Какие маркетплейсы используют систему блокчейн

Маркетплейсы ML/AI на основе блокчейн

Автор статьи: Фред Эрсам — соучредитель компании Coinbase. Он был включен в списки Forbes 30 (до 30 лет) и TIME Magazine 30. Ранее он работал валютным трейдером в Goldman Sachs в Нью-Йорке, где занимался торговлей и управлял электронной платформой Goldman.

Фред прогнозировал переход Ethereum с PoW на PoS на 2018/2019 годы. Как мы видим, он ошибся в прогнозе на 3-4 года. Данная статья также была написана в начале 2018 года и нам кажется, что именно сегодня имеет смысл прочитать и осмыслить её ещё раз.

Модели машинного обучения, натренированные на данных с торговых площадок на основе блокчейна, способны создать самый мощный в мире искусственный интеллект. Они объединяют два мощных примитива: частное машинное обучение, которое позволяет проводить обучение на конфиденциальных частных данных, не раскрывая их, и стимулы на основе блокчейна, которые позволяют этим системам привлекать лучшие данные и модели, чтобы сделать их умнее. В результате получаются открытые рынки, где любой может продать свои данные и сохранить их конфиденциальность, а разработчики могут использовать стимулы, чтобы привлечь к себе лучшие данные для своих алгоритмов.

Создание таких систем является сложной задачей и необходимые технологии для этого все еще создаются, но простые начальные версии выглядят так, будто они начинают становиться возможными. Я считаю, что эти рынки переведут нас из нынешней эпохи монополий на данные в Web 2.0 в эпоху Web 3.0 — эпоху открытой конкуренции за данные и алгоритмы, где и те и другие будут напрямую монетизироваться.

Основой для этой идеи послужил разговор с Ричардом из Numerai в 2015 году. Numerai — это хедж-фонд, который отправляет зашифрованные рыночные данные любому специалисту, желающему принять участие в соревновании по моделированию фондового рынка. Numerai объединяет лучшие модели в «метамодель», торгует этой метамоделью и платит ученым, чьи модели показали хорошие результаты.

Соревнование ученых, работающих с данными, кажется мощной идеей. Это заставило меня задуматься: можно ли создать полностью децентрализованную версию этой системы, которую можно было бы распространить на любую проблему? Я считаю, что ответ, да.

Разработка

В качестве примера давайте попробуем создать полностью децентрализованную систему для торговли криптовалютами на децентрализованных биржах. Это одна из многих потенциальных конструкций:

Данные

Провайдеры данных накапливают данные и предоставляют их моделистам.

Построение моделей

Разработчики моделей выбирают, какие данные использовать и создают модели. Обучение проводится с использованием метода безопасных вычислений, который позволяет обучать модели без раскрытия исходных данных для обучения.

Построение метамодели

Метамодель создается на основе алгоритма, который учитывает ставку каждой модели. Создание метамодели необязательно — вы можете представить модели, которые используются без объединения в метамодель.

Использование метамодели

Смарт-контракт берет метамодель и осуществляет программную торговлю через децентрализованные механизмы обмена на блокчейн.

Распределение прибыли/убытков

По прошествии некоторого периода времени торговля приносит прибыль или убыток. Эта прибыль или убыток распределяется между участниками метамодели в зависимости от того, насколько они стали умнее. Модели, которые внесли отрицательный вклад, забирают часть или все свои средства, поставленные на кон. Затем модели разворачиваются и производят аналогичное распределение/уменьшение ставок среди своих поставщиков данных.

Верифицируемые вычисления

Вычисления для каждого шага выполняются либо централизованно, но верифицируются и оспариваются с помощью верификационной игры, такой как Truebit, либо децентрализованно с использованием безопасных многопользовательских вычислений.

Хостинг

Данные и модели размещаются либо на IPFS, либо на узлах в безопасной сети многопользовательских вычислений, так как хранение на блокчейн будет слишком дорогим.

Что делает эту систему мощной?

Стимулы для привлечения лучших данных по всему миру

Стимулы для привлечения данных являются наиболее мощной частью системы, поскольку данные, как правило, являются ограничивающим фактором для большинства кейсов машинного обучения. Точно так же, как биткойн создал уникальную систему с самыми большими вычислительными мощностями в мире благодаря открытым стимулам, правильно разработанная структура стимулов для данных приведет к тому, что лучшие данные в мире для вашего приложения придут к вам. И практически невозможно отключить систему, в которую данные поступают из тысяч или миллионов источников.

Конкуренция между алгоритмами

Создается открытая конкуренция между моделями/алгоритмами там, где ее раньше не было. Представьте себе децентрализованный Facebook с тысячами конкурирующих алгоритмов новостной ленты.

Прозрачность вознаграждений

Поставщики данных и моделей могут видеть, что они получают справедливую стоимость того, что они предоставили, поскольку все вычисления проверяются, что повышает вероятность их участия.

Автоматизация

Выполнение действий на блокчейн и получение стоимости непосредственно в токенах создает автоматизированный и беспристрастный замкнутый цикл.

Сетевые эффекты

Сетевые эффекты от пользователей, поставщиков данных и ученых, работающих с данными, делают систему самоподдерживающейся. Чем лучше она работает, тем больше капитала она привлекает, что означает больше потенциальных выплат, что привлекает больше поставщиков данных и ученых, которые делают систему умнее, что, в свою очередь привлекает больше капитала, и так по кругу.

Конфиденциальность

В дополнение к вышеперечисленным пунктам, важной особенностью является конфиденциальность. Она позволяет:

1. людям предоставлять данные, которые в противном случае были бы слишком приватными для обмена, и
2. предотвращает утечку экономической ценности данных и моделей.

Если оставить данные и модели незашифрованными в открытом доступе, они будут бесплатно скопированы и использованы другими людьми, которые не внесли никакого вклада (проблема «свободного наездника»).

Частичным решением проблемы «свободного наездника» является частная продажа данных. Даже если покупатели решат перепродать или выпустить данные, их ценность со временем снижается. Однако этот подход ограничивает нас кратковременными случаями использования и по-прежнему создает типичные проблемы конфиденциальности. В результате, более сложный, но мощный подход заключается в использовании формы безопасных вычислений.

Безопасные вычисления

Методы безопасных вычислений позволяют моделям обучаться на данных без раскрытия самих данных. Сегодня используются и исследуются 3 основные формы безопасных вычислений: гомоморфное шифрование (HE), безопасные многопользовательские вычисления (MPC) и доказательства нулевым разглашением (ZKP). В настоящее время многопользовательские вычисления чаще всего используются для частного машинного обучения, поскольку гомоморфное шифрование слишком медленно, а применение ZKPs к машинному обучению не очевидно. Методы безопасных вычислений находятся на переднем крае исследований в области компьютерных наук. Они часто на порядки медленнее обычных вычислений и представляют собой основное узкое место в системе, но в последние годы ситуация улучшается.

Уникальная рекомендательная система

Чтобы проиллюстрировать потенциал частного машинного обучения, представьте себе приложение под названием «The Ultimate Recommender System». Оно следит за всем, что вы делаете на своих устройствах: история просмотров, все, что вы делаете в приложениях, фотографии на вашем телефоне, данные о местоположении, история расходов, носимые датчики, текстовые сообщения, камеры в вашем доме, камера на ваших будущих AR-очках. Затем она дает вам рекомендации: какой следующий веб-сайт вам следует посетить, какую статью прочитать, какую песню послушать или какой товар купить.

