Vitalik: Von Prognosemärkten zu Informationsfinanzierung

Artikelquelle: Vitalik Buterin

Autor: Vitalik Buterin

Übersetzung｜CryptoLeo, Odaily Star Daily

Die US-Wahlen haben den Prognosemarkt Polymarket weiter angeheizt, da Gewinnsuchende zu wetten begannen, während Ergebnisinteressierte es als Nachrichten-Datenplattform nutzen, um Informationen zu erhalten. Als eine "Out-of-the-Box"-Blockchain-Anwendung verbindet Polymarket On-Chain-Gelder und reale Weltvorhersagen sehr gut. Vitalik hat mehrfach Polymarket gelobt und ist selbst ein treuer Fan des frühen Prognosemarktes Augur. Heute hat Vitalik einen Artikel veröffentlicht, der sich mit dem Thema „Informationsfinanzierung“ aus der Perspektive der Prognosemärkte befasst. Im Folgenden der vollständige Inhalt, übersetzt von Odaily Star Daily:

Eine der spannendsten Anwendungen von Ethereum für mich sind Prognosemärkte. Ich habe 2014 einen Artikel über Futarchy geschrieben, ein auf Vorhersagen basierendes Governance-Modell, das von Robin Hanson vorgeschlagen wurde. Bereits 2015 war ich ein aktiver Benutzer und Unterstützer des Prognosemarktes Augur, und ich habe bei den Wahlen 2020 58.000 Dollar gewettet. In diesem Jahr bin ich ein treuer Unterstützer und Anhänger von Polymarket.

Für viele Menschen sind Prognosemärkte Wetten auf Wahlen, und Wetten auf Wahlen ist Glücksspiel - wenn es dazu beitragen kann, dass die Öffentlichkeit Spaß hat, wäre das großartig, aber grundsätzlich ist es nicht interessanter als zufällige Käufe von Memes auf pump.fun. Aus dieser Perspektive scheint mein Enthusiasmus für Prognosemärkte unverständlich zu sein. Daher werde ich in diesem Artikel erklären, welches Konzept von Prognosemärkten mich interessiert. Kurz gesagt, ich glaube:

1. Die jetzt bestehenden Prognosemärkte sind ein sehr nützliches Werkzeug für die Welt;

2. Darüber hinaus sind Prognosemärkte nur Vorreiter in einem populäreren Bereich mit Potenzial für Anwendungen in sozialen Medien, Wissenschaft, Nachrichten, Governance und anderen Bereichen. Ich werde diese Kategorie als "Informationsfinanzierung" bezeichnen.

Die Zweiseitigkeit von Polymarket: Eine Wettseite für Teilnehmer, eine Nachrichtenwebsite für alle anderen.

In der vergangenen Woche war Polymarket eine sehr effektive Informationsquelle zu den US-Wahlen. Polymarket sagt nicht nur die Wahrscheinlichkeit eines Trump-Siegs mit 60/40 voraus (während andere Quellen 50/50 vorhersagen, was für sich genommen nicht sehr beeindruckend ist), sondern zeigt auch andere Vorteile: Als das Ergebnis bekannt gegeben wurde, enthüllte Polymarket direkt die Wahrheit: die Wahrscheinlichkeit eines Trump-Siegs lag über 95 %, während die Wahrscheinlichkeit, dass er die Kontrolle über alle Regierungsabteilungen übernimmt, über 90 % lag, trotz der Tatsache, dass viele Experten und Nachrichtenquellen versuchten, die Zuschauer zu beeinflussen und ihnen positive Nachrichten über Harris zu präsentieren.

Aber für mich ist das nicht einmal das interessanteste Beispiel von Polymarket. Lassen Sie uns also ein weiteres Beispiel betrachten: Im Juli, als die Präsidentschaftswahlen in Venezuela stattfanden, sah ich am Tag nach den Wahlen zufällig jemanden, der gegen die stark manipulierten Präsidentschaftswahlen in Venezuela protestierte. Zunächst habe ich nicht viel darüber nachgedacht. Ich wusste, dass Maduro einer dieser „weitgehend diktatorischen“ Figuren war, also dachte ich, dass er sicherlich jedes Wahlergebnis fälschen würde, um seine Macht zu sichern, und dass es Proteste geben würde, die scheitern würden. Leider scheiterten viele andere. Später, als ich bei Polymarket stöberte, sah ich dies:

Die Menschen waren bereit, über 100.000 Dollar zu investieren, um auf die Wahrscheinlichkeit zu wetten, dass Maduro in diesen Wahlen in Venezuela gestürzt wird, die bei 23 % lag, und jetzt fällt mir das auf.

