Автор: Алек Райт
Введение
Fidenza стояла на вершине волны генеративного искусства в NFT. С момента их выпуска в феврале 2021 года и стремительного роста до средней цены в 300+ ETH в августе и сентябре Fidenza от Tyler Hobbs остается в сообществе NFT поистине впечатляющим.
Что привлекло меня в Fidenzas, когда я впервые узнал о них, так это их игривый характер. У каждой части была какая-то индивидуальность, которая сияла на экране, какая-то мрачная, какая-то более хаотичная, какая-то веселая. По общему признанию, я не очень хорошо разбираюсь в мире генеративного искусства, но они, казалось, сделали шаг вперед по сравнению с некоторыми другими коллекциями, которые я видел.
Существует множество ресурсов, где можно прочитать все о Fidenza, Тайлере Хоббсе и взрывном росте генеративного искусства на сцене NFT в конце 2021 года, но это отдельная история. Ниже я приведу ссылки на некоторые ресурсы, если вам интересно узнать больше о самом генеративном искусстве.
·Тайлер Хоббс пишет — Fidenza — Tyler Hobbs (tylerxhobbs.com)
· Сайт Art Blocks — артблоки
Методология
Теперь самое интересное. Название этой статьи было не только для кликбейта, мы хотели посмотреть, могут ли алгоритмы машинного обучения идентифицировать факторы ценности в 999 Fidenzas, и посмотреть, были ли сайты раритетов и сообщество настолько качественно осведомлены о коллекции, как многие говорили.
Поскольку Fidenzas не вписываются в типичный NFT в стиле PFP, который делают многие другие, становится чрезвычайно сложно оценить, что ценно для сообщества, а что нет, или даже что редко. Таким образом, редкость — это ужасный показатель, который следует учитывать, когда эстетика является почти единственным фактором, определяющим, какие предметы идут на премию, а какие — на пол.
Мы в NiftyBlue используем модели машинного обучения для определения факторов ценности коллекции и, следовательно, можем ранжировать и оценивать NFT в режиме реального времени. Поскольку мы используем реальные данные о продажах и метаданные в моделировании, мы можем сделать то, что другие сайты редкостей, такие как rarity.tools или raritysniper.com, даже не пытаются сделать, ранжировать Fidenzas. Наша модель может ранжировать даже те Fidenza, которые никогда раньше не продавались!
Было что-то красивое в использовании алгоритмов для деконструкции и оценки произведений искусства, полностью созданных самими алгоритмами. Я хотел посмотреть, хорошо ли наши модели улавливают общее мнение коллекционеров (людей) об этом произведении искусства.
Сравнение
Для сравнения различных методологий мы использовали 3 разных источника.
1. NiftyBlue рейтинг BlueRank.
2. Artacle — рейтинг редкости.
3. Мнение активного и надежного члена сообщества Fidenza, который поделился со мной своим мнением (Bone).
Красивый синий
Как упоминалось ранее, мы обучаем модели машинного обучения, которые могут сортировать коллекции по ранжированию на основе надбавок, выплачиваемых за различные характеристики. Мы рассматриваем комбинации и тщательно идентифицируем то, что сообщество в совокупности ценит и за что платит более или менее в среднем.
Подробнее о нашей модели BlueRank можно прочитать на нашем веб-сайте в разделе Технической документации.
Статья
Artacle был одним из немногих сайтов, которые я смог найти, которые даже пытались ранжировать Fidenzas. Хотя я слышал от сообщества, что в наши дни эти инструменты почти не рассматриваются, я подумал, что это все равно будет интересное сравнение.
Artacle использует ранг редкости, подобный тому, который описывается многими другими сайтами редкости в наши дни, что является улучшением по сравнению со статистической редкостью.
Если вам интересно узнать больше о методологии, используемой на сайте, их объяснение находится по ссылке здесь.
Кость
Bone познакомился со мной через дискорд Art Blocks. Я неофициально взял интервью у кости, и они прислали мне массу информации о Fidenzas, включая предпочтения сообщества и конкретные аргументы в пользу того, почему, по их мнению, одни из них идут на большее, чем другие. Было проведено голосование сообщества, основанное на эстетике, в результате которого 999 Fidenzas были отсортированы в соответствии с совокупным эстетическим предпочтением, а не редкостью, о которой Боун был достаточно любезен, чтобы поделиться некоторыми соображениями.
