Vitalik Neuer Artikel: Von Prognosemärkten zur Informationsfinanzierung – Warum Polymarket mich begeistert

Eine der aufregendsten Ethereum-Anwendungen für mich sind Prognosemärkte.

Autor: Vitalik, Mitbegründer von Ethereum

Übersetzung: 0xjs@金色财经

Eine der aufregendsten Ethereum-Anwendungen für mich sind Prognosemärkte. 2014 schrieb ich einen Artikel über Futarchy, ein von Robin Hanson konzipiertes, prognosebasiertes Governance-Modell. Bereits 2015 war ich ein aktiver Nutzer und Unterstützer von Augur (schau, mein Name steht in dem Wikipedia-Artikel). Ich habe bei den Wetten zur Wahl 2020 58.000 US-Dollar verdient. In diesem Jahr bin ich ein enger Unterstützer und Verfolger von Polymarket.

Für viele Menschen sind Prognosemärkte einfach Wetten auf Wahlen, und Wetten auf Wahlen ist Glücksspiel – wenn es den Menschen Spaß macht, umso besser, aber im Grunde genommen ist es nicht interessanter als der Kauf zufälliger Token auf pump.fun. Aus dieser Perspektive scheint mein Interesse an Prognosemärkten verwirrend. Daher beabsichtige ich in diesem Artikel zu erklären, warum dieses Konzept mich begeistert. Kurz gesagt, ich glaube, dass (i) selbst die bestehenden Prognosemärkte ein sehr nützliches Werkzeug für die Welt sind, aber darüber hinaus (ii) Prognosemärkte nur ein Beispiel für eine größere, sehr mächtige Kategorie sind, die das Potenzial hat, bessere soziale Medien, Wissenschaft, Nachrichten, Governance und mehr zu schaffen. Ich werde diese Kategorie "Informationsfinanzierung (info finance)" nennen.

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

In der vergangenen Woche war Polymarket eine sehr effektive Informationsquelle über die US-Wahlen. Polymarket prognostizierte nicht nur, dass die Wahrscheinlichkeit eines Trump-Sieges bei 60/40 lag (während andere Quellen 50/50 voraussagten, was an sich nicht beeindruckend ist), sondern zeigte auch andere Vorteile: Als das Ergebnis bekannt wurde, enthüllte Polymarket direkt die Wahrheit: Die Wahrscheinlichkeit, dass Trump gewinnt, übersteigt 95 %, während die Wahrscheinlichkeit, dass er die Kontrolle über alle Regierungsabteilungen erlangt, über 90 % liegt.

Beide Screenshots wurden am 6. November um 3:40 Uhr EST aufgenommen.

Aber für mich ist das nicht einmal das faszinierendste Beispiel von Polymarket. Lass uns ein weiteres Beispiel ansehen: Die Wahlen in Venezuela im Juli. Am Tag nach der Wahl erinnere ich mich, dass ich aus dem Augenwinkel sah, wie jemand gegen die stark manipulierten Wahlergebnisse Venezuelas protestierte. Zunächst schenkte ich dem nicht viel Beachtung. Ich wusste, dass Maduro einer der "de facto Diktatoren" war, also dachte ich, er würde sicherlich jede Wahl fälschen, um an der Macht zu bleiben, und es würde natürlich Proteste geben, und die Proteste würden scheitern – leider sind viele andere gescheitert. Doch dann, als ich auf Polymarket durchscrollte, sah ich das hier:

Menschen sind bereit, über 100.000 US-Dollar zu investieren, um darauf zu wetten, dass Maduro bei dieser Wahl mit einer Wahrscheinlichkeit von 23 % gestürzt wird. Jetzt fange ich an, interessiert zu sein.

Natürlich kennen wir das unglückliche Ergebnis dieser Situation. Letztendlich blieb Maduro tatsächlich an der Macht. Doch der Markt ließ mich erkennen, dass der Versuch, Maduro dieses Mal zu stürzen, ernsthaft war. Die Proteste waren massenhaft, die Opposition hatte eine überraschend gut umgesetzte Strategie, um der Welt zu zeigen, wie betrügerisch die Wahl war. Hätte ich nicht das ursprüngliche Signal von Polymarket erhalten: "Diesmal gibt es etwas, das es wert ist, beachtet zu werden", hätte ich nicht einmal begonnen, darauf zu achten.