Natürlich wissen wir immer noch, dass das umgestürzte Ergebnis unwahrscheinlich ist. Letztendlich bleibt Maduro an der Macht. Aber der Markt ließ mich erkennen, dass dieser Versuch, Maduro zu stürzen, ernsthaft war. Es gab damals massive Proteste, und die Opposition ergriff unerwartet gut durchdachte Strategien, um der Welt die betrügerische Natur dieser Wahl zu beweisen. Hätte ich nicht das anfängliche Signal von Polymarket erhalten, dass "diesmal etwas beachtet werden sollte", hätte ich nicht so viel Aufmerksamkeit darauf verwendet.

Sie sollten den Diagrammen nicht vollständig vertrauen: Wenn jeder den Diagrammen vertraut, kann jeder reiche Mensch die Diagramme manipulieren, und niemand wagt es zu wetten. Auf der anderen Seite ist es auch eine gute Möglichkeit, den Nachrichten vollständig zu vertrauen. Die Nachrichten haben emotionale Motive und übertreiben die Folgen von allem, um Klicks zu generieren. Manchmal ist eine Sache sinnvoll, manchmal nicht. Wenn Sie einen reißerischen Artikel sehen und dann den Markt überprüfen, nur um festzustellen, dass sich die Wahrscheinlichkeit eines relevanten Ereignisses überhaupt nicht verändert hat, dann ist es sinnvoll, skeptisch zu sein. Außerdem, wenn Sie auf dem Markt eine überraschend hohe oder niedrige Wahrscheinlichkeit für ein Ereignis sehen oder eine plötzliche Veränderung, ist das ein Signal, die Nachrichten durchzulesen und herauszufinden, was zu diesem Schluss geführt hat.

Fazit: Durch das Lesen von Nachrichten und Diagrammen können Sie mehr Informationen erhalten, als wenn Sie einen von beiden einzeln durchblättern.

Wenn Sie ein Wettender sind, können Sie bei Polymarket einzahlen, für Sie ist es eine Wettseite. Wenn Sie kein Wettender sind, können Sie die Diagrammdaten lesen, für Sie ist es eine Nachrichtenwebsite. Sie sollten den Diagrammen niemals vollständig vertrauen, aber ich persönlich habe das Lesen von Diagrammdaten als einen Schritt in meinem Informationsbeschaffungsworkflow (neben traditionellen Medien und sozialen Medien) übernommen, was mir hilft, effektiver mehr Informationen zu erhalten.

Information Finanz im weitesten Sinne

Die Prognose von Wahlergebnissen ist nur ein Anwendungsfall. Das breitere Konzept ist, dass Sie Finanzen als eine Möglichkeit nutzen können, um Anreize zur Koordination zu schaffen, um wertvolle Informationen für das Publikum bereitzustellen. Eine natürliche Reaktion darauf ist jetzt: Sind nicht alle Finanzen grundsätzlich mit Informationen verbunden? Unterschiedliche Teilnehmer treffen unterschiedliche Kauf- und Verkaufsentscheidungen, weil sie unterschiedliche Ansichten darüber haben, was in der Zukunft passieren wird (neben persönlichen Bedürfnissen wie Risikoneigung und Hedging-Wünschen), und Sie können durch das Lesen der Marktpreise eine Menge Wissen über die Welt ableiten.

Für mich ist Informationsfinanzierung so, aber strukturell korrekt, ähnlich dem Konzept der strukturellen Korrektheit in der Softwaretechnik; Informationsfinanzierung ist ein Fachgebiet, das von Ihnen verlangt, dass Sie

1. Beginnen Sie mit den Fakten, die Sie wissen möchten;

2. Entwerfen Sie dann absichtlich einen Markt, um diese Informationen auf optimale Weise von den Marktteilnehmern zu erhalten.

Ein Beispiel sind Prognosemärkte: Sie möchten wissen, was in der Zukunft passieren wird, also richten Sie einen Markt ein, in dem die Menschen darauf wetten können. Ein weiteres Beispiel sind Entscheidungsmarktmärkte: Sie möchten wissen, ob Entscheidung A oder Entscheidung B basierend auf einem bestimmten Indikator M bessere Ergebnisse liefern wird, und um dies zu erreichen, richten Sie einen bedingten Markt ein:

Sie lassen die Menschen wetten, welche Entscheidung gewählt wird: Wenn Entscheidung A gewählt wird, dann ist es der Wert von M, andernfalls ist es null; wenn Entscheidung B gewählt wird, dann ist es der Wert von M, andernfalls ist es null. Mit diesen drei Variablen können Sie berechnen, was der Markt für den Wert von M für Entscheidung A oder B hält.

Ich erwarte, dass Künstliche Intelligenz (ob LLMs oder einige zukünftige Technologien) in den nächsten zehn Jahren einen großen Einfluss auf die Finanzbranche haben wird. Dies liegt daran, dass viele Anwendungen der Informationsfinanzierung mit "mikro"-Problemen zu tun haben: Mini-Märkte für Millionen von Entscheidungen, wobei der Einfluss einzelner Entscheidungen relativ gering ist. In der Praxis funktionieren Märkte mit niedrigem Handelsvolumen oft nicht effektiv: Für einen erfahrenen Teilnehmer macht es keinen Sinn, nur für ein paar hundert Dollar Gewinn Zeit in detaillierte Analysen zu investieren, und viele glauben sogar, dass solche Märkte ohne Subventionen überhaupt nicht funktionieren würden, da es nicht genügend neue, unerfahrene Händler gibt, aus denen erfahrene Händler Gewinn schlagen können, außer bei den bedeutendsten und aufsehenerregendsten Problemen. Künstliche Intelligenz hat diese Gleichung vollständig verändert, was bedeutet, dass wir selbst auf Märkten mit einem Handelsvolumen von 10 Dollar qualitativ hochwertige Informationen erhalten könnten. Selbst wenn Subventionen erforderlich sind, ist das Maß an Subventionen für jedes Problem erschwinglich.

Informationsfinanzierung, raffinierte menschliche Urteile

Angenommen, Sie haben einen menschlichen Urteilsmechanismus, dem Sie vertrauen, und die gesamte Gemeinschaft vertraut seiner Legitimität, aber Urteile zu fällen dauert lange und ist kostspielig. Sie möchten jedoch zumindest auf eine günstige und zeitnahe Weise auf eine günstige Kopie dieses „teuren Mechanismus“ zugreifen. Hier sind Robins Hansons Gedanken dazu, was Sie tun können: Jedes Mal, wenn Sie eine Entscheidung treffen müssen, richten Sie einen Prognosemarkt ein, um vorherzusagen, welches Ergebnis der teure Mechanismus bei einer Entscheidung liefern würde. Dann beginnt der Prognosemarkt zu laufen und investiert eine kleine Summe, um die Market Maker zu subventionieren.

In 99,99 % der Fälle werden Sie den teuren Mechanismus nicht wirklich aufrufen: Vielleicht "setzen Sie den Handel zurück", erstatten oder erstatten nicht das Geld, das jeder investiert hat, oder Sie sehen sich den Durchschnittspreis an, der entweder dem "Ja"-Preis oder dem "Nein"-Preis nahekommt, und verwenden ihn als Grundlage. In 0,01 % der Fälle, vielleicht zufällig, vielleicht im Markt mit dem höchsten Handelsvolumen, oder vielleicht in beiden Fällen, führen Sie tatsächlich einen kostenintensiven Mechanismus aus und entschädigen die Teilnehmer auf dieser Basis.

Dies bietet eine vertrauenswürdige, neutrale, schnelle und kostengünstige "raffinierte Version" der ursprünglich hochgradig vertrauenswürdigen, aber extrem kostspieligen Mechanismen (analog zum Begriff "raffiniert" in der LLM-Modell-Destillation). Im Laufe der Zeit spiegelt dieser raffinierte Mechanismus grob das Verhalten des ursprünglichen Mechanismus wider, da nur Teilnehmer, die helfen, dieses Ergebnis zu erzielen, Geld verdienen können, während andere verlieren.

Dies gilt nicht nur für soziale Medien, sondern auch für DAOs. Ein zentrales Problem von DAOs ist, dass es zu viele Entscheidungen gibt, an denen die meisten Menschen nicht teilnehmen wollen, was entweder zu einer umfangreichen Verwendung von Delegationen führt, wodurch die in repräsentativer Demokratie häufigen Risiken der Zentralisierung und der Delegiertenagentenfehler entstehen, oder die Gefahr von Angriffen besteht. Wenn in der DAO tatsächlich nur wenige Abstimmungen stattfinden und die meisten Entscheidungen durch Prognosemärkte getroffen werden, während KI und Menschen die Abstimmungsergebnisse vorhersagen, könnte eine solche DAO gut funktionieren.

Wie wir im Beispiel des Entscheidungsmarktes gesehen haben, birgt die Informationsfinanzierung viele potenzielle Wege zur Lösung wichtiger Probleme der dezentralen Governance, wobei der Schlüssel im Gleichgewicht zwischen Markt und Nicht-Markt liegt: Der Markt ist der "Motor", während andere nicht-finanzielle Vertrauensmechanismen das "Lenkrad" sind.

Andere Anwendungsfälle der Informationsfinanzierung

Persönliche Token - Projekte wie Bitclout (jetzt deso), friend.tech und viele andere, die Token für jedermann erstellen und leicht spekulieren lassen - sind eine Kategorie, die ich "ursprüngliche Informationsfinanzierung" nenne. Sie schaffen absichtlich Marktpreise für bestimmte Variablen (d. h. Erwartungen an den zukünftigen Status einer Person), aber die genauen Informationen, die die Preise offenbaren, sind zu unspezifisch und anfällig für Reflexivität und Blasendynamiken (Anm. d. Übers. von Odaily Star Daily: Preisanstiege ziehen Käufe an). Es besteht die Möglichkeit, verbesserte Versionen solcher Protokolle zu erstellen und wichtige Probleme wie Talentfindung durch sorgfältigere Überlegungen zum wirtschaftlichen Design von Token (insbesondere woher ihr endgültiger Wert kommt) zu lösen. Robins Hansons Perspektive in "Reputation Futures" ist ein möglicher Endzustand.

Werbung - das ultimative "teure, aber vertrauenswürdige Signal" ist, ob Sie ein Produkt kaufen werden. Basierend auf diesem Signal kann die Informationsfinanzierung den Menschen helfen, herauszufinden, was sie kaufen sollen.

Wissenschaftliche Peer-Review - In der Wissenschaft gibt es eine "Replikationskrise", bei der einige berühmte Ergebnisse in bestimmten Fällen Teil des Volkswissens geworden sind, aber in neuen Studien nicht reproduziert werden können. Wir könnten versuchen, Prognosemärkte zu nutzen, um Ergebnisse zu identifizieren, die eine Überprüfung benötigen. Vor einer Überprüfung würde ein solcher Markt den Lesern auch schnell ermöglichen, abzuschätzen, inwieweit sie den jeweiligen Ergebnissen vertrauen sollten. Experimente mit dieser Idee wurden bereits durchgeführt und scheinen bisher erfolgreich zu sein.

Öffentliche Güterfinanzierung - eines der Hauptprobleme des in Ethereum verwendeten Mechanismus zur Finanzierung öffentlicher Güter ist seine "Beliebtheitswettbewerb"-Natur. Um Anerkennung zu erlangen, muss jeder Beitragende seine eigene Marketingoperation in sozialen Medien durchführen, wobei es für diejenigen, die nicht die Fähigkeit dazu haben, oder für jene, die von Natur aus mehr "Hintergrund"-Rollen haben, schwierig ist, größere Mittel zu erhalten. Eine sehr ansprechende Lösung besteht darin, zu versuchen, das gesamte Abhängigkeitsdiagramm zu verfolgen: Für jedes positive Ergebnis, welches Projekt hat wie viel dazu beigetragen, und dann für jedes Projekt, welches Projekt hat wie viel dazu beigetragen, und so weiter. Die Hauptschwierigkeit bei diesem Design besteht darin, die Gewichte der Kanten zu bestimmen, damit sie manipulationssicher sind. Schließlich geschieht diese Manipulation ständig. Ein raffinierter menschlicher Urteilsmechanismus könnte helfen.

Fazit

Diese Ideen wurden schon lange theoretisiert: Die frühesten Arbeiten zu Prognosemärkten oder sogar Entscheidungsmarktmärkten sind jahrzehntelang alt, und die Finanztheorie, die ähnliche Dinge sagt, ist sogar noch älter. Dennoch glaube ich, dass die Informationsfinanzierung in diesem Jahrzehnt große Chancen hat, aus mehreren Schlüsselgründen:

Die Informationsfinanzierung löst das tatsächliche Vertrauensproblem der Menschen. Ein gemeinsames Problem dieser Ära ist das Fehlen eines Verständnisses darüber, wer vertrauenswürdig ist (noch schlimmer, das Fehlen eines Konsenses) im politischen, wissenschaftlichen und geschäftlichen Kontext; Anwendungen der Informationsfinanzierung können Teil der Lösung sein.

Wir haben jetzt skalierbare Blockchains als Grundlage, und bis vor kurzem waren diese Ideen aufgrund der hohen Kosten nicht wirklich umsetzbar. Aber jetzt sind die Kosten nicht mehr hoch.

Künstliche Intelligenz als Teilnehmer ist relativ schwer zu realisieren, wenn die Informationsfinanzierung auf menschliche Teilnehmer angewiesen ist, um jedes Problem zu lösen. Künstliche Intelligenz hat diese Situation erheblich verbessert, indem sie auch bei kleinen Problemen effektive Märkte schaffen kann. Viele Märkte könnten eine Kombination aus KI und menschlicher Beteiligung aufweisen, insbesondere wenn das Volumen spezifischer Probleme plötzlich von klein auf groß ansteigt.

Um diese Gelegenheit voll auszuschöpfen, ist es jetzt an der Zeit, durch Wahlprognosen zu erkunden, was uns die Finanzinformationen bieten können.