Такая рекомендательная система будет чрезвычайно мощной. Более мощной, чем все существующие хранилища данных Google, Facebook и других компаний, потому что она имеет максимальное продольное представление о вас и может учиться на данных, которые в противном случае были бы слишком приватными, чтобы ими делиться. Как и в предыдущем примере с криптовалютной торговой системой, эта система будет работать, позволяя рынку моделей, ориентированных на различные области (например, рекомендации веб-сайтов, музыка), конкурировать за доступ к вашим зашифрованным данным и рекомендовать вам что-то, и, возможно, даже платить вам за предоставление ваших данных или вашего внимания к созданным рекомендациям.

Федеративное обучение Google и дифференцированная конфиденциальность Apple являются одним из шагов в направлении частного машинного обучения, но все еще требуют доверия, не позволяют пользователям напрямую проверять свою безопасность и сохраняют данные изолированными.

Современные подходы

Еще очень рано. Лишь немногие группы имеют что-то работающее, а большинство пытается откусить по кусочку за раз.

Простая конструкция от Algorithmia Research предлагает вознаграждение за модель, точность которой превышает определенный порог бэктестинга:

В настоящее время Numerai идет на три шага дальше: она использует зашифрованные данные (хотя и не полностью гомоморфно), объединяет краудсорсинговые модели в метамодель и вознаграждает модели на основе будущих показателей (в данном случае — одной недели торговли акциями), а не бэктестинга с помощью собственного токена Ethereum под названием Numeraire. Специалисты по анализу данных должны использовать Numeraire в качестве «скина» в игре, стимулируя производительность на основе того, что произойдет (будущая производительность), а не того, что уже произошло (производительность на основе бэктестов). Однако в настоящее время блокчейн централизованно распределяет данные, ограничивая, как кажется, самый важный компонент.

Никто еще не создал успешного рынка данных на основе блокчейна. Ocean — это ранняя попытка создать такой рынок.

Другие начинают с создания безопасных вычислительных сетей. Openmined создает многопользовательскую вычислительную сеть для обучения моделей машинного обучения на базе Unity, которая может работать на любом устройстве (по аналогии с Folding at Home), включая игровые консоли, а затем расширяется до безопасных MPC. Enigma придерживается аналогичной тактики.

Интересным конечным результатом могли бы стать метамодели, принадлежащие друг другу, которые дают поставщикам данных и создателям моделей право собственности пропорционально тому, насколько умнее они их сделали. Модели будут токенизированы, со временем смогут приносить дивиденды и, возможно, даже будут управляться теми, кто их обучил. Оригинальное видео Openmined — самая близкая к этому конструкция, которую я видел до сих пор.

Какие подходы могут сработать в первую очередь?

Я не берусь утверждать, что знаю, какая именно конструкция лучше, но у меня есть несколько идей.

Один из тезисов, который я использую для оценки идей блокчейна, таков: на спектре от «физически родного» до «цифрового» и «блокчейн-родного», чем больше «блокчейн-родного», тем лучше. Чем меньше блокчейн, тем больше доверенных третьих сторон появляется, что увеличивает сложность и снижает простоту использования в качестве “строительного” блока для других систем.

Здесь, я думаю, это означает, что система с большей вероятностью будет работать, если создаваемая ценность поддается количественной оценке — в идеале непосредственно в форме денег, а еще лучше — токенов. Это позволяет создать чистую, замкнутую систему. Сравните предыдущий пример криптовалютной торговой системы с той, которая выявляет опухоли на рентгеновских снимках. В последнем случае вам нужно убедить страховую компанию в том, что модель рентгеновского снимка ценна, договориться о том, насколько ценна, а затем доверить небольшой группе физически присутствующих людей проверить успешность/неуспешность модели.

При этом нельзя утверждать, что не появятся и более очевидные положительные результаты использования цифровых технологий в обществе. Рекомендательные системы, подобные ранее упомянутой, могут быть чрезвычайно полезны. Если они подключены к рынкам кураторства, то это еще один случай, когда модель может предпринимать действия программно на блокчейн, а вознаграждением системы являются токены, опять же создавая чистый замкнутый цикл. Сейчас это кажется маловозможным, но я ожидаю, что со временем сфера задач, основанных на блокчейне, будет расширяться.

Последствия

Во-первых, децентрализованные рынки машинного обучения могут ликвидировать монополию на данные нынешних технологических гигантов. Они стандартизируют и коммодитизируют основной источник создания стоимости в интернете за последние 20 лет: проприетарные сети данных и сильные сетевые эффекты вокруг них. В результате создание стоимости перемещается вверх по стеку от данных к алгоритмам.

Говоря иначе, они создают прямую бизнес-модель для искусственного интеллекта. И для работы с данными и для его обучения.

Во-вторых, они создают самые мощные системы ИИ в мире, привлекая к ним лучшие данные и модели с помощью прямых экономических стимулов. Их мощь возрастает благодаря многосторонним сетевым эффектам. По мере того, как монополии на сети передачи данных эпохи Web 2.0 становятся товарными, они кажутся хорошим кандидатом для следующей точки переагрегации. Вероятно, до этого еще несколько лет, но направление кажется верным.

В-третьих, как показывает пример с рекомендательной системой, поиск становится обратным. Вместо того чтобы люди искали продукты, продукты ищут и конкурируют за людей (за эту формулировку спасибо Брэду). У каждого человека могут быть рынки персонального курирования, где рекомендательные системы конкурируют за размещение наиболее релевантного контента в его ленте, а релевантность определяется самим человеком.

В-четвертых, они позволяют нам получить те же преимущества мощных сервисов на основе машинного обучения, к которым мы привыкли от таких компаний, как Google и Facebook, без передачи наших данных.

В-пятых, машинное обучение может развиваться быстрее, поскольку любой инженер может получить доступ к открытому рынку данных, а не только небольшая группа инженеров в крупных компаниях Web 2.0.

Задачи

Прежде всего, методы безопасных вычислений в настоящее время очень медленные, а машинное обучение уже является вычислительно дорогим. С другой стороны, интерес к методам безопасных вычислений начал расти, и производительность увеличивается. За последние 6 месяцев я видел новые подходы со значительным улучшением производительности по сравнению с HE, MPC и ZKPs.

Вычислить ценность конкретного набора данных или модели для метамодели сложно.

Очистка и форматирование данных, полученных с помощью краудсорсинга, является сложной задачей. Скорее всего, мы увидим некую комбинацию инструментов, стандартизации и появления малых предприятий для решения этой проблемы.

И наконец, как это ни парадоксально, бизнес-модель для создания обобщенной конструкции такой системы менее понятна, чем для создания ее отдельного экземпляра. Похоже, это относится ко многим новым криптопримитивам, включая рынки кураторства.

Заключение

Сочетание частного машинного обучения с блокчейн-стимулами может создать сильнейший машинный интеллект в самых разных приложениях. Существуют значительные технические проблемы, которые, как кажется, со временем можно решить. Их долгосрочный потенциал огромен и является долгожданным сдвигом в сторону от нынешней хватки крупных интернет-компаний на данные. Они также немного пугают — они сами себя запускают, сами себя улучшают, потребляют частные данные и их практически невозможно отключить, что заставляет меня задуматься, не является ли их создание вызовом более мощного Молоха, чем когда-либо прежде. В любом случае, это еще один пример того, как криптовалюты будут медленно, а затем внезапно прокладывать себе путь в каждую отрасль.

Телеграм канал про web3 разработку, смарт-контракты и оракулы.

