Autor original: Vitalik Buterin

Fuente original: Shen Chao

Reimpresión: Koala, Mars Finance

Una de las aplicaciones de Ethereum que más me emociona son los mercados de predicción. En 2014, escribí un artículo sobre 'futarchy', un modelo de gobernanza basado en predicciones concebido por Robin Hanson. Ya en 2015, era un usuario activo y defensor de Augur. Gané 58,000 dólares en las apuestas de las elecciones de 2020. Este año, he sido un firme seguidor y defensor de Polymarket.

Para muchas personas, los mercados de predicción son simplemente apuestas en elecciones, y apostar en elecciones es jugar - si eso puede hacer que la gente se divierta, ¡eso es genial!, pero fundamentalmente no es más interesante que comprar tokens aleatorios en pump.fun. Desde este punto de vista, mi interés en los mercados de predicción parece confuso. Por lo tanto, en este artículo, mi objetivo es explicar por qué este concepto me emociona. En resumen, creo que (i) incluso los mercados de predicción existentes son una herramienta muy útil para el mundo, pero además (ii) los mercados de predicción son solo un ejemplo de una categoría más grande y poderosa que tiene el potencial de crear mejores realizaciones en medios sociales, ciencia, noticias, gobernanza y otros campos. Llamaré a esta categoría 'información financiera (info finance)'.

La dualidad de Polymarket: un sitio de apuestas para los participantes, un sitio de noticias para todos los demás.

En la última semana, Polymarket ha sido una fuente de información muy efectiva sobre las elecciones en EE. UU. Polymarket no solo predijo una probabilidad del 60/40 de que Trump ganara (mientras que otras fuentes predecían 50/50, lo cual en sí no es muy impresionante), sino que también mostró otras ventajas: cuando se conocieron los resultados, a pesar de que muchos expertos y fuentes de noticias habían estado seduciendo a la audiencia, esperando que escucharan buenas noticias para Harris, Polymarket reveló directamente la verdad: la probabilidad de que Trump ganara superaba el 95%, mientras que la probabilidad de que tomara el control de todas las agencias gubernamentales superaba el 90%.

Ambas capturas de pantalla fueron tomadas a las 3:40 a.m. del 6 de noviembre, hora del este de EE. UU.

Pero para mí, este ni siquiera es el mejor ejemplo de lo interesante que es Polymarket. Así que veamos otro ejemplo: las elecciones en Venezuela en julio. Al día siguiente de las elecciones, recuerdo haber visto por el rabillo del ojo a alguien protestando sobre los resultados de las elecciones en Venezuela, que estaban altamente manipulados. Al principio, no le presté mucha atención. Sabía que Maduro era uno de esos 'prácticamente dictadores', así que pensé que, por supuesto, falsificaría cada resultado electoral para mantener su poder, habría protestas y, por supuesto, las protestas fracasarían - desafortunadamente, muchas otras también fracasaron. Pero luego, mientras desplazaba hacia abajo en Polymarket, vi esto:

Las personas estaban dispuestas a invertir más de cien mil dólares, apostando que la probabilidad de que Maduro fuera derrocado en esta elección era del 23%. Ahora comencé a prestar atención.

Por supuesto, sabemos el desafortunado resultado de esta situación. Al final, Maduro continuó en el poder. Sin embargo, el mercado me hizo darme cuenta de que esta vez el intento de derrocar a Maduro era serio. Las protestas fueron masivas, la oposición adoptó una estrategia sorprendentemente efectiva, demostrando al mundo cuán fraudulentas eran las elecciones. Si no hubiera recibido la señal inicial de Polymarket 'esta vez, hay algo que vale la pena seguir', ni siquiera habría comenzado a prestar atención.

Nunca debes confiar completamente en los gráficos de apuestas de Polymarket: si todos creen en el gráfico de apuestas, cualquier persona con dinero puede manipular el gráfico de apuestas, y nadie se atrevería a apostar contra ellos. Por otro lado, confiar completamente en las noticias también es una mala idea. Las noticias tienen motivaciones sensacionalistas, exagerando las consecuencias de cualquier cosa por el clic. A veces, esto es razonable, a veces no. Si ves un artículo sensacionalista, pero después vas al mercado y ves que la probabilidad del evento relevante no ha cambiado en absoluto, entonces es razonable dudar. O, si ves probabilidades inesperadamente altas o bajas en el mercado, o un cambio repentino inesperado, eso es una señal para leer las noticias y ver qué lo causó. Conclusión: al leer noticias y gráficos de apuestas, puedes obtener más información que al leer cualquiera de ellos por separado.

