IOSG Ventures: 新しい DeFi を徹底的に調査し、データの可能性を解き放つ

オリジナル著者: Momir、IOSG Ventures

スマート コントラクトには環境と対話する機能がないため、制限があり、分散型アプリケーション (dApps) の可能性が制限されます。ますます複雑な機能を実現するために、DeFi プロトコルには 2 つのオプションがあります: プレーヤーがさまざまなシナリオをパーソナライズできるなど、柔軟な設計を採用することも、オラクルやキーパーなどのオフチェーン インフラストラクチャに依存する外部依存関係を導入することもできます。 、またはオフチェーン計算 - シンプルなユーザーエクスペリエンスを維持します。

「DeFi が壊れている理由とその修正方法 — パート 1: Oracle レス プロトコル」というタイトルの最近の示唆に富む記事の中で、Dan Elitzer は、攻撃ベクトルを最小限に抑えるために外部依存性のない DeFi プリミティブの使用を提唱しています。その考えは、第三者機関への信頼の必要性を取り除くことです。ただし、依存度ゼロの DeFi エコシステムには、専門化に対するより高い要件が求められます。ほとんどのユーザーには、Uniswap v3 でマーケット メーカーになるための時間、専門知識、リソースが不足しており、外部依存なしにプロトコル内の担保の品質を評価するための時間、専門知識、リソースが不足しており、信頼できる仲介者に依存して参加する必要があります。

したがって、依存関係ゼロを追求すると振り出しに戻る可能性があり、さらに悪いことに、専門家ではないユーザーが複雑なエンティティを信頼したり、移行期のスマートコントラクトに資金を預けたりすることを余儀なくされ、不安が増大します。外部依存関係を完全に排除しようと奮闘するのではなく、外部依存関係をより厳しい監視下に置き、潜在的なブラックスワンのシナリオを制限するなど、より現実的なアプローチを検討してください。ある程度の依存は避けられないものであり、業界の発展にとって極めて重要であることを認識しなければなりません。

有名な DeFi プロジェクトの中で、Uniswap の初期バージョンは依存関係ゼロの達成に最も近かった。しかし、最近の Uniswap v4 の導入は、この分野を前進させるための高度にモジュール化されたアプローチ (「フック」) への移行を示しています。

データプリミティブ

外部依存関係に関する議論は、外部データと対話するスマート コントラクトの機能を中心に展開されます。現在、データのやりとりは、限られた範囲（主に主要な暗号通貨の価格を含む）ではあるものの、オフチェーン情報にアクセスするためにオラクルに依存することがよくあります。

ブロックチェーンに移行するアクティビティが増えるにつれ、豊富な貴重なオンチェーン データを使用して、アルゴリズム的かつ透過的にメカニズムの設計を強化できるようになります。ただし、オンチェーン データの透明性にもかかわらず、それをスマート コントラクトと統合するのは簡単な作業ではありません。意味のあるデータを読み取り、処理し、配信するには、洗練された信頼できるインフラストラクチャが必要です。その結果、開発者はデータのニーズを満たすために既存のツールに依存することが多くなります。ただし、既存のデータ ソリューションのほとんどは Web 2.0 フレームワークに基づいており、さらに多くの Web 3.0 ネイティブ プロトコルでは、提供されるデータの正確性を保証できません。

Polygon Sushi-Matic サブグラフから送信される不正確なデータに関する Sushiswap ディスカッション

スマートコントラクトが数十億ドルの預金を管理することさえできることを考慮すると、信頼できる API ソースに直接接続することは、ブロックチェーンエコシステムの分散型の性質を損なうことになるため、望ましくも現実的でもありません。

改ざん防止データ ソリューションを構築する

私たちの投資哲学は、改ざん防止されたデータが次世代の DeFi プロトコルの基礎となるという基本的な信念を中心に展開しています。ただし、データ改ざん耐性を実現するのは簡単な作業ではなく、設計上経済的に実現可能にするためには、複雑なインフラストラクチャと広範な最適化が必要です。

この文脈において、Space and Time は改ざん防止データ インフラストラクチャの構築における先駆者となりました。重要な部分は SQL 証明であり、リレーショナル データベースからデータをクエリするために特別に設計された SNARK 証明を改良したものです。このアプローチにより、クエリとその基礎となるデータが改ざんされていないことが保証されます。さらに、RPC 呼び出しを介してアーカイブ ノードからデータを取得するときに、データの有効性が保証されます。

その他のよく知られたトラストレス データ プリミティブ プロジェクトには、Nil Foundation、Axiom、Brevis、Herodotus などが含まれますが、これらに限定されません。

