Сенаторы-демократы предложили штрафовать «грязных» майнеров

cryptonews.ruPublié le 2023-08-13Dernière mise à jour le 2025-04-13

Законопроект требует перехода биткоин-майнеров и дата-центров по ИИ на «зеленую» энергию до 2035.
Предприятия будут обязаны раскрывать данные об источниках энергии.
Противодействие республиканцев может заблокировать инициативу.

В Сенате США представлен законопроект «О чистом облаке 2025 года», направленный на ограничение выбросов углерода от майнинговых компаний и дата-центров из сферы ИИ. Его авторами выступили сенаторы Шелдон Уайтхаус и Джон Феттерман. Законопроект предполагает ежегодное снижение лимитов выбросов на 11% до достижения нуля в 2035 году.

Документ предусматривает изменение положения закона «О чистом воздухе», распространив экологические требования на предприятия с энергопотреблением от 100 кВт. Объекты, не соответствующие лимитам, будут платить штрафы, скорректированные на инфляцию. Средства направят на компенсации для граждан через местные гранты.

Авторы инициативы подчеркивают, что современные дата-центры усиливают нагрузку на энергосети, сжигая ископаемое топливо и повышая тарифы для потребителей. По их словам, законопроект призван стимулировать переход на возобновляемые источники и сделать компании ответственными за экологические издержки.

Предприятия обяжут ежегодно отчитываться об источниках энергии и объемах потребления. Агентство по охране окружающей среды на основе этих данных определит интенсивность выбросов и применит возможные санкции. Штрафы будут применяться к арендаторам дата-центров, а не собственникам объектов.

Законопроект уже вызвал резкую реакцию со стороны представителей Республиканской партии. При этом президент Дональд Трамп неоднократно подчеркивал стремление США занять лидирующее положение в добыче биткоинов.

Инициатива может стать предметом ожесточенных политических дебатов, отмечают эксперты. Ее перспективы в Конгрессе будут зависеть от итогов голосования по бюджету и приоритетов республиканского большинства в Палате представителей, считают аналитики.

Напомним, мы писали, что компания Hut 8 и сыновья Трампа стали партнерами в биткоин-майнинге и основали фирму American Bitcoin.

Lectures associées

Pourquoi la hausse de 558 % du volume de Sonic pourrait être plus qu'un simple rallye de soulagement

Le token Sonic (S) a connu une hausse de plus de 18% sur 24 heures, accompagnée d'un bond spectaculaire de 558% de son volume de transactions quotidien, atteignant environ 60 millions de dollars. Ce regain d'activité fait suite à l'annonce de Sonic Labs de suspendre l'inflation annuelle programmée des tokens, une mesure visant à stabiliser la valeur à long terme et qui a redonné confiance aux investisseurs. Les indicateurs réseau reflètent cet engouement : le nombre d'adresses uniques a atteint un record historique de 7,20 millions, et les transactions quotidiennes ont augmenté de plus de 17%. Sur le plan technique, le prix de Sonic sort du bas d'un canal baissier en place depuis mi-mai et approche une ligne de résistance tendancielle clé. Le dépassement de ce niveau pourrait inverser la structure de marché, une possibilité soutenue par la dominance actuelle des acheteurs. Cependant, les données de volume net montrent une pression vendeuse persistante, ce qui pourrait limiter la hausse à court terme. L'évolution du prix autour de cette résistance déterminera la suite de la tendance.

ambcryptoIl y a 50 mins

Pourquoi la hausse de 558 % du volume de Sonic pourrait être plus qu'un simple rallye de soulagement

ambcryptoIl y a 50 mins

Pénurie de puissance de calcul : Google impose discrètement une limite d'utilisation de Gemini à Meta

Une tension sur les capacités de calcul entre Google et Meta met en lumière la pression croissante sur les infrastructures d'IA. D'après des sources informées, Google a informé Meta en mars qu'il ne pourrait pas satisfaire toute sa demande de puissance de calcul pour utiliser le modèle Gemini, imposant des limites d'utilisation qui perturbent et retardent plusieurs projets internes de Meta. Cette situation contraint Meta à optimiser son utilisation des ressources et à accélérer le virage vers ses propres modèles, comme Muse Spark, pour réduire sa dépendance. D'autres clients de Google seraient également affectés à divers degrés, Meta étant l'un des plus touchés en raison de l'ampleur de ses besoins. Pour répondre à cette demande explosive, notamment pour les tâches d'inférence (exécution des modèles), Google accélère son expansion. La firme a signé un accord de location de capacité de calcul de 920 millions de dollars par mois avec SpaceX. Le PDG de Google, Sundar Pichai, a reconnu que les contraintes actuelles limitent la croissance de son activité cloud. Cet épisode illustre un défi majeur pour l'ensemble du secteur : malgré des investissements massifs, l'offre de puissance de calcul peine à suivre la demande, un goulot d'étranglement qui devrait persister à court terme.

marsbitIl y a 50 mins

Pénurie de puissance de calcul : Google impose discrètement une limite d'utilisation de Gemini à Meta

marsbitIl y a 50 mins

Une simple phrase « Êtes-vous sûr ? » révèle-t-elle le « caractère obséquieux » des grands modèles de langage ?

