Usando Prova de Participação para uma Agência de Crédito Descentralizada

Na Spectral, estamos criando e incentivando uma rede de modeladores, criadores, usuários e validadores usando a mecânica de prova de participação. A ideia – semelhante aos modelos Chainlink (LINK) e The Graph (GRT) – é construir um mercado descentralizado com um mecanismo de feedback integrado que descubra e desencoraje os maus atores.

Este artigo faz parte da “Semana de Staking” da CoinDesk. James McGirk é redator sênior da Spectral Finanças e cofundador da Lonely ROCKS.

Nossa pontuação Oracle de risco de crédito multiativos (MACRO) é um modelo de aprendizado de máquina que pesa aproximadamente 100 sinais na rede para produzir uma pontuação de três dígitos que prevê a probabilidade de liquidação de uma carteira em um empréstimo na rede. 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 em um relatório de crédito tradicional, só que em vez de confiar na Experian, Transunion e Equifax para KEEP seus gastos, você opta por participar com sua carteira.

A promessa de uma pontuação de crédito em cadeia é que ela seja opcional, 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 na década de 2000, quando ofereceu e acabou pagando uma recompensa de um milhão de dólares a uma equipe de cientistas de dados que melhorou seu algoritmo de recomendação em 10%.

Veja também: Riscos de aposta são muito mal compreendidos | Opinião

O modelo tradicional de uma rede validadora consiste em pagar recompensas a um nó validador por produzir blocos e validar recompensas, e punir os nós – o que é chamado de slashing – retirando sua participação quando eles se comportam mal, o que implica deixar de manter o nó, comportando-se de forma maliciosa. ou outra conduta ilícita 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 que ganham recompensas criando 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 na cadeia .

Também temos validadores, que VET a qualidade dos modelos 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 próspero que desenvolve modelos de aprendizado de máquina extremamente precisos como subproduto.

A criptoeconomia, quando funciona, cria um ambiente de estufa onde as ideias são repetidas por pessoas de todo o mundo. A avaliação da qualidade de crédito é apenas um caso de uso, ao construir em um blockchain, os contratos inteligentes podem construir processamento fora da cadeia (como aprendizado de máquina de conhecimento zero) no sistema, de modo que quase qualquer conjunto de dados pode ser criptografado e trabalhado com poder de processamento suficiente e tempo – seja na caça de tumores, inferências de registros médicos, pagamentos de seguros, cálculos de fiança e até mesmo treinamento de sistemas operacionais robóticos para servir hambúrgueres.