• машинное обучение
• искусственный интеллект
• блокчейн
• маркетплейсы
• смарт-контракт

Каким будет Web 3.0: блокчейн-маркетплейсы для машинного обучения

Как создать мощнейший искусственный интеллект? Один из способов — использовать модели машинного обучения с данными, которые распространяются через маркетплейсы, основанные на блокчейне. Зачем здесь блокчейн? Именно с его помощью в будущем мы можем ожидать появления открытых электронных бирж, где каждый сможет продавать свои данные, не нарушая конфиденциальность. А разработчики — выбирать и приобретать наиболее полезную информацию для своих алгоритмов. В этом посте мы расскажем о развитии и перспективах таких площадок.

Сегодня основные элементы подобных систем только формируются. Простые начальные версии подобных решений внушают надежду на успех. Эти торговые площадки обеспечат переход от нынешней эпохи монопольного владения данными Web 2.0 к Web 3.0 — открытой конкуренции за данные и алгоритмы с возможностью непосредственной монетизации.

Возникновение идеи

Идея такой площадки возникла у меня в 2015 году после разговора с Ричардом из хедж-фонда Numerai. Они проводили конкурс на разработку модели фондового рынка и отправляли зашифрованные рыночные данные любому специалисту, желающему участвовать в нем. В итоге Numerai объединяет лучшие модели в «метамодель», продает ее и выплачивает вознаграждение тем специалистам, чьи модели работают эффективно.

Конкуренция между специалистами по обработке и анализу данных показалось перспективной идеей. Тогда я задумался: можно ли создать полностью децентрализованную версию такой системы, которая носила бы общий характер и могла быть использована для решения любых задач? Считаю, что на этот вопрос можно ответить утвердительно.

Проектирование

В качестве примера давайте попробуем создать полностью децентрализованную систему для торговли криптовалютами на децентрализованных биржах. Вот одна из возможных схем:

Поясним разные уровни ее работы:

Данные. Поставщики данных выставляют на биржу свои данные и делятся ими с разработчиками моделей.

Модели. Разработчики моделей выбирают, какие данные использовать, и создают модели. Обучение проводится с использованием безопасного метода вычислений, который позволяет обучать модели, не раскрывая используемые данные. Модели выставляются на биржу так же, как и данные.

Метамодели. Метамодель создается на основе алгоритма, который учитывает биржевую цену каждой модели. Создание метамодели необязательно — некоторые модели используются и без объединения в метамодель. Смарт-контракт использует метамодель в электронных торгах посредством децентрализованных биржевых механизмов (on-chain транзакции).

Распределение прибыли / убытков. По прошествии некоторого времени торги дают прибыль или убыток, которые делятся между разработчиками метамодели, в зависимости от их вклада в ее усовершенствование. Модели, которые оказали отрицательное влияние на метамодель, теряют привлеченные средства полностью либо частично. И поставщики данных для этой модели тоже терпят некоторые убытки.

Верификация вычислений. Вычисления на каждом этапе выполняются двумя способами. Либо централизованно, но с возможностью верификации и опротестования через механизмы типа Truebit. Либо децентрализовано, с использованием протокола конфиденциального вычисления.

Хостинг. Данные и модели размещаются либо на IPFS, либо на нодах в защищенной системе конфиденциального вычисления с большим количеством участников. On-chain хранилище в этом случае будет слишком дорогим.

Почему это будет эффективно и производительно?

Перечислим основные преимущества такой системы:

• Стимул для привлечения наиболее востребованных данных. Как правило, для большинства проектов машинного обучения основным ограничивающим фактором является отсутствие качественных данных. Правильно спроектированная структура вознаграждений позволит получить доступ ко всем наиболее ценным данным точно так же, как появление биткойна с системой вознаграждений участников привело к появлению мощнейшей в мире вычислительной сети. Кроме того, прекратить работу системы, в которой данные поступают из тысяч или миллионов источников, практически невозможно.
• Конкуренция между алгоритмами. Модели и алгоритмы напрямую конкурируют друг с другом в сферах, где раньше такого не было. Представьте себе децентрализованную сеть Facebook с тысячами конкурирующих между собой алгоритмов новостных лент.
• Прозрачность вознаграждений. Поставщики данных и моделей видят, что они получают справедливую цену за свои продукты, поскольку все вычисления можно проверить. Это будет привлекать еще больше поставщиков данных.
• Автоматизация. Транзакции проводятся в среде блокчейна и стоимость генерируется непосредственно в токенах. Таким образом все взаимодействие становится автоматизированным и замкнутым, не требующим установления доверительных отношений.
• Сетевой эффект. Участие пользователей, поставщиков данных и специалистов по обработке и анализу данных обеспечивает многосторонний сетевой эффект и делает систему саморазвивающейся. Чем лучше она работает, тем больше капитала привлекает. Больше капитала — больше потенциальных выплат. Это, в свою очередь, привлекает больше поставщиков данных и специалистов по их обработке, которые делают систему более совершенной и рациональной. В результате привлекается больше вложений, и далее по кругу.

Конфиденциальность системы

В дополнение к перечисленному, важнейшим свойством является конфиденциальность. Гарантия конфиденциальности позволяет рядовым пользователям спокойно предоставлять любые личные данные. А также препятствовать утрате экономической ценности как данных, так и моделей. Если оставить данные и модели незашифрованными в открытом доступе, они будут скопированы бесплатно и использованы другими лицами, которые не вносят какого-либо вклада в общее дело («эффект безбилетника»).

Частичным решением проблемы безбилетника является продажа данных в частном порядке. Даже если покупатели захотят перепродать или раскрыть данные, это не так страшно, потому что стоимость данных со временем все равно амортизируется. Однако при таком подходе данные используются исключительно в краткосрочной перспективе, а проблемы с обеспечением их конфиденциальности никак не решаются. Так что использование защищенных вычислений представляется хоть и более сложным, но и более действенным подходом.

Защищенные вычисления

Безопасные методы вычислений позволяют обучать модели без раскрытия самих данных. В настоящее время используются и исследуются три основных вида защищенных вычислений: гомоморфное шифрование (HE), протокол конфиденциального вычисления (MPC) и доказательство с нулевым разглашением (ZKP). Для машинного обучения с использованием личных данных сегодня чаще всего используется MPC, поскольку HE обычно работает слишком медленно, а как применять для машинного обучения ZKP — пока неясно. Методы безопасных вычислений — это актуальнейшая тема современных компьютерных исследований. Такие алгоритмы, как правило, требуют гораздо больше времени, чем обычные вычисления, и становятся бутылочным горлышком системы. Но в последние годы они были заметно усовершенствованы.

«Идеальная рекомендательная система»

Чтобы проиллюстрировать потенциал машинного обучения на частных данных, представьте себе приложение под названием «Идеальная рекомендательная система». Оно следит за всем, что вы делаете на своих устройствах: анализирует все посещаемые сайты, все действия в приложениях, просмотренные картинки на телефоне, данные о местоположении, историю расходов, информацию с носимых датчиков, текстовые сообщения, данные с камер в вашем доме и на ваших будущих очках дополненной реальности. Эта информация позволит приложению давать вам рекомендации: какой следующий веб-сайт посетить, какую статью прочитать, какую песню послушать или какой товар купить.

