IOSG Ventures: exploração aprofundada do novo DeFi, revelando o potencial dos dados

Autor Original: Momir, IOSG Ventures

Os contratos inteligentes são limitados porque não possuem a capacidade de interagir com o ambiente, o que limita o potencial de aplicativos descentralizados (dApps). Para alcançar funções cada vez mais complexas, os protocolos DeFi têm duas opções: podem adotar um design flexível, como os jogadores podem personalizar vários cenários; ou podem introduzir dependências externas - contando com infraestrutura off-chain, como oracle, Keepers , ou computação off-chain — para manter uma experiência de usuário simples.

Em um artigo instigante recente intitulado "Por que o DeFi está quebrado e como corrigi-lo - Parte 1: protocolos sem Oracle", Dan Elitzer defende o uso de primitivos DeFi com zero dependências externas para minimizar os vetores de ataque. A ideia é retirar a necessidade de confiança em instituições terceirizadas. No entanto, um ecossistema DeFi de dependência zero terá requisitos mais altos de especialização. A maioria dos usuários não tem tempo, experiência ou recursos para se tornar formadores de mercado no Uniswap v3, ou avaliar a qualidade da garantia no protocolo sem dependências externas, e eles precisam contar com intermediários confiáveis para participar.

Assim, a busca por zero dependências pode nos trazer de volta à estaca zero, ou pior, forçar usuários não especialistas a confiar em entidades complexas ou depositar recursos em contratos inteligentes transitórios, o que aumenta a insegurança. Em vez de lutar para eliminar totalmente as dependências externas, considere abordagens mais pragmáticas, como colocar as dependências externas sob um exame mais rigoroso e limitar possíveis cenários de cisne negro. Devemos reconhecer que algum grau de dependência é inevitável e mesmo crucial para o desenvolvimento da indústria.

Entre os projetos DeFi conhecidos, a versão inicial do Uniswap chegou mais perto de atingir zero dependências. No entanto, a recente introdução do Uniswap v4 demonstra uma mudança em direção a uma abordagem altamente modular (“Hooks”) para avançar no campo.

Dados Primitivos

As discussões sobre dependências externas giram em torno da capacidade dos contratos inteligentes de interagir com dados externos. Hoje, as interações de dados geralmente dependem de oráculos para acessar informações fora da cadeia, embora em um escopo limitado (incluindo principalmente os preços das principais criptomoedas).

À medida que mais e mais atividades migram para o blockchain, uma riqueza de dados valiosos na cadeia pode ser usada para aprimorar o design do mecanismo de forma algorítmica e transparente. No entanto, apesar da transparência dos dados on-chain, integrá-los a contratos inteligentes não é uma tarefa fácil. Ler, processar e entregar dados significativos requer uma infraestrutura sofisticada e confiável. Como resultado, os desenvolvedores geralmente dependem de ferramentas existentes para suas necessidades de dados. No entanto, a maioria das soluções de dados existentes está enraizada em estruturas da Web 2.0, e ainda mais protocolos nativos da Web 3.0 não podem garantir a precisão dos dados que fornecem.

Discussão do Sushiswap sobre o envio de dados imprecisos do subgráfico do Polígono Sushi-Matic

Considerando que os contratos inteligentes podem até gerenciar bilhões de dólares em depósitos, não é desejável nem prático que eles se conectem diretamente a uma fonte de API confiável, pois essa dependência prejudicaria a natureza descentralizada do ecossistema blockchain.

Crie uma solução de dados inviolável

Nossa filosofia de investimento gira em torno de uma crença fundamental de que dados invioláveis serão a base da próxima geração de protocolos DeFi. No entanto, alcançar a resistência à adulteração de dados não é uma tarefa simples e requer infraestrutura complexa e otimizações extensas para torná-la economicamente viável por design.

Nesse contexto, a Space and Time tornou-se pioneira na construção de uma infraestrutura de dados inviolável. Uma parte fundamental são as provas SQL, uma melhoria em relação às provas SNARK projetadas especificamente para consultar dados de bancos de dados relacionais. Essa abordagem fornece garantias de que a consulta e seus dados subjacentes não foram adulterados. Além disso, fornece garantias de validade de dados ao recuperar dados de nós de arquivo por meio de chamadas RPC.

Alguns outros projetos primitivos de dados sem confiança conhecidos incluem, mas não estão limitados a Nil Foundation, Axiom, Brevis, Herodotus, etc.

Dados invioláveis abrem novos horizontes para os protocolos DeFi, permitindo que ultrapassem os limites da funcionalidade, impulsionando ainda mais o crescimento e a inovação no setor.

Abaixo, discutimos a otimização de design de protocolo baseada em dados quando:

1. Experiência de usuário personalizada

2. Protocolo de autoparametrização

3. Economia de protocolo

4. Acesso Qualificado

1. Experiência de usuário personalizada

No mundo dos negócios técnicos, é comum fornecer aos usuários serviços sob medida. No entanto, contratos inteligentes (essencialmente cadeias de código que representam alguma lógica de negócios) geralmente unificam a experiência do usuário, o que muitas vezes equivale a uma experiência ruim do usuário. Por exemplo, em algumas plataformas de empréstimo, o usuário A é novato, o usuário B é um usuário de contrato de longo prazo e o usuário C é uma transação veterana. Essa falta de diferenciação não leva em conta o comportamento do usuário e perde oportunidades de aumentar a adesão do usuário, incentivar o comportamento positivo e otimizar a utilização do capital.

