發(fā)行安全代幣應該不難。我經常聽到區(qū)塊鏈領域的一位導師這樣說，現(xiàn)在大多數(shù)安全代幣的發(fā)行都涉及手工編寫智能合約。幾乎是對安全代幣發(fā)行流程的復雜性的過度反應，已經有好幾次嘗試推廣自助發(fā)行工具，這些工具承諾只需單擊幾下鼠標就可以創(chuàng)建安全代幣。今天，我想解釋一下這種方法的一些基本缺陷，并提出我認為更好的替代方案。

對于加密安全問題，安全代幣空間采取了兩種極端的立場。在一個極端情況下，每個安全代幣都要求智能合約開發(fā)人員編寫大量重復的代碼，并出于遵從性的原因利用一些基本協(xié)議。另一方面，我們可以填寫幾個表單，按下一個按鈕，然后獲得一個安全代幣。第一種方法復雜且容易出錯，但可以看作是安全代幣市場早期階段的結果。第二種方法根本不切實際，它只是在一個仍在努力建立基礎的市場。

自助安全代幣發(fā)行工具的基礎思想是，您可以使用通過友好的用戶界面抽象的確定性規(guī)則集來表達安全代幣的基本機制。原則上，好處是顯而易見的，因為任何人都應該能夠在不掌握智能合約語言的情況下創(chuàng)建自己的安全代幣。盡管在概念上很吸引人，但從技術和財務角度來看，自助安全代幣發(fā)行的想法存在根本缺陷。自助安全代幣的發(fā)放可以看作是一種被稱為還原論的認知心理學現(xiàn)象的表達。

簡化思想和安全代幣

還原論是一種認知動態(tài)，它解釋了當面對復雜的論證時，人們是如何傾向于忽略關鍵細節(jié)的簡單解釋的。簡單的解釋只適用于問題的最抽象的表示，在任何嚴格的分析中都不適用。在安全代幣中，認為我們可以使用一些規(guī)則來為密碼安全的結構和行為建模就是簡化謬論的一個例子。

自助安全代幣的發(fā)行試圖過度簡化創(chuàng)建安全代幣的過程，以吸引可能被該領域的技術復雜性壓服的那部分市場。然而，通過采取簡化的方法，自助安全代幣發(fā)行技術忽略了加密安全的許多關鍵元素，即創(chuàng)建對任何實際用途都無用的代幣。

1） 規(guī)則與動態(tài)行為： 通過用戶界面配置發(fā)行安全代幣，隱式地假設可以使用一些IF-Then-Else規(guī)則抽象加密安全的行為。這與事實相去甚遠。安全代幣需要表達相當動態(tài)的財務行為，如股息分配、違約、風險調整和其他需要超出邏輯規(guī)則的復雜業(yè)務的構造。即使是一些最簡單的代幣化表示，比如上市公司的股票，也會受到各種復雜行為的影響。發(fā)行傳統(tǒng)證券的過程之所以復雜，不僅是因為涉及的參與者，還因為這些金融工具的復雜性。

2）成熟與新興技術市場： 自助工具是成熟技術市場的一個副產品。在集成領域，像IFTTT這樣的平臺只有經過幾十年中間件技術的發(fā)展才有可能實現(xiàn)。自助業(yè)務智能工具是在數(shù)十年的數(shù)據可視化和分析工作之后才被廣泛采用的。安全代幣空間只有不到兩年的歷史，而且完全沒有必要通過單擊幾下來抽象發(fā)行安全代幣。

3） 鏈外運行時與鏈上運行時： 這是一個有點微妙的參數(shù)，但確實相關。假設我們可以使用一些基于ui的規(guī)則來實現(xiàn)一個安全代幣，這本質上意味著我們建模加密安全行為所需的一切都發(fā)生在鏈外（通過規(guī)則），這完全是一種謬論。為了有效，安全代幣需要利用大量的鏈上構件，如調用其他智能合約和其他一些不能簡單地通過UI抽象的構件。

為了更好地理解前面的一些觀點，讓我們使用幾個自助服務技術堆棧的成功和失敗的例子來具體說明，這些技術堆棧跨越幾個技術趨勢：

· 不好的方面： UML和代碼生成工具：在21世紀初，有大量的工具試圖使用圖形化標準（如統(tǒng)一建模語言（UML））對面向對象的程序建模。盡管這種趨勢產生了成功的收購，例如Rational Software，但是大多數(shù)工具被證明是非常局限于構建任何形式復雜的程序。這一代工具的失敗部分可以歸結為圖形化的、規(guī)則驅動的環(huán)境和動態(tài)的、基于代碼的邏輯之間的阻抗不匹配。

· 缺點： 機器學習工作流工具：機器學習領域正在發(fā)展的一個趨勢是使用可視化工作流創(chuàng)建模型的想法。雖然現(xiàn)在判斷這種趨勢是否會成功還為時過早，但它們似乎只適用于一些非?；镜膱鼍?，從而導致TensorFlow或PyTorch等框架編寫更復雜的模型。

· 優(yōu)點： 自助分析工具：數(shù)十年來，在商業(yè)智能（BI）解決方案中編寫報告和數(shù)據可視化需要專業(yè)領域的專家來完成一些本質上是商品的工作。最終，市場產生了新一代的自助數(shù)據可視化平臺，如Tableau或QlikView，允許非專家編寫真正復雜的儀表板，而不需要編寫任何代碼。

· 好的方面： 機器學習領域特定語言：分片化和復雜性是機器學習空間的主要挑戰(zhàn)之一。由于市場上有如此多的機器學習框架和平臺，編寫機器學習程序不僅復雜，而且堆棧之間沒有可移植性。最近，F(xiàn)acebook和微軟（Microsoft）等公司贊助創(chuàng)建了開放Neural網絡交換格式（Open Neural Network Exchange Format， ONNX），它提供了一種更高級的（但不是基于視覺規(guī)則的）語言，用于以一種與不同底層框架兼容的方式創(chuàng)建機器學習模型。

綜上所述，有效的自助服務工具有以下幾個特點：

a）它們允許添加復雜的業(yè)務邏輯。

b）它們運行在與底層運行時類似的環(huán)境中。

c）他們在成熟的技術市場運營。

對您來說，這聽起來像自助安全代幣發(fā)行工具嗎？

一種可能的解決方案： 特定于安全代幣域的語言

我們如何在不創(chuàng)建無用抽象的情況下簡化安全代幣的發(fā)行？編寫以太坊智能合約很難伸縮，但使用基于ui的規(guī)則是無用的。中間的呢？設想一種聲明性語言，它可以以一種可以立即翻譯到不同智能合約語言的方式來建模安全代幣的結構。

安全代幣使用更高級的、特定于領域語言的想法有很多好處，而且看起來不會忽視智能合約語言（如Solidity）的任何優(yōu)點。