La cryptographie des données numériques est un codage appliqué à un flux d’informations. Ces données numériques subissent des algorithmes (voir Khwarizmi), ce sont des images, des textes, des monnaies… tout est possible mais elles sont encodées, sécurisées (ou pas), mais toujours cryptées/codées dans un langage informatique simple, axiomatique, consensuel et qui permet une gestion des machines en leur donnant toujours plus d’autonomie.
La machine remplace la loi, la machine n’est pas l’homme, la loi des algorithmes fabrique la machine. La cryptographie informatique permet d’imposer des lois (lecture/écriture) aux machines qui doivent s’exécuter en fournissant un travail et en consommant de l’énergie électrique. Le travail des machines est une réalité comme puissance mécanique depuis l’ère industrielle, mais le travail des machines actuelles est différent car l’Intelligence Artificielle (IA) accomplie des tâches exploitant une puissance mentale (noologie).
Alan Turing (1912-1954)
La Machine Turing
Turing a fini sa vie persécuté par la justice britannique à cause de son homosexualité. Au moment de son jugement, Turing choisit la castration chimique plutôt que la prison. Le traitement provoqua chez lui des altérations physico-psychiques qui le conduisent au suicide.
Alan Turing est considéré comme l’un des pères de l’IA et de l’informatique moderne. Pendant la seconde guerre mondiale, A. Turing travaillait pour l’armée britannique sur la cryptographie et le décodage de la machine Enigma des Allemands.
Son principal apport est un modèle théorique d’ordinateur universel que l’on nomme maintenant « machine de Turing » comme des règles assimilées à un programme informatique avec un système d’entrée/sortie comparable à un registre sur l’état d’exécution du programme.
De nos jours, en concevant un nouveau langage informatique (Pascal, C, Java…) la première chose à faire est de vérifier qu’il est Turing-complet c’est à dire compatible avec une machine Turing.
L’Intelligence Artificielle (AI)
L’intelligence artificielle, très poussée maintenant, s’est divisée en 5 branches.
La recherche
La recherche en IA concerne l’optimisation numérique dans le traitement des données. Il s’agit d’un processus mis en place pour trouver la meilleure solution à un problème donné. Les problèmes sont souvent définis par des fonctions mathématiques pour déterminer les paramètres d’entrée de la fonction qui maximisent ceux de la sortie. Si l’on ne dispose pas de la formule analytique de la fonction, on ne déduit sa forme/expression qu’à partir de données d’échantillonnage. Il peut y avoir du bruit et les incertitudes reflètent les paramètres à ajuster ou les calculs à affiner.
L’apprentissage
L’apprentissage concerne l’entraînement d’un système informatique par l’ajout de données (mémorisation/restitution) et sa capacité à « généraliser » en déduisant des règles qui peuvent s’appliquer à de nouveaux problèmes. Pour qu’un système soit qualifié d’intelligent et d’utile, il doit être capable d’apprendre à généraliser de manière automatique. Cette autonomie des machines numérique est un problème de société qui doit être discuté et faire consensus au sein du règne humain. Dans le cadre des lois sociales, il y a ceux qui édictent les règles comme pour les monnaies numériques des banques centrales en cours de développement et il y a ceux qui devront se conformer aux lois des nouvelles monnaies programmables. Dans le cas de l’argent numérique, le projet de Satochi Nakamoto avec le Bitcoin ₿ qui est justement la programmation d’une monnaie apatride, sans gouvernance, décentralisée et limitée en quantité produite. Cette idée de génie qui est maintenant acceptée par la finance traditionnelle reflète une divergence de fond avec les monnaies Fiat (€ $ £…) qui sont crées à partir de rien une valeur à crédit et à l’usure. Qu’il en soit-ainsi !
Écoutez la présentation de Yorick de Mombynes à la Blockchain Conférence de Bruxelles en 2022.
