V oblasti blockchainu a open-source byl efektivní rozdělení prostředků vždy problém. Dnes se inovativní projekt s názvem Deep Funding pokouší tento problém vyřešit pomocí umělé inteligence a decentralizovaného hodnocení. Tento projekt, který podporuje 250 000 dolarů od Vitalika Buterina, má v úmyslu nejen vyřešit aktuální problémy s rozdělením zdrojů v ekosystému Ethereum, ale také vytvořit nové modely pro financování veřejných statků v budoucnu.
01, Deep Funding
Co je Deep Funding?
Deep Funding je inovativní projekt, který optimalizuje rozdělení financí pro veřejné statky pomocí AI a decentralizovaného hodnotícího mechanismu, jehož cílem je řešit problémy s nízkou efektivitou rozdělení zdrojů v ekosystému Ethereum. Cílem projektu je vybudovat spravedlivý, transparentní a efektivní systém rozdělení financí, který podporuje klíčové open-source projekty závislé na Ethereu a dosáhne dlouhodobě udržitelného rozvoje.
Oficiální web: https://deepfunding.org/
Jaký problém se snažíme vyřešit?
V současnosti existují následující problémy s rozdělením financí pro veřejné statky Ethereum:
Iracionalita lidského rozhodování: Když čelí složitým a abstraktním problémům, lidé často mají potíže s rozumným posouzením.
Preference povrchových projektů: Financování na základě volebních mechanismů má tendenci podporovat na povrchu zřejmé projekty a ignorovat hlubší technické závislosti a složité příspěvky.
To vedlo k tomu, že některá kritická, ale "skrytá" infrastruktura pro ekosystém Ethereum nedostává dostatečnou podporu, zatímco mohou být také plýtvány zdroje na projekty, které se na krátkou dobu zdají důležité, ale mají omezenou dlouhodobou hodnotu.
Jaký přístup se používá k řešení problému?
Navrhovaná řešení Deep Funding zahrnují:
1. Vytvoření Deep Graph
Deep Graph je dynamický závislostní graf, který zobrazuje vztahy mezi projekty a přiděluje váhy každé závislosti. Tímto způsobem jsou příspěvky a skutečná hodnota veřejných statků vizualizovány, což řeší problém s měřením "skrytých příspěvků".
2. Váhy a hodnocení AI modelů
Vstupy dat: Různé informace o open-source projektech (například počet hvězdiček, aktivita přispěvatelů, doba poslední aktualizace atd.). Toto vyžaduje vaši představivost a porozumění hodnotě open-source projektů.
Přidělení vah: AI modely přidělují váhy na základě důležitosti a skutečného dopadu závislostí a dynamicky upravují rozdělení prostředků.
Ověření a optimalizace: Kontrola modelu pomocí poroty, aby se zajistila rozumnost vah.
3. Mechanismus hodnocení poroty
Porota se skládá z odborníků, kteří poskytují tréninková data pro model tím, že odpovídají na otázky jako "Který projekt A nebo B je důležitější?". Tento typ otázky byl vybrán, protože je pro lidi relativně snadné rozlišovat a odpovídat.
Model spolupráce mezi lidmi a AI: Lidé odpovídají za směr a hodnotové posouzení, AI poskytuje podporu pro analýzu dat. Poté bude vybráno několik modelů, které se dobře shodují s lidským konsensem, pro aplikaci.
4. Spravedlivé rozdělení prostředků
Financování je rozděleno podle podílu příspěvků projektu, a také bude existovat část pro motivaci vítězných modelů.
Deep Funding nebude sloužit pouze k budování a rozdělení vah pro open-source software; tento model může být použit v jakékoliv situaci se závislostmi a rozdělením. Například: vědecké práce, hudba, filmová díla atd. Open-source software je pouze prvním pokusem, Deep Funding doufá, že se stane řešením vhodným pro různé scénáře.
02, Soutěž Deep Funding
V současnosti se první soutěž Deep Funding zaměřuje na GitHub repo a open-source projekty, vytváří vážený graf na základě závislostí open-source projektů a určuje, kolik každé úložiště by mělo dostat na dary. Poté se zaměřuje na open-source projekty pod štítkem Ethereum, zejména na klienty.
Aktuální pokrok projektu Deep Funding zahrnuje:
Sponzorství a financování: Vitalik Buterin poskytl počáteční sponzorství ve výši 250 000 dolarů.
Příprava dat: Shromáždění dat o závislostním grafu Etherea, zahrnující přibližně 40 000+ hran. V současnosti je již připraveno.
Návrh mechanismu: Pořádání soutěže AI modelů (bude na Kaggle), nyní se rekrutují AI modely.
Hodnocení prototypu: Ověření účinnosti modelu prostřednictvím kontrol poroty; aplikace modelu váhy závislostí na projektech souvisejících s Ethereem a sledování skutečných výsledků.
Z toho 250K odměny, $170k bude rozděleno na základě vah v závislostním grafu, $40k bude odměněno modelu s nejlepším výkonem během kontrol, $40k bude odměněno modelu s open-source příspěvky, přičemž inovativnost těchto modelů bude hodnocena odbornou porotou.
Stále existuje mnoho výzev, kterým je třeba čelit.
Spravedlnost hodnocení a motivační mechanismy: Jak zajistit neutralitu a dlouhodobou angažovanost poroty? Jak vybudovat spravedlivou a efektivní porotu?
Účinnost modelů AI: Jak přesně přidělit váhy hlubokým závislostem a vyhnout se zneužití nebo gamifikaci modelu?
Dynamická úprava mechanismu: Jak vyvážit sebehodnocení a externí hodnocení, aby se předešlo zaujatosti?
Zdroje financování a motivační mechanismy: Jak přilákat více financí k účasti na rozdělení, zejména pro příspěvky, které nejsou kódové?
Budeme postupně diskutovat a objevovat.