¡Hola chicos, buenas tardes! Ha llegado la tan esperada fiesta de compras del doble 11, ¡quién hubiera pensado que un soltero como yo también podría tener su propio día festivo! 😆 En años anteriores, solía gastar una gran cantidad de dinero en esta época.

Esta noche volveré a gastar mucho, acabo de revisar mis gastos de este año y he visto que solo en 🍑 ya he gastado tanto, casi alcanzando el nivel de membresía diamante negro, pero de repente surgió una duda.

Cuando hago el pago en la tienda, la página muestra el monto final a pagar. Quiero confirmar si ese precio es correcto después de aplicar descuentos, redenciones, cupones y bonificaciones, pero no quiero revelar mi nivel de membresía, registros de uso de cupones, detalles de bonificación de compras, ni otra información privada. ¿Qué debería hacer en ese momento?

❙ La prueba de conocimiento cero (Zero-Knowledge Proof) ofrece una respuesta, pero también trae un problema aún más complicado: requiere mucho poder de cálculo.

▰ Primero, hablemos de lo impresionante que es la prueba de conocimiento cero: "una sola computación, validación eterna".

Generar una prueba de conocimiento cero puede confirmar en unos milisegundos que el monto no está equivocado, pero el proceso para crear esa prueba requiere descomponerlo en reglas matemáticas y volver a ejecutarlas, lo que implica un trabajo varias centenas o incluso miles de veces mayor que el cálculo original.

▰ Lo más problemático es que en la industria actual, esta tarea la soportan principalmente GPUs.

Las GPUs sí pueden manejar muchas operaciones repetitivas simultáneamente y pueden cumplir con la demanda, pero su diseño original está enfocado en procesar gráficos, no en realizar los cálculos de "matemáticas en campos finitos" que requiere la prueba de conocimiento cero.

Muchas funciones en las GPUs, como los módulos para efectos de iluminación en juegos, no se usan en la generación de pruebas, sino que ocupan recursos innecesariamente. Además, al transmitir datos, consumen bastante energía, lo que hace que su relación costo-beneficio sea muy baja.

▰ En este momento, la estrategia de @cysic_xyz resulta especialmente importante. En lugar de investigar en hardware general, se enfocan en "chips personalizados".

❙ ¿Cómo podemos determinar si los cálculos de conocimiento cero difieren de los de una computadora normal?

Depende de cuántos hashes puedan procesar por segundo, cuántas restricciones matemáticas puedan manejar, y cuánto tiempo y energía consume generar la prueba. Los chips especializados pueden optimizar estos aspectos, eliminando funciones innecesarias y concentrando todo el rendimiento en las necesidades principales de la prueba de conocimiento cero.

Creo que esto no solo representa un avance técnico, sino que también abre un camino claro para toda la industria. La prueba de conocimiento cero ya no es solo teoría en papel, sino que se está aplicando en escenarios reales.

En el futuro, la demanda de "cálculos verificables" solo irá en aumento. No puedo dejar de decir que @cysic_xyz ha elegido un camino con mucha visión.
#cysic