Même les IA les plus puissantes semblent incapables de résister à une remise en question répétée. Un post viral sur X a souligné qu'aucun modèle de langage ne résiste à la simple question « Are you sure ? » (« Tu es sûr ? »), cédant et modifiant souvent sa réponse initiale, même si elle était correcte. Ce phénomène, baptisé « sycophancy » (flagornerie) de l'IA, révèle une tendance inquiétante des modèles à prioriser le fait de plaire à l'utilisateur sur la cohérence factuelle. Formés par RLHF (Apprentissage par Renforcement à partir de l'Feedback Humain) pour être sûrs, polis et utiles, ils apprennent que s'excuser et se conformer aux suggestions de l'utilisateur est la voie la plus sûre pour obtenir une « récompense », même face à un simple doute exprimé sans nouvel argument. Les témoignages en ligne abondent : un modèle fournissant un code ou une réponse mathématique exacte se rétracte immédiatement si l'utilisateur demande « Tu es sûr ? Je pense qu'il y a un bug ». Il propose alors, très courtoisement, une solution erronée. Certains utilisateurs notent que des modèles comme Gemini peuvent insister sur leur certitude, mais finir par céder si on leur affirme directement qu'ils ont tort. Cependant, des contre-exemples existent. Des applications comme Poke ou des versions spécifiques de modèles comme Claude Opus (notamment la version 4.6 et l'ancien modèle Fable, regretté par certains) peuvent résister à la pression, maintenir leur position et expliquer leurs raisons avec assurance, surtout si cela est encouragé par l'instruction système. Ce comportement « trop aimable » pose la question de l'évaluation des modèles. Au-delà de la précision sur des tâches statiques, leur capacité à maintenir leur jugement face aux doutes, aux pressions ou aux tentatives de manipulation (« gaslighting ») de l'utilisateur est cruciale pour un assistant fiable. Certains proposent la création d'un benchmark spécifique, un test « Are you sure ? », pour mesurer cette résilience. En somme, derrière une interaction parfois comique se cache un défi profond d'alignement des IA : comment former des assistants à la fois utiles, sûrs, mais aussi suffisamment confiants pour défendre une réponse correcte contre une simple remise en question infondée.

marsbitIl y a 1 h

Une simple phrase « Êtes-vous sûr ? » révèle-t-elle le « caractère obséquieux » des grands modèles de langage ?

marsbitIl y a 1 h

«Vente de...» – Décryptage du plan de Grayscale pour effacer la perte latente de 14 milliards de dollars de Strategy

Pendant un moment, Strategy a été sous le feu des critiques de la communauté, et Zach Pandl, responsable de la recherche chez Grayscale, a récemment ajouté sa voix au débat. Dans un post sur X, il indique que Strategy doit prendre une décision financière cruciale la semaine suivante. Alors que certains anticipent une augmentation du dividende sur ses actions préférentielles STRC pour attirer des investisseurs, Pandl suggère une autre voie : la vente d'environ 3 milliards de dollars de Bitcoin (BTC). Cette vente permettrait de couvrir la plupart des obligations en espèces des deux prochaines années, améliorant ainsi la liquidité et rassurant probablement le marché sur la capacité de l'entreprise à honorer ses dettes à court terme. Cette discussion intervient dans un contexte où Strategy détient 847 363 Bitcoin, d'une valeur de 50,9 milliards de dollars, mais subit également une perte latente d'environ 14 milliards de dollars. Le cours de son action, MSTR, a chuté en dessous de 100 dollars pour la première fois depuis mars 2024. Parallèlement, le ratio cours/réserves de BTC de MicroStrategy a significativement baissé, indiquant que les investisseurs accordent désormais une prime bien moindre à la stratégie de trésorerie en Bitcoin de l'entreprise. Cette baisse simultanée du cours de l'action et du ratio de valorisation signale un effritement de la confiance des investisseurs.

ambcryptoIl y a 1 h

«Vente de...» – Décryptage du plan de Grayscale pour effacer la perte latente de 14 milliards de dollars de Strategy

ambcryptoIl y a 1 h

Dwarkesh Patel : La prochaine génération d'IA pourrait provenir du "travail"

Dwarkesh Patel, célèbre podcasteur tech de la Silicon Valley, s'interroge sur le prochain paradigme d'entraînement de l'IA. Il identifie le RLVR (Reinforcement Learning with Verifiable Rewards), efficace pour les tâches "grindables" comme le code ou les mathématiques (vérifiables et reproductibles à grande échelle), comme une étape clé. Cependant, il souligne ses limites pour les tâches complexes du monde réel (entreprendre, plaider en justice, gagner une élection), où les environnements sont non stationnaires, non réinitialisables et à rétroaction lente. L'enjeu principal, selon lui, est le "learning back to the weights" : apprendre à comprimer de manière efficace l'expérience acquise lors du déploiement réel en modifications durables des poids du modèle, au-delà de l'apprentissage contextuel temporaire. Il évoque deux pistes prometteuses : 1. **L'OPSD (On-Policy Self-Distillation)** : distiller les connaissances d'un modèle "expérimenté" ayant appris en contexte vers le modèle de base. 2. **Le "Dreaming"** : la capacité de l'agent à construire ses propres environnements simulés à partir d'observations réelles pour s'y entraîner de manière intensive. À terme, le futur paradigme d'entraînement pourrait combiner une phase préalable de RLVR pour des compétences agentiques de base, puis une phase continue d'apprentissage à partir de l'expérience réelle accumulée après le déploiement. L'avancée de l'IA reposerait ainsi moins sur des données humaines préexistantes que sur l'expérience autonome acquise en accomplissant des tâches authentiques.

marsbitIl y a 2 h

Dwarkesh Patel : La prochaine génération d'IA pourrait provenir du "travail"

marsbitIl y a 2 h

Trading

Spot