IOSG Ventures: استكشاف متعمق لـ New DeFi ، وإطلاق العنان لإمكانات البيانات

المؤلف الأصلي: Momir، IOSG Ventures

العقود الذكية محدودة لأنها تفتقر إلى القدرة على التفاعل مع البيئة ، مما يحد من إمكانية التطبيقات اللامركزية (dApps). من أجل تحقيق المزيد والمزيد من الوظائف المعقدة ، تحتوي بروتوكولات DeFi على خيارين: يمكنهم اعتماد تصميم مرن ، مثل يمكن للاعبين تخصيص سيناريوهات مختلفة ؛ أو يمكنهم تقديم تبعيات خارجية - بالاعتماد على البنية التحتية خارج السلسلة ، مثل oracle ، الحراس ، أو الحساب خارج السلسلة - للحفاظ على تجربة مستخدم بسيطة.

في مقال حديث مثير للتفكير بعنوان "لماذا تم كسر DeFi وكيفية إصلاحه - الجزء 1: بروتوكولات أقل أوراكل" ، دعا دان إليتزر إلى استخدام أساسيات DeFi مع عدم وجود تبعيات خارجية لتقليل نواقل الهجوم. الفكرة هي إزالة الحاجة إلى الثقة في مؤسسات الطرف الثالث. ومع ذلك ، فإن نظام DeFi البيئي الذي لا يعتمد على الصفر سيكون له متطلبات أعلى للتخصص. يفتقر معظم المستخدمين إلى الوقت أو الخبرة أو الموارد ليصبحوا صانعي سوق على Uniswap v3 ، أو يقومون بتقييم جودة الضمانات في البروتوكول دون تبعيات خارجية ، وعليهم الاعتماد على وسطاء موثوق بهم للمشاركة.

وبالتالي ، فإن السعي وراء عدم التبعيات قد يعيدنا إلى المربع الأول ، أو ما هو أسوأ من ذلك ، يجبر المستخدمين غير الخبراء على الوثوق بالكيانات المعقدة أو إيداع الأموال في عقود ذكية انتقالية ، مما يزيد من انعدام الأمن. بدلاً من القتال من أجل القضاء على التبعيات الخارجية تمامًا ، فكر في مناهج أكثر واقعية مثل وضع التبعيات الخارجية تحت تدقيق أكثر صرامة والحد من سيناريوهات البجعة السوداء المحتملة. يجب أن ندرك أن درجة معينة من التبعية أمر لا مفر منه بل وحاسم لتنمية الصناعة.

من بين مشاريع DeFi المعروفة ، اقتربت النسخة المبكرة من Uniswap من تحقيق صفر تبعيات. ومع ذلك ، فإن التقديم الأخير لـ Uniswap v4 يوضح تحولًا نحو نهج معياري للغاية ("الخطافات") لتحريك المجال إلى الأمام.

أساسيات البيانات

تدور المناقشات حول التبعيات الخارجية حول قدرة العقود الذكية على التفاعل مع البيانات الخارجية. اليوم ، غالبًا ما تعتمد تفاعلات البيانات على أوراكل للوصول إلى المعلومات خارج السلسلة ، وإن كان ذلك في نطاق محدود (بما في ذلك بشكل أساسي أسعار العملات المشفرة الرئيسية).

مع انتقال المزيد والمزيد من الأنشطة إلى blockchain ، يمكن استخدام ثروة من البيانات القيمة على السلسلة لتحسين تصميم الآلية بطريقة حسابية وشفافة. ومع ذلك ، على الرغم من شفافية البيانات على السلسلة ، فإن دمجها مع العقود الذكية ليس بالمهمة السهلة. تتطلب قراءة ومعالجة وتقديم بيانات ذات مغزى بنية تحتية متطورة وموثوقة. نتيجة لذلك ، يعتمد المطورون غالبًا على الأدوات الحالية لاحتياجاتهم من البيانات. ومع ذلك ، فإن معظم حلول البيانات الحالية متجذرة في أطر عمل Web 2.0 ، وحتى المزيد من بروتوكولات Web 3.0 الأصلية لا يمكنها ضمان دقة البيانات التي تقدمها.

