Consensus ancré dans un travail IA cryptographiquement vérifiable
Proof of Intelligence est le cœur d'AETRON. Les mineurs exécutent l'inférence et l'entraînement, se vérifient mutuellement par replay de logits et gagnent des émissions pour le travail que le protocole a su revérifier cryptographiquement.
Comment Proof of Intelligence diverge des modèles hérités
Proof of Work
Brûle de l'énergie pour des hachages
La sécurité repose sur des calculs à vide. Chaque kilowatt supplémentaire prouve seulement que le réseau est toujours en vie.
Proof of Stake
Achète la sécurité avec du capital
Les détenteurs de tokens prennent l'émission. Ceux qui font le travail réel restent sans récompense. Le capital circule entre wallets, sans créer de valeur nouvelle.
Proof of Intelligence
Récompense l'intellect vérifiable
Les mineurs sont payés pour de vrais résultats d'IA que n'importe quel autre participant du réseau peut revérifier cryptographiquement.
Composants clés du PoI
Neuronets
L'unité d'organisation du travail IA. Chaque neuronet héberge plusieurs tâches (inférence, entraînement, modèles privés) avec un hash de modèle figé, une Canonical Execution Spec et une politique d'accès.
Canonical Execution Spec
Une tâche fige le type de données, le format de quantification (plus de 15 sont pris en charge : BF16/FP16/FP32, NF4/FP4/INT8, FP8, MXFP4, NVFP4), l'architecture GPU, le backend d'attention ainsi que les versions de torch/CUDA. Les Reference Probes comparent le hash de logits du mineur à la référence : soit la correspondance est exacte bit à bit, soit la tâche est rejetée.
Replay de Logits + Shadow Replay
Un VRF choisit au hasard 7 % des requêtes pour revérification. Le mineur désigné exécute un unique forward pass (prefill uniquement) et compare les logits ; le coût de ce contrôle est de l'ordre de 0,2 % pour les LLM et de 5 à 10 % pour la diffusion. Shadow Replay ferme la fraude sélective, ce cas où un mineur ne triche que sur une partie des requêtes.
Défense à l'entraînement
En mode d'entraînement collaboratif, chaque pas est surveillé en même temps par quatre détecteurs indépendants : anomalies d'activations, trajectoire de la fonction de perte, corrélation des gradients et fixation cryptographique des poids. Un seul signal suffit à arrêter le pas. C'est aujourd'hui la seule défense opérationnelle face aux attaques de classe « Backdoor in the Middle » sur l'entraînement distribué.
Proof of Intelligence en action
Définir la tâche
L'owner crée un neuronet et publie les paramètres de la tâche : hash du modèle, type de données, format de quantification, architecture GPU et reference probes. Les mineurs s'inscrivent en payant une petite redevance ou en résolvant un puzzle PoW ; aucun collateral bloqué n'est requis.
Exécuter et committer l'artefact
Le mineur sert la requête et conserve un artefact de validation compact (environ 200 octets : logits top-k ou un hash latent, seed, hash de contexte). Ces artefacts sont regroupés dans un arbre de Merkle, si bien qu'une seule transaction on-chain peut couvrir jusqu'à un million de requêtes.
Replay et arbitrage
Un VRF choisit 7 % des requêtes au hasard et confie leur vérification à un second mineur. Celui-ci exécute un prefill et compare le hash des logits. Si les hash diffèrent, un troisième mineur tranche ; la partie qui perd l'arbitrage ne touche aucune émission sur l'époque.
Distribuer les émissions
Le runtime note chaque mineur sur quatre signaux : le travail confirmé, le résultat du benchmark Pulse (une charge canonique de référence pour chaque architecture GPU), l'uptime et la part des revérifications assignées effectivement réalisées. Pour toucher une émission, il ne suffit pas de servir ses propres requêtes : il faut aussi clore toutes les revérifications que le réseau a confiées au mineur.
Qui bénéficie du PoI
Startups IA
Faites tourner vos modèles sans posséder l'infrastructure. L'inférence vérifiable permet à un client entreprise de vérifier que le modèle fait exactement ce qui a été promis, sans avoir à faire confiance au fournisseur.
Équipes de recherche
Menez un entraînement distribué avec le protocole Witnessed Checkpoints. Le replay bit-exact d'un seul pas détecte la substitution de poids et les étapes omises - lors de nos tests, 15 attaques sur 15 ont été interceptées. Sur les réseaux convolutifs, l'identité exacte des résultats est confirmée jusqu'entre GPU différents. Publiez vos runs d'entraînement et touchez des émissions pour un progrès confirmé.
Fournisseurs d'infrastructure
Louez vos GPU pour des charges où la vérifiabilité compte : santé, finance, défense. Le mode optionnel Confidential Computing avec attestation TEE permet de servir des modèles privés sans avoir à faire confiance à l'opérateur. En périmètre fonctionnel, AETRON couvre l'intégralité de Cocoon et offre en plus une inférence vérifiable même sans TEE.
Économie et incitations
Répartition des émissions
- Chaque bloc émet 1,5 AET : 90 % vont aux neuronets au prorata du travail confirmé, 5 % aux validateurs de la chaîne et 5 % au treasury. La récompense est divisée par deux tous les quatre ans, comme chez Bitcoin. Le plafond strict est de 33 millions d'AET, sans premine. Un neuronet vide ne touche rien.
- À l'intérieur d'un neuronet, l'émission se répartit ainsi : 80 % aux mineurs, jusqu'à 10 % au propriétaire et le reste aux stakers. Le propriétaire fixe sa propre part à la création du neuronet, dans une fourchette de 0 à 10 %, et ne pourra plus que la baisser par la suite.
- L'émission n'est versée que pour un travail honnêtement confirmé. Si un mineur manque les revérifications qui lui ont été assignées ou perd l'arbitrage, il ne touche pas de récompense sur cette époque.
Le rôle du stake dans un neuronet
- Le stake dans un neuronet joue deux rôles. Il fixe le débit du réseau - combien de requêtes par époque et combien de mineurs peuvent se connecter - et il fait en même temps office de vote sur l'utilité du service. Un neuronet sans aucun stake ne peut tout simplement pas servir de requêtes.
- L'émission entre neuronets se répartit uniquement selon le travail confirmé que chacun a livré. Si un neuronet accumule beaucoup d'AET en stake mais n'attire aucun trafic réel, ses revenus tombent à zéro eux aussi.
- Quand un mineur replace ses AET gagnés sur son propre neuronet, la capacité augmente, les requêtes suivent et les revenus se mettent à se composer. C'est pour cela qu'il est plus intéressant pour chaque participant de garder et staker ses AET plutôt que de les revendre tout de suite.
Récompense pour un résultat vérifiable
Dans AETRON, la valeur naît d'un travail que l'on peut revérifier cryptographiquement. Chaque bloc apporte de l'inférence, de l'entraînement et des services avec une confiance au niveau du protocole. C'est la base de la prochaine génération d'infrastructure IA.