ผู้เขียนต้นฉบับ: Momir, IOSG Ventures

สัญญาอัจฉริยะนั้นมีจำกัดเนื่องจากขาดความสามารถในการโต้ตอบกับสภาพแวดล้อม ซึ่งจำกัดศักยภาพของแอปพลิเคชันแบบกระจายอำนาจ (dApps) เพื่อให้บรรลุฟังก์ชันที่ซับซ้อนมากขึ้นเรื่อย ๆ โปรโตคอล DeFi มีสองทางเลือก: พวกเขาสามารถนำการออกแบบที่ยืดหยุ่นมาใช้ เช่น ผู้เล่นสามารถปรับแต่งสถานการณ์ต่าง ๆ ให้เป็นส่วนตัว หรือพวกเขาสามารถแนะนำการพึ่งพาภายนอก - ขึ้นอยู่กับโครงสร้างพื้นฐานนอกเชน เช่น oracle ผู้ดูแล หรือการคำนวณแบบออฟไลน์ — เพื่อรักษาประสบการณ์ผู้ใช้ที่เรียบง่าย

ในบทความที่กระตุ้นความคิดเมื่อเร็วๆ นี้ชื่อ เหตุใด DeFi จึงใช้งานไม่ได้และวิธีแก้ไข - ตอนที่ 1: โปรโตคอลที่ไม่ใช้ Oracle Dan Elitzer สนับสนุนการใช้ DeFi ดั้งเดิมที่ไม่มีการพึ่งพาภายนอกเพื่อลดเวกเตอร์การโจมตี แนวคิดคือการขจัดความจำเป็นในการไว้วางใจสถาบันบุคคลที่สาม อย่างไรก็ตาม ระบบนิเวศ DeFi ที่พึ่งพาเป็นศูนย์จะมีข้อกำหนดที่สูงกว่าสำหรับความเชี่ยวชาญพิเศษ ผู้ใช้ส่วนใหญ่ไม่มีเวลา ความเชี่ยวชาญ หรือทรัพยากรในการเป็นผู้ดูแลสภาพคล่องบน Uniswap v3 หรือประเมินคุณภาพของหลักประกันในโปรโตคอลโดยไม่ต้องพึ่งพาจากภายนอก และพวกเขาต้องพึ่งพาตัวกลางที่เชื่อถือได้จึงจะเข้าร่วมได้

ดังนั้น การแสวงหาการพึ่งพาเป็นศูนย์อาจนำเรากลับไปสู่จุดเริ่มต้น หรือแย่กว่านั้นคือ บังคับให้ผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญเชื่อถือหน่วยงานที่ซับซ้อน หรือฝากเงินเข้าในสัญญาอัจฉริยะในช่วงเปลี่ยนผ่าน ซึ่งจะเพิ่มความไม่ปลอดภัย แทนที่จะต่อสู้เพื่อกำจัดการพึ่งพาจากภายนอกโดยสิ้นเชิง ให้พิจารณาแนวทางเชิงปฏิบัติมากขึ้น เช่น การวางการพึ่งพาจากภายนอกภายใต้การตรวจสอบที่เข้มงวดยิ่งขึ้น และการจำกัดสถานการณ์ Black Swan ที่อาจเกิดขึ้น เราต้องตระหนักว่าการพึ่งพาในระดับหนึ่งเป็นสิ่งที่หลีกเลี่ยงไม่ได้และยังมีความสำคัญต่อการพัฒนาอุตสาหกรรมด้วยซ้ำ

ในบรรดาโปรเจ็กต์ DeFi ที่รู้จักกันดี Uniswap เวอร์ชันแรกนั้นใกล้เคียงที่สุดที่จะบรรลุการพึ่งพาเป็นศูนย์ อย่างไรก็ตาม การเปิดตัว Uniswap v4 เมื่อเร็ว ๆ นี้ แสดงให้เห็นถึงการเปลี่ยนแปลงไปสู่แนวทางแบบโมดูลาร์สูง (“Hooks”) เพื่อขับเคลื่อนสนามไปข้างหน้า