! [IOSG Ventures: مناقشة متعمقة حول New DeFi ، إطلاق العنان لإمكانيات البيانات] (https://img-cdn.gateio.im/resized-social/moments-7f230462a9-b05afaf845-dd1a6f-7649e1)

مناقشة Sushiswap حول إرسال البيانات غير الدقيقة من الرسم البياني الفرعي Polygon Sushi-Matic

بالنظر إلى أن العقود الذكية يمكنها حتى إدارة ودائع بمليارات الدولارات ، فليس من المرغوب فيه ولا من العملي بالنسبة لهم الاتصال مباشرة بمصدر واجهة برمجة تطبيقات موثوق ، لأن هذا الاعتماد من شأنه أن يقوض الطبيعة اللامركزية للنظام البيئي blockchain.

بناء حل بيانات غير قابل للعبث

تدور فلسفتنا الاستثمارية حول الاعتقاد الأساسي بأن البيانات التي لا يمكن التلاعب بها ستكون حجر الزاوية للجيل القادم من بروتوكولات DeFi. ومع ذلك ، فإن تحقيق مقاومة العبث بالبيانات ليس بالمهمة السهلة ويتطلب بنية تحتية معقدة وتحسينات واسعة النطاق لجعلها مجدية اقتصاديًا من خلال التصميم.

في هذا السياق ، أصبح المكان والزمان رائدين في بناء بنية تحتية للبيانات غير قابلة للتلاعب. يتمثل الجزء الرئيسي في أدلة SQL الخاصة به ، وهو تحسين على براهين SNARK المصممة خصيصًا للاستعلام عن البيانات من قواعد البيانات العلائقية. يوفر هذا الأسلوب ضمانات بأن الاستعلام والبيانات الأساسية الخاصة به لم يتم العبث بها. بالإضافة إلى ذلك ، فإنه يوفر ضمانات لصحة البيانات عند استرداد البيانات من عقد الأرشيف عبر مكالمات RPC.

تتضمن بعض المشاريع البدائية المعروفة عن البيانات غير الموثوق بها على سبيل المثال لا الحصر مؤسسة Nil Foundation و Axiom و Brevis و Herodotus وما إلى ذلك.

! [IOSG Ventures: مناقشة متعمقة حول New DeFi ، إطلاق العنان لإمكانيات البيانات] (https://img-cdn.gateio.im/resized-social/moments-7f230462a9-cd389ef4da-dd1a6f-7649e1)

تفتح البيانات المقاومة للتلاعب آفاقًا جديدة لبروتوكولات DeFi ، مما يسمح لها بدفع حدود الوظائف ، ودفع المزيد من النمو والابتكار في الصناعة.

نناقش أدناه تحسين تصميم البروتوكول المستند إلى البيانات عندما:

1. تجربة مستخدم شخصية

2. بروتوكول تحديد المعايير الذاتية

3. اقتصاد البروتوكول

4. الوصول المؤهل

! [IOSG Ventures: مناقشة متعمقة حول New DeFi ، إطلاق العنان لإمكانيات البيانات] (https://img-cdn.gateio.im/resized-social/moments-7f230462a9-4b94850c76-dd1a6f-7649e1)

1. تجربة مستخدم شخصية

في عالم الأعمال التقنية ، من الشائع تزويد المستخدمين بخدمات مخصصة. ومع ذلك ، فإن العقود الذكية (سلاسل من التعليمات البرمجية التي تمثل بعض منطق الأعمال) غالبًا ما توحد تجربة المستخدم ، والتي غالبًا ما تساوي تجربة المستخدم السيئة. على سبيل المثال ، في بعض منصات الإقراض ، يكون المستخدم "أ" مبتدئًا ، والمستخدم "ب" مستخدم اتفاقية طويلة الأجل ، والمستخدم "ج" معاملة مخضرمة. هذا النقص في التمايز يفشل في حساب سلوك المستخدم ويفتقد الفرص لتعزيز التزام المستخدم ، وتحفيز السلوك الإيجابي ، وتحسين استخدام رأس المال.

للبروتوكولات مصلحة راسخة في تحديد سلوك المستخدم والتعديل وفقًا لذلك. على سبيل المثال ، من خلال الاستفادة من التصنيفات الائتمانية ، أو تقديم ائتمان أرخص أو معدلات رهن عقاري منخفضة للعملاء ذوي الأداء الجيد. مثل هذا المشروع سوف يجذب بشكل طبيعي المستخدمين من منصات ذات شروط موحدة. علاوة على ذلك ، يوفر هذا النهج للمستخدمين حوافز ضمنية لأداء السلوك الجيد من أجل الحصول على شروط أكثر ملاءمة.