改ざん防止データは DeFi プロトコルに新たな地平を切り開き、機能の限界を押し広げ、業界のさらなる成長とイノベーションを推進します。

以下では、次の場合のデータ駆動型プロトコル設計の最適化について説明します。

1. パーソナライズされたユーザーエクスペリエンス

2. 自己パラメータ化プロトコル

3. プロトコルエコノミー

4. 限定されたアクセス

1. パーソナライズされたユーザーエクスペリエンス

テクニカル ビジネスの世界では、ユーザーにカスタマイズされたサービスを提供するのが一般的です。ただし、スマート コントラクト (本質的にはビジネス ロジックを表すコード文字列) はユーザー エクスペリエンスを統合することが多く、これは多くの場合、ユーザー エクスペリエンスを低下させます。たとえば、一部の融資プラットフォームでは、ユーザー A は初心者、ユーザー B は長期契約ユーザー、ユーザー C はベテランの取引者です。この差別化の欠如により、ユーザーの行動を考慮することができず、ユーザーの粘着性を高め、ポジティブな行動を奨励し、資本利用を最適化する機会を逃します。

プロトコルは、ユーザーの行動を特定し、それに応じて調整することに関心を持っています。たとえば、信用格付けを活用して、業績の良い顧客に対してより安価なクレジットやより低い住宅ローン金利を提供します。このようなプロジェクトでは、当然のことながら統一条件のプラットフォームからユーザーが集まることになります。さらに、このアプローチは、より有利な条件を得るために善行を行うという暗黙のインセンティブをユーザーに提供します。

SoFi のような企業が統合を拒否することで市場シェアを獲得するフィンテックの観点から考えると、DeFi dApps も同様に学ぶことができます。たとえば、SoFi は学生ローン市場で市場の非効率性を発見しました。スタンフォード大学の卒業生は、卒業後に高収入の仕事に就く可能性が高いにもかかわらず、他の借り手と同じローン金利が課せられていました。 SoFi は、ユーザーのリスク プロファイルをより適切に反映するように料金を調整することで顕著な成功を収めてきました。

同様に、DeFi 分野でも、ユーザーのリスクを金利と担保に織り込むプロトコルを革新する機会があると考えています。ただし、既存の過去のデータのみに基づいて融資の担保が過少にならないように注意する必要があります。ゲーム理論が変化すると、そのデータは意味をなさなくなります。

Spectral や Cred Protocol などのプロジェクトがオンチェーン データから信用スコアリング モデルを構築しようとしていることに言及する価値があります。ただし、これらのプロジェクトはすべて一元化されたデータベース上で実行されるため、提供されるデータとモデルが一元化されたデータから取得され、簡単に改ざんできる限り、主要な DeFi プロトコルがその API に接続する可能性は低いです。代わりに、これらのプロジェクトが改ざん防止ソリューションを採用すれば、ユビキタスな DeFi 信用オラクルとなり、さまざまな革新的なアプリケーションを強化する可能性があります。

2. 自己パラメータ化プロトコル (ガバナンスの介入を最小限に抑える)

多くの DeFi プロトコルは依然として、パラメーターを調整するためにオフチェーンのコンサルティング会社によって指示される手動のガバナンス プロセスに依存しています。たとえば、AAVE はプロトコルのリスクパラメータを監視および指導するために外部のコンサルティング会社に多額の費用を支払っています。

ただし、このアプローチでは次のようないくつかの問題が発生します。

1. リアルタイム サポートの欠如: システムには、変化する市場状況や新たなリスクに対応する能力がありません。

2. 手動システム: 人間の介入に依存すると、プロトコル パラメーターを調整する際に遅延の問題や潜在的な非効率が発生します。

3. オフチェーン事業体への信頼: 外部のコンサルティング会社への依存は、透明性と推奨を行う際に使用される手法についての懸念を引き起こします。

この静的なアプローチは AAVE への攻撃で暴露され、借りたトークンの流動性をより適切に反映する適切な融資パラメーターがあれば回避できたはずの不良債権を引き起こしました。さらに、流通トークンを融資プロトコルの担保として使用するリスクには十分に対処できていません。

これらの制限に対処するには、プロジェクトはリアルタイム、自動化、透過的、トラストレスな設計に移行する必要があります。たとえば、融資プロトコルは、Space and Time などのインフラストラクチャを活用して、データをリアルタイムで監視できます。これにより、担保、借入パラメータ、その他の重要なパラメータを動的に調整できるようになります。

同様に、取引所はボラティリティや一時的な損失に基づいた動的な手数料体系を導入する可能性があります。 Uniswap v3 上の多くの流動性プールは、主に LP を動的にチャージできないため、持続可能な運用を達成することが困難です。 Uniswap v4 のフックまたは Valantis のモジュールを使用すると、動的な手数料が可能になります。

さらに、アグリゲーターは、基礎となるプロトコルの変化するリスクと報酬に適応するために、人的労働や固定料金から解放されます。 Spool と Solity の連携は、この方向への一歩であり、Solity はビッグデータのアプローチを使用してプールのリスクリワードを分析します。

3. プロトコルエコノミー

データ駆動型のアプローチには、DeFi におけるプロトコル経済モデルとトークン経済モデルを強化する可能性があり、プロジェクトが適格ユーザーとインセンティブを共有できます。