ข้อมูลดั้งเดิม

การอภิปรายเกี่ยวกับการพึ่งพาภายนอกเกี่ยวข้องกับความสามารถของสัญญาอัจฉริยะในการโต้ตอบกับข้อมูลภายนอก ในปัจจุบัน การโต้ตอบข้อมูลมักจะอาศัย Oracles ในการเข้าถึงข้อมูลนอกเครือข่าย แม้ว่าจะอยู่ในขอบเขตที่จำกัด (โดยส่วนใหญ่รวมถึงราคาของสกุลเงินดิจิทัลหลัก ๆ ด้วย)

เนื่องจากมีการย้ายกิจกรรมไปยังบล็อกเชนมากขึ้นเรื่อยๆ ข้อมูลออนไลน์อันทรงคุณค่าจำนวนมากจึงสามารถนำมาใช้เพื่อปรับปรุงการออกแบบกลไกตามอัลกอริทึมและโปร่งใสได้ อย่างไรก็ตาม แม้ว่าข้อมูลออนไลน์จะมีความโปร่งใส แต่การบูรณาการเข้ากับสัญญาอัจฉริยะก็ไม่ใช่เรื่องง่าย การอ่าน การประมวลผล และการส่งมอบข้อมูลที่มีความหมายต้องใช้โครงสร้างพื้นฐานที่ซับซ้อนและเชื่อถือได้ ด้วยเหตุนี้ นักพัฒนาจึงมักพึ่งพาเครื่องมือที่มีอยู่สำหรับความต้องการข้อมูลของตน อย่างไรก็ตาม โซลูชันข้อมูลที่มีอยู่ส่วนใหญ่ได้รับการรูทในเฟรมเวิร์ก Web 2.0 และโปรโตคอลเนทิฟ Web 3.0 อื่นๆ ก็ไม่สามารถรับประกันความถูกต้องของข้อมูลที่มอบให้ได้

การสนทนา Sushiswap เกี่ยวกับการส่งข้อมูลที่ไม่ถูกต้องจากกราฟย่อย Polygon Sushi-Matic

เมื่อพิจารณาว่าสัญญาอัจฉริยะสามารถจัดการเงินฝากหลายพันล้านดอลลาร์ได้ จึงไม่เป็นที่พึงปรารถนาหรือในทางปฏิบัติสำหรับพวกเขาที่จะเชื่อมต่อโดยตรงกับแหล่ง API ที่เชื่อถือได้ เนื่องจากการพึ่งพานี้จะบ่อนทำลายลักษณะการกระจายอำนาจของระบบนิเวศบล็อกเชน

สร้างโซลูชันข้อมูลที่ป้องกันการงัดแงะ

ปรัชญาการลงทุนของเราหมุนรอบความเชื่อพื้นฐานที่ว่าข้อมูลที่ป้องกันการปลอมแปลงจะเป็นรากฐานสำคัญของโปรโตคอล DeFi รุ่นต่อไป อย่างไรก็ตาม การป้องกันการงัดแงะข้อมูลได้ไม่ใช่เรื่องง่าย และต้องใช้โครงสร้างพื้นฐานที่ซับซ้อนและการเพิ่มประสิทธิภาพที่ครอบคลุมเพื่อให้การออกแบบเป็นไปได้ในเชิงเศรษฐกิจ

ในบริบทนี้ Space and Time ได้กลายเป็นผู้บุกเบิกในการสร้างโครงสร้างพื้นฐานข้อมูลที่ป้องกันการงัดแงะ ส่วนสำคัญคือการพิสูจน์ SQL ซึ่งเป็นการปรับปรุงการพิสูจน์ SNARK ที่ออกแบบมาโดยเฉพาะสำหรับการสืบค้นข้อมูลจากฐานข้อมูลเชิงสัมพันธ์ วิธีการนี้รับประกันได้ว่าแบบสอบถามและข้อมูลพื้นฐานจะไม่ถูกแก้ไข นอกจากนี้ยังรับประกันความถูกต้องของข้อมูลเมื่อดึงข้อมูลจากโหนดเก็บถาวรผ่านการเรียก RPC

โครงการดั้งเดิมข้อมูลที่ไม่น่าเชื่อถืออื่น ๆ ที่รู้จักกันดีรวมถึงแต่ไม่จำกัดเพียง Nil Foundation, Axiom, Brevis, Herodotus เป็นต้น

ข้อมูลป้องกันการงัดแงะเปิดโลกทัศน์ใหม่สำหรับโปรโตคอล DeFi ช่วยให้สามารถขยายขอบเขตของฟังก์ชันการทำงาน ขับเคลื่อนการเติบโตและนวัตกรรมในอุตสาหกรรมต่อไป

ด้านล่างนี้เราจะหารือเกี่ยวกับการเพิ่มประสิทธิภาพการออกแบบโปรโตคอลที่ขับเคลื่อนด้วยข้อมูลเมื่อ:

1. ประสบการณ์ผู้ใช้ส่วนบุคคล

2. โปรโตคอลการกำหนดพารามิเตอร์ด้วยตนเอง

3. เศรษฐกิจโปรโตคอล

4. การเข้าถึงที่ผ่านการรับรอง

1. ประสบการณ์ผู้ใช้ส่วนบุคคล

ในโลกธุรกิจด้านเทคนิค เป็นเรื่องปกติที่จะให้บริการที่ปรับให้เหมาะกับผู้ใช้ อย่างไรก็ตาม สัญญาอัจฉริยะ (โดยพื้นฐานแล้วคือสตริงของโค้ดที่แสดงถึงตรรกะทางธุรกิจบางอย่าง) มักจะรวมประสบการณ์ผู้ใช้เข้าด้วยกัน ซึ่งมักจะเท่ากับประสบการณ์ผู้ใช้ที่ไม่ดี ตัวอย่างเช่น ในบางแพลตฟอร์มการให้กู้ยืม ผู้ใช้ A เป็นมือใหม่ ผู้ใช้ B เป็นผู้ใช้ที่มีข้อตกลงระยะยาว และผู้ใช้ C เป็นธุรกรรมที่มีประสบการณ์ การขาดความแตกต่างนี้ไม่สามารถคำนึงถึงพฤติกรรมของผู้ใช้ และพลาดโอกาสในการปรับปรุงความเหนียวแน่นของผู้ใช้ จูงใจให้เกิดพฤติกรรมเชิงบวก และเพิ่มประสิทธิภาพการใช้เงินทุน

โปรโตคอลมีส่วนได้เสียในการระบุพฤติกรรมของผู้ใช้และปรับเปลี่ยนตามนั้น ตัวอย่างเช่น โดยใช้ประโยชน์จากอันดับเครดิต เสนอสินเชื่อที่ถูกกว่าหรืออัตราการจำนองที่ต่ำกว่าให้กับลูกค้าที่มีผลงานดี โครงการดังกล่าวจะดึงดูดผู้ใช้จากแพลตฟอร์มที่มีเงื่อนไขเหมือนกัน นอกจากนี้ วิธีการนี้ยังมอบสิ่งจูงใจโดยนัยแก่ผู้ใช้ให้ประพฤติตนดีเพื่อให้ได้เงื่อนไขที่น่าพอใจมากขึ้น

เมื่อคิดในแง่ของฟินเทค ซึ่งบริษัทอย่าง SoFi ได้รับส่วนแบ่งการตลาดโดยการปฏิเสธที่จะรวมเข้าด้วยกัน DeFi dApps ก็สามารถเรียนรู้ได้เช่นกัน ตัวอย่างเช่น SoFi พบว่าตลาดไม่มีประสิทธิภาพของตลาดสินเชื่อนักศึกษา โดยที่ผู้สำเร็จการศึกษาจากมหาวิทยาลัยสแตนฟอร์ดจะถูกคิดอัตราดอกเบี้ยเงินกู้เดียวกันกับผู้กู้รายอื่นๆ แม้ว่าพวกเขาจะมีโอกาสได้งานที่ได้ค่าตอบแทนสูงมากกว่าหลังจากสำเร็จการศึกษาก็ตาม SoFi ประสบความสำเร็จอย่างโดดเด่นด้วยการปรับอัตราเพื่อให้สะท้อนถึงโปรไฟล์ความเสี่ยงของผู้ใช้ได้ดียิ่งขึ้น