بالتفكير في مجال التكنولوجيا المالية ، حيث تحصل شركات مثل SoFi على حصة في السوق من خلال رفض التوحيد ، يمكن لـ DeFi dApps التعلم أيضًا. على سبيل المثال ، وجدت SoFi عدم كفاءة السوق في سوق قروض الطلاب ، حيث تم فرض نفس أسعار الفائدة على القروض على خريجي جامعة ستانفورد مثل المقترضين الآخرين ، على الرغم من أنهم كانوا أكثر عرضة للحصول على وظائف ذات رواتب عالية بعد التخرج. حققت SoFi نجاحًا ملحوظًا من خلال تعديل الأسعار لتعكس بشكل أفضل ملفات تعريف مخاطر المستخدمين.

وبالمثل ، في مساحة DeFi ، نتصور فرصة لابتكار بروتوكولات تحسب مخاطر المستخدم في أسعار الفائدة والضمانات. ومع ذلك ، يجب توخي الحذر لعدم التقليل من قيمة الإقراض بناءً على البيانات التاريخية الموجودة فقط ، والتي تصبح غير ذات صلة عندما تتغير نظرية اللعبة.

ومن الجدير بالذكر أن مشروعات مثل Spectral و Cred Protocol تحاول إنشاء نماذج تسجيل ائتماني من البيانات الموجودة على السلسلة. ومع ذلك ، تعمل جميع هذه المشاريع على قواعد بيانات مركزية ، طالما أن البيانات والنماذج التي تخدمها تأتي من بيانات مركزية ويمكن العبث بها بسهولة ، فمن غير المرجح أن تتصل بروتوكولات DeFi الرئيسية بواجهات برمجة التطبيقات الخاصة بها. بدلاً من ذلك ، إذا اعتمدت هذه المشاريع حلولاً غير قابلة للتلاعب ، فإن لديها القدرة على أن تصبح أوراكل ائتماني DeFi في كل مكان ، وتشغل مجموعة من التطبيقات المبتكرة.

2. بروتوكولات التحديد الذاتي للمعلمات (تقليل تدخل الحوكمة)

لا تزال العديد من بروتوكولات DeFi تعتمد على عمليات الحوكمة اليدوية ، التي غالبًا ما توجهها شركات استشارية خارج السلسلة ، لضبط معاييرها. على سبيل المثال ، تدفع AAVE بشكل كبير لشركات الاستشارات الخارجية لمراقبة وتوجيه معايير مخاطر البروتوكول.

ومع ذلك ، فإن هذا النهج يخلق العديد من المشاكل:

1. عدم وجود دعم في الوقت الحقيقي: يفتقر النظام إلى القدرة على الاستجابة لظروف السوق المتغيرة أو المخاطر الناشئة.

2. الأنظمة اليدوية: يؤدي الاعتماد على التدخل البشري إلى ظهور مشكلات زمن الوصول وأوجه القصور المحتملة عند ضبط معلمات البروتوكول.

3. الثقة في الكيانات خارج السلسلة: يثير الاعتماد على شركات استشارية خارجية مخاوف بشأن الشفافية والمنهجية المستخدمة في تقديم التوصيات.

تم الكشف عن هذا النهج الثابت في هجوم على AAVE ، مما أدى إلى ديون معدومة كان من الممكن تجنبها بمعايير إقراض مناسبة تعكس بشكل أفضل سيولة الرموز المميزة المقترضة. بالإضافة إلى ذلك ، لم تتم معالجة مخاطر استخدام الرموز المميزة المتداولة كضمان في بروتوكولات الإقراض بشكل كافٍ.

لمعالجة هذه القيود ، يجب أن تنتقل المشاريع إلى تصاميم فورية وآلية وشفافة وغير موثوقة. على سبيل المثال ، يمكن لبروتوكولات الإقراض الاستفادة من البنية التحتية مثل الفضاء والوقت لمراقبة البيانات في الوقت الفعلي. سيسمح لهم ذلك بتعديل الضمانات ومعايير الاقتراض والمعايير الرئيسية الأخرى ديناميكيًا.