La monnaie FIAT s’effondre en occident…
La planification
Depuis le néolithique la planification est nécessaire pour accompagner les tâches inhérentes à la sédentarisation. Pour continuer un peu sur la monnaie numérique, lisez l’article ci-dessous de la BCE qui lançait en 2020 le projet d’un € numérique du futur.
https://www.ecb.europa.eu/press/key/date/2020/html/ecb.sp201012_1~1d14637163.en.html
Dans toute planification, il y a deux types de contraintes : les incontournables et celles dont on peut s’affranchir. Toujours important de considérer dans une société future le positionnement juste entre celui qui s’affranchit des contraintes et celui qui ne pourra subir que les contraintes incontournables. Entre ceux qui s’affranchissent (les élites dirigeantes dans l’ombre et la lumière) et ceux qui subissent (90% de la masse humaine), j’ai bien l’impression que la planification (heureuse) du genre humain (occidental) à échouer maintenant en étant témoin justement du déséquilibre actuel entre les hommes qui écrivent les lois et ceux qui doivent s’y conformer.
Le raisonnement automatique
En 1956, l’économiste Herbert Simon (1916-2001) et l’ingénieur Allen Newell (1927-1992) ont développé la machine Logic Theorist capable de démontrer des théorèmes complexes de logique mathématique. C’est le début d’une longue route vers les « machines intelligentes ». Logic Thorist utilisait des « systèmes symboliques » en mathématique pour donner un sens à certaines expressions sans se référer à des conventions arbitraires.
Pour simplifier les opérations mathématiques, les systèmes symboliques partent d’axiomes pour construire des théorèmes au moyen de règles de dérivation. La programmation informatique des systèmes symboliques (systèmes formels) est assez simple.
Par exemple, avec un syllogisme hypothétique :
- Socrate est un homme {A:Socrate ; B:homme et A=>B}
- Tous les hommes sont mortels {C:mortel}
- Donc Socrate est mortel {B=>C}
Un système symbolique est évident :
A=> C si l’on a A=>B et B=>C
George Boole (1815-1864)
Mathématicien et philosophe britannique à la base de la construction théorique de l’arithmétique informatique sur laquelle repose toute l’électronique numérique. G. Boole simplifie la logique manichéenne (problème logique) à deux états VRAI ou FAUX.
Les trois opérations mathématiques élémentaire de l’algèbre de Boole sont la négation (le complément), l’union (ou) et l’intersection (et). Une chose est VRAI si l’un des deux paramètres est VRAI. Dans l’électronique numérique, VRAI et FAUX sont représentés par 1 (le courant électrique passe) et 0 (le courant ne passe pas). La logique est simple et puissante lorsqu’on peut associer une quantité suffisante de « connecteurs électriques » permettant de calculer les évènements uniquement soumis à la « loi des grands nombres ». Les opérations logiques s’effectuent au moyen de la combinaison de transistors. L’informatique a, pour l’instant progressé, sur l’intégration de transistors toujours plus nombreux. La technologie atteint la limite matérielle de la miniaturisation des composants électroniques (niveaux atomiques instables) forçant à s’orienter (dans l’algorithme) maintenant vers le « multi cœurs » plutôt que pousser la limite de la sommation logique des transistors.
Toutes ces conquêtes acquises par la computation permettent l’optimisation du calcul réitéré dans un langage binaire pour aborder prudemment (pour l’instant) la logique floue comme un outil puissant pour travailler sur des systèmes incomplets, incertains ou non monotones. La logique de Boole est classique, la logique floue inclue différents degrés de vérité et de fausseté.
Le traitement du langage naturel
Pour traiter le langage naturel, il ne suffit pas de transcrire des sons et des signes écrits mais aussi saisir les concepts transmis (écrit/oral) pour exécuter une action donnée. Programmer la décision comme reflet d’une volonté libre est le plus difficile pour un informaticien comme pour un humain.
Une des premières expériences concerne le programme ELIZA (1960) de l’ingénieur Joseph Weizenbaum (1923-2008) qui simulait le langage avec un psychothérapeute. Tout un programme ! Ce thérapeute était-il plutôt orienté Freud, Jung, Lacan ? Cependant, depuis les années 60 le langage naturel des machines a beaucoup progressé. De nos jours, j’ai testé des échanges avec chat GPT, c’est confortable et bien réalisé pour peu que le « prompt » soit précis et que le contenu à expliciter par la machine ne soit pas trop approfondi dans les connaissances théologiques, scientifiques, mythologiques…
Le traitement du langage naturel concerne (pour l’instant) la détection des plagiats littéraires, la traduction automatique ou la mise au point optimisée d’interfaces homme-machine.
Pour résoudre un problème pratique, il faut structurer les connaissances et programmer les outils pour les parcourir en ordre. La base des connaissances d’un système permet de simuler/programmer des stratégies de raisonnement, de recherche, d’apprentissage…
La base des connaissances est donc changeante dans un système intelligent, l’unité navigante doit s’adapter pour cheminer. La conscience humaine est une unité navigante, dans une moindre mesure un animal aussi, mais une machine peut-elle être concernée ? Nous souhaiterions que non mais c’est déjà le cas. Réveillez-vous ! Les « systèmes de maintenance de la vérité » – TMS – sont les éléments qui surveillent et vérifient que la base de connaissance reste cohérente avec elle-même. Vous comprenez où tout cela peut nous mener ?
L’objectif est de reconnaître et de signaler les modèles présents afin de prévoir les évolutions futures. Pour effectuer cette reconnaissance, des outils numériques comme des réseaux neuronaux, des machines à vecteurs de supports (SVM) se sont des systèmes classification qui se basent sur un ensemble d’échantillons de classe connue pour qu’il puisse apprendre. Les systèmes de classification sont de deux types :
- Le système de Michigan : c’est un algorithme évolutionniste, les individus sont des règles et chaque règle est composée d’un ensemble de conditions et d’un objectif. Si un échantillon correspond aux conditions imposées par la règle, la classe de cet échantillon sera indiqué par l’objectif de la règle.
- Le système de Pittsburgh : chaque individu est un ensemble de règle et la qualité d’un individu s’évalue à partir du taux d’erreur moyen de chacune de ces règles.
La modélisation et/ou la simulation du langage naturel (point de vue humain) est une déroute à éviter si ce n’est pour rendre service à la masse sociologique et non aux élites qui souhaitent en contrôler le plus grand nombre. L’idée initiale d’une insoumission aux banques centralisées, c’est le cash p2p programmé par Bitcoin ₿. Mais l’assemblage des blocs linéaires n’étant pas optimiser pour un grand nombre de transactions, le Consensus de Satochi Nakamoto (Trilemme) est résolu par sa généralisation dans un diagramme acyclique (GhostDAG) qui regarde en arrière pour valider/sécuriser le Consensus global dans le réseau Kaspa. La sécurité (convergence) est optimisée, la décentralisation et son lancement équitable avec la rapidité de validation des transactions, toutes ces caractéristiques font la force de Kaspa.org
Parce qu’une monnaie est juste lorsqu’elle est équitable, transparente, sécurisée, rapide et décentralisée. Une monnaie p2p (eCash System) utile pour le peuple et les commerçants. Le Bitcoin ₿ reste une valeur numérique de stockage, Kas est fluide et liquide, c’est de l’argent.
De Bitcoin ₿ à Kaspa
Preuve de travail optique
Le minage PoW (preuve de travail) s’efforce de résister aux attaques Sybil et à double dépense ainsi qu’à un mécanisme d’émission de devises. Le Hashcash basé sur SHA256 encaisse difficilement la charge en stockage de valeur et en volume de transactions supplémentaires. Pour palier à cette forte dépendance de Bitcoin ₿ à l’électricité suscitant des préoccupations environnementales et systémiques, un nouvel algorithme Optical Proof of Work – oPoW- peut utiliser les photons plutôt que les électrons pour éliminer l’énergie comme coût principal de minage.
Pour faire évoluer les systèmes comme ₿ de 10 à 100 fois sa taille actuelle, oPoW permet d’utiliser une fonction de hachage personnalisé, le HeavyHash conçue spécifiquement pour fonctionner avec les accélérateurs optiques nécessaire au PoW. Le remplacement de la fonction de hachage dans le code PoW ₿ passe par un prototype d’implémentation matérielle et logicielle (un fork Bitcoin oPoW et un mineur photonique de silicium oPoW) c’est un système de circuit intégré photonique au silicium en son cœur et un principe de fonctionnement au calcul analogique.