Эта рекомендательная система будет чрезвычайно мощной, мощнее любой из существующих «силосных башен» с данными Google, Facebook или кого-нибудь еще. Все благодаря максимально глубокому анализу и возможности обучаться с помощью самых чувствительных личных данных, которыми вы бы ни с кем больше не поделились. Как и в предыдущем примере с системой торговли криптовалютами, залогом функционирования рекомендательной системы является создание рынка моделей, ориентированных на разные области (например, рекомендации веб-сайтов или музыки). Эти модели конкурировали бы за доступ к вашим зашифрованным данным, возможность рекомендовать — и, вероятно, даже платили бы вам за использование ваших данных или за ваше внимание к рекомендациям.

Систему распределенного обучения Google и систему дифференциальной приватности компании Apple можно считать шагами в направлении машинного обучения с использованием личных данных. Но эти решения всё равно подразумевают установление доверительных отношений, не позволяют пользователям самостоятельно отслеживать свою безопасность и хранят данные обособленно.

Реализованные подходы

Говорить о полноценных системах такого рода еще рано. На данный момент мало у кого уже есть что-то работающее, и большинство идет к таким системам постепенно.

Компания Algorithmia Research разработала достаточно простое решение, которое премирует за модель с точностью выше определенного порога, определяемого ретроспективно:

Хедж-фонд Numerai ушел на три шага вперед. Его система:

• использует зашифрованные данных (хотя такой вид шифрования нельзя считать полностью гомоморфным),
• объединяет краудсорсинговых моделей в метамодель,
• премирует модели через собственный Ethereum-токен Numeraire на основании будущей эффективности (недели биржевой торговли), а не ретроспективного тестирования.

На данный момент успешный маркетплейс данных на основе блокчейна еще не создан. Первой попыткой разработать такую систему, хотя бы в общих чертах, стал The Ocean. Другие начинают с постройки безопасных вычислительных сетей. В рамках проекта Openmined ведется работа по созданию многопользовательской вычислительной сети для обучения моделей машинного обучения на базе Unity, которая может работать на любом устройстве, включая игровые консоли (аналогичные Folding at Home). Впоследствии планируется расширить эту систему до протокола конфиденциального вычисления. Аналогичного подхода придерживается компания Enigma.

В результате этих работ было бы здорово получить метамодели, которые предоставляли бы совладельцам — поставщикам данных и разработчикам моделей — права собственности в объеме, пропорциональном их вкладу в совершенствование метамодели. Модели были бы токенизированы и могли бы со временем приносить доход, а те, кто обучал их, могли бы даже управлять ими. Это был бы своего рода роевой интеллект, находящийся в совместной собственности. Из всего, что я пока видел, ближе всего к такой системе подошел проект Openmined, если верить видеоролику о нем.

Что может сработать быстрее?

Не буду утверждать, что знаю, какой проект лучше, но у меня есть некоторые мысли на этот счет.
Применительно к блокчейну я оцениваю систему следующим образом. Если разложить ее в непрерывном спектре «физическое-цифровое-блокчейн», то чем больше будет от блокчейна, тем лучше. Чем меньше в ней от блокчейна, тем больше приходится привлекать доверенных сторон. Так система становится сложнее, и ее все менее удобно использовать в качестве составной части других систем.

Это означает, что система заработает с большей вероятностью, если создаваемая ей стоимость будет поддаваться количественной оценке. В идеале — в денежном выражении, а еще лучше в виде токенов. Это позволит создать полностью замкнутую систему. Для оценки эффективности сравните систему выше, например, с системой распознавания опухолей на рентгене. В последнем случае вам нужно убедить страховую компанию в том, что рентгеновские снимки имеют какую-то ценность, договориться о том, насколько они ценны, а затем доверить небольшой группе людей подтверждение успеха или неудачи рентгена.

Такая система может использоваться и в массе других полезных сценариев. Их можно привязать к рынкам курирования (curation market) — они смогут работать в замкнутом цикле по блокчейн-модели, а токены этого рынка могут выступать в качестве премии. Сейчас картина еще не ясна, но я предполагаю, что со временем число областей, требующих применения блокчейна, будет только расти.

Последствия для рынка

Децентрализованные рынки данных и моделей для машинного обучения могут разрушить монополию на данные, которой обладают современные корпорации. На протяжении последних 20 лет они занимались стандартизацией и торговлей основным источником стоимости в интернете: проприетарными сетями передачи данных и тем влиянием, которое они оказывают. Но теперь создание стоимости связано уже не с данными, а с алгоритмами.

Циклы стандартизации и коммерциализации технологий. Мы приближаемся к концу эры сетей, монополизирующих данные.

Иными словами, они создают бизнес-модель искусственного интеллекта, основанную на прямом взаимодействии, обеспечивают и предоставление данных, и обучение моделей.
Появление децентрализованных рынков данных и моделей для машинного обучения может привести к созданию самых мощных ИИ в мире. За счет прямых экономических стимулов они смогли бы получать наиболее ценные данные и модели. Их сила увеличивается благодаря многосторонним сетевым эффектам. Монополии сетевых данных эпохи Web 2.0 превращаются в товары повседневного спроса и становятся хорошим материалом для новой конгломерации. Вероятно, нам к этому идти еще несколько лет, но мы идем в правильном направлении.
Как показывает пример рекомендательной системы, процесс поиска глобально инвертируется. Сейчас люди ищут товары — а в будущем товары будут искать людей и конкурировать за них. У каждого потребителя будут личные рынки курирования, на которых системы рекомендаций будут конкурировать за размещение наиболее релевантного контента на своих каналах. А релевантность будет определяться потребителем.

Новые модели позволят нам получать те же преимущества от мощных сервисов на основе машинного обучения, к которым мы привыкли на примере услуг Google и Facebook. Но без предоставления личных данных.

Наконец, машинное обучение будет развиваться быстрее, так как получить доступ к открытому маркетплейсу данных сможет любой инженер-разработчик, а не только небольшая группа инженеров в крупных Web 2.0 компаниях.

Проблемы

Прежде всего, безопасные методы вычислений в настоящее время работают медленно, а машинное обучение уже требует больших вычислительных мощностей. С другой стороны, начинает появляться интерес к методам безопасных вычислений, а их производительность растет. За последние полгода я видел несколько новых подходов, которые значительно улучшают производительность HE, MPC и ZKP.

Сложно определять ценность конкретного набора данных или модели для метамодели.
Вычищать и форматировать краудсорсинговые данные тоже непросто. Скорее всего, ряд инструментов будут использоваться в сочетании друг с другом, и в сегменте начнутся процессы стандартизации при активном участии небольших компаний.

Наконец, как это ни парадоксально, бизнес-модель для создания подобной обобщенной системы менее очевидна, чем в случае с системой частной. Та же ситуация со множеством новых криптопримитивов, в том числе с рынками курирования.

Заключение

Комбинация машинного обучения на основе частных данных с блокчейн-вознаграждениями может привести к созданию самых производительных систем искусственного интеллекта различного назначения. Сейчас существуют большие технические проблемы, которые со временем представляются вполне решаемыми. Этот сегмент обладает огромным потенциалом в долгосрочной перспективе, а его становление может ослабить доминирующее положение крупных интернет-компаний в области доступа к данным. Эти системы даже внушают некоторые опасения: они сами загружаются, самостоятельно развиваются, потребляют конфиденциальные данные и становятся почти неубиваемыми, заставляя меня задаться вопросом, а не приведет ли их создание к появлению самого мощного Молоха в истории. В любом случае, эти системы — еще один пример того, как криптовалюты могут сперва медленно, а затем стремительно ворваться во все сферы хозяйственной деятельности.

• Блог компании ВТБ
• Big Data
• Машинное обучение

Как Разработать NFT Маркетплейс на Polygon (MATIC)?

Polygon (ранее известный как Matic Network) — это решение второго уровня для Ethereum, ориентированное на предоставление более масштабируемой, быстрой и экономически эффективной платформы для смарт-контрактов, децентрализованных приложений (DApps) и невзаимозаменяемых токенов (NFT). Дальше мы рассмотрим, насколько блокчейн Polygon лучше блокчейна Ethereum и как использовать все его преимущества для разработки своего NFT-маркетплейса на Polygon (MATIC).

Обзор блокчейна Polygon

Polygon был запущен в 2017 году как Matic Network в Индии разработчиками Джайнти Канани, Сандипом Найлвалом, Анурагом Арджуном и Михайло Бьеличем. На тот момент их главной целью было создание решения второго уровня / слоя для блокчейна Ethereum с более быстрыми и дешевыми транзакциями, а также полной совместимостью с виртуальной машиной Эфириума (EVM).

Но в феврале 2021 года команда проекта решила провести ребрендинг и сменить направление развития на создание полноценной мультичейн-системы, похожей на Polkadot, которая бы позволила связать в одну сеть все разнородные блокчейны. Название своей блокчейн-платформы они также поменяли, с Matic Network на Polygon, сохранив при этом обозначение нативного токена сети — MATIC.

• Как и раньше, Polygon — это все еще протокол второго слоя для масштабирования совместимых с Ethereum смарт-контрактов и dApps, способный повысить скорость транзакций и уменьшить их стоимость.
• Также теперь стартапы могут использовать сеть Polygon для запуска суверенных токенов, смарт-контрактов, NFTs, dApps и блокчейнов, которые будут намного быстрее и экономичнее, чем такие же решения на Эфире.
• Кроме того, Polygon позволяет создавать приложения, которые будут запущены на одном блокчейне, использовать данные с другого блокчейна, обрабатывать их в третьем и передавать четвертому.

Преимущества Polygon для NFT

Динамика роста количества dApps на Polygon в 2021-2022 гг. Источник

Благодаря быстрым и дешевым транзакциям, чрезвычайно высокой пропускной способности, а также богатому инструментарию для разработчиков, Polygon стал ведущей площадкой для масштабирования Ethereum-совместимых Web3-решений. Так, только за последние полгода количество децентрализованных приложений в сети Polygon выросло в шесть раз — с 3 тысяч в октябре 2021 года до 19 тысяч в мае 2022 года. Причем значительная часть этих приложений — это NFT-проекты, такие как Uniswap, NFTically, Opensea, Aavegotchi и Decentral Games ICE Poker.

• Низкие комиссии за транзакции. Благодаря таким технологиям, как Plasma, Optimistic Rollups, ZK-Rollups и другим, плата за газ в Polygon (MATIC) обычно колеблется от 0,0005 до 0,2 долларов (для «тяжелых» dApps). Для сравнения в сети Эфириума плата за газ составляет от 5 до 100 долларов. Причем для NFT она обычно значительно выше, так как для операций с ними нужно задействовать смарт-контракты, поэтому NFT-транзакции стоят от 20 до 200 долларов.
• Невероятно быстрые транзакции. Еще одним важным преимуществом Polygon для разработки NFT-маркетплейсов является пропускная способность сети, которая достигает 65000 транзакций при среднем времени составления блока около 2 секунд. В том же Ethereum сейчас пропускная способность сети составляет 13-17 транзакций в секунду, а составление блока генерируется за 12 секунд.
• Высокий потенциал к масштабированию. Также Polygon не начнет тормозить или наращивать стоимость транзакций при резком росте трафика — одна из главных проблем Ethereum. В Polygon реализовано несколько решений, вроде сайдчейнов, которые увеличивают пропускную способность сети с ростом числа активных участников (нод, или узлов).
• Доступ к качественной инфраструктуре. При запуске собственного децентрализованного приложения на Polygon стартапы могут использовать облачные хранилища Akash Network, RPC-решения и специальные пакеты для разработчиков в Tenderly, Gelato, Certora и прочих подобных сервисах.
• Венчурное финансирование и LP. Также разработчики приложений могут привлечь финансирование посредством сети инвесторов Polygon и маркет-мейкеров, которые помогут привлечь ликвидность в новый проект.
• Доступ к сети PolyBuilders. Разработчики пользовательских решений на Polygon могут подключиться к внутренним чатам разработчиков сети, чтобы получить техническую помощь и узнать нюансы разработки на Polygon.
• Техподдержка и помощь. В Polygon хорошая служба поддержки и инфраструктура, которая может помочь стартапам с маркетинговым сопровождением через каналы медиапартнеров Polygon, таких как Twitter Spaces, AMA и другие. Кроме того, у Polygon налажено партнерство с Crea8r DAO — лучшим сообществом создателей контента в мире блокчейна.

Сравнение Polygon vs Ethereum vs Solana

Как разработать NFT-маркетплейс на Polygon

NFT-маркетплейс — это торговая платформа, где пользователи могут создавать, продавать и покупать невзаимозаменяемые токены привычным для себя образом. То есть приблизительно так, как мы создаем, покупаем и продаем товары на eBay, Amazon или Alibaba. Единственное ее существенное отличие от таких сайтов в том, что все транзакции на торговой платформе NFT обрабатываются смарт-контрактами и записываются в блокчейне (в нашем случае в блокчейне Polygon).

Шаг 1: Определите свою нишу

Универсальный рынок NFT. Все торговые площадки можно разделить на универсальные и нишевые. К универсальным относятся все магазины, которые продают сразу несколько видов товаров. В случае NFT это может быть цифровое искусство, предметы коллекционирования, спорт, музыка, комиксы, кино, сериалы и видеоигры. Такого рода NFT-маркетплейсы, торгующие широким набором товаров, выигрывают в охвате аудитории, но при этом они жертвуют персонализацией и целевым продвижением, ориентированным на конкретную группу клиентов.

Нишевая NFT-платформа. Другой подход к созданию своей NFT-платформы — запуск нишевого решения, нацеленного на узкую группу товаров, например только на цифровое искусство или игры. При этом узкая ниша может быть разграничена не только по категориям товаров. Вы вполне можете создать платформу, которая будет торговать NFTs, которые создают знаменитости (как Valuables, торгующая твитами известных личностей). С технической точки зрения разработка такой платформы почти ничем не отличается от разработки универсального маркетплейса, но в данном случае вы можете реализовать персональный дизайн и маркетинг.

Понять, на какую нишу лучше всего ориентироваться, можно с помощью разного рода маркетинговых инструментов, например с помощью Google Trends

Шаг 2: Выберите блокчейн-разработчика

После того как вы определитесь с тем, в какой нише будет работать ваш маркетплейс, следующим шагом будет поиск технического партнера с большим опытом блокчейн-разработки и запуска NFT-решений, такого как Merehead. Наша команда с 2015 года занимается запуском блокчейн-решений — от самых простых смарт-контрактов до сверхнадежных криптовалютных бирж и NFT-маркетплейсов. Мы будем рады помочь вам в реализации вашего блокчейн-проекта.

BigFan — пример разработанного Merehead NFT-маркетплейса, ориентированного на спорт

Шаг 3: Выберите модель монетизации проекта

• Комиссии. Самая популярная модель монетизации, предполагающая взимание небольшой комиссии с каждой сделки на вашем маркетплейсе. Обычно платит поставщик NFT, так как он зарабатывает деньги, а потому на эмоциональном уровне ему не так неприятно отдавать часть своих денег. Тогда как для покупателя это будет более сложное решение, особенно если он платит не 1-3%, а все 15%, как в маркетплейсах Foundation и SuperRare.
• Подписка. Более сложная и редкая модель монетизации, согласно которой платформа будет получать прибыль за счет ежемесячных выплат, которые будут делать пользователи в обмен на возможность покупать и продавать токены на вашей платформе. Она более сложная, так как для ее успешной реализации нужно чем-то привлечь людей. Обычно это уникальные товары или функции, которых больше нет ни у кого на рынке, кроме вас.
• Freemium. Эта модель предполагает, что основной функционал вашей NFT-платформы вы будете предоставлять пользователям бесплатно, но при этом будете их склонять к оплате премиальных возможностей. Например, можно вывести ограничение, согласно которому бесплатно можно создать только пять объявлений в месяц, если же пользователь захочет создать больше торговых объявлений, то он должен заплатить вам небольшую сумму.
• Плата за листинг. В этом случае вы будете взимать плату за публикацию торговых объявлений на вашей площадке. Причем пользователь должен заплатить независимо от того, продал он свой NFT или нет.

Шаг 4: Определитесь с функциями маркетплейса

Определившись с целевой нишей и моделью монетизации, вы должны дальше решить, какие функции нужно реализовать на вашей платформе. Вот перечень и описание функций, которые должны быть на каждой такой площадке.

Витрина. Это тот экран магазина, который ваши пользователи будут видеть и использовать чаще всего, поэтому он должен быть максимально приятным внешне, информативным. При этом он также должен быть интуитивно понятным, чтобы ваши пользователи с первого взгляда понимали, что и как им нужно делать, чтобы достичь своих целей. Кроме того, также желательно, чтобы дизайн и навигация витрины вашего NFT-маркетплейса была привычной пользователю. Это значит, что она должна напоминать витрины Amazon, eBay или иного популярного стора.

Хороший пример приятной, удобной и понятной витрины — Rarible

Интеграция с кошельками. Поскольку все транзакции с NFT прописываются на блокчейне, для создания, покупки и продажи таких активов нужны криптовалютные кошельки. Таким образом, при разработке своего NFT-маркетплейса на Polygon (MATIC) вам потребуется интеграция с популярными криптокошельками, такими как Metamask, TrustWallet и MathWallet. Кроме того, вы также можете добавить интеграцию с Enjin, AlphaWallet, Coinbase, PillarWallet и Binance Chain Wallet. Эти приложения менее популярны, но и у них довольно большая пользовательская база.

Результаты опроса о том, в каком кошельке пользователи хранят свои NFTs. Источник

Чеканка/создание NFT-активов. Следующая ключевая функция для каждого NFT-маркетплейса — возможность создания новых токенов в рамках платформы. Так как мы создаем NFT-платформу на Polygon, то у нас тут будет огромное преимущество, поскольку на этом блокчейне чеканка невзаимозаменяемых токенов бесплатна. Во всем остальном данный функционал будет идентичен другим платформам.

Публикация объявлений. Обычно после чеканки NFT он не сразу попадает в листинг маркетплейса. Для этого продавец должен совершить несколько простых действий: составить описание лота, выбрать способ продажи (по фиксированной цене или через аукцион), установить цену, указать приемлемый способ оплаты и в конце указать срок торгов. Дальше, как правило, лот должен пройти проверку соответствия правилам сайта, и только после этого он попадет в листинг стора.

Алгоритм создания торгового объявления на OpenSea

Система умного поиска. Обычно на NFT-площадке размещены десятки, если не сотни тысяч лотов, которые распределены по несколькими категориям и отмечены десятками тегов. Чтобы найти в этой массе нужный лот, пользователь должен либо пересмотреть их все, либо использовать систему поиска с множеством фильтров, категорий, тегов и поиску по названию, автору, ключевым словам и т.д.

Рейтинги и отзывы. Эта функция считается необязательной, но учитывая то, насколько пользователи привыкли смотреть на реакцию других людей, без нее не обойтись. С ее помощью вы сможете создать доверительную атмосферу на сайте и способствовать предотвращению мошенничества и неэтичного поведения. Кроме того, также будет полезно, если на вашей площадке будет возможность отметить знаменитых авторов, как это сделано в Facebook, YouTube и других соцсетях.

Рейтинг самых «горячих» NFTs на торговой платформе OpenSea

Система аукционов. Люди привыкли продавать в интернете предметы своего творчества через аукционы, будь то вязанная шапочка, топор в стилистике Warcraft или NFT. Поэтому при разработке своего NFT-маркетплейса на Polygon (MATIC) вы должны реализовать такой функционал. Это поможет авторам продать свои NFTs по самой большой цене и сделает торги для покупателей более интересными.

Уведомления. Это могут быть привычные всем уведомления о продаже, поступлении на счет средств, обновлении приложения или сообщения от службы поддержки. Но не стоит ограничиваться только ими. Ваша площадка также может уведомлять пользователей о новых предложениях от любимых художников, изменении стоимости избранных лотов или «горячих» предложениях.

NFT Royalty. Данная функция позволит авторам/продавцам NFTs получать комиссионные с каждой вторичной продажи их товара. Это не совсем этично с точки зрения покупателя, но это привычная практика на рынке NFT, поэтому и вам стоит реализовать такую функцию на своей торговой площадке.

Поддержка. Данная функция должна включать в себя комплексную информационную и техническую поддержку как посредством текстовых и видеогайдов, так и посредством общения по телефону/видеочату с реальными людьми.

Шаг 5: Разработайте приятный интерфейс

Определившись с функционалом платформы, можно приступать к разработке дизайна пользовательского интерфейса. Как мы уже писали выше, он должен быть приятным внешне, интуитивно понятным и напоминать интерфейсы других таких же онлайн-магазинов. Кроме того, ваш дизайн также должен быть «чистым», то есть не содержать лишних текстов, изображений и других элементов.

• Языки программирования для Интернета: Angular.JS, React.JS и Vue.JS.
• Языки программирования для мобильных устройств: Java, Kotlin для Android и Swift для iOS.
• Архитектура: MVVM для Android и MVC, MVP, MVVM и VIPER для iOS.
• IDE: Android Studio и Xcode для iOS.
• SDK: Android SDK и iOS SDK.

Шаг 6: Разработайте смарт-контракты

Логика взаимодействия вашего NFT-маркетплейса с Polygon будет прописана в смарт-контрактах. Именно они будут отвечать за чеканку и куплю-продажу NFTs на вашей торговой платформе. Для создания смарт-контактов на Polygon разработчики будут использовать такие языки программирования, как Solidity, Move и Vyper.

Шаг 7: Разработайте серверную часть

Не вся серверная часть вашей площадки будет работать на смарт-контрактах, помимо них вам также нужны будут сервисы, отвечающие за хранение и обработку больших данных, API для взаимодействия со сторонними сервисами и прочее.

• Фреймворки: Spring, Symfony, Flask.
• Языки программирования: Java, PHP, Python.
• Базы данных SQL: MySQL, PostgreSQL, MariaDB, MS SQL, Oracle.
• Базы данных NoSQL: MongoDB, Kassandra, DynamoDB.
• Поисковые системы: Apache Solr, Elasticsearch.
• DevOps: GitLab CI, TeamCity, GoCD Jenkins, WS CodeBuild, Terraform.
• Кэш: Redis, Memcached.

Шаг 8: Протестируйте ваш продукт

Процесс тестирования должен начинаться почти сразу после написания первых строк кода вашего маркетплейса, чтобы вовремя выявлять и устранять ошибки, а не накапливать их. Такие проверки должны включать как стандартное тестирование функционала, юзабилити, безопасности и т.п, так и тщательную и всестороннюю проверку смарт-контракта. Причем очень желательно чтобы смарт-контракты также проверили независимые аудиторы.

Шаг 9: Запустите NFT-маркетплейс

После тестирования продукта и устранения всех критических багов и ошибок платформу можно выпускать на рынок. Но не расслабляйтесь, это хоть и конец процесса создания NFT-маркетплейса, но не конец его разработки, так как после запуска вам нужно будет совершенствовать его функционал и безопасность.

Как Разработать Cardano NFT Маркетплейс?

Cardano — это блокчейн третьего поколения, предоставляющий масштабируемую, быструю и экономически эффективную среду для смарт-контрактов, DApps и NFTs. Сеть стала самой популярной среди разработчиков блокчейн-платформой на Github, при этом в ней сосредоточена треть от общего количества всех выпущенных NFTs, а также площадка занимает третье место в общем объеме торгов NFTs. Дальше мы расскажем, почему этот блокчейн настолько популярен у блокчейн-разработчиков и поклонников NFTs и как разработать собственный NFT-маркетплейс на базе инфраструктуры Cardano.

Обзор блокчейна Cardano

Стартап Cardano был запущен в 2015 году американским предпринимателем Charles Hoskinson, соучредителем Ethereum. Площадка обеспечивает высокую масштабируемость, устойчивость и функциональную совместимость, предлагая более быстрые транзакции, меньшие комиссии и быстрое время подтверждения. Основой сети является механизм консенсуса Ouroboros (вариация Proof-of-stake). Также у Cardano есть собственный нативной токен ADA, который помимо стандартных функций, таких как оплата сетевых сборов и награда за стейкинг, также является ключевым элементом управления сетью: все держатели ADA могут вносить различные предложения по развитию и улучшению экосистемы сети Cardano, а также голосовать за них.

Обзор блокчейна Cardano

Плюсы запуска NFT-решений на Cardano

Механизм консенсуса Ouroboros. Одним из главных преимуществ сети Cardano для запуска NFT-решений является алгоритм консенсуса под названием Ouroboros. Это разновидность привычного нам алгоритма Proof-of-stake, которая была создана командой Cardano в сотрудничестве с видными учеными с целью получить блокчейн, который будет быстрым и масштабируемым и одновременно с этим надежным и максимально безопасным. Ouroboros стал первым механизмом консенсуса, безопасность и надежность которого доказана на академическом уровне.

В Ouroboros транзакции проверяет группа участников сети (лидеры слотов), которых выбирают из специального пула кандидатов. Кандидатом может стать любой держатель токенов ADA, который заблокирует некоторое количество токенов в своем кошельке. Выбор лидеров происходит псевдослучайным образом, так чтобы система не становилась централизованной, как это происходит в PoS, где преимущество получают участники с самым большим количеством токенов в кошельке. Если лидеры справляются со своими обязанностями, они получают награду в виде ADA, если нет — система забирает их токены ADA.

Как работает алгоритм консенсуса Ouroboros в Cardano. Источник

Интероперабельность. Под данным термином имеют в виду возможность беспроблемной совместной работы неоднородных блокчейнов, благодаря чему можно создавать решения, которые смогут работать с несколькими независимыми блокчейнами, передавая между ними информацию и ценности.

• в одном блокчейне будут прописаны какие-то правила или законы, которые приняли держатели токена этого блокчейна путем всеобщего голосования;
• в другом блокчейне работают приложения, которые используют законы перового блокчейна в том виде, в котором они существует на текущий момент;
• в третьем блокчейне работают смарт-контракты, которые используют данные приложений на втором блокчейне для обслуживания пользователей;
• а в четвертом блокчейне работает система арбитража, которая призвана решать спорные ситуации между всеми участниками этой экосистемы.

Сравнение скорости блокчейнов и платежных систем. Источник

Как разработать NFT-маркетплейс на Cardano

С технической точки зрения NFT-маркетплейс на основе блокчейна — это онлайн-магазин, который позволяет выпускать, продавать и покупать NFTs привычным для пользователя способом, то есть так, как он покупает и продает товары в Amazon или eBay. Единственное его существенное отличие в том, что все транзакции по чеканке и купле-продаже NFTs прописывают в блокчейне. Вот пошаговая инструкция по тому, как разработать такой NFT-маркетплейс на основе блокчейна Cardano.

Шаг 1: Определите свою нишу

Как и в случае запуска любого другого проекта, первым этапом запуска блокчейн-платформы для торговли NFT является определение целевой ниши площадки. По этому критерию все NFT-платформы делятся на два типа.

Универсальный рынок NFT. Это торговые площадки NFT, на которых можно создавать и продавать сразу несколько видов активов. Например, на сайте OpenSea можно передавать активы в таких нишах, как цифровое искусство, коллекционные карточки, спорт, видеоигры, домены, метавселенные, тексты и прочее. За счет широкого набора товаров такого рода NFT-маркетплейсы выигрывают в охвате аудитории, но при этом они не могут создать персонализированный дизайн или использовать высокоэффективные маркетинговые стратегии, которые концентрируются на узкой целевой нише (группе пользователей).

Нишевая NFT-платформа. Вторая группа — это NFT-маркетплейсы, на которых представлен лишь один вид активов. Например, платформа NBA Top Shot продает лишь спортивные NFT, а Gala Games — только связанные с ее видеоиграми. Но ниша может быть еще уже, например, Valuables торгует только твитами известных людей. Разработка таких нишевых NFT-платформ почти ничем не отличается от создания универсальных площадок, кроме того, что касается дизайна. В нишевых проектах можно реализовать персонализированный дизайн пользовательского интерфейса, который будет более эффективным для определенной целевой аудитории.

Понять, какую целевую нишу выбрать для своего NFT-маркетплейса, можно с помощью таких общедоступных инструментов, как Google Trends

Шаг 2: Выберите блокчейн-разработчика

На следующем этапе вам нужно выбрать технического партнера, который поможет реализовать ваш проект. Это должна быть команда разработчиков с большим опытом работы с блокчейном Cardano и опытом создания NFT-маркетплейсов, такая как Merehead. Наша компания с 2015 года предоставляет обширную техническую поддержку при разработке программного обеспечения в сфере блокчейна, DeFi, GameFi и NFT — от смарт-контрактов до сверхнадежных криптобирж и NFT-маркетплейсов. Взгляните на наш сайт, чтобы изучить портфолио.

Маркетплейс BigFan для торговли спортивными NFT — один из примеров созданных нами NFT-решений

Шаг 3: Выберите модель монетизации проекта

• Комиссии. Наиболее часто встречающаяся модель монетизации, которая подразумевает взимание небольшого процента с каждой завершенной сделки, совершенной на платформе. Обычно это 1-5%, которые платит поставщик, так как для него это эмоционально не так болезненно. Тогда как для покупателя это может быть весьма неприятно, особенно если он должен уплатить 15% со сделки, как это происходит на таких площадках, как SuperRare и Foundation.
• Плата за листинг. Еще одна популярная модель монетизации, которая предполагает взимание с продавца небольшой платы за публикацию каждого объявления о продаже NFT на вашей площадке. Причем плату вы будете получать независимо от того, был продан NFT или нет. Обычно такая модель полезна, если на сайте слишком много продавцов, которые любят спамить своими объявлениями. Плата за листинг сильно ограничивает таких спамеров.
• Подписка. Не столь популярная на рынке NFT модель монетизации, но ее можно очень часто встретить в других секторах интернета. Согласно данной модели чтобы получить доступ к NFT-площадке, пользователь должен каждый месяц платить некоторую сумму денег. Данный вариант монетизации стоит использовать, только если у вас есть доступ к эксклюзивным предложениям, которых больше не будет ни у кого на рынке, например NFT популярных знаменитостей, политиков, спортсменов, писателей или разработчиков.
• Freemium. Следующий часто встречаемый вариант монетизации онлайн-маркетплейсов подразумевает, что основные функции платформы вы будете предоставлять бесплатно, но при этом будете подталкивать пользователей оплачивать некоторые дополнительные возможности. Например, отключение рекламы, оригинальный вид объявления, место вверху листинга и т.п.
• Реклама. Последний вариант заработка с помощью собственного NFT-маркетплейса — это банальная реклама. Это может быть как продвижение NFT, размещенных на вашей площадке, так и реклама товаров и услуг от сторонних поставщиков, например криптобирж или кошельков.

Шаг 4: Определитесь с функциями маркетплейса

На следующем этапе разработки своего NFT-маркетплейса на Cardano вам необходимо определиться с функциями для пользователей и администраторов. Вот перечень и описание функций, которые должны быть на каждой NFT-платформе.

Витрина. Первое, что увидит ваш пользователь, — это витрина с NFTs, выставленными на продажу. От того, насколько приятной внешне и понятной в использовании будет эта витрина, во многом зависит успех вашего проекта, поэтому тщательно продумайте, какая у нее должна быть структура, наполнение, цветовая гамма и дизайн. Кроме этого, также убедитесь, что навигация и дизайн вашей площадки напоминают самые популярные решения на рынке.

Витрина Rarible — отличный пример хорошего дизайна с удобной навигацией

Интеграция с кошельками. Как мы писали выше, транзакции с NFT на вашем маркетплейсе должны отображаться в блокчейне Cardano. Это означает, что при разработке своего NFT-маркетплейса вам нужно будет реализовать интеграцию с криптовалютными кошельками. Самые популярные кошельки среди сторонников NFT — это Metamask и TrustWallet. Менее популярные решения — Enjin, AlphaWallet, Coinbase, PillarWallet, Binance Chain Wallet, Argent, Kukai и другие.

В каком кошельке пользователи хранят свои NFTs — результаты опроса. Источник

Чеканка/создание NFT-активов. Также вам нужно реализовать возможность создания невзаимозаменяемых токенов в маркетплейсе. Для этого нужно создать специальный смарт-контракт и интерфейс, который проведет пользователя через все этапы создания NFTs. Чем проще будет этот процесс, тем лучше — в идеале любой пользователь должен с первого взгляда понять, что и как делать,

Публикация объявлений. Чеканка токенов и выставление их на продажу — это обычно два разных процесса на NFT-маркетплейсах. Для того чтобы NFT попал в листинг площадки, продавец должен дать ему название, сделать описание, выбрать способ продажи и приемлемые способы оплаты, указать цену и время торгов. Затем лот должен пройти модерацию и только после этого он будет выставлен на продажу.

Описание процесса создания и продажи NFTs на OpenSea

Поисковая система, фильтры. Чтобы пользователь сумел выбрать на вашей платформе какой-то токен, у него должна быть возможность поиска посредством ключевых слов, категорий (арт, музыка, тексты, видео, коллекции, доменные имена) и фильтров (цена, дата, тип). При этом желательно, чтобы ваша поисковая система напоминала поисковые системы на Amazon, eBay и других популярных сторах.

Рейтинги и отзывы. Сегодня пользователи уже настолько привыкли сравнивать свои потребительские предпочтения с реакцией других людей, что данная функция перешла в разряд обязательных. Поэтому при разработке своего NFT-маркетплейса вам в обязательном порядке необходимо реализовать возможность ставить оценки и оставлять комментарии. Кроме того, вы также должны реализовать функции составления рейтингов NFTs на основе реакции пользователей площадки.

Рейтинг самых «горячих» лотов на NFT-платформе OpenSea

Система аукционов. Еще одна вещь, к которой привыкли пользователи, — это продажа NFTs и других предметов творчества с помощью аукционов. Поэтому на своей платформе вы должны добавить и эту функцию. Это поможет поставщикам NFTs продать их по максимальной цене и сделает сами торги более интересными.

Уведомления. Это различные сообщения, которые ваша NFT-площадка будет отправлять пользователям. Обычно это уведомления о завершении модерации лота, продаже, новом сообщении в чате, обновлении площадки и т.п. Однако вам не стоит ограничиваться только стандартным набором сообщений. Вы также можете сделать так, чтобы ваша платформа сообщала о поступлении в продажу NFTs автора из избранного списка, повышении или понижении цены избранного лота и т.п.

NFT Royalty. Наличие этой функции на вашей платформе позволит авторам получать небольшой процент с каждой вторичной продажи их NFTs. Для этого нужно создать специальные смарт-контракты с соответствующими правилами.

Поддержка. Последнее, что нужно добавить, — это функционал для информационной и технической поддержки пользователей. Это должны быть статьи, видеокарты и возможность общения через чат или по телефону.

Шаг 5: Разработайте приятный интерфейс

Пользовательский интерфейс вашей торговой площадки будет иметь значение для определения пользовательского опыта. Он должен быть чистым, приятным внешне и интуитивно понятным. Также дизайн пользовательского интерфейса должен быть масштабируемым для включения дополнительных функций и возможностей.

• Языки программирования для web: Angular.JS, React.JS и Vue.JS.
• Языки программирования для мобильных устройств: Java, Kotlin для Android и Swift для iOS.
• Архитектура: MVVM для Android и MVC, MVP, MVVM и VIPER для iOS.
• IDE: Android Studio и Xcode для iOS.
• SDK: Android SDK и iOS SDK.

Шаг 6: Разработайте смарт-контракты

Следующим этапом разработки NFT-маркетплейса на Cardano является создание смарт-контрактов, в которых прописаны условия чеканки и купли-продажи NFTs. На Cardano вы можете создавать смарт-контракты с помощью таких языков программирования, как Plutus, Haskel и Marlowe. Каждый из них имеет свои особенности, что позволяет подобрать оптимальный вариант в зависимости от ваших потребностей.

Шаг 7: Разработайте серверную часть

Помимо смарт-контрактов, структура серверной части вашего маркетплейса также будет состоять из баз данных, APIs и других элементов.

• Фреймворки: Spring, Symfony, Flask.
• Языки программирования: Java, PHP, Python.
• Базы данных SQL: MySQL, PostgreSQL, MariaDB, MS SQL, Oracle.
• Базы данных NoSQL: MongoDB, Kassandra, DynamoDB.
• Поисковые системы: Apache Solr, Elasticsearch.
• DevOps: GitLab CI, TeamCity, GoCD Jenkins, WS CodeBuild, Terraform.
• Кэш: Redis, Memcached.

Шаг 8: Протестируйте ваш продукт

Это еще один неотъемлемый этап разработки NFT-маркетплейса, который предполагает тщательное тестирование кода на наличие ошибок, а также проверку функциональности, юзабилити, производительности, стабильности и т.п

Шаг 9: Запустите NFT-маркетплейс

Последним шагом создания своего маркетплейса будет его перенос в производственную среду, налаживание работы службы поддержки и запуск маркетинговой кампании.