Recapitulemos lo que está sucediendo aquí. Si eres un apostador, puedes hacer una apuesta en Polymarket, que para ti es un sitio de apuestas. Si no eres un apostador, puedes leer el gráfico de apuestas, que para ti es un sitio de noticias. Nunca debes confiar completamente en el gráfico de apuestas, pero personalmente he incluido la lectura del gráfico de apuestas como un paso en mi flujo de trabajo de recopilación de información (junto con los medios tradicionales y las redes sociales), que me ayuda a obtener más información de manera más efectiva.

La información financiera en un sentido más amplio

Ahora, entramos en la parte importante: predecir los resultados de las elecciones es solo la primera aplicación. El concepto más amplio es que puedes usar las finanzas como una forma de mecanismo de incentivos de coordinación para proporcionar información valiosa a la audiencia. Ahora, una respuesta natural es: ¿no está todo el financiamiento fundamentalmente relacionado con la información? Diferentes participantes tomarán decisiones de compra y venta diferentes porque tienen diferentes perspectivas sobre lo que sucederá en el futuro (aparte de las necesidades personales, como la tolerancia al riesgo y el deseo de cobertura), y puedes inferir mucha información sobre el mundo leyendo los precios del mercado.

Para mí, la información financiera es así, pero estructuralmente correcta. Similar al concepto de estar estructuralmente correcto en la ingeniería de software, la información financiera es una disciplina que requiere que (i) comiences con los hechos que deseas conocer, y luego (ii) diseñes deliberadamente un mercado para obtener esa información de la mejor manera posible de los participantes del mercado.

La información financiera es un mercado de tres lados: los apostadores hacen predicciones, los lectores leen las predicciones. El mercado produce predicciones sobre el futuro como un bien público (ya que ese es su propósito).

Los mercados de predicción son un ejemplo: quieres saber un hecho específico sobre lo que sucederá en el futuro, así que estableces un mercado para que la gente apueste sobre ese hecho. Otro ejemplo es el mercado de decisiones: quieres saber cuál de las decisiones A o B producirá un mejor resultado según algún indicador M. Para hacerlo, estableces un mercado condicional: pides a la gente que apueste (i) cuál decisión será elegida, (ii) si se elige la decisión A, obtendrá el valor de M, de lo contrario, cero, (iii) si se elige la decisión B, obtendrá el valor de M, de lo contrario, cero. Con estas tres variables, puedes determinar si el mercado cree que la decisión A o B es más ventajosa para obtener el valor de M.

Espero que una tecnología que impulse el desarrollo de la información financiera en la próxima década sea la IA (ya sea modelos grandes o tecnologías futuras).

Esto se debe a que muchas de las aplicaciones más interesantes de la información financiera están relacionadas con problemas 'micro': millones de pequeños mercados donde las decisiones tienen un impacto relativamente pequeño cuando se ven de manera individual. De hecho, los mercados con bajo volumen suelen no funcionar de manera efectiva: para los participantes experimentados, gastar tiempo analizando en detalle para obtener unas pocas cientos de dólares de ganancia no tiene sentido, y muchos incluso consideran que sin subsidios, tales mercados no pueden funcionar, ya que no hay suficientes comerciantes inexpertos para que los comerciantes experimentados obtengan ganancias, excepto en los problemas más grandes y llamativos. La IA ha cambiado completamente esta ecuación, lo que significa que incluso en mercados con un volumen de 10 dólares, todavía podemos obtener información de calidad razonable. Incluso si se requieren subsidios, los montos de subsidio por problema se vuelven muy asequibles.

La información financiera necesita la destilación humana.

Juicio

Supongamos que tienes un mecanismo de juicio confiable, y que ese mecanismo tiene la legitimidad de la confianza de toda la comunidad, pero hacer un juicio lleva mucho tiempo y cuesta mucho. Sin embargo, deseas acceder en tiempo real a al menos una copia aproximada de ese 'mecanismo costoso' a bajo costo. Aquí hay algunas ideas de lo que podrías hacer, propuestas por Robin Hanson: cada vez que necesites tomar una decisión, estableces un mercado de predicción que prediga qué resultado daría ese mecanismo costoso si se invocara. Haces que el mercado de predicción funcione y aportas una pequeña cantidad de dinero para subsidiar a los creadores de mercado.

El 99.99% del tiempo, en realidad no invocarás el mecanismo costoso: tal vez 'anules la transacción' y devuelvas las aportaciones de todos, o simplemente le des a cada uno cero, o veas si el precio medio se acerca más a 0 o 1 y lo consideres un hecho básico. El 0.01% del tiempo - que puede ser aleatorio, puede ser dirigido a los mercados más activos, o puede ser una combinación de ambos - en realidad invocarás el mecanismo costoso y compensarás a los participantes en consecuencia.

Esto te proporciona una versión 'destilada' confiable, neutral, rápida y barata, que es tu mecanismo original altamente confiable pero extremadamente costoso (utilizando el término 'destilado' como una analogía con 'destilación' en LLM). Con el tiempo, este mecanismo destilado refleja aproximadamente el comportamiento del mecanismo original, porque solo los participantes que ayudan a lograr ese resultado pueden ganar dinero, mientras que los demás perderán.

Modelo de combinación de mercados de predicción posibles + notas comunitarias.

Esto se aplica no solo a las redes sociales, sino también a las DAO. Un problema principal de las DAO es que hay demasiadas decisiones y la mayoría de las personas no están dispuestas a participar, lo que lleva a un uso generalizado de la delegación, con el riesgo común de centralización y fallos de agencia que se encuentran en la democracia representativa, o a ser susceptibles a ataques. Si en la DAO realmente se vota poco, y la mayoría de las decisiones se toman a través de un mercado de predicciones determinado por humanos y AI, entonces esta DAO podría funcionar bien.

Como hemos visto en el ejemplo del mercado de decisiones, la información financiera contiene muchos caminos potenciales para resolver problemas importantes en la gobernanza descentralizada, siendo clave el equilibrio entre el mercado y lo no mercantil: el mercado es el 'motor', mientras que otros mecanismos de confianza no financieros son el 'volante'.

Otros casos de uso de la información financiera

Tokens personales: muchos proyectos como Bitclout (ahora conocido como deso), friend.tech, que crean tokens para cada persona y facilitan su especulación, son una clase que llamo 'información financiera primitiva'. Crean deliberadamente precios de mercado para variables específicas (es decir, la expectativa de la reputación futura de una persona), pero la información exacta que revela el precio es demasiado difusa y sujeta a dinámicas de reflexividad y burbujas. Es posible crear versiones mejoradas de tales protocolos, abordando problemas importantes como el descubrimiento de talentos, al considerar más cuidadosamente el diseño económico del token (especialmente de dónde proviene su valor final). La idea de los futuros de reputación de Robin Hanson es un posible estado final aquí.

Publicidad: la 'señal costosa pero confiable' final es si comprarías un producto. La información financiera basada en esa señal puede ayudar a las personas a determinar qué comprar.

Revisión por pares científica: la comunidad científica ha enfrentado una 'crisis de reproducibilidad', donde ciertos resultados notables se han convertido en parte del conocimiento común en algunas circunstancias, pero luego no pueden ser reproducidos en nuevas investigaciones. Podemos intentar utilizar mercados de predicción para identificar los resultados que necesitan ser revisados nuevamente. Antes de la revisión, tales mercados también permiten a los lectores estimar rápidamente hasta qué punto deberían confiar en cualquier resultado específico. La experimentación con esta idea ya se ha realizado y, hasta ahora, parece haber tenido éxito.

Financiamiento de bienes públicos: uno de los principales problemas del mecanismo de financiamiento de bienes públicos utilizado en Ethereum es su naturaleza de 'competencia por popularidad'. Cada contribuyente necesita hacer su propia campaña de marketing en las redes sociales para ser reconocido, y es difícil para aquellos que no tienen la capacidad de hacerlo o que tienen más 'antecedentes' recibir financiamiento significativo. Una solución atractiva es intentar rastrear todo el gráfico de dependencia: para cada resultado positivo, qué proyectos contribuyeron y cuánto, y luego para cada proyecto, qué otros proyectos contribuyeron y así sucesivamente. El principal desafío de este diseño es encontrar los pesos marginales que puedan resistir la manipulación. Después de todo, esta manipulación ha estado ocurriendo. Los mecanismos de juicio humano destilados podrían ayudar.

Conclusión

Estas ideas han sido teorizadas durante mucho tiempo: las primeras obras sobre mercados de predicción e incluso mercados de decisión tienen décadas de antigüedad, mientras que los relatos similares en teoría financiera son aún más antiguos. Sin embargo, creo que la década actual ofrece una oportunidad única, principalmente por las siguientes razones:

La información financiera aborda el problema de confianza que realmente existe entre las personas. Una preocupación común de esta era es la falta de conocimiento (peor aún, la falta de consenso), no saber en quién confiar en los entornos político, científico y comercial. Las aplicaciones de información financiera pueden ayudar a ser parte de la solución.

Ahora tenemos una blockchain escalable como base. Hasta hace poco, las tarifas eran demasiado altas para implementar realmente estas ideas. Ahora, ya no son tan altas.

IA como participante. Cuando la información financiera debe depender de la participación humana en cada cuestión, es relativamente difícil de implementar. La IA mejora enormemente esta situación, permitiendo mercados efectivos incluso en cuestiones de menor escala. Muchos mercados pueden tener una combinación de participantes humanos y de IA, especialmente cuando el número de cuestiones específicas cambia repentinamente de pequeño a grande.

Para aprovechar al máximo esta oportunidad, deberíamos ir más allá de simplemente predecir elecciones y explorar qué más puede ofrecernos la información financiera.

Un agradecimiento especial a Robin Hanson y Alex Tabarrok por sus comentarios y críticas.