Le multiplicateur matrice-vecteur photonique analogique (ASIC pour Kaspa par exemple) est un maillage de coupleur directionnel rectangulaire avec une carte RasPi exécutant un logiciel de nœud fork Bitcoin associé à une carte pilote fabriquée par Qontrol qui communique avec une carte de circuit imprimé personnalisé TIA (pour amplifier le signal des photodétecteurs) et un support sur lequel le silicium photonique de la puce est montée. Le RasPi effectue la partie numérique du HeavyHash et décharge la partie analogique vers la puce photonique via le contrôleur Qontrol.
(Sources techniques : Pdf français/anglais)
Voir la visualisation Kaspa du BlockDAG en action : https://kgi.kaspad.net/
Voir les données du marché des pus gros porteurs de $KAS : https://kas.live/
Les cryptos-actifs et les banques centrales
La capitalisation boursière actuelle du marché des cryptomonnaies est de 1,3 T€ soit 1300 milliards d’€. C’est déjà énorme et une nouvelle vague de flux monétaire FIAT ($ € £…) va affluer de nouveau dans les marchés cryptos avec l’acceptation/adoption de plus en plus massive de la part des structures financières traditionnelles.
Rajout 3/12/2023
Tout cela tombe très bien avec la nouvelle norme ISO20022 pour gérer les flux financiers dans le monde. Certains protocoles, passerelles, lois administratives communautaires permettront d’établir des liens entre les monnaies numériques (cryptos décentralisées ₿, Kaspa), le FIAT qui va se transformer rapidement en CBDC comme monnaies numériques étatiques (centralisées).
Sur le site de la banque Centrale Européenne BCE on peut lire :
La valeur de la monnaie (fiduciaire, FIAT ou euro numérique) est garantie par la BCE.
De 1999 à 2021 l’euro FIAT € n’étant pas encore numérique, la banque centrale devait garantir sa monnaie, alors pourquoi l’€ a perdu 80% de sa valeur depuis sa création ?
En comparant les rendements (%) ci-dessous, la finance traditionnelle est à la traîne par rapport à Bitcoin ₿ (réserve d’or numérique). Et le futur intègrera, dans la bifurcation des flux monétaire Kaspa comme monnaie (argent) d’un p2p eCash performant.
Les Etats-Unis entraînent l’Europe dans sa chute monétaire. Les pays de l’alliance occidentale n’inspirent plus confiance au reste du monde. Depuis +1 an (2022), le bilan de la FED (Banque centrale US) est en chute libre.
Alors Mme Lagarde (présidente de la BCE), les banques centrales garantissent-elles la valeur d’une monnaie ? Qu’il s’agisse de l’UE ou des US, le bilan est catastrophique.
Si je regarde maintenant un crypto-actif comme Kaspa, la monnaie argentée prenant le relais de ₿ montre sa force depuis sa création. Sa courbe de croissance est significative, passant d’une capitalisation de 400 millions de $ à 3 milliards de $ en moins de 4 mois, c’est remarquable.
Sur les 15 derniers jours, Kaspa (indice Kas/usd) est passé de 0,06 $ à 0,14 $, la courbe est nettement croissante en peu de temps. Imaginons un « kaspian » avec 100.000 cryptos-actifs Kaspa début novembre pour une valeur de 6000 $, son capital monte à 14.000 $ (avant le 20 novembre) soit un gain de 8000 $ en 15 jours !
Pour avoir une idée claire du diagramme, depuis juillet 2022, le lancement équitable de Kaspa fait ses preuves et sa progression est certaine et bien engagée :
La capitalisation de Kaspa doit attendre 20 milliards $ dans un premier temps, stabiliser sa valeur intrinsèque et proposer une consolidation de la couche L1 pouvant supporter des smart-contrats (SC) de nouvelle génération pour exploser à nouveau…
A l’inverse la monnaie FIAT $ des US ne fait que s’auto-détruire dans un excès de création de monétaire :
Vous devez être connecté pour poster un commentaire.