Вот несколько цитат из нашего разговора…
"Когда показ на Fidenzas только начался, многие люди, плохо знакомые с искусством, делали ставки на редкие произведения, но я не уверен, что в долгосрочной перспективе умеренно редкие предметы будут иметь большую премию".
«Похоже, людям не нравились вещи, в которых не было того человеческого чувства. Fidenzas без турбулентности не находят отклика у людей, потому что они кажутся слишком «роботизированными».
«Хотя направление потока не является заявленной чертой, люди в значительной степени предпочли «естественный поток», когда голосовали за Fidenzas. спирали встречаются редко, и, кажется, у всех есть эта черта, поэтому они определенно заслуживают премии».
Боун также показал мне список некоторых из наименее популярных Fidenza, многие из которых не имели характеристик турбулентности, отсюда и комментарий «роботизированный».
Результаты
Мы видим, что многие «непопулярные» в зависимости от размера кости занимают очень высокие места в рейтинге Artacle. В то время как Artacle нормально определяет некоторые из спиралей как ценные, в целом NFT с самым высоким рейтингом по редкости не являются хорошим показателем человеческих предпочтений (и выплачиваемых премий).
Давайте посмотрим на 24 самых дорогих премиальных автомобиля, которые когда-либо были проданы, и сравним их с ранжированием, показанным ранее. Премии определяются как разница между средней ценой, уплаченной за время (улучшенная версия пола), и фактической ценой, уплаченной за отдельный NFT. Кроме того, выплаченная премия зависит от времени, вы должны принять во внимание, что минимальная стоимость проектов резко меняется с течением времени, поэтому 10 eth при минимальной ставке в 1 eth более впечатляют, чем 100 eth при минимальной ставке 85 eth.
Как видите, многие из них включают в себя черту турбулентности и черту спирали, о которых говорил Боун. Вы можете видеть, что BlueRanks не соответствует 1:1 (не должно быть, это моделирование) с самыми высокими выплатами. Тем не менее, 11 из 24 крупнейших продаж когда-либо отображались в нашем моделировании как самые высокие в рейтинге, что является значительным улучшением по сравнению с любым инструментом редкости.
Это показывает способность статистических методов машинного обучения использовать алгоритмы для выявления рыночных тенденций. Эти тенденции, конечно же, создаются людьми, поэтому, как ни странно, алгоритмы могут лучше находить движущие силы человеческой ценности, чем сами люди, и, конечно же, все, что определяется искусственной редкостью.
Боун также прислал мне несколько примеров интересных Fidenza. Я выберу несколько и посмотрю три разных источника, чтобы сравнить.
Статья: ранг 2
NiftyBlue: рейтинг 255
Статья: 60-й рейтинг
NiftyBlue: рейтинг 293
Кость: «Находился в десятке худших (из всех тысяч) с точки зрения эстетических предпочтений человека».
Статья: рейтинг 292
NiftyBlue: рейтинг 815
Bone: «Нижняя сотня в голосовании среди людей. Я думаю, поток как-то связан с этим.
Рейтинг статьи: 172
NiftyBlue: 12 рейтинг
Кость: «Нижняя половина редкости, но одна из самых популярных фиденций. Я думаю, что поток имеет какое-то отношение к этому. В этом есть что-то естественное».
Статья: 49 рейтинг
NiftyBlue: 124 рейтинг
Кость: «Одна из самых редких и популярных! Действительно очень сильная любовь к этому. Большой поток, водянистый.
Статья: рейтинг 693
NiftyBlue: рейтинг 288
Bone: «Невысокая редкость, но еще один, который был очень популярен в голосовании».
Выводы
Как видно из приведенных выше результатов, наши рейтинги в NiftyBlue не только соответствуют самым высоким премиальным ценам, проданным за всю историю Fidenzas, но и лучше соответствуют предпочтениям сообщества в голосовании, чем сайты редкостей.
Хотя ни одна модель не идеальна, мы считаем, что наши рейтинги и оценки в NiftyBlue, вероятно, лучше всего справились с определением факторов стоимости и, следовательно, наиболее ценных NFT в коллекции.
Эта статья не является финансовым советом и предназначена для того, чтобы познакомить вас с тем, как модели науки о данных могут быть включены для оценки искусства, даже искусства, в котором неискушенному глазу трудно различить, что ценно, а что нет.
Ссылки
Я всегда открыт для комментариев и обсуждений в моем твиттере Арбитр (@TheArbit3r) / Twitter.
Niftyblue Twitter — NiftyBlue (@niftybluenft) / Twitter
