Il cofondatore di Ethereum Vitalik Buterin ha condotto un auto-esperimento per verificare se i sistemi di IA possano offrire raccomandazioni personalizzate senza che l'utente rinunci a dati personali sensibili. In post condivisi su X il 4 ottobre, ha descritto l'uso delle proprie informazioni di salute e viaggi per generare suggerimenti su dieta ed esercizio fisico, con un modello locale che coordinava le richieste verso sistemi remoti più capaci, attingendo al loro ragionamento e alle loro conoscenze.

La configurazione privacy combinava prompt scritti con cura, pagamenti privati tramite zkAPI e routing Tor, con ciascun livello che affrontava una diversa fonte di esposizione dell'identità. L'esperimento tocca un'esposizione abituale nell'IA commerciale, in cui i servizi a pagamento possono collegare ogni prompt all'account pagante e alla rete di origine, così che i dettagli identificativi possano accumularsi anche quando un nome non viene mai digitato. Buterin ha detto che le raccomandazioni hanno beneficiato dell'input remoto, sebbene le protezioni della privacy necessitassero ancora di miglioramenti. Ha inoltre segnalato risposte lente e un compromesso tra condividere meno informazioni e ricevere consigli utili.

Tre livelli di privacy per le query di IA

Buterin ha identificato il suo coordinatore locale come Qwen 3.8 Flash Next, che chiamava modelli di frontiera quando necessario. Un file di skill guidava quelle chiamate, istruendo il sistema locale a rivelare meno informazioni personali possibili.

Doing a bit of a self-experiment. Goal: use my personal health and travel data to provide personalized diet and exercise recommendations for me, using frontier models but in a way that avoids leaking to them any private information. Strategy: use a local model (Qwen 3.8 Flash… pic.twitter.com/mi38E5jlfN

— vitalik.eth (@VitalikButerin) 4 ottobre 2026

Il primo livello affrontava sia i contenuti dei prompt sia il loro stile di scrittura. Poiché era il modello locale a comporre le domande, i servizi remot affrontavano un rischio ridotto di identificarlo tramite formulazioni distintive o dettagli personali.

Il secondo livello riguardava i pagamenti, che possono collegare le richieste di IA a un account cliente identificabile. Per questo, l'esperimento ha utilizzato zkAPI, un sistema progettato per separare l'autorizzazione del pagamento dall'identità dell'utente. Le zero-knowledge proof, lo strumento crittografico alla base, consentono a un servizio di verificare un'affermazione — come il finanziamento di un vault — senza vedere i dati alla base. L'Ethereum Foundation ha descritto zkAPI in un annuncio del 1 ottobre come crediti di utilizzo privati per servizi a pagamento. Gli utenti finanziano un vault, poi autorizzano la spesa con zero-knowledge proof invece di rivelare quale deposito ha pagato le richieste. In modalità runtime key, chiavi API temporanee limitano la spesa, mentre ricevute di utilizzo firmate determinano l'addebito effettivo. Il servizio di pagamento verifica il finanziamento senza ricevere i prompt, che vanno direttamente al fornitore di IA.

Tor forniva il terzo livello, mirato alle informazioni di rete come gli indirizzi IP. La consolidata rete di anonimato instrada il traffico attraverso relay, in modo che un servizio di destinazione non possa vedere l'indirizzo reale dell'utente. Buterin ha acceduto a zkAPI tramite uno strumento a riga di comando avvolto in Tor, combinando la privacy dei pagamenti con il routing anonimo della rete.

La progettazione tratta queste protezioni come complementari, poiché ciascuna copre una diversa via di identificazione. Rimuovere i nomi dai lascia comunque i record di pagamento o i dettagli di rete come potenziali collegamenti. La Foundation ha anche avvertito che i fornitori di IA possono comunque leggere i prompt inviati, e la sua documentazione afferma che dettagli personali ripetuti, cronologie di conversazione riutilizzate e schemi di scrittura possono consentire di collegare sessioni separate.

Limiti di velocità e compromessi sui dati

Buterin ha riferito che l'esperimento ha restituito raccomandazioni migliorate dalle conoscenze dei modelli di frontiera. Ha tuttavia identificato quattro debolezze, riguardanti la progettazione della rete, la costruzione delle richieste, le prestazioni locali e l'equilibrio tra privacy e utilità — quattro lacune che dovrebbero essere colmate prima che una simile configurazione possa andare oltre una prova personale.

Ha sostenuto che Tor gestisce male la separazione tra le singole richieste e potrebbe non offrire privacy sufficiente per questo uso. Ha inoltre stimato che la latenza fosse da 10 a 100 volte superiore a quella possibile. Il file di skill, nel frattempo, necessitava di strategie migliori per decidere quali informazioni dovessero ricevere i modelli remoti, rendendo la preparazione delle richieste un'altra parte irrisolta dell'esperimento.
Sulle prestazioni locali, Buterin ha detto che il modello Qwen generava circa 20-30 token al secondo sulla sua configurazione. Voleva velocità superiori a 100 token al secondo prima che il sistema risultasse comodamente veloce.

Anche il compromesso sulla privacy rimaneva evidente: trattenere più contesto riduceva l'aiuto disponibile dai modelli remoti. Ciò suggerisce che le salvaguardie sui pagamenti e sulla rete da sole non possono preservare la qualità delle raccomandazioni personalizzate quando le richieste omettono dettagli contestuali importanti.

La visione più ampia di Ethereum

L'esperimento fa seguito a un saggio del 27 settembre in cui Buterin ha descritto Ethereum come un futuro world computer crittografico, che combina la sicurezza della blockchain con la privacy crittografica, la verifica e il calcolo decentralizzato fuori dalla catena. In quel saggio, ha identificato Hegotá, prevista per il prossimo anno, come l'ultima normale fork. Lo sviluppo successivo prevederebbe STARK ricorsivi, verifica formale automatizzata, consenso ottimizzato e tecnologia quantum-safe. Le prove crittografiche attraversano entrambi gli sforzi: le zero-knowledge proof gestiscono il livello di pagamento zkAPI, mentre la roadmap punta a STARK ricorsivi e verifica formale su scala di protocollo.

Ha anche citato PeerDAS come un primo passo verso questa architettura più ampia. Il risultato previsto è un calcolo più economico, più scalabile e più privato, garantito dalla crittografia moderna. Con Hegotá in programma per il prossimo anno, quella fork rappresenta il punto di controllo più vicino per osservare come prendono forma i componenti crittografici della roadmap.