En Spectral, estamos creando e incentivando una red de modeladores, creadores, usuarios y validadores que utilizan mecánicas de prueba de participación. La idea, similar a los modelos Chainlink (LINK) y The Graph (GRT), es construir un mercado descentralizado con un mecanismo de retroalimentación incorporado que detecte y desaliente a los malos actores.
Este artículo es parte de la "Semana de apuestas" de CoinDesk. James McGirk es escritor senior de Spectral Finanzas y cofundador de Lonely ROCKS.
Nuestra puntuación del oráculo de riesgo crediticio de múltiples activos (MACRO) es un modelo de aprendizaje automático que pesa aproximadamente 100 señales en cadena para producir una puntuación de tres dígitos que predice la probabilidad de liquidación de una billetera en un préstamo en cadena. La puntuación es similar a la Puntuación FICO, y oscila entre 300 (que representa un riesgo de liquidación muy alto) y 850, que representa un riesgo muy bajo. Es muy similar a lo que obtendría de un informe crediticio tradicional, solo que en lugar de depender de Experian, Transunion y Equifax para KEEP sus gastos, usted opta por registrarse con su billetera.
La promesa de una puntuación de crédito en cadena es que es voluntaria, completamente transparente y, eventualmente, la producción del algoritmo que genera las puntuaciones puede descentralizarse incentivando un mercado competitivo. Netflix fue pionera en esta técnica en la década de 2000, cuando ofreció y finalmente pagó una recompensa de un millón de dólares a un equipo de científicos de datos que mejoraron su algoritmo de recomendación en un 10%.
Ver también: Los riesgos de apostar se malinterpretan enormemente | Opinión
El modelo tradicional de una red de validadores consiste en pagar recompensas a un nodo de validación por producir bloques y validar recompensas, y castigar a los nodos (lo que se llama slashing) quitándoles su participación cuando se portan mal, lo que implica no mantener el nodo, comportarse de manera maliciosa. u otra mala conducta de blockchain. También puedes utilizar la validación para incentivar un concurso. Por ejemplo, puede dividir una red en modeladores (que son ingenieros de aprendizaje automático que ganan recompensas al crear modelos precisos) y creadores, que crean desafíos de ciencia de datos para que los modeladores los aborden, en este caso una puntuación de crédito precisa generada a partir de información en cadena. .
También tenemos validadores, que VET la calidad de los modelos y, una vez finalizado el concurso, tenemos usuarios que pagan por usar puntuaciones (es decir, inferencias de aprendizaje automático) generadas a partir de los modelos ganadores. La idea es utilizar las Cripto para nutrir un ecosistema floreciente que genere modelos de aprendizaje automático extremadamente precisos como subproducto.
La criptoeconomía, cuando funciona, crea un ambiente de invernadero donde personas de todo el mundo repiten las ideas. La evaluación de la solvencia es solo un caso de uso; al construir sobre una cadena de bloques, los contratos inteligentes pueden incorporar procesamiento fuera de la cadena (como el aprendizaje automático de conocimiento cero) en el sistema, por lo que casi cualquier conjunto de datos se puede cifrar y trabajar con suficiente poder de procesamiento. y tiempo, ya sea búsqueda de tumores, inferencias de registros médicos, pagos de seguros, cálculos de fianzas e incluso entrenamiento de sistemas operativos robóticos para servir hamburguesas.