Vitaliks neuer Artikel: Nicht nur Vorhersagemärkte, Polymarket könnte die Informationsfinanzierung neu gestalten

Originaltitel: Von Vorhersagemärkten zur Informationsfinanzierung

Originalautor: Vitalik Buterin
Originalübersetzung: 0xjs, Goldene Finanz

Eine der aufregendsten Anwendungen von Ethereum sind Vorhersagemärkte. Im Jahr 2014 schrieb ich einen Artikel über Futarchy, ein von Robin Hanson konzipiertes, auf Vorhersagen basierendes Governance-Modell. Bereits 2015 war ich ein aktiver Benutzer und Befürworter von Augur (sehen Sie, mein Name steht im Wikipedia-Artikel). Bei den Wetten der Präsidentschaftswahlen 2020 habe ich 58.000 Dollar verdient. In diesem Jahr bin ich ein enger Unterstützer und Verfolger von Polymarket.

Für viele Menschen bedeuten Vorhersagemärkte Wetten auf Wahlen, und Wetten auf Wahlen bedeutet Glücksspiel - wenn es den Menschen Spaß macht, ist das großartig, aber grundsätzlich ist es nicht spannender als der Kauf zufälliger Token auf pump.fun. Aus dieser Perspektive scheint mein Interesse an Vorhersagemärkten verwirrend. Daher beabsichtige ich in diesem Artikel, die Gründe zu erklären, warum dieses Konzept mich begeistert. Kurz gesagt, ich glaube, dass (i) selbst bestehende Vorhersagemärkte ein sehr nützliches Werkzeug für die Welt sind, aber darüber hinaus (ii) Vorhersagemärkte nur ein Beispiel für eine größere, sehr mächtige Kategorie sind, die das Potenzial hat, bessere soziale Medien, Wissenschaft, Nachrichten, Governance und andere Bereiche zu schaffen. Ich werde diese Kategorie als „Informationsfinanzierung“ bezeichnen.

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

In der letzten Woche war Polymarket eine sehr effektive Informationsquelle über die US-Wahlen. Polymarket prognostizierte nicht nur die Wahrscheinlichkeit, dass Trump gewinnt, mit 60/40 (während andere Quellen eine Prognose von 50/50 abgaben, was für sich genommen nicht besonders beeindruckend ist), sondern auch andere Vorteile: Als das Ergebnis bekannt wurde, deckte Polymarket direkt die Wahrheit auf: Die Wahrscheinlichkeit, dass Trump gewinnt, liegt über 95%, während die Wahrscheinlichkeit, alle Regierungsabteilungen zu kontrollieren, über 90% liegt.

Die beiden Screenshots wurden am 6. November um 3:40 Uhr Eastern Time aufgenommen.

Aber für mich ist das nicht einmal das interessanteste Beispiel von Polymarket. Lassen Sie uns ein weiteres Beispiel betrachten: die Wahlen in Venezuela im Juli. Am Tag nach den Wahlen erinnere ich mich, dass ich im Augenwinkel sah, dass jemand gegen die stark manipulierten Wahlergebnisse in Venezuela protestierte. Zunächst schenkte ich dem nicht viel Beachtung. Ich wusste, dass Maduro einer dieser „de facto Diktatoren“ war, also dachte ich, dass er natürlich jedes Wahlergebnis fälschen würde, um an der Macht zu bleiben, und dass es natürlich Proteste geben würde und dass die Proteste scheitern würden - leider scheiterten viele andere auch. Aber als ich durch Polymarket scrollte, sah ich das hier:

Menschen sind bereit, über hunderttausend Dollar zu investieren, um die Wahrscheinlichkeit zu wetten, dass Maduro bei dieser Wahl gestürzt wird, mit 23%. Jetzt beginne ich, aufmerksam zu werden.

Natürlich kennen wir die unglücklichen Ergebnisse dieser Situation. Am Ende blieb Maduro tatsächlich an der Macht. Allerdings ließ mich der Markt erkennen, dass der Versuch, Maduro zu stürzen, diesmal ernst gemeint war. Die Proteste waren riesig, die Opposition hatte eine überraschend gut ausgeführte Strategie, um der Welt zu zeigen, wie betrügerisch die Wahl war. Wenn ich nicht das ursprüngliche Signal von Polymarket erhalten hätte - „diesmal gibt es etwas, das es wert ist, beachtet zu werden“ - hätte ich nicht einmal angefangen, genauer hinzuschauen.

