En el ámbito de la blockchain y el software de código abierto, la distribución eficiente de fondos ha sido un problema. Hoy, un proyecto innovador llamado Deep Funding está intentando resolver este problema mediante inteligencia artificial y revisiones descentralizadas. Este proyecto, respaldado por una financiación inicial de $250,000 proporcionada por Vitalik Buterin, no solo planea abordar el problema de la distribución de recursos en el actual ecosistema de Ethereum, sino también crear un nuevo modelo para la distribución de fondos de bienes públicos en el futuro.
01. Deep Funding
¿Qué es Deep Funding?
Deep Funding es un proyecto innovador que optimiza la distribución de fondos para bienes públicos mediante IA y un mecanismo de evaluación descentralizado, con el objetivo de resolver el problema de la ineficiencia en la distribución de recursos dentro del ecosistema de Ethereum. El objetivo del proyecto es construir un sistema de distribución de fondos que sea justo, transparente y eficiente, apoyando el desarrollo sostenible a largo plazo de Ethereum y sus proyectos de código abierto clave.
Sitio oficial: https://deepfunding.org/
¿Qué problema se quiere resolver?
Actualmente, la distribución de fondos para bienes públicos de Ethereum enfrenta los siguientes problemas:
La irracionalidad de la toma de decisiones humanas: frente a problemas complejos y abstractos, a menudo es difícil para los humanos tomar juicios razonables.
Preferencia por proyectos superficiales: Los mecanismos de financiación basados en elecciones tienden a financiar proyectos que son aparentemente obvios, ignorando las dependencias tecnológicas más profundas y las contribuciones complejas.
Esto ha llevado a que algunas infraestructuras críticas pero 'ocultas' para el ecosistema de Ethereum no reciban suficiente apoyo, al tiempo que podría desperdiciarse recursos en proyectos que parecen importantes a corto plazo pero que tienen un valor limitado a largo plazo.
¿Con qué tipo de enfoque se está resolviendo el problema?
Las soluciones propuestas por Deep Funding incluyen:
1. Construcción de Deep Graph
Deep Graph es un gráfico de dependencias dinámico que muestra las relaciones de dependencia entre proyectos y asigna pesos a cada dependencia. De esta manera, las contribuciones y el valor real de los bienes públicos se visualizan, resolviendo el problema de medir las 'contribuciones invisibles'.
2. Ponderación y evaluación de modelos de IA
Entrada de datos: Información variada basada en proyectos de código abierto (como el número de estrellas, la actividad de los contribuidores, la fecha de actualización, etc.). Esto requiere que ejerzas tu imaginación y comprensión del valor de los proyectos de código abierto.
Asignación de pesos: El modelo de IA asigna pesos según la importancia de las dependencias y su impacto real, ajustando dinámicamente la distribución de fondos.
Verificación y optimización: Se realiza una revisión aleatoria del modelo por parte de un jurado para asegurar la razonabilidad de los pesos.
3. Mecanismo de evaluación del jurado
El jurado está compuesto por expertos que, al responder preguntas como '¿Cuál es más importante, el proyecto A o B?', proporcionan datos de entrenamiento para el modelo. Esta elección se debe a que tales preguntas son relativamente fáciles de discernir y responder para los humanos.
Modelo de colaboración entre humanos e IA: los humanos son responsables de la dirección y el juicio de valor, mientras que la IA proporciona apoyo en el análisis de datos. Posteriormente, se seleccionarán varios modelos que se alineen con el consenso humano para su aplicación.
4. Distribución equitativa de fondos
Distribución de fondos basada en la proporción de contribución del proyecto, también habrá una parte de incentivos para los modelos premiados.
Deep Funding no solo se utilizará para la construcción y distribución de pesos de software de código abierto; este modelo puede aplicarse a cualquier escenario que tenga dependencias y distribución. Por ejemplo: artículos académicos, música, obras cinematográficas, etc. El software de código abierto es solo un intento inicial, y Deep Funding espera convertirse en una solución aplicable a diversas situaciones.
02. Competencia de Deep Funding
Actualmente, la primera competencia de Deep Funding se centra en el repositorio de GitHub y proyectos de código abierto, construyendo un gráfico ponderado a partir de las relaciones de dependencia de los proyectos para determinar la cantidad de donaciones que debe recibir cada repositorio. Luego se enfocará en proyectos de código abierto bajo la etiqueta de Ethereum, especialmente en clientes.
El progreso actual del proyecto Deep Funding incluye:
Patrocinio y financiamiento: Vitalik Buterin proporcionó un patrocinio inicial de $250,000.
Preparación de datos: Recolección del gráfico de dependencias de Ethereum, involucrando más de 40,000 bordes de datos. Ya está preparado.
Diseño de mecanismos: Lanzamiento de una competencia de modelos de IA (que se llevará a cabo en Kaggle), actualmente se están reclutando modelos de IA.
Evaluación de prueba: Validar la efectividad del modelo mediante revisiones aleatorias del jurado; aplicar el modelo de ponderación de dependencias a proyectos relacionados con Ethereum y observar los efectos reales.
De los 250K de premio, $170k se asignarán a proyectos según el peso del gráfico de dependencias, $40k se otorgarán al modelo con el mejor desempeño en la revisión aleatoria, y $40k se premiarán a los modelos presentados como código abierto, cuya innovación será evaluada por un jurado de expertos.
Actualmente hay muchos desafíos que enfrentar
Equidad en la evaluación y mecanismos de incentivo: ¿Cómo garantizar la neutralidad del jurado y la participación activa a largo plazo? ¿Cómo construir un jurado justo y efectivo?
Efectividad del modelo de IA: ¿Cómo ponderar con precisión las dependencias profundas y evitar que el modelo sea mal utilizado o manipulado?
Mecanismo de ajuste dinámico: ¿Cómo equilibrar la autoevaluación y la revisión externa, evitando sesgos?
Fuentes de financiamiento y métodos de incentivo: ¿Cómo atraer más fondos para participar en la distribución, especialmente para contribuciones no relacionadas con el código?
Realizaremos una discusión y exploración gradual.