وبالمثل ، يمكن أن تقدم البورصات هياكل رسوم ديناميكية على أساس التقلبات أو الخسائر غير الدائمة. يصعب تحقيق تشغيل مستدام للعديد من مجمعات السيولة في Uniswap v3 ، ويرجع ذلك أساسًا إلى عدم تمكنهم من شحن مزودي السيولة ديناميكيًا. مع Hook of Uniswap v4 أو وحدة Valantis ، يمكن الرسوم الديناميكية.

بالإضافة إلى ذلك ، يمكن أن يكون المجمّعون خاليين من العمالة البشرية والرسوم الثابتة للتكيف مع المخاطر والمكافآت المتغيرة للبروتوكول الأساسي. يعد التعاون بين Spool و Solity خطوة في هذا الاتجاه ، حيث تستخدم Solity نهج البيانات الضخمة لتحليل المخاطر والمكافآت في المجمعات.

3. اقتصاد البروتوكول

النهج القائم على البيانات لديه القدرة على تعزيز اقتصاديات البروتوكول والنماذج الاقتصادية الرمزية في DeFi ، حيث يمكن للمشاريع مشاركة الحوافز مع المستخدمين المؤهلين.

على سبيل المثال ، مجمع DEX الذي يبحث عن مدى ثبات المستخدم وولائه ، يمكنه تخصيص مزايا الانزلاق للمستخدمين الذين يستوفون شروطًا معينة ، مثل تنفيذ عدد محدد من المعاملات والوصول إلى الحد الأدنى من حجم المعاملات.

تحفز هذه الحوافز بشكل كبير المتبنين الأوائل ، وتبني الولاء داخل قاعدة المستخدمين ، وتوفر حوافز مباشرة للمستخدمين الحاليين لتعزيز استخدام البروتوكول بين سكانهم.

4. الوصول المؤهل

في حين أن blockchain له طبيعة غير مصرح بها ، فإنه يسمح أيضًا بحرية الاختيار. في حالات متعددة ، يمكن أن يضمن الوصول المصرح به في طبقة التطبيق عدم استخدام البروتوكول لفعل الشر ، أو التفاعل بشكل فعال مع قاعدة المستخدم المقصودة.

على سبيل المثال ، تخضع بروتوكولات الخصوصية مثل Tornado Cash للتدقيق من قبل المنظمين لأنه قد يتم استخدامها لغسيل الأموال أو غيرها من الأنشطة غير القانونية. لمنع غسيل الأموال ، يمكن لمطوري البروتوكول اتخاذ خطوات لمنع الجهات الفاعلة السيئة من التفاعل مع منصاتهم.

أيضًا ، بالنسبة لصناع السوق ، تعتبر معرفة الأطراف المقابلة ذات قيمة كبيرة ، ولكن هذه المعلومات غالبًا ما تكون غير متاحة للديكس. بافتراض أنه من الممكن استخدام البيانات لبناء أدلة على أشخاص حقيقيين ، فإن DEXs يمكنها فقط السماح للعناوين غير الروبوتية بالتفاعل ، ومن ثم يمكن أيضًا حل هذا النوع من المشكلات.

متطلبات الحساب القابل للتحقق

ما تمت مناقشته في القسم السابق يمكن تنفيذه بالكامل من خلال التكامل مع البيانات الأولية غير الموثوقة. ومع ذلك ، سيتطلب البعض الآخر موارد إضافية لإجراء الحسابات الإحصائية أو التعلم الآلي. على سبيل المثال ، يمكن لبرامج تسجيل الائتمان الاستفادة من البيانات التي لا يمكن التلاعب بها ، ولكنها لا تزال تتطلب خوارزميات التعلم الآلي لإنشاء درجات ائتمانية.

أو في سياق أوراكل للمخاطر ، فإن الوصول إلى البيانات حول العرض المتداول ، والحجم ، وعدد المعاملات ، وعدد حاملي العملة ، والوقت منذ TGE ، وما إلى ذلك من رمز معين أمر بالغ الأهمية لتحديد عوامل الضمانات والإقراض المناسبة. ومع ذلك ، تحتاج تقنيات التعلم الآلي إلى إجراء حسابات دقيقة على أساس هذه البيانات.

