Usando Proof-of-Stake para um Bureau de Crédito Descentralizado

Na Spectral, estamos criando e incentivando uma rede de modeladores, criadores, usuários e validadores usando mecânicas de proof-of-stake. A ideia — semelhante aos modelos Chainlink (LINK) e The Graph (GRT) — é construir um mercado descentralizado com um mecanismo de feedback integrado que detecta e desencoraja maus atores.

Este artigo faz parte do CoinDesk's"Semana de apostas." James McGirk é escritor sênior da Spectral Finanças e cofundador da Lonely ROCKS.

Nossa pontuação de oráculo de risco de crédito multiativo (MACRO) é um modelo de aprendizado de máquina que pesa aproximadamente 100 sinais on-chain para produzir uma pontuação de três dígitos prevendo a probabilidade de liquidação de uma carteira em um empréstimo on-chain. A pontuação é semelhante à pontuação FICO e varia de 300 (representando um risco muito alto de liquidação) a 850, representando um risco muito baixo. É muito semelhante ao que você obteria de um relatório de crédito tradicional, só que em vez de depender da Experian, Transunion e Equifax para KEEP seus gastos, você opta por participar com sua carteira.

A promessa de uma pontuação de crédito on-chain é que ela é opt-in, completamente transparente e, eventualmente, a produção do algoritmo que gera as pontuações pode ser descentralizada, incentivando um mercado competitivo. A Netflix foi pioneira na técnica nos anos 2000, quando ofereceu e, eventualmente, pagou uma recompensa de um milhão de dólares a uma equipe de cientistas de dados que melhorou seu algoritmo de recomendação em 10%.

Veja também:Os riscos de apostas são amplamente mal compreendidos | Opinião

O modelo tradicional de uma rede validadora é pagar recompensas a um nó validador por produzir blocos e validar recompensas, e punir nós – o que é chamado de slashing – tirando sua participação quando eles se comportam mal, o que implica em não manter o nó, se comportar maliciosamente ou outra má conduta de blockchain. Você também pode usar a validação para incentivar um concurso. Por exemplo, você pode dividir uma rede em modeladores (que são engenheiros de aprendizado de máquina ganhando recompensas pela criação de modelos precisos) e criadores, que criam desafios de ciência de dados para os modeladores enfrentarem, neste caso, uma pontuação de crédito precisa gerada a partir de informações on-chain.

Também temos validadores, que VET os modelos quanto à qualidade e, após o término do concurso, temos usuários que pagam para usar pontuações (ou seja, inferências de aprendizado de máquina) geradas a partir dos modelos vencedores. A ideia é usar Cripto para nutrir um ecossistema florescente que desenvolva modelos de aprendizado de máquina extremamente precisos como um subproduto.

A criptoeconomia, quando funciona, cria um ambiente de estufa onde as ideias são iteradas por pessoas do mundo todo. A avaliação de solvência é apenas um caso de uso, ao construir em um blockchain, os contratos inteligentes podem construir processamento off-chain (como aprendizado de máquina de conhecimento zero) no sistema, então quase qualquer conjunto de dados pode ser criptografado e trabalhado com poder de processamento e tempo suficientes — seja caça a tumores, inferências de registros médicos, pagamentos de seguros, cálculos de fiança, até mesmo treinamento de sistemas operacionais robóticos para servir hambúrgueres.