Sie sollten den Wettgrafiken von Polymarket niemals vollständig vertrauen: Wenn jeder den Wettgrafiken vertraut, kann jeder reiche Mensch die Wettgrafiken manipulieren, sodass niemand es wagt, gegen sie zu wetten. Auf der anderen Seite ist es auch eine schlechte Idee, den Nachrichten vollständig zu vertrauen. Nachrichten haben sensationelle Motive und übertreiben die Folgen von allem für Klicks. Manchmal ist das gerechtfertigt, manchmal nicht. Wenn Sie einen reißerischen Artikel sehen, aber dann zum Markt gehen und feststellen, dass sich die Wahrscheinlichkeit des relevanten Ereignisses überhaupt nicht geändert hat, ist Skepsis auch gerechtfertigt. Oder wenn Sie eine unerwartet hohe oder niedrige Wahrscheinlichkeit oder unerwartete plötzliche Veränderungen im Markt sehen, ist das ein Signal, um die Nachrichten zu lesen und zu sehen, was den Grund dafür ausmacht. Fazit: Durch das Lesen von Nachrichten und Wettgrafiken können Sie mehr Informationen erhalten als durch das bloße Lesen von einer der beiden.

Lassen Sie uns zusammenfassen, was hier passiert. Wenn Sie ein Wettspieler sind, können Sie auf Polymarket wetten; für Sie ist das eine Wettseite. Wenn Sie kein Wettspieler sind, können Sie die Wettgrafiken lesen; für Sie ist das eine Nachrichtenwebsite. Sie sollten den Wettgrafiken niemals vollständig vertrauen, aber ich persönlich habe das Lesen der Wettgrafiken als einen Schritt in meinem Informationssammlungsworkflow (neben traditionellen Medien und sozialen Medien) integriert, das mir hilft, effizienter mehr Informationen zu erhalten.

Informationsfinanzierung in einem breiteren Sinne

Nun kommen wir zum wichtigen Teil: Die Vorhersage von Wahlergebnissen ist nur die erste Anwendung. Das breitere Konzept ist, dass Sie Finanzen als eine Art Koordinationsanreizmechanismus verwenden können, um wertvolle Informationen für das Publikum bereitzustellen. Eine natürliche Reaktion ist jetzt: Sind nicht alle Finanzen grundsätzlich mit Informationen verbunden? Unterschiedliche Teilnehmer treffen unterschiedliche Kauf- und Verkaufsentscheidungen, weil sie unterschiedliche Vorstellungen davon haben, was in Zukunft passieren wird (abgesehen von individuellen Bedürfnissen wie Risikoneigung und Hedging-Wünschen), und Sie können durch das Lesen der Marktpreise viel Wissen über die Welt ableiten.

Für mich ist Informationsfinanzierung so, aber strukturell richtig. Ähnlich dem Konzept der strukturellen Richtigkeit in der Softwaretechnik ist Informationsfinanzierung ein Fachgebiet, das erfordert, dass Sie (i) mit den Fakten beginnen, die Sie wissen möchten, und dann (ii) einen Markt absichtlich entwerfen, um diese Informationen auf die bestmögliche Weise von den Marktteilnehmern zu erhalten.

Informationsfinanzierung ist ein Dreiecksmarkt: Wettende machen Vorhersagen, Leser lesen Vorhersagen. Der Markt wird Vorhersagen über die Zukunft als öffentliches Gut ausgeben (weil dies der Zweck ist, für den er entworfen wurde).

Vorhersagemärkte sind ein Beispiel: Sie möchten wissen, welches spezifische Faktum in der Zukunft eintreten wird, also richten Sie einen Markt ein, damit die Menschen auf dieses Faktum wetten. Ein anderes Beispiel sind Entscheidungs Märkte: Sie möchten wissen, welche Entscheidung A oder B basierend auf einem bestimmten Kriterium M zu besseren Ergebnissen führen wird. Um dies zu erreichen, richten Sie einen Bedingungsmarkt ein: Sie fordern die Menschen auf zu wetten (i) welche Entscheidung gewählt wird, (ii) wenn Entscheidung A gewählt wird, dann den Wert von M, sonst null, (iii) wenn Entscheidung B gewählt wird, dann den Wert von M, sonst null. Mit diesen drei Variablen können Sie bestimmen, ob der Markt denkt, dass Entscheidung A oder B vorteilhafter für den Wert von M ist.

