Sebuah sistem dapat berkonsultasi dengan lima umpan yang tampak independen, namun tetap melihat pasar melalui sepasang mata yang sama.
Bayangkan sebuah kubah otomatis yang melakukan penyeimbangan ulang hanya ketika beberapa sumber harga yang disetujui sepakat.
Kebijakannya tampak konservatif.
Tidak ada satu umpan pun yang dapat mengendalikan hasil.
Nilai terbaru masih segar.
Nilai median tetap berada dalam rentang yang diizinkan.
VaultKit mengevaluasi tindakan sebelum penyelesaian, setiap kondisi yang diperlukan terpenuhi, dan proses otorisasi menghasilkan hasil yang ditandatangani.
Kubah tersebut menemukan bahwa kelima umpan itu bergantung, secara langsung atau tidak langsung, pada pasar tipis yang sama.
Mereka tidak gagal secara terpisah.
Mereka mengulang kelemahan yang sama sebanyak lima kali.
Tidak ada yang perlu direkayasa.
Datanya bisa saja terbaru.
Nilainya bisa saja sama.
Kebijakan bisa mengeksekusi persis seperti yang dirancang.
Kegagalan tersembunyi adalah memperlakukan kesepakatan sebagai independensi.
Itulah masalah data yang menurut saya menjadi makin penting saat keuangan otonom bergantung pada bukti yang semakin kompleks.
Mesin kebijakan dapat menghitung berapa banyak sumber yang mendukung sebuah keputusan.
Kebijakan tidak boleh mengasumsikan bahwa sumber-sumber itu merepresentasikan informasi yang benar-benar berbeda hanya karena mereka tiba melalui antarmuka yang berbeda.
Tiga penyedia pada akhirnya mungkin merujuk bursa yang sama.
Beberapa feed dapat menggunakan agregator upstream yang sama.
Berbagai layanan data pasar mungkin bergantung pada likuiditas yang terkonsentrasi di satu venue.
Bahkan sistem yang dioperasikan secara independen bisa menjadi berkorelasi ketika mereka mengamati bagian sempit pasar yang sama.
Dari perspektif aplikasi, bukti terlihat beragam.
Dari perspektif risiko, mungkin masih ada satu titik kegagalan.
Di sinilah saya menemukan Newton Mainnet Beta menarik.
Melalui VaultKit, aplikasi dapat mendefinisikan kondisi tentang apa yang diizinkan untuk dilakukan oleh agen, manajer, atau strategi otomatis. @NewtonProtocol can menempatkan evaluasi itu sebelum settlement, menciptakan titik di mana suatu tindakan masih bisa ditolak sebelum nilai berpindah. Attestasi yang ditandatangani juga dapat memudahkan pemeriksaan peristiwa otorisasi setelahnya.
Ini merupakan posisi yang lebih kuat daripada meninjau keputusan hanya setelah transaksi menjadi final.
Namun, hasil yang ditandatangani dapat membuktikan bahwa pemeriksaan yang diperlukan terjadi tanpa membuktikan bahwa bukti di balik pemeriksaan-pemeriksaan tersebut secara bermakna independen.
Sebuah attestasi dapat menunjukkan bahwa lima input yang disetujui sepakat.
Ini tidak otomatis menunjukkan bahwa kelima input itu merepresentasikan lima pandangan terpisah tentang realitas.
Bagi saya, pembedaan itu sangat penting.
Konsensus di antara sumber dapat meningkatkan keyakinan hanya ketika ketidaksepakatan memang benar-benar mungkin terjadi.
Jika setiap feed memiliki dependensi upstream yang sama, kesepakatan dapat menjadi hasil default bahkan ketika dependensi itu sendiri salah.
Jumlah sumber kemudian menjadi metrik keamanan yang menyesatkan.
Pertanyaan yang lebih kuat bukanlah:
Berapa banyak feed yang diperiksa?
Itu adalah:
Berapa banyak jalur kegagalan yang berbeda yang diwakili?
Pertimbangkan sebuah vault yang menggunakan beberapa masukan harga sebelum membuka exposure baru.
Satu feed berasal dari layanan oracle.
Yang lain berasal melalui pengagregasi data.
Salah satunya disediakan oleh penyedia analitik.
Di permukaan, sumber tampak independen.
Namun, jika ketiga pihak menghitung harga referensi mereka dari bursa yang sama selama periode likuiditas lemah, aplikasi belum mendiversifikasi buktinya sejauh yang terlihat.
Antarmukanya berbeda.
Asumsi pasar yang mendasarinya sama.
Ini menciptakan kegagalan yang halus karena kebijakan tampak lebih tangguh justru saat ia menjadi lebih bergantung.
Lebih banyak feed menghasilkan lebih banyak konfirmasi.
Lebih banyak konfirmasi menciptakan keyakinan yang lebih tinggi.
