Використання Proof-of-Stake для децентралізованого кредитного бюро

У Spectral ми створюємо та стимулюємо мережу модельєрів, творців, користувачів і валідаторів, використовуючи механізми підтвердження частки. Ідея — подібна до моделей Chainlink (LINK) і The Graph (GRT) — полягає в тому, щоб побудувати децентралізований ринок із вбудованим механізмом зворотного зв’язку, який виявляє та перешкоджає поганим акторам.

Ця стаття є частиною CoinDesk «Тиждень ставок». Джеймс МакГірк є старшим автором Spectral Фінанси і співзасновником Lonely ROCKS.

Наша оцінка оракула кредитного ризику з багатьма активами (MACRO) — це модель машинного навчання, яка зважує приблизно 100 сигналів у ланцюжку, щоб створити тризначну оцінку, яка передбачає ймовірність ліквідації гаманця за позикою в ланцюзі. Оцінка подібна до Оцінка FICO варіюється від 300 (що означає дуже високий ризик ліквідації) до 850, що означає дуже низький ризик. Це дуже схоже на те, що ви отримаєте від традиційного кредитного звіту, тільки замість того, щоб покладатися на Experian, Transunion і Equifax, щоб KEEP за своїми витратами, ви підключаєтеся за допомогою свого гаманця.

Обіцянка кредитної оцінки в ланцюжку полягає в тому, що вона є авторизованою, повністю прозорою, і зрештою створення алгоритму, який генерує оцінки, може бути децентралізоване шляхом стимулювання конкурентного ринку. Netflix вперше запровадив цю техніку в 2000-х роках, коли запропонував і зрештою виплатив винагороду в мільйон доларів команді дослідників даних, які покращили їхній алгоритм рекомендацій на 10%.

Дивіться також: Ризики ставки дуже неправильно розуміють | Погляди

Традиційна модель мережі валідатора полягає в тому, щоб виплачувати винагороду вузлу валідатора за створення блоків і перевірку винагород, а також покарати вузли – що називається скороченням – відбираючи їх частку, коли вони поводяться неправильно, що тягне за собою нездатність підтримувати вузол, зловмисну ​​поведінку або інше зловживання блокчейном. Ви також можете використовувати перевірку, щоб стимулювати конкурс. Наприклад, ви можете розділити мережу на модельєрів (інженери з машинного навчання, які заробляють винагороду за створення точних моделей) і творців, які створюють проблеми з науковими даними, для вирішення яких потрібно розв’язувати модельєрів, у цьому випадку точний кредитний рейтинг, створений на основі інформації в мережі. .

У нас також є валідатори, які VET моделі на якість, а після завершення конкурсу у нас є користувачі, які платять за використання оцінок (тобто висновків машинного навчання), згенерованих на основі моделей-переможців. Ідея полягає в тому, щоб використовувати Крипто для живлення процвітаючої екосистеми, яка вирощує надзвичайно точні моделі машинного навчання як побічний продукт.

Криптоекономіка, коли вона працює, створює тепличне середовище, де люди в усьому світі повторюють ідеї. Оцінка кредитоспроможності є лише ONE із варіантів використання. Розвиваючи блокчейн, смарт-контракти можуть інтегрувати обробку поза ланцюгом (наприклад, машинне навчання з нульовим знанням) у систему, тому майже будь-який набір даних можна зашифрувати та працювати з ним за достатньої потужності обробки і час — будь то полювання на пухлини, висновки з медичної документації, страхові виплати, підрахунок застави, навіть навчання роботизованих операційних систем подавати гамбургери.