Source de l'article : LXDAO
Dans le domaine de la blockchain et de l'open source, la distribution efficace des fonds a toujours été un défi. Aujourd'hui, un projet innovant appelé Financement Profond tente de résoudre ce problème à l'aide de l'intelligence artificielle et d'une évaluation décentralisée. Ce projet soutenu par Vitalik Buterin avec un financement initial de 250 000 dollars vise non seulement à résoudre les problèmes de répartition des ressources dans l'écosystème Ethereum, mais aussi à créer un nouveau modèle de financement pour les biens publics à l'avenir.
01、Financement Profond
Qu'est-ce que le Financement Profond ?
Le Financement Profond est un projet innovant qui optimise la répartition des fonds pour les biens publics grâce à l'IA et à un mécanisme d'évaluation décentralisé, visant à résoudre le problème de l'inefficacité de la répartition des ressources dans l'écosystème Ethereum. L'objectif du projet est de construire un système de répartition des fonds équitable, transparent et efficace, soutenant les projets open source clés d'Ethereum et de ses dépendances pour un développement durable à long terme.
Site officiel : https://deepfunding.org/
Quel problème cherchez-vous à résoudre ?
Actuellement, la répartition des fonds pour les biens publics Ethereum présente les problèmes suivants :
L'irrationalité de la prise de décision humaine : face à des problèmes complexes et abstraits, il est souvent difficile pour les humains de faire des jugements raisonnables.
Préférence pour les projets de surface : les mécanismes de financement basés sur les élections ont tendance à financer des projets qui semblent évidents en surface, tout en négligeant les dépendances techniques profondes et les contributions complexes.
Cela a conduit à un manque de soutien suffisant pour certaines infrastructures « cachées » qui sont essentielles pour l'écosystème Ethereum, tout en risquant de gaspiller des ressources sur des projets qui semblent importants à court terme mais qui ont une valeur limitée à long terme.
Quelle approche adoptez-vous pour résoudre le problème ?
Les solutions proposées par Financement Profond comprennent :
1. Construire un Graph Profond
Le Graph Profond est un graphique de dépendance dynamique qui montre les relations de dépendance entre les projets et attribue un poids à chaque dépendance. De cette manière, la contribution et la valeur réelle des biens publics sont visualisées, résolvant le problème de la mesure des « contributions invisibles ».
2. Pondération et évaluation des modèles d'IA
Saisie des données : basée sur diverses informations sur les projets open source (par exemple, le nombre d'étoiles, l'activité des contributeurs, la dernière mise à jour, etc.). Cela nécessite de faire appel à votre imagination et à votre compréhension de la valeur des projets open source.
Attribution des poids : les modèles d'IA attribuent des poids en fonction de l'importance des dépendances et de leur impact réel, ajustant dynamiquement la répartition des fonds.
Validation et optimisation : le jury effectue des contrôles aléatoires des modèles pour garantir la rationalité des poids.
3. Mécanisme d'évaluation du jury
Le jury est composé d'experts qui fournissent des données d'entraînement au modèle en répondant à des questions telles que « Quel est le plus important, le projet A ou B ? ». Cette approche est choisie car elle est relativement facile à discerner et à répondre pour les humains.
Modèle de collaboration entre l'humain et l'IA : les humains sont responsables de l'orientation et du jugement des valeurs, tandis que l'IA fournit un soutien à l'analyse des données. Ensuite, plusieurs modèles qui correspondent bien au consensus humain seront sélectionnés pour application.
4. Répartition équitable des fonds
Les fonds sont répartis en fonction de la proportion de contribution du projet, avec une partie réservée pour inciter les modèles primés.
Le Financement Profond ne sera pas uniquement utilisé pour la construction et la répartition des poids des logiciels open source, ce modèle pourra être appliqué à tout scénario comportant des dépendances et des répartitions. Par exemple : articles, musique, œuvres audiovisuelles, etc. Les logiciels open source ne sont qu'une première tentative, Financement Profond espère devenir une solution applicable à divers scénarios.
02、Concours de Financement Profond
Actuellement, le premier concours de Financement Profond se concentre sur les dépôts GitHub et les projets open source dans ce domaine, en construisant un graphique pondéré basé sur les relations de dépendance des projets open source, afin de déterminer le montant des dons que chaque dépôt devrait recevoir. Ensuite, cela se concentrera sur les projets open source sous le label Ethereum, en particulier les clients.
Les progrès actuels du projet Financement Profond comprennent :
Sponsoring et financement : Vitalik Buterin a fourni un parrainage initial de 250 000 $.
Préparation des données : collecte du graphique de dépendance Ethereum, impliquant environ 40 000+ bords de données. Cela a déjà été préparé.
Conception du mécanisme : lancer un concours de modèles d'IA (qui se déroulera sur Kaggle), actuellement en recrutement de modèles d'IA.
Évaluation des essais : validation de l'efficacité des modèles par le jury ; appliquer le modèle de poids de dépendance aux projets liés à Ethereum et observer les effets réels.
Parmi les 250K de récompense, 170K seront attribués aux projets en fonction du poids du graphique de dépendance, 40K seront récompensés pour le meilleur modèle lors des évaluations aléatoires, et 40K seront attribués aux modèles soumis en open source, dont l'innovation sera évaluée par un jury d'experts.
Il reste encore de nombreux défis à relever
Équité du jury et mécanisme d'incitation : comment garantir la neutralité du jury et son engagement à long terme ? Comment construire un jury juste et efficace ?
Efficacité des modèles d'IA : comment pondérer avec précision les dépendances profondes pour éviter l'abus ou la gamification des modèles ?
Mécanisme d'ajustement dynamique : comment équilibrer l'auto-évaluation et l'évaluation externe pour éviter les biais ?
Sources de financement et modalités d'incitation : comment attirer plus de fonds pour participer à la répartition, en particulier pour les contributions non liées au code ?
Nous allons procéder à des discussions et explorations progressives.
