Il modello di responsabilità dei dati di Fabric è importante perché non chiede al pubblico di fidarsi degli input privati di un robot, ma solo di fidarsi di un record verificabile di ciò che quegli input hanno prodotto. Nella propria cornice di Fabric, il protocollo coordina dati, computazione e supervisione attraverso registri pubblici in modo che i contributi possano essere controllati, premiati e governati in modo aperto.
Questo cambia la forma della responsabilità. I dati sensibili possono rimanere vicini all'operatore, al modello o alla macchina, mentre la rete si concentra sulle prove: esecuzione di compiti verificati, calcolo attestato, controlli di qualità e risultati delle sfide. Il whitepaper di Fabric è esplicito nel dire che la verifica universale sarebbe troppo costosa, quindi utilizza la verifica basata su sfide e l'economia delle penalità per rendere la frode non redditizia piuttosto che semplicemente scoraggiata. I validatori monitorano l'attività, indagano sulle dispute e attivano il taglio quando il lavoro è dimostrato falso.
Il risultato è un compromesso pratico. La privacy non è trattata come segretezza e la prova pubblica non è confusa con la piena divulgazione. È un sistema costruito attorno a ricevute.
@Fabric Foundation #ROBO $ROBO