Du solltest den Wettgrafiken von Polymarket niemals voll und ganz vertrauen: Wenn jeder den Wettgrafiken vertraut, könnte jeder reiche Mensch die Wettgrafiken manipulieren, und niemand würde wagen, gegen sie zu wetten. Andererseits ist es auch eine schlechte Idee, den Nachrichten voll und ganz zu vertrauen. Nachrichten haben emotionale Motive und übertreiben die Folgen von allem, um Klicks zu generieren. Manchmal ist das gerechtfertigt, manchmal nicht. Wenn du einen reißerischen Artikel siehst, aber dann zum Markt gehst und feststellst, dass die Wahrscheinlichkeit des relevanten Ereignisses sich nicht verändert hat, dann ist es auch sinnvoll, skeptisch zu sein. Oder wenn du unerwartet hohe oder niedrige Wahrscheinlichkeiten auf dem Markt siehst, oder plötzliche unerwartete Veränderungen, ist das ein Signal, die Nachrichten zu lesen und zu sehen, was die Ursache dafür ist. Fazit: Durch das Lesen von Nachrichten und Wettgrafiken kannst du mehr Informationen erhalten, als wenn du nur eine von beiden liest.

Lass uns einen Blick darauf werfen, was hier passiert ist. Wenn du ein Wettender bist, kannst du auf Polymarket wetten, was für dich eine Wettplattform ist. Wenn du kein Wettender bist, kannst du die Wettgrafiken lesen, was für dich eine Nachrichtenquelle ist. Du solltest den Wettgrafiken niemals voll und ganz vertrauen, aber ich persönlich habe das Lesen der Wettgrafiken als einen Schritt in meinem Informationssammlungsprozess (neben traditionellen Medien und sozialen Medien) integriert, da es mir hilft, effektiver mehr Informationen zu erhalten.

Informationsfinanzierung im weiteren Sinne

Jetzt kommen wir zum wichtigen Teil: Die Prognose des Wahl Ergebnisses ist nur die erste Anwendung. Das breitere Konzept ist, dass du Finanzen als eine Art Koordinationsanreizmechanismus verwenden kannst, um wertvolle Informationen für das Publikum bereitzustellen. Jetzt könnte eine natürliche Reaktion sein: Sind nicht alle Finanzen im Grunde genommen mit Informationen verbunden? Unterschiedliche Teilnehmer werden unterschiedliche Kauf- und Verkaufsentscheidungen treffen, weil sie unterschiedliche Ansichten darüber haben, was in der Zukunft passieren wird (abgesehen von individuellen Bedürfnissen wie Risikopräferenzen und Hedging-Wünschen), und du kannst viel Wissen über die Welt gewinnen, indem du die Marktpreise liest.

Für mich ist Informationsfinanzierung so, aber strukturell richtig. Ähnlich wie das Konzept der strukturellen Korrektheit in der Softwaretechnik ist Informationsfinanzierung eine Disziplin, die von dir verlangt, (i) mit dem Fakt zu beginnen, den du wissen möchtest, und dann (ii) einen Markt absichtlich zu gestalten, um auf die beste Weise diese Informationen von den Marktteilnehmern zu erhalten.

Informationsfinanzierung ist ein dreiseitiger Markt: Wettende machen Vorhersagen, Leser lesen die Vorhersagen. Der Markt liefert die Vorhersagen über die Zukunft als öffentliches Gut (denn das ist der Zweck, für den er entworfen wurde).

Prognosemärkte sind ein Beispiel: Du möchtest einen bestimmten Fakt wissen, der in der Zukunft passieren wird, also richtest du einen Markt ein, auf dem die Leute auf diesen Fakt wetten. Ein weiteres Beispiel ist der Entscheidungsmarkt: Du möchtest wissen, welche von zwei Entscheidungen A oder B, basierend auf einem bestimmten Indikator M, das bessere Ergebnis liefert. Um das zu erreichen, richtest du einen bedingten Markt ein: Du bittest die Leute, auf (i) zu wetten, welche Entscheidung gewählt wird, (ii) wenn Entscheidung A gewählt wird, erhältst du den Wert von M, ansonsten null, (iii) wenn Entscheidung B gewählt wird, erhältst du den Wert von M, ansonsten null. Mit diesen drei Variablen kannst du feststellen, ob der Markt glaubt, dass Entscheidung A oder Entscheidung B vorteilhafter ist, um den Wert von M zu erhalten.

Ich erwarte, dass eine Technologie, die die Entwicklung der Informationsfinanzierung in den nächsten zehn Jahren vorantreiben wird, KI ist (egal ob große Modelle oder zukünftige Technologien). Das liegt daran, dass viele der interessantesten Anwendungen der Informationsfinanzierung mit "mikroskopischen" Fragen zu tun haben: Millionen kleiner Märkte, in denen die Entscheidungen einzeln betrachtet relativ wenig Einfluss haben. Tatsächlich können Märkte mit niedrigem Volumen oft nicht effektiv funktionieren: Für erfahrene Teilnehmer macht es keinen Sinn, Zeit mit einer detaillierten Analyse zu verbringen, nur um ein paar Hundert Dollar Gewinn zu erzielen, und viele glauben sogar, dass solche Märkte ohne Subventionen nicht funktionieren können, da es nicht genügend naive Händler gibt, die den erfahrenen Händlern Profit ermöglichen würden, abgesehen von den größten und spektakulärsten Fragen. KI hat diese Gleichung vollständig verändert, was bedeutet, dass wir sogar in Märkten mit einem Volumen von 10 US-Dollar qualitativ hochwertige Informationen erhalten können. Selbst wenn Subventionen erforderlich sind, wird der Betrag der Subventionen pro Frage sehr erschwinglich.

Informationsfinanzierung benötigt menschliche Destillation (distilled)

Bewertung

Angenommen, du hast einen vertrauenswürdigen menschlichen Bewertungsmechanismus, und dieser Mechanismus hat die Legitimität, die die gesamte Gemeinschaft ihm zuspricht, aber die Entscheidungsfindung dauert lange und ist teuer. Du möchtest jedoch zu geringeren Kosten auf eine Echtzeitversion dieses "teuren Mechanismus" zugreifen. Hier sind Robins Hansons Ideen, was du tun kannst: Jedes Mal, wenn du eine Entscheidung treffen musst, richtest du einen Prognosemarkt ein, um vorherzusagen, welches Ergebnis dieser teure Mechanismus bei der Entscheidung liefern würde. Du lässt den Prognosemarkt laufen und investierst einen kleinen Betrag, um die Market Maker zu subventionieren.

99,99 % der Zeit rufst du tatsächlich nicht den teuren Mechanismus auf: Vielleicht würdest du "Transaktionen zurückziehen" und allen ihren Einsatz zurückgeben, oder du gibst einfach jedem null, oder du siehst, ob der Durchschnittspreis näher bei 0 oder 1 liegt und betrachtest ihn als Fakt. In 0,01 % der Fälle – möglicherweise zufällig, möglicherweise für die Märkte mit dem höchsten Volumen, möglicherweise eine Kombination aus beidem – würdest du tatsächlich den teuren Mechanismus betreiben und die Teilnehmer entsprechend entschädigen.

Dies bietet dir eine vertrauenswürdige, neutrale, schnelle und kostengünstige "destillierte Version", die von dem ursprünglich hochgradig vertrauenswürdigen, aber extrem teuren Mechanismus stammt (der Begriff "destilliert" ist eine Analogie zum "Destillieren" in LLMs). Im Laufe der Zeit spiegelt dieser destillierte Mechanismus im Großen und Ganzen das Verhalten des ursprünglichen Mechanismus wider – denn nur die Teilnehmer, die zur Erreichung dieses Ergebnisses beitragen, können Geld verdienen, während andere verlieren.

Mögliche Kombinationen von Prognosemärkten + Community-Notizen-Modellen.

Das gilt nicht nur für soziale Medien, sondern auch für DAOs. Ein zentrales Problem von DAOs ist, dass es zu viele Entscheidungen gibt, an denen sich die meisten Menschen nicht beteiligen wollen, was entweder zu weit verbreitetem Delegieren führt, was die Risiken der Zentralisierung und der Delegierten-Agenten-Problematik birgt, oder sie sind anfällig für Angriffe. Wenn in einem DAO tatsächlich nur sehr selten abgestimmt wird und die meisten Dinge von Prognosemärkten entschieden werden, die durch Menschen und KI kombiniert sind, um das Abstimmungsergebnis vorherzusagen, könnte ein solches 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 das Gleichgewicht zwischen Markt und Nicht-Markt entscheidend ist: Der Markt ist der "Motor", während andere nicht-finanzielle Vertrauensmechanismen das "Lenkrad" sind.

Andere Anwendungsfälle der Informationsfinanzierung

Persönliche Token – zahlreiche Projekte wie Bitclout (jetzt deso), friend.tech, die Token für jede Person erstellen und das Spekulieren erleichtern – gehören zu der Kategorie, die ich "ursprüngliche Informationsfinanzierung" nenne. Sie schaffen absichtlich Marktpreise für bestimmte Variablen (d. h. die Erwartungen an den zukünftigen Ruf einer Person), aber die genauen Informationen, die der Preis offenbart, sind zu vage und unterliegen Reflexivität und Blasendynamik. Es besteht die Möglichkeit, verbesserte Versionen solcher Protokolle zu erstellen und wichtige Fragen wie die Talentfindung durch eine sorgfältigere Überlegung zur wirtschaftlichen Gestaltung der Token (insbesondere woher ihr letztendlicher Wert kommt) zu lösen. Robins Hansons Konzept der Ruhmsfutures ist hier ein möglicher Endzustand.

Werbung – das ultimative "teure, aber vertrauenswürdige Signal" ist, ob du das Produkt kaufen wirst. Informationen, die auf diesem Signal basieren, können genutzt werden, um den Menschen zu helfen, zu bestimmen, was sie kaufen sollten.

Wissenschaftliches Peer-Review – in der Wissenschaft gibt es seit langem eine "Reproduktionskrise", bei der einige bekannte Ergebnisse in bestimmten Kontexten Teil des Volksglaubens geworden sind, aber letztendlich in neuen Studien nicht reproduziert werden können. Wir könnten versuchen, durch Prognosemärkte zu bestimmen, welche Ergebnisse erneut überprüft werden müssen. Vor der Überprüfung würde ein solcher Markt den Lesern auch ermöglichen, schnell zu schätzen, inwieweit sie jedem bestimmten Ergebnis vertrauen sollten. Experimente mit dieser Idee wurden bereits durchgeführt und scheinen bisher erfolgreich zu sein.

Finanzierung öffentlicher Güter – eines der Hauptprobleme des öffentlichen Güterfinanzierungsmechanismus, der von Ethereum verwendet wird, ist seine "Popularitätswettbewerb"-Natur. Jeder Beitragende muss seine eigene Marketingkampagne in sozialen Medien führen, um Anerkennung zu erhalten, während es für Beitragsleistende, die nicht in der Lage sind, das zu tun oder die von Natur aus mehr "Hintergrund"-Rollen haben, schwierig ist, erhebliche Mittel zu erhalten. Eine attraktive Lösung besteht darin, zu versuchen, das gesamte Abhängigkeitsdiagramm zu verfolgen: Für jedes positive Ergebnis, welche Projekte haben dazu beigetragen, wie viel, und dann für jedes Projekt, welche anderen Projekte haben dazu beigetragen, und so weiter. Die Hauptschwierigkeit dieses Designs besteht darin, die Gewichtungen am Rand herauszufinden, sodass sie gegen Manipulationen resistent sind. Schließlich passiert diese Manipulation ständig. Ein destillierter menschlicher Bewertungsmechanismus könnte hilfreich sein.

Fazit

Diese Ideen wurden schon lange theoretisiert: Die frühesten Werke über Prognosemärkte, ja sogar Entscheidungsmärkte, sind Jahrzehnte alt, und ähnliche Diskurse in der Finanztheorie sind noch älter. Doch ich denke, dass das gegenwärtige Jahrzehnt eine einzigartige Gelegenheit bietet, aus folgenden Hauptgründen:

Informationsfinanzierung löst das Vertrauensproblem, das tatsächlich existiert. Eine gemeinsame Sorge in dieser Zeit ist der Mangel an Wissen (schlimmer noch, der Mangel an Konsens), nicht zu wissen, wem man in politischen, wissenschaftlichen und geschäftlichen Kontexten vertrauen sollte. Anwendungen der Informationsfinanzierung können helfen, Teil der Lösung zu sein.

Wir haben jetzt eine skalierbare Blockchain als Grundlage. Bis vor kurzem waren die Kosten zu hoch, um diese Ideen wirklich zu verwirklichen. Jetzt sind sie nicht mehr so hoch.

KI als Teilnehmer. Wenn Informationsfinanzierung auf menschliche Teilnahme bei jeder Frage angewiesen ist, funktioniert sie relativ schwerfällig. KI hat diese Situation erheblich verbessert, sogar bei kleinen Fragen kann ein effektiver Markt eingerichtet werden. Viele Märkte könnten eine Kombination aus KI- und menschlichen Teilnehmern haben, insbesondere wenn die Anzahl spezifischer Fragen plötzlich von klein auf groß ansteigt.

Um diese Gelegenheit voll auszuschöpfen, sollten wir über das bloße Vorhersagen von Wahlen hinausgehen und erkunden, was Informationsfinanzierung uns sonst noch bieten kann.

Besonderer Dank geht an Robin Hanson und Alex Tabarrok für ihr Feedback und ihre Kommentare.