-Projekt als erstes Netzwerk präsentierte, das Mining-Prozesse auf nützliche Berechnungen lenkt, haben Forscher der Cornell University Beweise vorgelegt, die die Effizienz des Systems widerlegen. Den Ergebnissen der Studie zufolge könnte die enorme Rechenleistung praktisch keine nützliche Arbeit verrichten. Dies berichtet Ixbt.com berichtet .

Der Studienautor Abhinaba Basu schätzte die aktuelle Rechenleistung des Pearl-Netzwerks auf etwa 24 Exahashes pro Sekunde. Dieser Wert entspricht dem gleichzeitigen Betrieb von etwa 320.000 leistungsstarken NVIDIA GeForce RTX 3090 Grafikkarten. Der Energieverbrauch einer solch massiven Infrastruktur könnte 112 MW erreichen, was den Strombedarf einer ganzen Kleinstadt decken würde.

Nützliche Arbeit oder Marketing-Trick?

Die Grundidee des Pearl-Projekts basiert auf dem Proof-of-Useful-Work-Konzept. Theoretisch sollten Miner statt nur komplexer mathematischer Gleichungen reale Aufgaben wie das Training neuronaler Netze ausführen. Laut ixbt.com hat der aktuelle Mechanismus jedoch keine Möglichkeit zu überprüfen, ob die geleistete Arbeit tatsächlich nützlich ist.

Um seine Ergebnisse zu beweisen, entwickelte der Forscher ein spezielles Mining-Programm. Anstatt KI-Aufgaben auszuführen, sendete dieses Programm Matrizen aus Zufallszahlen an das Netzwerk. Überraschenderweise akzeptierte das Pearl-Netzwerk diese "nutzlosen" Daten und schrieb dem Benutzer weiterhin Belohnungen gut. Dies zeigt, dass das System nicht zwischen echten KI-Aufgaben und einfachen mathematischen Operationen unterscheiden kann.

Steigende Marktpreise

Das Projekt wirkt sich nicht nur negativ auf den Energieverbrauch aus, sondern auch auf den Markt für die Vermietung von Rechenleistung. Laut den in der Studie zitierten Daten stieg der Mietpreis für günstige Grafikkarten auf der Plattform Vast.ai nach dem Start der Pearl-Software im Mai um 38 Prozent. Die Auslastung der Geräte stieg von 57 auf 94 Prozent.

Die Analyse von über 8.000 Netzwerkknoten ergab, dass die meisten Teilnehmer tatsächlich moderne Hardware verwenden, die in der Lage ist, KI-Modelle auszuführen. In den untersuchten Softwarepaketen wurden jedoch keine Spuren populärer Frameworks für maschinelles Lernen (wie PyTorch oder TensorFlow) gefunden.

Bisher haben sich die Vertreter von Pearl nicht offiziell zu dieser Studie geäußert. Die Situation sorgt in der Krypto-Community für hitzige Debatten: Viele Experten sehen darin lediglich die Nutzung des KI-Themas als Marketinginstrument. Wenn das Projekt seine Algorithmen nicht reformiert, werden weiterhin Hunderttausende leistungsstarke Grafikkarten damit beschäftigt sein, "die Luft zu heizen".