Os protocolos têm interesse em identificar o comportamento do usuário e ajustá-lo de acordo. Por exemplo, alavancando classificações de crédito, oferecendo crédito mais barato ou taxas de hipoteca mais baixas para clientes com bom desempenho. Tal projeto atrairá naturalmente usuários de plataformas com termos uniformes. Além disso, essa abordagem fornece aos usuários incentivos implícitos para realizar um bom comportamento a fim de obter condições mais favoráveis.

Pensando em termos de fintech, onde empresas como a SoFi ganham participação de mercado ao se recusarem a se unificar, os DeFi dApps também podem aprender. Por exemplo, a SoFi encontrou uma ineficiência de mercado no mercado de empréstimos estudantis, em que os graduados de Stanford pagavam as mesmas taxas de juros de empréstimos que outros tomadores de empréstimos, embora fossem mais propensos a conseguir empregos bem remunerados após a formatura. A SoFi teve um sucesso notável ao ajustar as taxas para refletir melhor os perfis de risco dos usuários.

Da mesma forma, no espaço DeFi, vislumbramos uma oportunidade de inovar protocolos que incluem o risco do usuário em taxas de juros e garantias. Deve-se tomar cuidado, no entanto, para não subcolateralizar empréstimos com base apenas em dados históricos existentes, que se tornam irrelevantes quando a teoria dos jogos muda.

Vale ressaltar que projetos como Spectral e Cred Protocol estão tentando construir modelos de pontuação de crédito a partir de dados on-chain. No entanto, todos esses projetos são executados em bancos de dados centralizados, portanto, desde que os dados e modelos que eles atendem sejam provenientes de dados centralizados e possam ser facilmente adulterados, é improvável que os principais protocolos DeFi se conectem às suas APIs. Em vez disso, se esses projetos adotarem soluções invioláveis, eles têm o potencial de se tornarem oráculos de crédito DeFi onipresentes, alimentando uma variedade de aplicativos inovadores.

2. Protocolos de autoparametrização (minimizando a intervenção de governança)

Muitos protocolos DeFi ainda dependem de processos manuais de governança, muitas vezes dirigidos por empresas de consultoria off-chain, para ajustar seus parâmetros. A AAVE, por exemplo, paga caro a empresas de consultoria externas para monitorar e orientar os parâmetros de risco do protocolo.

No entanto, esta abordagem cria vários problemas:

1. Falta de suporte em tempo real: falta ao sistema a capacidade de responder às mudanças nas condições do mercado ou aos riscos emergentes.

2. Sistemas manuais: a confiança na intervenção humana introduz problemas de latência e possíveis ineficiências ao ajustar os parâmetros do protocolo.

3. Confiança em entidades fora da cadeia: A confiança em firmas de consultoria externas levanta preocupações sobre a transparência e a metodologia usada para fazer recomendações.

Essa abordagem estática foi exposta em um ataque ao AAVE, levando a dívidas incobráveis que poderiam ter sido evitadas com parâmetros de empréstimo adequados que refletissem melhor a liquidez dos tokens emprestados. Além disso, os riscos do uso de tokens circulantes como garantia em protocolos de empréstimo não foram abordados adequadamente.

Para lidar com essas limitações, os projetos devem fazer a transição para designs em tempo real, automatizados, transparentes e sem confiança. Por exemplo, os protocolos de empréstimo podem aproveitar a infraestrutura como Space and Time para monitorar dados em tempo real. Isso permitirá que eles ajustem dinamicamente garantias, parâmetros de empréstimo e outros parâmetros importantes.

Da mesma forma, as bolsas podem introduzir estruturas de taxas dinâmicas com base na volatilidade ou perdas impermanentes. Muitos pools de liquidez no Uniswap v3 são difíceis de alcançar operação sustentável, principalmente porque eles não podem cobrar LPs dinamicamente. Com o Hook de Uniswap v4 ou o módulo de Valantis, taxas dinâmicas são possíveis.

Além disso, os agregadores podem ficar livres de trabalho humano e taxas fixas para se adaptarem aos riscos e recompensas variáveis do protocolo subjacente. A colaboração entre Spool e Solity é um passo nessa direção, com Solity usando uma abordagem de big data para analisar o risco-recompensa de pools.

3. Economia de protocolo

Uma abordagem baseada em dados tem o potencial de aprimorar a economia de protocolo e os modelos econômicos de token em DeFi, onde os projetos podem compartilhar incentivos com usuários qualificados.

Por exemplo, um agregador DEX em busca de aderência e lealdade do usuário, pode alocar benefícios de derrapagem para usuários que atendem a certas condições, como executar um número especificado de transações e atingir um volume mínimo de transações.