Ich erwarte, dass eine Technologie, die die Entwicklung der Informationsfinanzierung im nächsten Jahrzehnt vorantreiben wird, KI ist (ob große Modelle oder zukünftige Technologien). Das liegt daran, dass viele der interessantesten Anwendungen der Informationsfinanzierung mit „mikroskopischen“ Problemen zu tun haben: Millionen von kleinen Märkten, in denen die Entscheidungen einzeln betrachtet relativ geringe Auswirkungen haben. Tatsächlich können Märkte mit niedrigem Handelsvolumen normalerweise nicht effektiv arbeiten: Für erfahrene Teilnehmer macht es keinen Sinn, Zeit für detaillierte Analysen aufzuwenden, nur um ein paar hundert Dollar Gewinn zu erzielen, und viele glauben sogar, dass solche Märkte ohne Subventionen überhaupt nicht funktionieren können, da es nicht genügend naive Händler gibt, die erfahrenen Händlern Gewinne bringen, außer bei den größten und umstrittensten Fragen. KI hat diese Gleichung vollständig verändert, was bedeutet, dass selbst in einem Markt mit einem Handelsvolumen von 10 Dollar die Möglichkeit besteht, relativ hochwertige Informationen zu erhalten. Selbst wenn Subventionen erforderlich sind, werden die Beträge für jedes Problem sehr erschwinglich.

Informationsfinanzierung benötigt die Destillation von Menschen

Urteil

Angenommen, Sie haben einen vertrauenswürdigen menschlichen Urteilsmechanismus, und dieser Mechanismus hat die Legitimität, die die gesamte Gemeinschaft ihm zutraut, aber die Urteilsfindung dauert lange und ist kostspielig. Sie möchten jedoch kostengünstig in Echtzeit auf zumindest eine Näherungskopie dieses „teuren Mechanismus“ zugreifen. Hier sind einige Ideen, die Robin Hanson vorgeschlagen hat: Jedes Mal, wenn Sie eine Entscheidung treffen müssen, richten Sie einen Vorhersagemarkt ein, um vorherzusagen, welches Ergebnis der teure Mechanismus bei dieser Entscheidung liefern würde. Sie lassen den Vorhersagemarkt laufen und investieren eine kleine Menge Geld, um die Marktteilnehmer zu subventionieren.

99,99% der Zeit rufen Sie tatsächlich keine teuren Mechanismen auf: Vielleicht werden Sie „Transaktionen zurückziehen“ und jedem seinen Einsatz zurückgeben, oder Sie geben einfach jedem null, oder Sie schauen, ob der Durchschnittspreis näher bei 0 oder 1 liegt und betrachten ihn als grundlegende Tatsache. 0,01% der Zeit - möglicherweise zufällig, möglicherweise in den Märkten mit dem höchsten Volumen, möglicherweise eine Kombination aus beidem - werden Sie tatsächlich teure Mechanismen ausführen und die Teilnehmer entsprechend entschädigen.

Dies bietet Ihnen eine vertrauenswürdige, neutrale, schnelle und kostengünstige „destillierte Version“, die von Ihrem ursprünglich hochgradig vertrauenswürdigen, aber extrem kostspieligen Mechanismus stammt (unter Verwendung des Begriffs „destilliert“ im Sinne von „distilled“ in LLMs). Im Laufe der Zeit spiegelt dieser Destillationsmechanismus weitgehend das Verhalten des ursprünglichen Mechanismus wider - denn nur die Teilnehmer, die dazu beigetragen haben, dieses Ergebnis zu erzielen, können Geld verdienen, während andere verlieren werden.

Modelle möglicher Vorhersagemärkte + Community-Notizen Kombination.

Das gilt nicht nur für soziale Medien, sondern auch für DAOs. Ein Hauptproblem von DAOs ist, dass die Anzahl der Entscheidungen zu hoch ist und die meisten Menschen nicht bereit sind, sich daran zu beteiligen, was entweder zu einer weit verbreiteten Delegation führt, die das Risiko der Zentralisierung und der Probleme der repräsentativen Demokratie birgt, oder leicht angreifbar ist. Wenn in einem DAO tatsächlich nur sehr wenig abgestimmt wird und die meisten Dinge durch Vorhersagemärkte entschieden werden, die von Menschen und KI kombiniert werden, um die Abstimmungsergebnisse vorherzusagen, könnte ein solches DAO gut funktionieren.

Wie wir im Beispiel der Entscheidungs Märkte gesehen haben, birgt die Informationsfinanzierung viele potenzielle Wege zur Lösung wichtiger Probleme in der dezentralen Governance, wobei der Schlüssel im Gleichgewicht zwischen Markt und Nicht-Markt liegt: Märkte sind der „Motor“, andere nicht-finanzielle Vertrauensmechanismen sind das „Lenkrad“.