ในทำนองเดียวกัน ในพื้นที่ DeFi เรามองเห็นโอกาสในการสร้างสรรค์โปรโตคอลที่คำนึงถึงความเสี่ยงของผู้ใช้ในอัตราดอกเบี้ยและการเป็นหลักประกัน อย่างไรก็ตาม จะต้องระมัดระวังไม่ให้มีหลักทรัพย์ค้ำประกันต่ำเกินไปโดยอิงจากข้อมูลในอดีตที่มีอยู่เท่านั้น ซึ่งจะไม่เกี่ยวข้องเมื่อทฤษฎีเกมเปลี่ยนไป

เป็นที่น่าสังเกตว่าโปรเจ็กต์อย่าง Spectral และ Cred Protocol กำลังพยายามสร้างแบบจำลองการให้คะแนนเครดิตจากข้อมูลออนไลน์ อย่างไรก็ตาม โปรเจ็กต์เหล่านี้ทั้งหมดทำงานบนฐานข้อมูลแบบรวมศูนย์ ดังนั้นตราบใดที่ข้อมูลและโมเดลที่ให้บริการมาจากข้อมูลแบบรวมศูนย์และสามารถแก้ไขได้อย่างง่ายดาย ก็ไม่น่าจะเป็นไปได้ที่โปรโตคอล DeFi หลักจะเชื่อมต่อกับ API ของพวกเขา หากโครงการเหล่านี้ใช้โซลูชันป้องกันการงัดแงะ ก็มีศักยภาพที่จะกลายเป็นเครดิต DeFi ที่แพร่หลาย ซึ่งขับเคลื่อนแอปพลิเคชันนวัตกรรมต่างๆ

2. โปรโตคอลการกำหนดพารามิเตอร์ด้วยตนเอง (ลดการแทรกแซงการกำกับดูแลให้เหลือน้อยที่สุด)

โปรโตคอล DeFi จำนวนมากยังคงอาศัยกระบวนการกำกับดูแลด้วยตนเอง ซึ่งมักจะกำกับโดยบริษัทที่ปรึกษานอกเครือข่าย เพื่อปรับแต่งพารามิเตอร์ ตัวอย่างเช่น AAVE จ่ายเงินจำนวนมากให้กับบริษัทที่ปรึกษาภายนอกเพื่อตรวจสอบและชี้แนะพารามิเตอร์ความเสี่ยงของโปรโตคอล

อย่างไรก็ตาม วิธีการนี้ทำให้เกิดปัญหาหลายประการ:

1. ขาดการสนับสนุนแบบเรียลไทม์: ระบบขาดความสามารถในการตอบสนองต่อสภาวะตลาดที่เปลี่ยนแปลงหรือความเสี่ยงที่เกิดขึ้นใหม่

2. ระบบแบบแมนนวล: การพึ่งพาการแทรกแซงของมนุษย์ทำให้เกิดปัญหาด้านเวลาแฝงและความไร้ประสิทธิภาพที่อาจเกิดขึ้นเมื่อปรับพารามิเตอร์โปรโตคอล

3. ความไว้วางใจในหน่วยงานนอกเครือข่าย: การพึ่งพาบริษัทที่ปรึกษาภายนอกทำให้เกิดความกังวลเกี่ยวกับความโปร่งใสและวิธีการที่ใช้ในการให้คำแนะนำ

วิธีการคงที่นี้ถูกเปิดเผยในการโจมตี AAVE ซึ่งนำไปสู่หนี้เสียที่สามารถหลีกเลี่ยงได้ด้วยพารามิเตอร์การให้ยืมที่เหมาะสมซึ่งสะท้อนถึงสภาพคล่องของโทเค็นที่ยืมมาได้ดีขึ้น นอกจากนี้ ความเสี่ยงของการใช้โทเค็นหมุนเวียนเป็นหลักประกันในโปรโตคอลการให้ยืมยังไม่ได้รับการแก้ไขอย่างเพียงพอ

เพื่อแก้ไขข้อจำกัดเหล่านี้ โปรเจ็กต์ควรเปลี่ยนไปใช้การออกแบบแบบเรียลไทม์ อัตโนมัติ โปร่งใส และไร้ความน่าเชื่อถือ ตัวอย่างเช่น โปรโตคอลการให้ยืมสามารถใช้ประโยชน์จากโครงสร้างพื้นฐาน เช่น Space และ Time เพื่อตรวจสอบข้อมูลแบบเรียลไทม์ ซึ่งจะช่วยให้พวกเขาสามารถปรับหลักประกัน พารามิเตอร์การกู้ยืม และพารามิเตอร์หลักอื่นๆ แบบไดนามิกได้

ในทำนองเดียวกัน ตลาดแลกเปลี่ยนอาจแนะนำโครงสร้างค่าธรรมเนียมแบบไดนามิกโดยขึ้นอยู่กับความผันผวนหรือการสูญเสียที่ไม่ถาวร กลุ่มสภาพคล่องจำนวนมากบน Uniswap v3 นั้นยากที่จะบรรลุการดำเนินงานที่ยั่งยืน สาเหตุหลักมาจากไม่สามารถเรียกเก็บ LP แบบไดนามิกได้ ด้วย Hook ของ Uniswap v4 หรือโมดูลของ Valantis ค่าธรรมเนียมแบบไดนามิกจึงเป็นไปได้

นอกจากนี้ ผู้รวบรวมยังไม่ต้องเสียแรงงานคนและค่าธรรมเนียมคงที่เพื่อปรับให้เข้ากับความเสี่ยงและผลตอบแทนที่เปลี่ยนแปลงไปของโปรโตคอลพื้นฐาน การทำงานร่วมกันระหว่าง Spool และ Solity ถือเป็นก้าวหนึ่งในทิศทางนี้ โดยที่ Solity ใช้แนวทาง Big Data เพื่อวิเคราะห์ผลตอบแทนความเสี่ยงของพูล

3. เศรษฐกิจโปรโตคอล

แนวทางที่ขับเคลื่อนด้วยข้อมูลมีศักยภาพในการปรับปรุงเศรษฐศาสตร์โปรโตคอลและโมเดลเศรษฐศาสตร์โทเค็นใน DeFi ซึ่งโครงการสามารถแบ่งปันสิ่งจูงใจกับผู้ใช้ที่มีสิทธิ์ได้

ตัวอย่างเช่น ผู้รวบรวม DEX ที่กำลังมองหาความเหนียวแน่นและความภักดีของผู้ใช้ พวกเขาสามารถจัดสรรผลประโยชน์ของ Slippage ให้กับผู้ใช้ที่มีคุณสมบัติตรงตามเงื่อนไขบางประการ เช่น ดำเนินธุรกรรมตามจำนวนที่ระบุและบรรลุปริมาณธุรกรรมขั้นต่ำ

สิ่งจูงใจดังกล่าวสร้างแรงจูงใจอย่างมากให้กับผู้ใช้งานในช่วงแรก สร้างความภักดีภายในฐานผู้ใช้ และมอบสิ่งจูงใจโดยตรงกับผู้ใช้ที่มีอยู่เพื่อส่งเสริมการใช้โปรโตคอลภายในประชากรของตนเอง

4. การเข้าถึงที่ผ่านการรับรอง

แม้ว่าบล็อกเชนจะมีลักษณะที่ไม่ได้รับอนุญาต แต่ก็ยังให้อิสระในการเลือกอีกด้วย ในหลายกรณี การเข้าถึงที่ได้รับอนุญาตในเลเยอร์แอปพลิเคชันสามารถรับประกันได้ว่าโปรโตคอลจะไม่ถูกใช้เพื่อทำสิ่งชั่วร้าย หรือโต้ตอบอย่างมีประสิทธิภาพกับฐานผู้ใช้ที่ต้องการ

ตัวอย่างเช่น โปรโตคอลความเป็นส่วนตัว เช่น Tornado Cash อยู่ภายใต้การตรวจสอบจากหน่วยงานกำกับดูแล เนื่องจากอาจนำไปใช้ในการฟอกเงินหรือกิจกรรมที่ผิดกฎหมายอื่นๆ เพื่อป้องกันการฟอกเงิน นักพัฒนาโปรโตคอลสามารถดำเนินการเพื่อป้องกันไม่ให้ผู้ไม่ประสงค์ดีโต้ตอบกับแพลตฟอร์มของตนได้

นอกจากนี้ สำหรับผู้ดูแลสภาพคล่อง ความรู้เกี่ยวกับคู่สัญญานั้นมีค่าอย่างยิ่ง แต่ข้อมูลดังกล่าวมักไม่มีใน dexes สมมติว่าเป็นไปได้ที่จะใช้ข้อมูลเพื่อสร้างการพิสูจน์คนจริง DEX สามารถอนุญาตให้ที่อยู่ที่ไม่ใช่บอทโต้ตอบเท่านั้น ดังนั้นปัญหาประเภทนี้ก็สามารถแก้ไขได้เช่นกัน

ความจำเป็นในการคำนวณที่สามารถตรวจสอบได้

สิ่งที่กล่าวถึงในหัวข้อก่อนหน้านี้สามารถนำไปใช้ได้อย่างสมบูรณ์ผ่านการผสานรวมกับข้อมูลพื้นฐานที่ไม่น่าเชื่อถือ อย่างไรก็ตาม อื่นๆ จะต้องมีทรัพยากรเพิ่มเติมเพื่อทำการคำนวณทางสถิติหรือการเรียนรู้ของเครื่อง ตัวอย่างเช่น โปรแกรมการให้คะแนนเครดิตสามารถใช้ประโยชน์จากข้อมูลที่ป้องกันการงัดแงะ แต่ยังต้องใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อสร้างคะแนนเครดิต

หรือในบริบทของ Risk Oracle การเข้าถึงข้อมูลเกี่ยวกับอุปทานหมุนเวียน ปริมาณ จำนวนธุรกรรม จำนวนผู้ถือ เวลาตั้งแต่ TGE เป็นต้น ของโทเค็นเฉพาะเป็นสิ่งสำคัญในการพิจารณาหลักประกันและปัจจัยการให้กู้ยืมที่เหมาะสม อย่างไรก็ตาม เทคนิคการเรียนรู้ของเครื่องจำเป็นต้องทำการคำนวณที่แม่นยำโดยอาศัยข้อมูลนี้

source：https://chainml.substack.com/p/web3-needs-ai-to-realize-its-potential

ส่วนอื่นๆ ใน DeFi ที่ต้องมีการคำนวณที่ซับซ้อนมากขึ้น ได้แก่แต่ไม่จำกัดเพียง:

• เครื่องมือรวบรวมผลผลิต: ประมาณการผลตอบแทนและความเสี่ยงของโปรโตคอลพื้นฐาน และค้นหาการจัดสรรที่เหมาะสมที่สุด

• การเพิ่มประสิทธิภาพพอร์ตโฟลิโอ: คำนวณการจัดสรรพอร์ตโฟลิโอเป้าหมายตามเกณฑ์ที่กำหนดไว้ล่วงหน้า เปลี่ยนทิศทางความเสี่ยงตามตัวชี้วัดทางเทคนิค ฯลฯ

• การแลกเปลี่ยนอนุพันธ์แบบกระจายอำนาจ: การบริหารความเสี่ยงอย่างเป็นระบบ, การปรับต้นทุนเงินทุน, การกำหนดราคาอนุพันธ์ ฯลฯ

• อัลกอริธึมการดำเนินการทางการค้าขั้นสูง

• ตรรกะการสร้างตลาดห้องนิรภัยสภาพคล่อง

• สำนักหักบัญชี

โปรเจ็กต์อย่าง ChainML ตอบสนองความต้องการนี้ด้วยการจัดหาเลเยอร์การคำนวณนอกเชนที่ตรวจสอบได้ ซึ่งขับเคลื่อนโดยกลไกฉันทามติที่สร้างขึ้นตามวัตถุประสงค์ อื่นๆ ที่สร้างเลเยอร์การประมวลผลการเรียนรู้ของเครื่องแบบกระจายรวมถึงแต่ไม่จำกัดเพียง GenSyn, Together.xyz, Akash และอื่นๆ

ในทำนองเดียวกัน ZKML นำเสนอโอกาสที่น่าสนใจโดยที่การพิสูจน์ ZK สามารถบีบอัดการคำนวณให้เป็นการพิสูจน์ที่กระชับซึ่งสามารถตรวจสอบได้ทางออนไลน์ หรือสาธิตการใช้แบบจำลองเฉพาะโดยไม่เปิดเผยคุณสมบัติของมัน เช่น Modulus Labs, Giza และโครงการ ZK อื่นๆ

สรุป

สรุป

การผสมผสานของข้อมูลที่ป้องกันการงัดแงะ พลังการประมวลผลขั้นสูง และการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล มีศักยภาพในการปลดล็อกนวัตกรรมใหม่ๆ ปรับปรุงประสิทธิภาพ และความพึงพอใจของผู้ใช้ในระบบนิเวศ DeFi แม้ว่าบทความนี้จะมุ่งเน้นไปที่การเพิ่มประสิทธิภาพที่สามารถทำได้นอกเหนือจากข้อมูล on-chain ดั้งเดิม เราก็มีความมั่นใจไม่แพ้กันกับโอกาสที่นำเสนอโดยการบูรณาการข้อมูลนอกเครือข่ายต่างๆ ผ่านการพิสูจน์ zk เราเชื่อว่าข้อมูลจะช่วยเพิ่มความสามารถในการทำงานร่วมกันทั้งแบบออนไลน์และออฟไลน์ และส่งเสริมการบูรณาการระหว่างการเงินแบบกระจายอำนาจและระบบการเงินแบบดั้งเดิม

ในขณะที่อุตสาหกรรมมีการพัฒนาอย่างต่อเนื่อง โปรโตคอลจะต้องยอมรับเทคโนโลยีที่เกิดขึ้นใหม่ ร่วมมือกับโครงการชั้นนำ และจัดลำดับความสำคัญของความโปร่งใสและความไม่ไว้วางใจ ซึ่งไม่เพียงแต่สามารถสร้างอนาคตที่แข็งแกร่งและยั่งยืนสำหรับ DeFi เท่านั้น แต่ยังมีส่วนสนับสนุนผลกระทบของ DeFi ต่อการเงินโลกด้วย ภูมิทัศน์ วิสัยทัศน์นี้มีความเป็นไปได้ที่จะมีผลกระทบในวงกว้าง

ข้อจำกัดความรับผิดชอบ: Space and Time, ChainML, Nil Foundation และ Solity เป็นผลงานของ IOSG

อ้างอิง:

Crypto x AI: https://messari.io/report/growing-synergies-in-ai-and-crypto?referrer=all-research

ZKML: https://docs.google.com/presentation/d/1zr0yLuUT2wjFYIgyU1zt80Gq8QaUdtX1YaGHsBi4z_g/edit#slide=id.g2294a8289d3_6_99ZKML

ecosystem: https://twitter.com/Louissongyz/status/165808735477367193