Keyakinan yang lebih tinggi memungkinkan agen bertindak lebih cepat.
Namun, seluruh rangkaian itu masih dapat bertumpu pada satu pasar yang sementara berhenti merepresentasikan nilai yang lebih luas.
Otomatisasi karenanya dapat menskalakan keyakinan palsu tanpa ada peserta yang bersikap tidak jujur.
Itu berbeda dari data yang basi.
Input yang basi mendeskripsikan pasar yang lebih awal.
Bukti yang berkorelasi mungkin menggambarkan pasar saat ini secara akurat—tetapi hanya dari satu sudut pandang sempit yang berpotensi terdistorsi.
Keduanya bisa mengotorisasi tindakan yang salah.
Mereka gagal karena alasan yang berbeda.
Saya ingin aplikasi yang digerakkan Newton dapat mempertahankan perbedaan itu.
Sebuah kebijakan tidak boleh memperlakukan “segar” dan “independen” sebagai sifat yang bisa saling menggantikan.
Ia juga harus menghindari menganggap setiap sumber itu setara hanya karena masing-masing disetujui.
Beberapa keputusan mungkin memerlukan keragaman antar-venue.
Yang lain mungkin memerlukan keragaman antar-penyedia.
Tindakan berisiko tinggi mungkin memerlukan bukti yang mencerminkan baik harga maupun likuiditas yang tersedia.
Pelunasan berisiko rendah mungkin tetap aman dengan standar yang lebih sederhana.
Kebutuhan bukti harus sesuai dengan konsekuensi dari tindakan tersebut.
Membuka exposure berleverage tidak semestinya bergantung pada asumsi sumber yang sama seperti saat menutup risiko.
Menarik jaminan tidak boleh dinilai persis seperti melunasi utang.
Semakin sulit tindakan itu untuk dibatalkan, semakin penting untuk memahami dari mana asal bukti pendukungnya.
Saya juga tidak akan menyelesaikan ini dengan menuntut jumlah maksimum sumber untuk setiap transaksi.
Semakin banyak masukan, semakin tinggi biayanya.
Mereka dapat memperlambat otorisasi.
Mereka dapat menciptakan ketidaksepakatan yang harus diselesaikan kebijakan.
Mereka bisa membuat aplikasi lebih sulit untuk dioperasikan dan diaudit.
Dan menambahkan feed lain memberi sedikit nilai ketika ia mengulang dependensi upstream yang sama.
Tujuannya bukan redundansi maksimum.
Itu adalah independensi yang berguna.
Artinya, pengembang perlu memahami rantai bukti di balik setiap kondisi kebijakan.
Pasar mana yang menghasilkan nilai tersebut?
Penyedia mana yang mengubahnya?
Asumsi apa yang dibagikan?
Seberapa besar likuiditas yang mendukung pengamatan itu?
Apa yang seharusnya terjadi ketika sumber sepakat secara numerik tetapi gagal memenuhi syarat independensi?
Pertanyaan-pertanyaan itu membuat provenance data menjadi bagian dari desain otorisasi, bukan detail infrastruktur yang tak terlihat.
Kemudian, rekam otorisasi yang ditandatangani dan bermakna dapat membantu peninjau memahami tidak hanya bahwa kebijakan lolos, tetapi juga kelas bukti apa yang mendukung keputusan itu.
Catatan tersebut tidak perlu memaparkan semua detail implementasi privat secara publik.
Namun, pengembang, pengguna, dan peninjau yang diotorisasi harus dapat membedakan keputusan yang didukung masukan yang benar-benar beragam dari keputusan yang didukung beberapa salinan dependensi yang sama.
Ini sangat penting ketika agen AI mengonsumsi hasil otorisasi secara otomatis.
Seorang analis manusia mungkin menyadari bahwa lima feed semuanya bergantung pada satu venue yang tidak stabil.
Perangkat lunak bisa melihat lima konfirmasi dan meningkatkan keyakinannya.
Semakin mudah persetujuan dibaca mesin, semakin hati-hati bukti di baliknya harus diklasifikasikan.
Jika tidak, sistem bisa menjadi sepenuhnya konsisten dalam mempercayai jenis kesepakatan yang salah.
Itu adalah standar yang akan saya gunakan saat menilai Newton Mainnet Beta.
Bukan sekadar apakah aplikasi dapat menerapkan aturan multi-sumber sebelum settlement.
Apakah kebijakan bisa mengenali bahwa beberapa sumber masih dapat mewakili satu risiko mendasar?
Sistem otorisasi yang andal tidak seharusnya menghitung antarmuka.
Ia harus menghitung cara-cara independen di mana bukti bisa saja salah.
Karena lima feed yang sepakat tidak menciptakan lima kebenaran ketika kelima-tiganya mempelajari jawaban dari tempat yang sama.
$NEWT @NewtonProtocol #Newt $LAB $VANRY #Velvet #xau #VANRY #Labs
