Utilisation de la preuve d'enjeu pour un bureau de crédit décentralisé

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 CoinDesk« Semaine de jalonnement ». James McGirk est rédacteur principal chez Spectral Finance et co-fondateur de Lonely ROCKS.

Notre score oracle de risque de crédit multi-actifs (MACRO) 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. Il est très similaire à ce que vous obtiendriez d'un rapport de solvabilité traditionnel, sauf qu'au lieu de compter sur Experian, Transunion et Equifax pour KEEP un œil sur vos dépenses, vous optez pour votre portefeuille.

La promesse d’un score de crédit en chaîne est qu’il est opt-in, complètement transparent et, 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 lorsqu’ils ont offert et finalement payé 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 liés au jalonnement sont largement mal compris | Analyses

Le modèle traditionnel d’un réseau de validation consiste à payer des récompenses à un nœud validateur pour la production de blocs et la validation des 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 entretenir le nœud, de se comporter de manière malveillante ou d’autres malversations de la blockchain. Vous pouvez également utiliser la validation pour encourager 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 score de crédit précis généré à partir d’informations sur la chaîne.

Nous avons également des validateurs qui VET la qualité des modèles et, une fois le concours terminé, nous avons des utilisateurs qui 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 en tant que sous-produit.

La cryptoéconomie, lorsqu'elle fonctionne, crée un environnement propice à l'itération des idées par des personnes du monde entier. L'évaluation de la solvabilité n'est ONE cas d'utilisation parmi d'autres. En s'appuyant sur une blockchain, les contrats intelligents peuvent intégrer des traitements hors chaîne (tels que l'apprentissage automatique à connaissance nulle) au système, de sorte que presque n'importe quel ensemble de données peut être crypté et exploité avec suffisamment de puissance de traitement et de temps - qu'il s'agisse de recherche de tumeurs, d'inférences de dossiers médicaux, de paiements d'assurance, de calculs de caution, voire de formation de systèmes d'exploitation robotisés pour servir des hamburgers.