Token Curated Registries A Nova Busca?

Os Registros de Tokens de Curadoria fornecem um mecanismo de mercado para a curadoria de conteúdos que poderia complementar os serviços de curadoria centralizada. Os Tokens são aqui utilizados como incentivos econômicos para a curadoria de listas, ou para classificar em escala as informações de tal lista, incluindo o feed de conteúdos em uma rede social ou algoritmos de recomendação para plataformas de ecommerce.

As listas e registros provaram ser uma ferramenta útil para organizar, classificar e compartilhar informações. Usamos listas para nossos processos diários de tomada de decisão, tais como "melhores livros", "melhores restaurantes", "melhores universidades", "melhores tokens como investimento", "melhores filmes", "melhores filmes clássicos", "melhores filmes de terror", "melhores produtos classificados de uma determinada categoria de uma plataforma de ecommerce", "melhor orçamento ou hotel de luxo numa região". Estas listas ou registros podem ser privados ou públicos e são normalmente geridos de forma centralizada. Pode-se usar listas brancas ou listas negras para filtrar informações relevantes. Qualquer jornal e revista é também uma lista com curadoria de informações relevantes. Seja uma notícia diária ou uma revista de moda, o conteúdo dessas publicações é cuidadosamente selecionado e classificado, destacando informações mais importantes na capa e nas primeiras páginas, e não no meio ou no fim. Tal filtragem é o resultado de um processo de curadoria de terceiros, o que é útil na medida em que os leitores poupam eles próprios muito tempo para pesquisar e filtrando a informação. O processo de curadoria é terceirizado para os editores, que são confiáveis para curar com diligência.

Desde o surgimento da Internet, tais listas, rankings ou serviços de recomendação tornaram-se mais importantes. A Internet reduziu radicalmente os custos de publicação e compartilhamento de informações. Como resultado, tornou-se difícil filtrar informações significativas de todo o ruído online. As primeiras listas on-line eram sites que recolhiam e classificavam informações de outros sites para ajudar os usuários na procura de informações relevantes na web. Os primeiros "motores de busca" eram criados manualmente por pessoas que eram pagas para classificar o conteúdo online como livros nas prateleiras das bibliotecas, mas este processo não era escalável. A pura carga de informação em si, desencadeou uma nova forma de criar listas públicas, aplicando (i) algoritmos de machine-learning e (ii) sabedoria dos “crowd mechanisms” (mecanismos coletivos) para derivar listas e classificações significativas. O Google foi um dos primeiros motores de busca que introduziu a pesquisa algorítmica, e o Tripadvisor introduziu soluções de "sabedoria das massas" para produzir uma lista para o "melhor hotel da região", agregando uma coleção de recomendações pessoais. Essa curadoria de terceiros, seja pública ou privada, algorítmica ou baseada na sabedoria das massas, é propensa à censura e à manipulação, uma vez que são geridos de forma centralizada.

Os utilizadores de serviços online têm de confiar que a plataforma de internet que fornece tais serviços de curadoria age honestamente e esperar que a preferência coletiva por restaurantes ou hotéis se alinhe de acordo com as suas próprias preferências. Em listas geridas de forma privada, o proprietário dessa lista pode adicionar ou remover arbitrariamente membros da lista ou exigir pagamentos de pessoas que queiram ser listadas. Os seus métodos de classificação são muitas vezes não divulgados, podem ser manipulados ou podem não coincidir com o gosto ou julgamento dos seus usuários. Listas públicas como o Tripadvisor também podem ser manipuladas por uma carga de usuários pseudônimos que fazem spam na lista, realizam classificações falsas ou engendram socialmente a lista. Para mitigar estes problemas de listas coletivamente curadas, os moderadores de listas semi-centralizadas são frequentemente nomeados para intervir manualmente, o que é um ponto de centralização e não é bem escalonado. O Facebook, por exemplo, terceiriza a maior parte de sua moderação de curadoria manual de conteúdo para países de baixo nível de rendimento, como as Filipinas, para economizar custos.

Os métodos dos prestadores de serviços de curadoria e recomendação de terceiros são, na sua maioria, não revelados, resultando em algoritmos de filtragem intransparentes. As tarefas de curadoria envolvem a manutenção de listas brancas ou listas negras, a gestão de alimentação de dados, a filtragem de comentários ou o fornecimento de recomendações especificamente contextualizadas. Algoritmos de machine-learning extrapolam sugestões correlacionando dados personalizados de usuários com dados estatísticos do comportamento de todos os outros usuários. Plataformas de ecommerce, como eBay ou Amazon, usam machine-learning para classificar os resultados da pesquisa e, uma vez selecionado um item de sua escolha, sugerir outros produtos que possam ser relevantes para o comprador. Os serviços de streaming de vídeo como o Netflix utilizam a aprendizagem automática para sugerir filmes que possam ser relevantes para o usuário, enquanto as plataformas de música como Soundcloud ou Spotify sugerem listas de reprodução de música em função daquilo que se costuma ouvir. Plataformas de mídia social, como Twitter, Facebook ou Instagram usam machine-learning para classificar os posts e anúncios no seu feed de dados. No entanto, apenas um punhado de empresas controla o processo de curadoria dos motores de busca, redes sociais e outros serviços digitais que usamos hoje em dia.

Como funcionam os TCR

Os Token Curated Registries (TCRs) são um mecanismo de mercado introduzido por Mike Goldin para curar coletivamente as listas na ausência de coordenação de terceiros. Os Tokens fornecem um incentivo econômico para curar listas que são valiosas para os consumidores. As transações são liquidadas e compensadas de forma autônoma através de um registro distribuído. Os TCRs são concebidos para representar um bem público. Qualquer pessoa pode participar.

Pré-requisitos: Para estabelecer um TCR, é necessário (i) definir um propósito para a lista, (ii) um token nativo, e (iii) um mecanismo de governança que assegure que todos os portadores de token sejam incentivados a manter uma lista de alta qualidade.

Intervenientes: (i) os candidatos fornecem conteúdo para a lista, (ii) os consumidores usam a lista e (iii) os curadores gerem coletivamente a qualidade da lista (portadores de tokens).

Processo: Os candidatos têm de depositar uma certa quantidade de tokens para se candidatarem à lista. Qualquer detentor de tokens pode participar do processo de curadoria, e têm um certo tempo para votar se a candidatura do candidato deve ou não ser incluída na lista. Se eles acharem que a inscrição deve ser excluída, podem contestar a lista. Para isso, eles devem fazer um depósito de uma certa quantidade de tokens num contrato inteligente, bloqueando uma parte da sua participação na rede. Uma vez iniciada uma contestação, todos os outros detentores de tokens podem votar também depositando seus tokens. Se no final do período de votação, o pedido for rejeitado pela maioria dos portadores de tokens, o depósito do requerente é dividido entre o oponente e todos os outros portadores de tokens que votaram para rejeitar o pedido. Caso contrário, a listagem do candidato é adicionada ao registro, e o contrato inteligente distribui o depósito do oponente entre o candidato e todos os detentores de tokens que votaram para aceitar a listagem. É aconselhável que os TCRs dividam o processo de votação em duas fases, a fase de compromisso e a fase de revelação. Os resultados só são transmitidos abertamente após a conclusão da fase de compromisso para evitar "ataques de coordenação", onde um curador poderia ter influência sobre o processo de votação de outros curadores. Os tokens são bloqueados na fase de submissão e desbloqueados durante a fase de revelação.

Token: Os tokens são projetados para serem transferíveis e fungíveis (todos os tokens são projetados para serem iguais). Assume-se que cada lista precisa do seu próprio token para dar um sinal confiável da qualidade da lista e do valor da rede. O preço de um token é o resultado da oferta e procura e, como tal, é assumido como um indicador de desempenho para as ações coletivas de todos os portadores de token. Se um TCR aceitasse um token não nativo como meio de pagamento, como BTC ou ETH, o desempenho coletivo dos detentores do token não refletiria o desempenho da lista e, portanto, os mecanismos de incentivo econômico não funcionariam.

Design do mecanismo: O mecanismo de incentivos precisa alinhar os incentivos para garantir que os detentores de tokens sejam recompensados por votarem verdadeiramente, e que as tentativas de enganar o sistema não sejam recompensadas. Assim, os candidatos que acreditam que serão rejeitados não são susceptíveis de se candidatarem; caso contrário, perderiam os seus tokens. Os portadores de tokens, por outro lado, poderiam teoricamente rejeitar todos os candidatos, mas isso colidiria com o seu interesse em aumentar o valor dos seus tokens. Uma lista vazia não é interessante para ninguém. A rentabilidade e a qualidade de todos os interessados precisam ser bem alinhadas, para que listas objetivas e de alta qualidade possam ser produzidas.

Premissas de design: O conceito de um TCR é baseado no pressuposto de que um mercado livre para listas poderia potencialmente fornecer um mecanismo melhor para a curadoria de qualidade das listas, do que listas e feeds de dados geridos centralmente. Supõe-se também que os atores econômicos querem maximizar os seus lucros e agir racionalmente em todos os momentos. Assume-se que os candidatos têm interesse em ser incluídos na lista para fins publicitários e estão dispostos a pagar uma taxa de listagem, uma vez que a colocação em tal lista serve como validação da qualidade dos seus serviços. Os curadores, que também têm uma participação na rede na forma de tokens de rede, ganhariam mais dinheiro com listas bem conservadas e com muita tração, o que significa que eles têm um incentivo para curar a lista de forma verdadeira. O voto dos detentores de tokens é proporcional ao número de tokens que eles possuem, ou que apostam. Os direitos de voto proporcionais são baseados na ideia de que aqueles que têm mais em jogo são mais incentivados a agir no melhor interesse da rede. Os consumidores, por outro lado, buscam informações de alta qualidade e utilizam listas para tomar decisões. Se a qualidade da listagem for boa, os consumidores estarão interessados em consultar a listagem, o que tornará mais atraente para os candidatos a candidatarem-se e fortalecerá a economia geral dessa lista.

Vetores de Ataque

A economia por trás do registro precisa ser concebida de forma a contabilizar todos os vetores de ataque possíveis. Foram identificados vários vetores de ataque, como "trolling", "madman attacks", "registry poisoning" ou "coin flipping". Uma solução para cada um desses ataques potenciais precisa ser refletida nas regras de governança do TCR para garantir listagens de alta qualidade.

Os Trolls podem tentar adicionar conteúdo à lista que não satisfaça os critérios da lista. Tal trolling também acontece em plataformas Web2 atuais, como a Amazon, onde adicionar reviews não custa nada, exceto pelo trabalho de escrever o review. Como solução, o mecanismo precisa ser projetado de forma a tornar caro um troll adicionar listagens de baixa qualidade. Perder uma taxa de listagem depositada é um mecanismo desse tipo. Mas mesmo que a taxa de listagem seja alta o suficiente para a maioria dos usuários, um atacante com razões não econômicas, ou um atacante com muitos fundos à sua disposição, ainda pode ser capaz de inundar o sistema com listas não relevantes. Pode-se aumentar o depósito mínimo, o que poderia excluir candidatos elegíveis com poucos fundos à sua disposição para solicitar uma listagem, criando assim uma barreira econômica de entrada no sistema.

Registry poisoning refere-se ao problema do que acontece com uma listagem que em determinada altura foi aceita por boas razões, mas a qualidade dos seus serviços tem diminuído desde então, de modo que eles não atendem mais aos requisitos da lista. O mecanismo precisa ser concebido de forma a incentivar os detentores de tokens a encontrar e desafiar as listas que "envenenam" o registro.

Free riding: Os detentores de tokens podem decidir livremente circular no sistema e não participar ativamente em nenhum dos processos de votação, esperando que outros detentores de tokens mantenham a qualidade da lista e, portanto, também o valor das suas tokens.

Coin flipping: Não há penalidades diretas por tomar más decisões, apenas indiretas a longo prazo que possam refletir-se no preço do token quando a qualidade da lista baixar. Um detentor de tokens que tenha como objetivo a maximização do lucro pode achar mais racional, a curto prazo, emitir um voto aleatório (moeda ao ar) em vez de investir tempo em avaliações racionais sobre uma possível lista. Presume-se que uma certa distribuição de votos entre "moeda ao ar" e "detentores de tokens verdadeiros" pode manter a integridade da lista apesar de tal comportamento de coin flipping. No entanto, se muitos curadores decidirem aproveitarem-se do sistema através do coin flipping, a qualidade da lista pode ser posta em risco.

Madman Attack: Refere-se a uma potencial tentativa de manipulação de alguém que possa ter uma razão econômica para comprometer a qualidade da lista, na qual gastam uma grande quantidade de fundos para inundar o registro com listas de baixa qualidade (ataque de 51 por cento). O mecanismo precisa ser projetado de forma a tornar caro um ataque de 51 por cento. No entanto, dados os potenciais problemas de "free-rider", apenas uma minoria de detentores de tokens é suscetível de participar ativamente na votação a favor e contra das propostas, o que significa que, na realidade, madman attacks podem não ser tão caros como um ataque teórico de 51 por cento de todos os detentores de tokens.

Vote memeing refere-se ao fato de alguns detentores de tokens poderem copiar o comportamento do grupo no interesse de estar sempre no bloco de votação majoritário, ficando assim do lado vencedor e ganhando sempre tokens. Para evitar isso, foram introduzidos esquemas de revelação de votos para garantir que os votos de outros só serão revelados após o término do período de votação.

Críticas ao TCR

Token Curated Registries podem ser uma mudança de paradigma se eles conseguirem fornecer uma alternativa resistente à manipulação relativa aos serviços de curadoria centralizados. No entanto, os críticos argumentam que os TCRs que usam votos ponderados por token (i) não podem fornecer diferentes nuances de curadoria, (ii) não podem substituir sistemas de reputação subjetiva, e (iii) têm um problema com o tamanho da "economia mínima". Eles afirmam que o simples fato de se deter uma participação no sistema não é condição base para criar uma curadoria de qualidade tão logo a probabilidade de maximização dos lucros a curto prazo pelos detentores de tokens que podem vender os seus tokens a qualquer momento e sair do sistema, é prejudicial para a qualidade coletiva da lista a longo prazo. Além disso, qualquer TCR precisará de um tamanho mínimo de mercado para resistir a tentativas de manipulação, o que significa que as novas listas têm um problema de “galinha e ovo”. Além disso, os consumidores não estarão interessados num registro pequeno ou meio vazio, e os candidatos não estarão interessados em se candidatarem a um registro que não seja visitado por ninguém. Outra questão é que os TCRs não são úteis para todos os tipos de registros. Bulkin, por exemplo, é um crítico franco e faz a distinção entre "TCRs subjetivos" e "TCRs objetivos". Na sua opinião, um TCR só pode ser bem sucedido se (i) existir uma resposta objetiva à questão da lista e se (ii) a resposta for publicamente observável, como a temperatura do ar numa determinada área geográfica.

Bulkin critica que o voto baseado em tokens não resulta necessariamente numa curadoria de maior qualidade para listas subjetivas, além de ser afetado por assimetrias de poder entre os pequenos e grandes detentores de tokens, especialmente se os tokens de registro possam ser adquiridos com dinheiro, e não com reputação. Para acabar no lado vencedor, os portadores de tokens provavelmente serão incentivados a votar nas escolhas que acreditam que a maioria dos portadores de tokens, ou o grande portador de tokens, votará. Bulkin afirma que perguntas subjetivas não podem ser respondidas com precisão por um mecanismo objetivo, como proposto pela Goldin. Listas que são propensas a gostos ou opiniões subjetivas precisam de um sinal de coordenação mais forte, o que exigiria um conjunto bem definido de curadores com valores bem alinhados. Em tal conjunto, é importante confiar nas pessoas que curam a informação e compreender os seus motivos. Para listas subjetivas de qualidade, Bulkin sugere que combinar TCRs com sistemas de reputação social poderia acrescentar o contexto necessário a um TCR. Como pessoas diferentes têm valores sociais diferentes, adicionar o contexto do valor social é importante na curadoria de certos tipos de listas. Ele argumenta também que é mais provável que as pontuações de reputação sejam mais uniformemente distribuídas do que a riqueza, e que os TCRs são mais fáceis de “dar o salto” quando incluídos num sistema de reputação subjetiva, o que resolveria o problema da "economia mínima" para tornar uma lista suficientemente atraente para os primeiros usuários. Acrescentar a reputação social também poderia resolver o problema do “vote-memeing”, se os maus atores pudessem perder sua reputação ou se as suas contas pudessem ficar numa lista negra. Tal configuração também poderia mitigar os círculos de votação e alguns casos de ataques de compra de votos.

Além disso, a abordagem de Mike Goldin não leva em conta possíveis problemas de "free-rider", onde alguns detentores de tokens podem optar por permanecer passivos, simplesmente investindo num token por razões especulativas. Tais "free-riders" esperam que outros curadores votem de forma confiável, mantendo assim a qualidade da rede elevada. O "free-riding" é um problema típico dos bens públicos (leia mais: Parte 4 - Tokens com Propósito). Para ser resolvido, as regras de governança poderiam ser projetadas de forma que os portadores de tokens sejam forçados a votar. Isto, no entanto, muito provavelmente resultará no chamado "vote memeing" (copiar o comportamento de voto de outra pessoa) ou "coin flipping" (fazer uma votação aleatória para economizar tempo na pesquisa e tomada de decisão), o que também poderia reduzir a qualidade do registro ao longo do tempo. Embora o conceito de TCRs possa ser usado para tornar uma lista descentralizada resistente à manipulação, ele não funcionará num sistema de reputação.

Como os TCRs ainda não foram testados publicamente, não está claro quais as regras de governança que funcionarão a longo prazo, e como definir de forma otimizada as variáveis que governam a economia interna de uma lista. Essas variáveis podem variar, dependendo do tipo e do objetivo da lista, como por exemplo: (i) a quantidade de tempo que os detentores de um token têm para comprometer os seus votos a uma contestação; (ii) a quantidade de tempo que os detentores do token têm para revelar os seus votos em uma contestação; e (iii) a porcentagem de votos necessária para que um determinado resultado surta efeito. Um desafio na definição dessas variáveis poderia ser a quantidade de tempo que os detentores do token têm para contestar um pedido. Se for definido por um longo período de tempo, os detentores do token podem se esquecer de emitir os seus votos. Mudanças nos parâmetros das regras de governança do token podem ser votadas de forma similar à forma como novos pedidos de registro são votados. Para propor um novo mecanismo de governança, os detentores de tokens poderiam bloquear os seus tokens e submeter o pedido à votação de todos os outros detentores de tokens. As aplicações de um novo mecanismo de governança poderiam ser avaliadas da mesma forma que as aplicações para o registro são votadas, o que significa que elas estariam sujeitas aos mesmos vetores de ataque.

Outros Tipos de TCR

Propostas alternativas têm sido feitas sobre como modificar o conceito inicial introduzido por Mike Goldin, para mitigar alguns dos vetores de ataque descritos acima, ou para adicionar qualidade de informação à lista. As regras de governança das variações do TCR mencionadas abaixo não podem ser explicadas em detalhes neste capítulo, mas podem ser pesquisadas online (verifique as referências no final do capítulo).

Ordered TCRs: TCRs simples não são ordenados, o que significa que são apenas entradas que vieram a ser incluídas na lista. Os curadores votam para incluir ou excluir e decidem sobre o ranking de cada entrada na lista. Cada lista tem uma classificação exclusiva, o que significa que duas listagens não podem ter o mesmo ranking. O número de entradas pode ser limitado ou ilimitado.

Graded TCRs: são uma simples variação de um TCR ordenado onde duas listagens podem ter a mesma quantidade de pontos de reputação. As listagens podem ter o mesmo ranking sem ocupar um índice único. Eles oferecem um melhor sinal sobre o alcance qualitativo de uma listagem.

Layered TCRs: são mais completos, uma vez que introduzem diferentes camadas de aceitação. Numa primeira fase de qualificação, uma listagem poderia qualificar-se através de algumas regras predefinidas, e teria de cumprir alguns critérios adicionais para se qualificar para o nível seguinte, o que poderia ser útil para construir uma hierarquia mais sofisticada, permitindo uma maior diversidade ou subjetividade. Tal abordagem poderia aumentar a qualidade geral de uma lista.

Nested TCRs são listas onde as entradas de uma listagem têm indicações para outras listas. Os Nested TCRs podem ser usados para refletir relações entre atributos classificados numa lista e atributos da mesma lista que são classificados em outra lista.

Combinatorial TCRs permitem visualizar um conjunto de itens numa lista. Os portadores de Tokens podem definir coletivamente conjuntos, intervalos e parâmetros aceitáveis.

Continuous Token-Curated Registries combinam modelos de token contínuos com TCRs para criar um mercado líquido para curadoria. Em vez de gerar e pré-vender tokens num ponto específico no tempo, os tokens são cunhados de acordo com uma curva algorítmica pré-determinada. O valor do registro é uma função da utilidade da lista e determina se ele pode atuar como um "Schelling point" natural. Um Schelling point, neste contexto, refere-se a uma lista que contaria com concordância da maioria dos usuários na ausência de comunicação entre eles. TCRs contínuos são úteis para refletir a cauda longa de categorização que não era possível ou viável antes.

Embora a proposta clássica dos TCRs possa ter casos de uso limitados, o surgimento de propostas mais complexas e sofisticadas é um fenômeno interessante a seguir. Cada vez mais novos projetos estão começando a implementar aspectos de várias propostas de TCR no seu design de tokens. "Relevante” está construindo um protocolo de reputação que combina critérios subjetivos com os TCRs. Eles querem usar isso para construir um jornal de notícias sociais resistente a fake-news, usando métricas qualitativas apoiadas em token, valorizando a qualidade sobre os cliques. Outros exemplos de projetos que usam TCRs no seu design de token são "AdChain", "Distric0x", e "Messari".

Resumo do Capítulo

As listas online e os motores de recomendação utilizam (i) algoritmos de machine-learning e (ii) sabedoria dos "crowd mechanisms" para obter listas, classificações e recomendações significativas. Tais listas ou registros podem ser privados ou públicos e são geralmente geridos de forma centralizada. As listas brancas ou listas negras são utilizadas para filtrar informação relevante e poupar o tempo dos utilizadores na pesquisa e filtragem da própria informação. A curadoria por terceiros, contudo, é susceptível de censura e manipulação, uma vez que são geridos de forma centralizada.
~
As tarefas de curadoria envolvem a gestão e manutenção da alimentação de dados, filtragem de comentários, ou fornecimento de recomendações específicas do contexto. Os algoritmos de machine-learning extrapolam as suas sugestões através da correlação de dados personalizados dos usuários com dados estatísticos do comportamento de todos os outros usuários. Os métodos são, na sua maioria, não revelados, resultando em algoritmos de filtragem intransparentes.
~
Os Registros de Tokens de Curadoria fornecem o mecanismo de mercado tokenizado para curar coletivamente listas na ausência de coordenação de terceiros e gestão centralizada da lista. Os Tokens são utilizados como incentivos econômicos para realizar tarefas de curadoria. As transações são liquidadas e compensadas de forma autônoma por uma ledger distribuída.
~
Os TCR são concebidos para representar um bem público. Qualquer pessoa pode participar. A fim de criar um TCR, é necessário (i) definir um objetivo para a lista, (ii) um token nativo, e (iii) um mecanismo de governança que assegure que todos os detentores de tokens sejam incentivados a manter uma lista de alta qualidade.
~
As partes interessadas são (i) os candidatos que fornecem conteúdo para a lista, (ii) os consumidores que utilizam a lista, e (iii) os curadores que gerem coletivamente a qualidade da lista (detentores dos tokens).
~
Os candidatos têm de depositar uma certa quantidade de tokens para se candidatarem à lista. Qualquer detentor de tokens pode participar no processo de curadoria, e tem um certo tempo para votar se a candidatura deve ou não ser incluída na lista. Para tal, devem fazer um depósito de uma certa quantidade de tokens num contrato inteligente, bloqueando uma parte da sua participação na rede.
~
Se no final do período de votação, o pedido for rejeitado pela maioria dos detentores de tokens, o depósito do requerente é dividido entre o oponente e todos os outros que votaram para rejeitar o pedido. Caso contrário, a listagem do candidato é acrescentada ao registro, e o contrato inteligente distribui o depósito do oponente entre o candidato e todos que votaram pela aceitação da listagem.
~
Os candidatos que acreditam que serão rejeitados não são susceptíveis de se candidatarem; caso contrário, perderiam os seus tokens. Os detentores de tokens, por outro lado, poderiam teoricamente rejeitar todos os candidatos, mas isso colidiria com o seu interesse em aumentar o valor dos seus tokens. Uma lista vazia não é interessante para ninguém. A rentabilidade e a qualidade de todos os interessados precisa ser bem alinhada, para que listas objetivas e de alta qualidade possam ser produzidas.
~
O preço do token é o resultado da oferta e da procura e, como tal, é assumido como um indicador de desempenho para as ações coletivas de todos os detentores de tokens. Se um TCR aceitasse um token não nativo como meio de pagamento, o desempenho coletivo dos detentores do token não refletiria o desempenho da lista e os mecanismos de incentivo econômico não funcionariam.
~
O voto dos detentores de tokens é proporcional ao número de tokens que possuem, ou que apostam. Os direitos de voto proporcional baseiam-se na ideia de que aqueles que têm mais em jogo são mais incentivados a agir no melhor interesse da rede.
~
Foram identificados vários vetores de ataque, tais como "trolling", "madman attacks", "registry poisoning", ou "coin flipping". Uma solução para cada um destes potenciais ataques tem de se refletir nas regras de governança do TCR para garantir uma curadoria de alta qualidade.
~
O TCR só pode ser bem sucedido se (i) existir uma resposta objetiva à questão da lista e se (ii) a resposta for publicamente observável. As questões subjetivas não podem ser respondidas com precisão por um mecanismo objetivo. As listas que são propensas a gostos ou opiniões subjetivas necessitam de um sinal de coordenação mais forte, o que exigiria um conjunto bem definido de curadores com valores bem alinhados. A combinação de TCRs com sistemas de reputação social poderia acrescentar o contexto necessário a um TCR na resolução deste problema, e mitigar alguns vetores de ataque dos TCRs clássicos.
~
As propostas alternativas aos TCR objetivos e subjetivos são: (i) Ordered TCRs, (ii) Graded TCRs, (iii) Layered TCRs, (iv) Nested TCRs, (v) Combinatorial TCRs, or (vi) Continuous Token-Curated Registries. Mitigam alguns dos vetores de ataque descritos acima, ou acrescentam qualidade de informação à lista. As regras de governança de token variam.

---

Referências de Capítulo & Leitura Adicional

• Balasanov, Slava: “TCR Design Flaws: Why Blockchain Needs Reputation”, Jul 12, 2018: https://blog.relevant.community/tcr-design-flaws-why-blockchain-needs-reputation-c5771d97b210
• Bulkin, Aleksandr: “Curate This: Token Curated Registries That Don’t Work”, Apr 12, 2018: https://blog.coinfund.io/curate-this-token-curated-registries-that-dont-work-d76370b77150
• De la Rouviere, Simon: “Continuous Token-Curated Registries: The Infinity of Lists”, Oct 21, 2017: https://medium.com/@simondlr/continuous-token-curated-registries-the-infinity-of-lists-69024c9eb70d
• De la Rouviere, Simon: “City Walls & Bo-Taoshi: Exploring the Power of Token-Curated Registries”, Oct 9, 2017: https://medium.com/@simondlr/city-walls-bo-taoshi-exploring-the-power-of-token- curated-registries-588f208c17d5
• De Jonghe, Dimitri: “Curated Governance with Stake Machines”, Dec 4, 2017: https://medium.com/@DimitriDeJonghe/curated-governance-with-stake-machines-8ae290a709b4
• Gajek, Sebastian: “Graded Token-Curated Decisions with Up-/Downvoting — Designing Cryptoeconomic Ranking and Reputation Systems”, Apr 30, 2018: https://medium.com/coinmonks/graded-token-curated-decisions-with-up-downvoting-designing-cryptoeconomic-ranking-and-2ce7c000bb51
• Goldin, Mike: “Token-Curated Registries 1.0”, ConsenSys: https://docs.google.com/document/d/1BWWC -Kmso9b7yCI_R7ysoGFIT9D_sfjH3axQsmB6E/edit
• Goldin, Mike: “Token Curated Registries 1.1, 2.0 TCRs, new theory, and dev updates”, Dec 4, 2017: https://medium.com/@ilovebagels/token-curated-registries-1-1-2-0-tcrs-new-theory-and-dev-updates-34c9f079f33d
• Goldin, Mike: “Token-Curated Registries 1.0”, Sep 14, 2017: https://medium.com/@ilovebagels/token-curated-registries-1-0-61a232f8dac7 https://medium.com/@tokencuratedregistry/the-token-curated-registry-whitepaper-bd2fb29299d
• Goldin, Mike: “Mike’s Cryptosystems Manifesto #4”, https://github.com/kleros/kleros-papers/issues/4
• Gibson, Kyle: “3 Questions About Community Building for TCRs”, Mar 16, 2018: https://medium.com/tokenreport/questions-about-community-building-for-tcrs-d666b70ad3a7
• Lockyer, Matt:“Token Curated Registry (TCR) Design Patterns”, May 21, 2018: https://hackernoon.com/token-curated-registry-tcr-design-patterns-4de6d18efa15
• N.N.: “LTCR (Layered TCR)”: http://tokenengineering.net/ltcr
• McConaghy, Trent: “The Layered TCR”, May 1, 2018: https://blog.oceanprotocol.com/the-layered-tcr-56cc5b4cdc45
• Praver, Moshe: “Subjective vs. Objective TCRs”, Jun 27, 2018: https://medium.com/coinmonks/subjective-vs-objective-tcrs-a21f5d848553
• Adchain: https://adchain.com/
• District: https://district0x.io/
• Messari: https://messari.io/
• Relevant: https://relevant.community