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. Desde 2015, he sido un usuario activo y defensor de Augur (mira, mi nombre está en el artículo de Wikipedia). Gané 58,000 dólares en las apuestas de las elecciones de 2020. Este año, he sido un firme defensor y seguidor de Polymarket.


Para muchas personas, los mercados de predicción son apuestas sobre elecciones, y apostar sobre elecciones es juego - si puede hacer que las personas se diviertan, eso está bien, pero en esencia, no es más divertido que comprar tokens aleatorios en pump.fun. Desde esta perspectiva, mi interés en los mercados de predicción parece desconcertante. 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 herramientas muy útiles 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 implementaciones en redes sociales, ciencia, noticias, gobernanza y otros campos. Llamaré a esta categoría "información financiera".


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 Estados Unidos. Polymarket no solo predijo que la probabilidad de que Trump ganara era de 60/40 (mientras que otras fuentes predecían 50/50, lo cual no es tan impresionante), sino que también mostró otras ventajas: cuando se anunciaron los resultados, a pesar de que muchos expertos y fuentes de noticias habían estado seduciendo a la audiencia con la esperanza de escuchar noticias favorables a Harris, Polymarket reveló directamente la verdad: la probabilidad de que Trump ganara era superior al 95%, mientras que la probabilidad de tomar el control de todos los departamentos gubernamentales era superior al 90%.



Ambas capturas de pantalla fueron tomadas a las 3:40 AM ET del 6 de noviembre.


Pero para mí, este ni siquiera es el mejor ejemplo de lo interesante de 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 contra los resultados de las elecciones de Venezuela, que estaban altamente manipulados. Al principio, no le presté mucha atención. Sabía que Maduro era uno de esos "prácticamente dictadores", así que pensé, seguramente falsificará los resultados de cada elección para mantenerse en el poder, y por supuesto habría protestas, y por supuesto las protestas fallarían - desafortunadamente, muchos otros fracasaron. Pero luego, mientras navegaba por Polymarket, vi esto:


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


Por supuesto, sabemos el resultado desafortunado de esta situación. Al final, Maduro sí continuó en el poder. Sin embargo, el mercado me hizo darme cuenta de que esta vez, los intentos de derrocar a Maduro eran serios. Las protestas fueron masivas y la oposición presentó una estrategia sorprendentemente bien ejecutada, demostrando al mundo cuán fraudulentas eran las elecciones. Si no hubiera recibido la señal inicial de Polymarket que decía "esta vez, hay algo que vale la pena observar", ni siquiera habría comenzado a prestar atención.


Nunca debes confiar completamente en los gráficos de apuestas de Polymarket: si todos confían en los gráficos de apuestas, entonces cualquier persona con dinero puede manipular los gráficos de apuestas, y nadie se atreve a apostar contra ellos. Por otro lado, confiar completamente en las noticias también es una mala idea. Las noticias tienen motivaciones sensacionalistas y exageran las consecuencias de cualquier cosa para obtener clics. A veces, eso es razonable y a veces no. Si ves un artículo sensacionalista, pero luego vas al mercado y descubres que la probabilidad del evento relacionado no ha cambiado en absoluto, entonces es razonable dudar. O si ves una probabilidad inesperadamente alta o baja en el mercado, o un cambio repentino inesperado, eso es una señal para que leas las noticias y veas qué lo causó. Conclusión: al leer noticias y gráficos de apuestas, puedes obtener más información que al leer cualquiera de ellos por separado.


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


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 la información financiera como una forma de coordinar un mecanismo de incentivos para proporcionar información valiosa a la audiencia. Ahora, una reacción natural es: ¿no está toda la información financiera fundamentalmente relacionada con la información? Diferentes participantes tomarán diferentes decisiones de compra y venta porque tienen diferentes visiones sobre lo que sucederá en el futuro (además de necesidades personales, como la preferencia de riesgo y el deseo de cobertura), y puedes inferir mucho sobre el mundo al leer los precios del mercado.

Para mí, la información financiera es así, pero estructuralmente correcta. Similar al concepto de ser 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 tripartito: los apostadores hacen predicciones, los lectores leen las predicciones. El mercado tomará las predicciones futuras como un bien público (porque ese es su propósito de diseño).

Los mercados de predicción son un ejemplo: quieres saber un hecho específico que sucederá en el futuro, así que estableces un mercado para que las personas apuesten sobre ese hecho. Otro ejemplo es el mercado de decisiones: quieres saber cuál de las decisiones A y B producirá un mejor resultado según un cierto indicador M. Para lograr esto, estableces un mercado condicional: pides a las personas que apuesten (i) qué decisión será elegida, (ii) si se elige la decisión A, el valor de M, de lo contrario cero, (iii) si se elige la decisión B, el valor de M, de lo contrario cero. Con estas tres variables, puedes determinar si el mercado cree que la decisión A o la decisión B es más favorable 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 en cada uno afectan relativamente poco. De hecho, los mercados con bajo volumen de transacciones a menudo no pueden funcionar de manera efectiva: para los participantes experimentados, no tiene sentido dedicar tiempo a un análisis detallado solo para obtener unas pocas cientos de dólares de ganancias, y muchas personas incluso piensan que tales mercados no pueden funcionar sin subsidios, porque no hay suficientes comerciantes inexpertos para que los comerciantes experimentados obtengan ganancias, excepto en los problemas más grandes y sensacionales. La IA cambia completamente esta ecuación, lo que significa que incluso en mercados con un volumen de transacciones de 10 dólares, podemos obtener información de calidad razonablemente alta. Incluso cuando se requieren subsidios, las cantidades de subsidios por pregunta se vuelven muy asequibles.


La información financiera requiere la destilación humana.

Juicio

Supón que tienes un mecanismo de juicio humano confiable y que ese mecanismo tiene la legitimidad de toda la comunidad detrás de él, pero hacer un juicio toma mucho tiempo y es costoso. Sin embargo, deseas acceder en tiempo real a al menos una copia aproximada de ese "mecanismo costoso" a bajo costo. Aquí hay una idea de lo que puedes hacer, según Robin Hanson: cada vez que necesites tomar una decisión, estableces un mercado de predicciones que predice qué resultado dará el mecanismo costoso si se invoca. Haces que el mercado de predicciones funcione y aportas una pequeña cantidad de dinero para subsidiar a los creadores de mercado.


El 99.99% del tiempo, en realidad no invocarás mecanismos costosos: tal vez "restituyas las transacciones" y devuelvas las contribuciones a todos, o simplemente le des a todos un cero, o mires si el precio promedio está más cerca de 0 o 1 y lo consideres un hecho básico. El 0.01% del tiempo - que podría ser aleatorio, podría ser en el mercado con más volumen de transacciones, o una combinación de ambos - realmente ejecutarás un mecanismo costoso y compensarás a los participantes en consecuencia.


Esto te ofrece una versión "destilada" que es confiable, neutral, rápida y barata, la cual es un mecanismo altamente confiable que tenías originalmente pero a un costo muy alto (usando la palabra "destilado" como analogía al "destilado" 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 pierden.


Modelo de combinación de mercados de predicción + notas de la comunidad.


Esto se aplica no solo a las redes sociales, sino también a las DAO. Uno de los principales problemas 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, lo que conlleva el riesgo de centralización y fallas de agencia comunes en la democracia representativa, o que sea fácilmente atacable. Si en la DAO en realidad hay pocas votaciones, y la mayoría de las cosas son decididas por el mercado de predicciones, donde humanos y AI combinan predicciones sobre los resultados de las votaciones, entonces esta DAO podría funcionar bien.


Como vimos 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 lo que es mercado y lo que no lo es: el mercado es el "motor" y otros mecanismos de confianza no financieros son el "volante".


Otros casos de uso de la información financiera


Tokens personales - Proyectos como Bitclout (ahora deso), friend.tech y muchos otros que crean tokens para cada persona y facilitan la especulación, son una categoría que llamo "información financiera primitiva". Ellos crean deliberadamente precios de mercado para variables específicas (es decir, las expectativas sobre la futura reputación de una persona), pero la información exacta que los precios revelan es demasiado difusa y está sujeta a la reflexividad y dinámicas de burbuja. Es posible crear versiones mejoradas de este tipo de protocolos y abordar problemas importantes como el descubrimiento de talento mediante un diseño económico más cuidadoso de los tokens (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 cara pero confiable" final es si comprarás 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 estado lidiando con una "crisis de reproducibilidad", donde ciertos resultados famosos se han convertido en parte del conocimiento popular, pero que finalmente no se pueden reproducir en nuevas investigaciones. Podemos intentar determinar qué resultados necesitan ser revisados a través de un mercado de predicciones. Antes de la revisión, tales mercados también permiten a los lectores estimar rápidamente hasta qué punto deberían confiar en cualquier resultado particular. Se han realizado experimentos sobre esta idea y, hasta ahora, parece haber tenido éxito.


Financiación de bienes públicos - Uno de los principales problemas del mecanismo de financiación de bienes públicos utilizado en Ethereum es su naturaleza de "competencia de popularidad". Cada contribuyente necesita llevar a cabo su propia campaña de marketing en las redes sociales para obtener reconocimiento, y aquellos que no tienen la capacidad de hacerlo o que tienen un papel "de fondo" más grande tienen dificultades para obtener financiación significativa. Una solución atractiva sería intentar rastrear todo el gráfico de dependencia: para cada resultado positivo, qué proyectos contribuyeron a ello y luego para cada proyecto, qué proyectos contribuyeron a él, y así sucesivamente. El principal desafío de diseño de esto es determinar el peso de los márgenes para que resista la manipulación. Después de todo, esta manipulación ha estado ocurriendo. Los mecanismos de juicio humano destilados podrían ser útiles.


Conclusión


Estas ideas han sido teorizadas durante mucho tiempo: las primeras obras sobre mercados de predicción e incluso mercados de decisiones datan de hace décadas, y los discursos 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 resuelve 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), sin saber en quién confiar en los ámbitos 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 hacer realidad estas ideas. Ahora, ya no son tan altas.

IA como participante. Cuando la información financiera tiene que depender de la participación humana en cada pregunta, es relativamente difícil de implementar. La IA ha mejorado enormemente esta situación, permitiendo mercados efectivos incluso en problemas de pequeña escala. Muchos mercados pueden tener una combinación de participantes humanos y de IA, especialmente cuando el número de preguntas específicas cambia repentinamente de pequeño a grande.