! [IOSG Ventures: مناقشة متعمقة حول New DeFi ، إطلاق العنان لإمكانيات البيانات] (https://img-cdn.gateio.im/resized-social/moments-7f230462a9-8f886893c4-dd1a6f-7649e1)

مصدر:

تشمل المجالات الأخرى في DeFi التي تتطلب حسابات أكثر تعقيدًا ، على سبيل المثال لا الحصر:

• مجمع الإيرادات: تقدير الإيرادات والمخاطر للبروتوكول الأساسي والعثور على التخصيص الأمثل.
• تحسين المحفظة: احسب تخصيص المحفظة المستهدف بناءً على معايير محددة مسبقًا ، وتغيير التعرض الاتجاهي بناءً على المؤشرات الفنية ، وما إلى ذلك.
• التبادل اللامركزي للمشتقات: إدارة المخاطر النظامية ، تعديل تكلفة رأس المال ، تسعير المشتقات ، إلخ.
• خوارزمية متقدمة لتنفيذ التجارة
• منطق صناعة قبة السيولة في السوق
• مكتبة المقاصة

تلبي مشاريع مثل ChainML هذه الحاجة من خلال توفير طبقة حساب خارج السلسلة يمكن التحقق منها ، مدعومة بآلية إجماع مبنية لهذا الغرض. يشمل الآخرون الذين ينشئون طبقات حوسبة للتعلم الآلي الموزعة على سبيل المثال لا الحصر GenSyn و Together.xyz و Akash وما إلى ذلك.

وبالمثل ، تقدم ZKML فرصة مثيرة للاهتمام حيث يمكن لبراهين ZK ضغط الحسابات إلى أدلة موجزة يمكن التحقق منها على السلسلة ، أو إظهار استخدام نموذج معين دون الكشف عن خصائصه. مثل معامل المعامل والجيزة ومشاريع ZK الأخرى.

ومع ذلك ، فإن تطبيق التعلم الآلي في ZK مكلف للغاية حاليًا ، مما يجعل التنفيذ العملي صعبًا. بينما قد يؤدي تسريع الأجهزة وتحسين الدوائر إلى تحسين الأداء في المستقبل ، فمن المتوقع أن تنمو الطلبات الحسابية للذكاء الاصطناعي بمعدل أسرع ، مما يجعل ZKML مقصورًا على أساليب الحوسبة المتخصصة التي لا يمكن تكييفها مع أحدث نماذج الذكاء الاصطناعي. لذلك ، قد تكون الأساليب مثل النهج التشاؤمي القائم على الإجماع أو النهج المتفائل القائم على إثبات الاحتيال الذي تقدمه مشاريع مثل ChainML أفضل فرصة لدمج أحدث خوارزميات الذكاء الاصطناعي في Web 3.0.

! [IOSG Ventures: مناقشة متعمقة حول New DeFi ، إطلاق العنان لإمكانيات البيانات] (https://img-cdn.gateio.im/resized-social/moments-7f230462a9-73a098a8e3-dd1a6f-7649e1)

لخص

إن اندماج البيانات المقاومة للتلاعب ، وقوة الحوسبة المتقدمة ، واتخاذ القرارات التي تعتمد على البيانات لديه القدرة على إطلاق ابتكارات جديدة ، وتحسين الكفاءة ، ورضا المستخدم في نظام DeFi البيئي. بينما تركز هذه المقالة على التحسينات التي يمكن إجراؤها في مقدمة أساسيات البيانات على السلسلة ، فإننا متفائلون بنفس القدر بشأن الفرص المقدمة من خلال دمج مختلف البيانات خارج السلسلة عبر أدلة zk. نعتقد أن البيانات ستعزز قابلية التشغيل البيني على السلسلة وخارجها وتعزز التكامل بين التمويل اللامركزي والأنظمة المالية التقليدية.

مع استمرار تطور الصناعة ، يجب أن يحتضن البروتوكول التقنيات الناشئة ، والتعاون مع المشاريع الرائدة ، وإعطاء الأولوية للشفافية وعدم الثقة ، والتي لا يمكنها فقط بناء مستقبل قوي ومستدام لـ DeFi ، بل تساهم أيضًا في تأثير DeFi على المالية العالمية المناظر الطبيعية: توفر هذه الرؤية إمكانية أن يكون لها تأثير بعيد المدى.

إخلاء المسؤولية: الفضاء والوقت ، ChainML ، Nil Foundation ، و Solity هي محافظ IOSG.

مراجع:

التشفير x AI:

ZKML:

سابقة بمعنى البِيْئَة: