データの可能性を解き放つ：データ駆動型意思決定によって効率性とユーザー満足度を高める方法
TechFlow厳選深潮セレクト
データの可能性を解き放つ：データ駆動型意思決定によって効率性とユーザー満足度を高める方法
データはオンチェーンとオフチェーンの相互運用性を高め、分散型金融（DeFi）と従来の金融システムとの統合を促進する。
Web3業界の深掘り報道に専念し潮流を洞察著者：Momir@IOSG Ventures
スマートコントラクトには、環境との相互作用能力が欠如しているという制限があり、これにより分散型アプリケーション（dApps）の発展可能性が制約されている。より多様で複雑な機能を実現するため、DeFiプロトコルには2つの選択肢がある。
-
柔軟な設計を採用し、ユーザーがさまざまなシナリオに個別に対応できるようにする方法。
-
または、オラクル、キーパー、あるいはオフチェーン計算など、オフチェーンインフラに依存するexternal dependenciesを導入して、シンプルなユーザーエクスペリエンスを維持する方法。
最近公開された刺激的な記事「なぜDeFiは壊れているのか、そしてどう修復すべきか―第1部：オラクル不要のプロトコル」において、Dan Elitzer氏は、攻撃ベクトルを最小化するために、外部依存がないDeFiプリミティブ（primitives）の使用を主張している。この考え方は、第三者機関への信頼を排除することを目指している。しかし、完全に外部依存を排除したDeFiエコシステムは、必然的に専門性の高い要求を生むことになる。大多数のユーザーは、Uniswap v3上でマーケットメーカーになる時間も、知識も、資金も持っておらず、またexternal dependenciesなしにプロトコル内の担保資産の質を評価することもできないため、結局は信頼できる仲介機関に依存せざるを得なくなる。
したがって、ゼロ依存の追求は、元の状態に戻ってしまうか、それどころか非専門家ユーザーに複雑な実体や一時的なスマートコントラクトへの預け入れを強いることで、セキュリティリスクを高める結果になりかねない。完全に外部依存を排除しようと努力する代わりに、より実用的なアプローチ、例えばexternal dependenciesに対する厳格な監査や、潜在的な黒い白鳥（Black Swan）シナリオの制限を検討すべきである。我々はある程度の依存関係は避けられず、業界の発展にとって不可欠であることを認識しなければならない。
著名なDeFiプロジェクトの中で、Uniswapの初期バージョンは最もゼロ依存に近かった。しかし、最近登場したUniswap v4は、モジュール性の高いアプローチ（「Hooks」）を通じて、この分野を前進させようとする傾向の変化を示している。
データプリミティブ
外部依存に関する議論は、主にスマートコントラクトが外部データとどのようにやり取りするかに集中している。現在、データのやり取りは通常、オラクルに依存してオフチェーン情報を取得しているが、その範囲は限定的である（主に主要暗号資産の価格情報に限られる）。
ますます多くの活動がブロックチェーン上に移行する中、膨大な量の価値あるオンチェーンデータを、アルゴリズム的かつ透明な方法でメカニズム設計を強化するために活用できる。しかし、オンチェーンデータの透明性にもかかわらず、これをスマートコントラクトに統合することは容易ではない。意味のあるデータを読み取り、処理し、提供するには、複雑かつ信頼できるインフラストラクチャの構築が必要となる。そのため、開発者は通常、既存のツールに依存してデータニーズを満たしている。しかし、既存のデータソリューションの多くは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さえ、提供するデータの正確性を保証していない。
Polygon Sushi-Maticサブグラフが不正確なデータを送信していることについてのSushiswapの議論
スマートコントラクトが数十億ドル規模の預け入れを管理できる今、信頼されたAPIソースに直接接続することは望ましくも現実的でもなく、このような依存はブロックチェーンエコシステムの分散化の本質を損なう。
改ざん耐性データソリューションの構築
我々の投資理念は、「改ざん耐性を持つデータが次世代DeFiプロトコルの基盤となる」という基本的な信念に基づいている。しかし、データの改ざん耐性を実現するのは簡単ではなく、経済設計上の実現可能性を確保するためには、複雑なインフラと大量の最適化が必要となる。
こうした文脈において、Space and Timeは改ざん耐性データインフラの先駆者として注目されている。その鍵となる部分はSQL証明であり、これはSNARK証明を改良したもので、リレーショナルデータベースからのデータ照会に特化している。この方式は、照会およびその基盤データが改ざんされていないことを保証する。さらに、RPC呼び出しを通じてアーカイブノードからデータを取得する際も、データの有効性を保証する。
他にも、Nil Foundation、Axiom、Brevis、Herodotusなど、信頼不要なデータプリミティブを提供する有名なプロジェクトが存在する。
改ざん耐性データは、DeFiプロトコルに新たな視野を開き、機能の限界を突破し、業界のさらなる成長と革新を促進する。
以下では、データ駆動型プロトコル設計の最適化を次の観点で考察する。
1. 個別化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. プロトコル経済
4. 資格付きアクセス
1. 個別化されたユーザーエクスペリエンス
技術ビジネスの分野では、ユーザーにカスタマイズされたサービスを提供することが一般的である。しかし、スマートコントラクト（特定のビジネスロジックを表すコード列）は、通常、一律のユーザーエクスペリエンスを提供しており、これはしばしば悪いユーザーエクスペリエンスにつながる。例えば、ある貸借プラットフォームにおいて、ユーザーAは初心者、ユーザーBは長期利用者、ユーザーCは取引の熟練者である場合、一様な扱いではユーザー行動の違いを反映できず、ユーザーのロイヤルティ向上、好ましい行動のインセンティブ付与、資本利用の最適化といった機会を逃すことになる。
プロトコルには、ユーザー行動を識別し、それに応じて調整するインセンティブが存在する。例えば、信用スコアを活用して、良好な履歴を持つ顧客に低金利の融資や低い担保率を提供する。このような仕組みを持つプロジェクトは、一律条件のプラットフォームよりも自然にユーザーを惹きつけることができる。また、この方法はユーザーに暗黙のインセンティブを提供し、好ましい行動を促して、より有利な条件を得られるようにする。
フィンテック業界を見ると、SoFiのような企業は一様化を拒否することで市場シェアを獲得した。例えば、SoFiは学生ローン市場における非効率を発見し、スタンフォード大学の卒業生が他の借り手と同じ金利を支払っていたことに着目した。彼らは卒業後の高収入就職の可能性が高いにもかかわらずだ。金利をユーザーのリスク状況に合わせて調整することで、SoFiは顕著な成功を収めた。
同様に、DeFi分野でも、ユーザーのリスクを金利や担保係数に組み込むような革新的なプロトコルの機会が存在すると考える。ただし、既存の履歴データのみに基づいて担保不足の貸出を行うのは危険である。ゲーム理論が変化すれば、過去のデータは無意味になる。
注目に値するのは、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モデルを構築しようとしている点だ。しかし、これらはすべて中心化されたデータベース上で動作しており、提供されるデータやモデルが中心化され、容易に改ざん可能である限り、主要なDeFiプロトコルがそのAPIに接続することはほとんどないだろう。一方で、これらのプロジェクトが改ざん耐性ソリューションを採用すれば、広範なDeFi信用オラクルとなり、さまざまな革新的アプリケーションに動力を与える可能性がある。
2. 自己パラメータ化プロトコル（ガバナンス介入の最小化）
多くのDeFiプロトコルは依然として、外部コンサルティング会社によるオンチェーン外の諮問に依存してパラメータを調整する人間によるガバナンスプロセスに頼っている。例えばAAVEは、プロトコルのリスクパラメータを監視・指導するために外部コンサルティング会社に高額の報酬を支払っている。
しかし、この手法にはいくつかの問題がある。
1. リアルタイム対応の欠如：市場状況の変化や新興リスクに対して迅速に対応できない。
2. 手動システム：人的介入への依存は、プロトコルパラメータ調整時に遅延や潜在的な非効率を引き起こす。
3. オフチェーン実体への信頼：外部コンサルティング会社への依存は、透明性や提案手法に対する懸念を生む。
この静的なアプローチは、AAVEに対する攻撃で露呈した。この攻撃により不良債権が発生したが、借りられたトークンの流動性を適切に反映する貸出パラメータがあれば回避できたはずだ。また、流通中のトークンを担保として使用するリスクは、十分に解決されていない。
これらの制限を解決するため、プロジェクトはリアルタイムで自動的、透明かつ信頼不要な設計へ移行すべきである。例えば、貸借プロトコルはSpace and Timeのようなインフラを利用してリアルタイムでデータを監視し、担保、貸出パラメータ、その他の重要なパラメータを動的に調整できる。
同様に、取引所はボラティリティや無常損失に基づいた動的料金体系を導入できる。Uniswap v3上の多くの流動性プールは、LPに対して動的に料金を課すことができないため、持続可能な運営が難しい。Uniswap v4のHookやValantisのモジュールにより、動的料金が可能になる。
さらに、アグリゲーターは人為的判断や固定料金に左右されず、基盤プロトコルの変化するリスクとリターンに適応できる。SpoolとSolityの協力は、Solityがビッグデータ手法でプールのリスクリターンを分析することで、この方向への一歩となっている。
3. プロトコル経済
データ駆動型アプローチは、DeFiにおけるプロトコル経済およびトークン経済モデルを強化し、条件を満たすユーザーとインセンティブを共有できる。
例えば、ユーザーのロイヤルティと忠誠心を高めたいDEXアグリゲーターは、一定数以上の取引を実行し、最低取引量を達成したユーザーにスリッページ収益を分配できる。
このようなインセンティブは、早期ユーザーを大量に動機付け、ユーザーグループ内での忠誠心を育て、既存ユーザーに直接インセンティブを提供することで、自身のコミュニティ内でプロトコルの利用を促進する。
4. 資格付きアクセス
ブロックチェーンは許可不要の性質を持つ一方で、選択の自由も許容する。複数の事例において、アプリケーション層での許可付きアクセスにより、悪意ある行為への利用を防いだり、ターゲットユーザー群と効果的にやり取りしたりできる。
例えば、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利用される可能性があるとして規制当局の監視下にある。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ある行為者がプラットフォームと相互作用しないよう対策を講じることができる。
また、マーケットメーカーにとって取引相手の把握は非常に価値があるが、DEXは通常その情報を得られない。もしデータを使って本物の人間であることを証明する仕組みが構築できれば、DEXはbotアドレス以外とのみ相互作用することを許可でき、この問題も解決できる。
検証可能な計算の必要性
信頼不要なデータプリミティブと統合することで、前述の一部内容は完全に実現可能になる。しかし、その他は統計計算や機械学習を実行するための追加リソースを必要とする。例えば、信用スコアプロジェクトは改ざん耐性データを活用できるが、それでも信用スコアを生成するための機械学習アルゴリズムが必要となる。
あるいは、Risk Oracleの前提として、特定のトークンの流通供給量、数量、取引回数、保有者数、TGE以降の期間などのデータは、適切な担保・貸出ファクターを決定するために極めて重要である。しかし、これらのデータに基づいて正確な計算を行うには、機械学習技術が必要となる。
出典：https://chainml.substack.com/p/web3-needs-ai-to-realize-its-potential
DeFiでより複雑な計算が必要となる他の領域には、以下のものが含まれる。
● 収益アグリゲーター：基盤プロトコルの収益とリスクを推定し、最適な割当を見つける。
● ポートフォリオ最適化：事前に設定された基準に基づいて目標ポートフォリオの割当を計算し、テクニカル指標に応じてポジションの向きを変更するなど。
● 派生商品の分散型取引所：システマティックなリスク管理、資金費の調整、派生商品の価格設定など。
● 高度な取引執行アルゴリズム
● 流動性財団のマーケットメイキングロジック
● 清算財団
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によって支えられた、検証可能なオフチェーン計算レイヤーを提供することで、このニーズに対応している。分散型機械学習計算レイヤーを構築する他のプロジェクトには、GenSyn、Together.xyz、Akashなどが含まれる。
同様に、ZKMLは興味深い機会を提供する。ZK証明は、計算をチェーン上で検証可能な簡潔な証明に圧縮したり、モデルの属性を明らかにせずに特定モデルの使用をデモンストレーションしたりできる。Modulus Labs、GizaなどのZKプロジェクトがこれに該当する。
しかし、ZKにおける機械学習の実装は現在非常に高コストであり、実用化の難しさを増している。ハードウェア加速や回路最適化により将来性能が向上するかもしれないが、AIの計算需要はさらに速く成長すると予想されるため、ZKMLはニッチな計算手法に限定され、最先端のAIモデルには対応できない可能性がある。そのため、ChainMLのようなプロジェクトが提供する、コンセンサスに基づくpessimistic approachや詐欺証明に基づくoptimistic approachなどが、最新のAIアルゴリズムをWeb 3.0に統合するための最良の機会となるだろう。
まとめ
改ざん耐性データ、高度な計算能力、データ駆動型意思決定の融合は、DeFiエコシステムにおいて新たな革新、効率性の向上、ユーザーサティスファクションの向上を可能にする。本稿ではオンチェーンデータプリミティブに基づく最適化に焦点を当てたが、zk証明を通じてさまざまなオフチェーンデータを統合する機会についても同様に楽観視している。データはオンチェーンとオフチェーンの相互運用性を高め、分散型金融と従来の金融システムの融合を促進すると信じている。
業界が進化し続ける中、プロトコルは新興技術を受け入れ、トッププロジェクトと協力し、透明性と信頼不要性を優先すべきである。これにより、DeFiに強固で持続可能な未来を築くだけでなく、DeFiが世界の金融地図に深遠な影響を与えるというビジョンの実現も可能になる。
免責：Space and Time、ChainML、Nil Foundation、SolityはIOSGのポートフォリオに含まれます。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
IOSG Ventures
