:format(webp)/cloudfront-us-east-1.images.arcpublishing.com/coindesk/EJEETG5HWJDW3MWJALDNFV3V64.jpg)
Chez Spectral, nous créons et encourageons un réseau de modélisateurs, de créateurs, d'utilisateurs et de validateurs utilisant des mécanismes de preuve d'enjeu. L'idée – similaire aux modèles Chainlink (LINK) et The Graph (GRT) – est de créer un marché décentralisé avec un mécanisme de rétroaction intégré qui détecte et décourage les mauvais acteurs.
Cet article fait partie de la « Staking Week » de CoinDesk. James McGirk est rédacteur principal chez Spectral Finance et co-fondateur de Lonely ROCKS.
Notre score MACRO (Multi-Asset Credit Risk Oracle) est un modèle d'apprentissage automatique qui pèse environ 100 signaux en chaîne pour produire un score à trois chiffres prédisant la probabilité de liquidation d'un portefeuille sur un prêt en chaîne. Le score est similaire au Score FICO et varie de 300 (représentant un risque de liquidation très élevé) à 850, représentant un risque très faible. C'est très similaire à ce que vous obtiendriez d'un rapport de crédit traditionnel, sauf qu'au lieu de compter sur Experian, Transunion et Equifax pour KEEP un œil sur vos dépenses, vous vous inscrivez avec votre portefeuille.
La promesse d'un score de crédit en chaîne est qu'il est volontaire, complètement transparent et qu'à terme, la production de l'algorithme générant les scores peut être décentralisée en encourageant un marché concurrentiel. Netflix a été le pionnier de cette technique dans les années 2000 en proposant et finalement en versant une prime d'un million de dollars à une équipe de data scientists qui ont amélioré leur algorithme de recommandation de 10 %.
Voir aussi : Les risques de jalonnement sont largement mal compris | Analyses
Le modèle traditionnel d'un réseau de validateurs consiste à récompenser un nœud de validation pour la production de blocs et la validation de récompenses, et à punir les nœuds – ce que l'on appelle le slashing – en leur retirant leur participation lorsqu'ils se comportent mal, ce qui implique de ne pas maintenir le nœud et de se comporter de manière malveillante. ou autre malversation de la blockchain. Vous pouvez également utiliser la validation pour inciter un concours. Par exemple, vous pouvez diviser un réseau en modélisateurs (qui sont des ingénieurs en apprentissage automatique qui gagnent des primes en créant des modèles précis) et en créateurs, qui créent des défis de science des données que les modélisateurs doivent relever, dans ce cas, un pointage de crédit précis généré à partir d'informations en chaîne. .
Nous avons également des validateurs qui VET la qualité des modèles et, une fois le concours terminé, des utilisateurs paient pour utiliser les scores (c'est-à-dire les inférences d'apprentissage automatique) générés à partir des modèles gagnants. L’idée est d’utiliser la Crypto pour nourrir un écosystème florissant qui développe des modèles d’apprentissage automatique extrêmement précis comme sous-produit.
La cryptoéconomie, lorsqu’elle fonctionne, crée un environnement de serre où les idées sont répétées par des personnes du monde entier. L'évaluation de la solvabilité n'est qu'un cas ONE' utilisation. En s'appuyant sur une blockchain, les contrats intelligents peuvent intégrer un traitement hors chaîne (tel que l'apprentissage automatique sans connaissance) sur le système, de sorte que presque tous les ensembles de données peuvent être chiffrés et exploités avec suffisamment de puissance de traitement. et du temps – qu'il s'agisse de chasse aux tumeurs, d'inférences dans les dossiers médicaux, de paiements d'assurance, de calculs de caution et même de formation de systèmes d'exploitation robotisés pour servir des hamburgers.