たとえば、DEX アグリゲーターはユーザーの粘り強さと忠誠心を求めており、指定された数のトランザクションを実行したり、最小トランザクション量に到達したりするなど、特定の条件を満たすユーザーにスリッページ メリットを割り当てることができます。

このようなインセンティブは、早期採用者に大きな刺激を与え、ユーザー ベース内でロイヤルティを構築し、既存ユーザーに直接インセンティブを提供して、自分たちの集団内でのプロトコルの使用を促進します。

4. 限定されたアクセス

ブロックチェーンにはパーミッションレスな性質がありますが、選択の自由も許可されています。多くの場合、アプリケーション層での許可されたアクセスにより、プロトコルが悪を行うために使用されたり、意図されたユーザー ベースと効果的にやり取りされたりすることがなくなります。

たとえば、Tornado Cash のようなプライバシー プロトコルは、マネーロンダリングやその他の違法行為に使用される可能性があるため、規制当局の監視下にあります。マネーロンダリングを防ぐために、プロトコル開発者は、悪意のある者がプラットフォームとやり取りするのを防ぐ措置を講じることができます。

また、マーケットメーカーにとって、カウンターパーティに関する知識は非常に貴重ですが、そのような情報は取引所には入手できないことがよくあります。データを使用して実際の人物の証明を構築することが可能であり、DEX は非ボット アドレスの対話のみを許可できると仮定すると、この種の問題も解決できます。

検証可能な計算の要件

前のセクションで説明した内容は、トラストレス データ プリミティブとの統合を通じて完全に実装できます。ただし、統計計算や機械学習を実行するために追加のリソースが必要な場合もあります。たとえば、信用スコアリング プログラムは改ざん防止データを活用できますが、それでも信用スコアを生成するには機械学習アルゴリズムが必要です。

または、リスクオラクルのコンテキストでは、特定のトークンの流通供給、量、取引数、保有者数、TGE からの時間などに関するデータにアクセスできることは、適切な担保と融資要素を決定するために重要です。ただし、機械学習技術では、このデータに基づいて正確な計算を実行する必要があります。

ソース：

より複雑な計算を必要とする DeFi のその他の領域には、以下が含まれますが、これらに限定されません。

• 収益アグリゲーター: 基盤となるプロトコルの収益とリスクを見積もり、最適な配分を見つけます。 ※ポートフォリオ最適化：あらかじめ定めた基準に基づいて目標ポートフォリオの配分を計算したり、テクニカル指標に基づいてエクスポージャーの方向性を変更したりすること。 ※デリバティブの分散型取引所：システミックリスク管理、資本コスト調整、デリバティブ価格設定等
• 高度な取引実行アルゴリズム
• 流動性金庫のマーケットメイクロジック
• ライブラリのクリア

ChainML のようなプロジェクトは、専用のコンセンサス メカニズムを活用した検証可能なオフチェーン コンピューティング レイヤーを提供することで、このニーズに対処します。分散機械学習コンピューティング レイヤーを構築するその他のサービスには、GenSyn、Togetter.xyz、Akash などが含まれますが、これらに限定されません。

同様に、ZKML は、ZK 証明がオンチェーンで検証できる簡潔な証明に計算を圧縮したり、プロパティを明らかにせずに特定のモデルの使用を実証したりできる興味深い機会を提供します。 Modulus Labs、Giza、その他の ZK プロジェクトなど。

ただし、ZK での機械学習の実装は現在非常に高価であり、実際の実装は困難です。将来的にはハードウェアの高速化と回路の最適化によりパフォーマンスが向上する可能性がありますが、AI の計算需要はより速いペースで増加すると予想されており、ZKML は最先端の AI モデルに適応できないニッチなコンピューティング手法に限定されます。したがって、ChainML のようなプロジェクトが提供するコンセンサスベースの悲観的アプローチや不正証明ベースの楽観的アプローチなどのアプローチは、最新の人工知能アルゴリズムを Web 3.0 に統合する最良の機会となる可能性があります。

要約する

改ざん防止データ、高度なコンピューティング能力、データ主導型の意思決定の融合により、DeFi エコシステムにおいて新たなイノベーションを生み出し、効率性とユーザー満足度を向上させる可能性があります。この記事では、オンチェーン データ プリミティブ上で実行できる最適化に焦点を当てていますが、zk 証明を介してさまざまなオフチェーン データを統合することによってもたらされる機会にも同様に強気です。私たちは、データによってオンチェーンとオフチェーンの相互運用性が強化され、分散型金融と従来の金融システムの統合が促進されると信じています。

業界が進化し続ける中、プロトコルは新興テクノロジーを受け入れ、主要プロジェクトと協力し、透明性と信頼性を優先する必要があります。これにより、DeFi の強力で持続可能な未来を築くだけでなく、世界の金融機関に対する DeFi の影響にも貢献できます。このビジョンは、広範囲に影響を与える可能性をもたらします。

免責事項: Space and Time、ChainML、Nil Foundation、および Solity は IOSG ポートフォリオです。

参考文献:

暗号×AI:

ZKML:

エコ: