Шифропанк Джеймсон Лопп вважає, що машинне навчання може покращити оцінку хешрейту біткоїна

Хешрейт біткоїна — це показник, який вимірює, скільки обчислювальної потужності використовується для генерації нових блоків у мережі. Хоча це здається простим показником, дослідник і шифропанк Джеймсон Лопп виявив, що його точне вимірювання є складним завданням.

У нещодавньому виступі на саміті Proof of Work (POW) у Празі Лопп описав своє «полювання за реальним хешрейтом біткоїна», оцінюючи точність різних алгоритмів оцінювання.

Більшість існуючих оцінок хешрейту базуються на даних блокчейну, таких як цільові показники складності та час блоків. Однак Лопп виявив, що ці оцінки можуть бути не точними, особливо на коротких проміжках часу.

Агрегуючи дані про хешрейт, отримані безпосередньо з майнінг-пулів, Лопп створив еталон для тестування оцінок, заснованих на блокчейні. Він виявив, що загальноприйнята оцінка для 1 000 блоків (~1 тиждень) має середній рівень помилок лише 3,8%.

Потім він спробував об’єднати кілька оцінок, оптимізуючи точність. Його найкращий алгоритм використовував 10 оцінок від 100 до 1000 блоків, відкидаючи короткострокові низькі оцінки, і дав 3,5% помилок.

Лопп вважає, що машинне навчання може ще більше покращити оцінки хешрейту. Він каже, що машинне навчання можна використовувати для виявлення закономірностей у даних, які неможливо виявити вручну.

Лопп також обговорив наслідки майбутнього халвінгу. Він очікує, що хешрейт буде продовжувати агресивно зростати до цієї події, незважаючи на те, що деякі майнери припинять свою діяльність. Він прогнозує незначне падіння хешрейту після халвінгу, але вважає, що це падіння буде незначним.

Нагадаємо, CBECI було оновлено, щоб врахувати поширення обладнання та зростання хешрейту