Andere Anwendungsfälle der Informationsfinanzierung

Persönliche Token - viele Projekte wie Bitclout (jetzt Deso), friend.tech usw. schaffen Token für jeden und erleichtern die Spekulation - sind eine Art, die ich als „ursprüngliche Informationsfinanzierung“ bezeichne. Sie schaffen absichtlich Marktpreise für bestimmte Variablen (d.h. die Erwartungen an den zukünftigen Ruf einer Person), aber die genauen Informationen, die die Preise offenbaren, sind zu vage und unterliegen Reflexivität und Dynamiken von Blasen. Es besteht die Möglichkeit, verbesserte Versionen solcher Protokolle zu erstellen und wichtige Probleme wie Talententdeckung durch sorgfältigere Überlegung zum ökonomischen Design der Token (insbesondere woher ihr endgültiger Wert kommt) anzugehen. Robins Hansons Konzept von Ruf-Futures ist hier ein möglicher Endzustand.

Werbung - das ultimative „teure, aber vertrauenswürdige Signal“ ist, ob Sie ein Produkt kaufen werden. Informationsfinanzierung basierend auf diesem Signal kann genutzt werden, um den Menschen zu helfen, zu bestimmen, was sie kaufen sollen.

Wissenschaftliches Peer-Review - In der Wissenschaftsgemeinschaft gibt es seit langem eine „Reproduktionskrise“, bei der einige bekannte Ergebnisse in bestimmten Fällen Teil des Volkswissens geworden sind, aber schließlich in neuen Studien nicht reproduziert werden können. Wir können versuchen, durch Vorhersagemärkte zu bestimmen, welche Ergebnisse erneut überprüft werden müssen. Vor der Überprüfung würde ein solcher Markt es Lesern auch ermöglichen, schnell zu schätzen, inwieweit sie einem 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 „Beliebtheitswettbewerbs“-Natur. Jeder Beitragende muss seine eigene Marketingkampagne in sozialen Medien durchführen, um Anerkennung zu erlangen, während es für diejenigen, die nicht in der Lage sind, dies zu tun oder von Natur aus mehr „Hintergrund“-Rollen haben, schwierig ist, erhebliche Mittel zu erhalten. Eine attraktive Lösung besteht darin, zu versuchen, das gesamte Abhängigkeiten-Diagramm nachzuverfolgen: Für jedes positive Ergebnis, welche Projekte haben dazu beigetragen, und dann für jedes Projekt, welche Projekte haben dazu beigetragen, usw. Die Hauptschwierigkeit bei diesem Design besteht darin, die Gewichtungen der Ränder herauszufinden, um Manipulationen abzuhalten. Schließlich geschieht diese Manipulation schon seit geraumer Zeit. Ein destillierter menschlicher Urteilsmechanismus könnte hilfreich sein.

Fazit

Diese Ideen sind schon lange theoretisiert worden: Die frühesten Arbeiten über Vorhersagemärkte, sogar Entscheidungs Märkte, sind Jahrzehnte alt, während ähnliche Diskurse in der Finanztheorie noch älter sind. Ich glaube jedoch, dass das aktuelle Jahrzehnt eine einzigartige Gelegenheit bietet, hauptsächlich aus folgenden Gründen:

Informationsfinanzierung löst das Vertrauensproblem, das tatsächlich existiert. Ein gemeinsames Anliegen dieser Zeit ist der Mangel an Wissen (schlimmer noch, der Mangel an Konsens) darüber, wem man in politischen, wissenschaftlichen und geschäftlichen Kontexten vertrauen sollte. Anwendungen der Informationsfinanzierung können dazu beitragen, Teil der Lösung zu werden.

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

KI als Teilnehmer. Wenn die Informationsfinanzierung auf menschliche Beteiligung bei jedem Problem angewiesen ist, ist sie relativ schwerfällig. KI hat diese Situation erheblich verbessert, sodass sogar bei kleinen Problemen effektive Märkte realisiert werden können. Viele Märkte könnten eine Kombination aus KI- und menschlichen Teilnehmern aufweisen, insbesondere wenn die Anzahl der spezifischen Probleme plötzlich von klein auf groß steigt.

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

Besonderer Dank für das Feedback und die Kommentare von Robin Hanson und Alex Tabarrok.

Originallink