In Spectral, stiamo creando e incentivando una rete di modellatori, creatori, utenti e validatori utilizzando meccanismi di prova del palo. L'idea, simile ai modelli Chainlink (LINK) e The Graph's (GRT), ĆØ quella di costruire un mercato decentralizzato con un meccanismo di feedback integrato che scopra e scoraggi i cattivi attori.
Questo articolo fa parte della "Staking Week" di CoinDesk. James McGirk ĆØ uno scrittore senior presso Spectral Finanza e co-fondatore di Lonely ROCKS.
Il nostro punteggio MACRO (Oracolo del rischio di credito multi-asset) ĆØ un modello di apprendimento automatico che pesa circa 100 segnali on-chain per produrre un punteggio a tre cifre che prevede la probabilitĆ di liquidazione di un portafoglio su un prestito on-chain. Il punteggio ĆØ simile al Punteggio FICO e varia da 300 (che rappresenta un rischio di liquidazione molto elevato) a 850, che rappresenta un rischio molto basso. Ć molto simile a quello che otterresti da un rapporto di credito tradizionale, solo che invece di fare affidamento su Experian, Transunion ed Equifax per KEEP sotto controllo le tue spese, accedi con il tuo portafoglio.
La promessa di un punteggio di credito on-chain ĆØ che ĆØ opt-in, completamente trasparente e, alla fine, la produzione dell'algoritmo che genera i punteggi puĆ² essere decentralizzata incentivando un mercato competitivo. Netflix ĆØ stata pioniera di questa tecnica negli anni 2000, quando ha offerto e infine pagato una taglia di un milione di dollari a un team di data scientist che ha migliorato il proprio algoritmo di raccomandazione del 10%.
Vedi anche: I rischi di puntata sono ampiamente fraintesi | Opinioni
Il modello tradizionale di una rete di validatori consiste nel pagare ricompense a un nodo validatore per la produzione di blocchi e la convalida delle ricompense, e punire i nodi - operazione chiamata slashing - togliendo loro la puntata quando si comportano male, il che comporta la mancata manutenzione del nodo, comportandosi in modo dannoso. o altri illeciti blockchain. Puoi anche utilizzare la convalida per incentivare un concorso. Ad esempio, puoi dividere una rete in modellatori (che sono ingegneri di machine learning che guadagnano premi creando modelli accurati) e creatori, che creano sfide di scienza dei dati che i modellatori devono affrontare, in questo caso un punteggio di credito accurato generato da informazioni sulla catena .
Disponiamo anche di validatori, che VET la qualitĆ dei modelli e, al termine del concorso, abbiamo utenti che pagano per utilizzare i punteggi (ovvero le inferenze di apprendimento automatico) generati dai modelli vincitori. Lāidea ĆØ quella di utilizzare le Cripto per nutrire un ecosistema fiorente che crei modelli di apprendimento automatico estremamente accurati come sottoprodotto.
La criptoeconomia, quando funziona, crea un ambiente di serra in cui le idee vengono ripetute da persone di tutto il mondo. La valutazione del merito creditizio ĆØ solo ONE caso d'uso: basandosi su una blockchain, i contratti intelligenti possono integrare l'elaborazione off-chain (come l'apprendimento automatico a conoscenza zero) nel sistema, quindi quasi tutti i set di dati possono essere crittografati e elaborati con una potenza di elaborazione sufficiente. e tempo: che si tratti di caccia al tumore, deduzioni di cartelle cliniche, pagamenti assicurativi, calcoli di cauzioni e persino addestramento di sistemi operativi robotici per servire hamburger.