En el mundo de las criptomonedas, perder dinero no es lo más doloroso; lo más doloroso es morir sin saber por qué. ¿Alguna vez has pensado que tu posición fue liquidada simplemente porque los datos de precios llegaron con 3 segundos de retraso? ¿Que el equipo SSR que nunca logras conseguir quizás solo fue porque la generación de números aleatorios fue "manipulada"?

En definitiva, el problema está aquí: confiamos en la cadena de bloques, pero esta funciona gracias a una serie de fuentes de datos "engañadas".

El proyecto APRO del que hablaremos hoy, en cierto modo, es un grupo de geeks tecnológicos que han sido torturados por datos corruptos hasta el extremo, y que han dedicado varios años a explorar para convertirse en los "limpiadores de datos" del mundo de las criptomonedas.

**La historia comienza con un dolor muy simple**

Varios cofundadores provienen del campo de la IA, ingeniería de datos y DeFi temprano. Al desarrollar el proyecto, no han sido pocos los problemas con datos basura: retrasos en las notificaciones de mercado, fuentes de datos que se caen constantemente, números aleatorios que parecen predecibles... Poco a poco se dieron cuenta de que, por muy ingenioso que sea tu contrato inteligente, si los datos de entrada tienen problemas, el resultado final solo puede ser basura. En lugar de soñar con escenarios grandiosos, es mejor resolver honestamente el primer problema: ¿cómo proporcionar a la cadena de bloques datos "limpios, en tiempo real y confiables"?

Al principio, los recursos del proyecto eran escasos y no tenían mucha notoriedad. El equipo decidió concentrarse únicamente en perfeccionar la tecnología.

**El diseño de la arquitectura, un enfoque realista**

¿Subir todo a la cadena? Es caro y lento, simplemente no es práctico. ¿Todo fuera de la cadena? Entonces, ¿en qué se diferencia de construir una base de datos centralizada? La idea de APRO es muy pragmática: hacer que la IA fuera de la cadena actúe como un "avanzado" que, mediante algoritmos, escanea de manera eficiente y rápida una gran cantidad de datos, identificando fluctuaciones anómalas; luego, un mecanismo de validación en la cadena actúa como un "juez" para confirmar la validez de los datos. Esta combinación encuentra un equilibrio entre costo y velocidad.