Esses incentivos incentivam fortemente os primeiros usuários, criam lealdade dentro da base de usuários e fornecem incentivos diretamente aos usuários existentes para promover o uso do protocolo em sua própria população.

4. Acesso Qualificado

Embora o blockchain tenha uma natureza sem permissão, ele também permite liberdade de escolha. Em vários casos, o acesso autorizado na camada do aplicativo pode garantir que o protocolo não seja usado para fazer o mal ou interagir efetivamente com a base de usuários pretendida.

Por exemplo, protocolos de privacidade como o Tornado Cash estão sob escrutínio dos reguladores porque podem ser usados para lavagem de dinheiro ou outras atividades ilegais. Para evitar a lavagem de dinheiro, os desenvolvedores de protocolo podem tomar medidas para impedir que atores mal-intencionados interajam com suas plataformas.

Além disso, para os formadores de mercado, o conhecimento das contrapartes é extremamente valioso, mas essas informações muitas vezes não estão disponíveis para os dexes. Assumindo que é possível usar dados para construir provas de pessoas reais, DEXs só podem permitir que endereços não-bot interajam, então esse tipo de problema também pode ser resolvido.

Requisitos para Computação Verificável

O que foi discutido na seção anterior pode ser totalmente implementado por meio da integração com primitivas de dados sem confiança. No entanto, outros exigirão recursos adicionais para realizar cálculos estatísticos ou aprendizado de máquina. Por exemplo, programas de pontuação de crédito podem aproveitar dados invioláveis, mas ainda exigem algoritmos de aprendizado de máquina para gerar pontuações de crédito.

Ou no contexto de um Oracle de Risco, ter acesso a dados sobre a oferta circulante, volume, contagem de transações, número de titulares, tempo desde TGE, etc. de um determinado token é fundamental para determinar garantias apropriadas e fatores de empréstimo. No entanto, as técnicas de aprendizado de máquina precisam realizar cálculos precisos com base nesses dados.

fonte:

Outras áreas em DeFi que requerem cálculos mais complexos incluem, mas não estão limitadas a:

• Agregador de receita: estime a receita e os riscos do protocolo subjacente e encontre a alocação ideal.
• Otimização do portfólio: calcule a alocação do portfólio alvo com base em critérios pré-determinados, altere a exposição direcional com base em indicadores técnicos, etc.
• Troca descentralizada de derivativos: gerenciamento de risco sistêmico, ajuste de custo de capital, precificação de derivativos, etc.
• Algoritmo de execução comercial avançado
• Lógica de criação de mercado de cofre de liquidez
• Limpar biblioteca

Projetos como o ChainML atendem a essa necessidade, fornecendo uma camada de computação off-chain verificável, alimentada por um mecanismo de consenso criado especificamente. Outros que constroem camadas de computação de aprendizado de máquina distribuído incluem, entre outros, GenSyn, Together.xyz, Akash, etc.

Da mesma forma, o ZKML apresenta uma oportunidade interessante em que as provas ZK podem compactar cálculos em provas sucintas que podem ser verificadas na cadeia ou demonstrar o uso de um modelo específico sem revelar suas propriedades. Como Modulus Labs, Giza e outros projetos ZK.

No entanto, a implementação do aprendizado de máquina no ZK é atualmente muito cara, tornando a implementação prática desafiadora. Embora a aceleração de hardware e a otimização de circuitos possam melhorar o desempenho no futuro, espera-se que as demandas computacionais de IA cresçam em um ritmo mais rápido, tornando o ZKML limitado a métodos de computação de nicho que não podem ser adaptados a modelos de IA de última geração. Portanto, abordagens como a abordagem pessimista baseada em consenso ou a abordagem otimista baseada em fraude oferecida por projetos como ChainML podem ser a melhor oportunidade para integrar os mais recentes algoritmos de inteligência artificial na Web 3.0.

Resumir

A fusão de dados invioláveis, poder de computação avançado e tomada de decisão baseada em dados tem o potencial de desbloquear novas inovações, melhorar a eficiência e a satisfação do usuário no ecossistema DeFi. Embora este artigo se concentre em otimizações que podem ser feitas sobre primitivas de dados on-chain, estamos igualmente otimistas com as oportunidades apresentadas pela integração de vários dados off-chain por meio de zk proofs. Acreditamos que os dados irão melhorar a interoperabilidade on-chain e off-chain e promover a integração entre finanças descentralizadas e sistemas financeiros tradicionais.

À medida que a indústria continua a evoluir, o protocolo deve abraçar tecnologias emergentes, cooperar com projetos líderes e priorizar a transparência e a falta de confiança, o que pode não apenas construir um futuro forte e sustentável para o DeFi, mas também contribuir para o impacto do DeFi no mercado financeiro global. paisagem Esta visão oferece a possibilidade de ter um impacto de longo alcance.

Isenção de responsabilidade: Space and Time, ChainML, Nil Foundation e Solity são portfólios IOSG.

referências:

Criptografia x IA:

ZKML:

ecológico: