Salah satu aplikasi Ethereum yang paling menggembirakan bagi saya adalah pasar prediksi. Pada tahun 2014, saya menulis artikel tentang futarchy, sebuah model pemerintahan berbasis prediksi yang dikembangkan oleh Robin Hanson. Sejak tahun 2015, saya adalah pengguna dan pendukung aktif Augur (lihat, nama saya di artikel Wikipedia). Saya menghasilkan $58.000 dari taruhan pemilihan 2020. Tahun ini, saya telah menjadi pendukung dan pengikut Polymarket yang dekat.
Bagi banyak orang, pasar prediksi adalah tentang bertaruh pada pemilihan, dan bertaruh pada pemilihan adalah judi - jika itu dapat membuat orang bersenang-senang, itu bagus, tetapi pada dasarnya, itu tidak lebih menarik daripada membeli token acak di pump.fun. Dari sudut pandang ini, minat saya pada pasar prediksi tampak membingungkan. Oleh karena itu, dalam artikel ini, saya bertujuan untuk menjelaskan alasan mengapa konsep ini membuat saya bersemangat. Singkatnya, saya percaya (i) bahkan pasar prediksi yang ada saat ini adalah alat yang sangat berguna bagi dunia, tetapi lebih dari itu (ii) pasar prediksi hanyalah contoh dari kategori yang lebih besar dan sangat kuat yang berpotensi menciptakan realisasi yang lebih baik di media sosial, ilmu pengetahuan, berita, tata kelola, dan bidang lainnya. Saya akan menyebut kategori ini "informasi keuangan (info finance)".
Dua sisi Polymarket: situs taruhan yang ditawarkan kepada peserta, situs berita yang ditawarkan kepada semua orang lainnya.
Dalam seminggu terakhir, Polymarket telah menjadi sumber informasi yang sangat efektif tentang pemilihan umum AS. Polymarket tidak hanya memprediksi peluang Trump menang adalah 60/40 (sementara prediksi dari sumber lain adalah 50/50, yang sendiri tidak terlalu mengesankan), tetapi juga menunjukkan keunggulan lainnya: ketika hasilnya keluar, meskipun banyak ahli dan sumber berita telah menggoda penonton, berharap mereka akan mendengar berita yang menguntungkan bagi Harris, Polymarket justru mengungkapkan kebenaran: peluang Trump menang melebihi 95%, sementara peluang menguasai semua departemen pemerintah melebihi 90%.
Kedua tangkapan layar diambil pada pukul 03:40 waktu bagian timur AS pada 6 November.
Tetapi bagi saya, ini bahkan bukan contoh paling menarik dari Polymarket. Jadi mari kita lihat contoh lain: pemilihan di Venezuela pada bulan Juli. Pada hari kedua setelah pemilihan, saya ingat melihat seseorang di sudut mata saya yang protes terhadap hasil pemilihan yang sangat dimanipulasi di Venezuela. Awalnya, saya tidak terlalu memperhatikan. Saya tahu Maduro sudah menjadi salah satu dari "yang pada dasarnya adalah diktator", jadi saya pikir dia pasti akan memalsukan setiap hasil pemilihan untuk mempertahankan kekuasaannya, dan tentu saja akan ada protes, dan protes tersebut pasti akan gagal - sayangnya, banyak yang lainnya gagal. Tetapi kemudian ketika saya menggulir di Polymarket, saya melihat ini:
Orang-orang bersedia menginvestasikan lebih dari seratus ribu dolar untuk bertaruh bahwa kemungkinan Maduro digulingkan dalam pemilihan ini adalah 23%. Sekarang saya mulai memperhatikan.
Tentu saja, kita tahu hasil yang tidak menguntungkan dari situasi ini. Pada akhirnya, Maduro memang tetap berkuasa. Namun, pasar membuat saya menyadari bahwa kali ini, upaya untuk menggulingkan Maduro adalah serius. Protes berskala besar, oposisi mengeluarkan strategi yang secara mengejutkan dieksekusi dengan baik, menunjukkan kepada dunia betapa penipunya pemilihan tersebut. Jika saya tidak menerima sinyal awal dari Polymarket "kali ini, ada sesuatu yang patut diperhatikan", saya bahkan tidak akan mulai memperhatikan.
Anda tidak boleh sepenuhnya percaya pada grafik taruhan Polymarket: jika semua orang percaya pada grafik taruhan, maka siapa pun yang kaya dapat memanipulasi grafik taruhan, dan tidak ada yang berani bertaruh dengan mereka. Di sisi lain, sepenuhnya mempercayai berita juga merupakan ide yang buruk. Berita memiliki motivasi sensasional, melebih-lebihkan konsekuensi apa pun demi klik. Kadang-kadang, ini masuk akal, dan kadang-kadang tidak. Jika Anda melihat artikel yang sensasional, tetapi kemudian Anda pergi ke pasar dan menemukan bahwa probabilitas kejadian terkait tidak berubah sama sekali, maka skeptisisme juga masuk akal. Atau, jika Anda melihat probabilitas yang sangat tinggi atau rendah di pasar, atau perubahan mendadak yang tidak terduga, itu adalah sinyal untuk Anda membaca berita dan melihat apa penyebabnya. Kesimpulan: dengan membaca berita dan grafik taruhan, Anda dapat memperoleh lebih banyak informasi dibandingkan hanya membaca salah satu dari keduanya.
Mari kita lihat apa yang terjadi di sini. Jika Anda adalah seorang penjudi, maka Anda dapat bertaruh di Polymarket, bagi Anda ini adalah situs judi. Jika Anda bukan penjudi, maka Anda dapat membaca grafik taruhan, bagi Anda ini adalah situs berita. Anda tidak boleh sepenuhnya percaya pada grafik taruhan, tetapi saya pribadi telah menjadikan membaca grafik taruhan sebagai salah satu langkah dalam proses pengumpulan informasi saya (bersama dengan media tradisional dan media sosial), yang membantu saya mendapatkan informasi lebih banyak dengan lebih efektif.
Informasi keuangan dalam arti yang lebih luas
Sekarang, kita memasuki bagian penting: memprediksi hasil pemilihan hanya merupakan aplikasi pertama. Konsep yang lebih luas adalah bahwa Anda dapat menggunakan keuangan sebagai cara untuk mengoordinasikan mekanisme insentif untuk memberikan informasi yang berharga kepada audiens. Sekarang, reaksi alami adalah: bukankah semua keuangan pada dasarnya terkait dengan informasi? Berbagai peserta akan membuat keputusan beli dan jual yang berbeda karena mereka memiliki pandangan yang berbeda tentang apa yang akan terjadi di masa depan (selain kebutuhan individu seperti preferensi risiko dan keinginan untuk melindungi), Anda dapat menyimpulkan banyak pengetahuan tentang dunia dengan membaca harga pasar.
Bagi saya, informasi keuangan seperti itu, tetapi secara struktural benar. Mirip dengan konsep struktural yang benar dalam rekayasa perangkat lunak, informasi keuangan adalah disiplin yang mengharuskan Anda (i) memulai dari fakta yang ingin Anda ketahui, dan kemudian (ii) secara sengaja merancang pasar untuk mendapatkan informasi tersebut dari peserta pasar dengan cara terbaik.
Informasi keuangan adalah pasar tiga sisi: penjudi membuat prediksi, pembaca membaca prediksi. Pasar akan mengeluarkan prediksi tentang masa depan sebagai barang publik (karena itulah tujuan desainnya).
Pasar prediksi adalah contoh: Anda ingin mengetahui fakta spesifik yang akan terjadi di masa depan, jadi Anda mendirikan pasar untuk orang-orang bertaruh pada fakta tersebut. Contoh lain adalah pasar keputusan: Anda ingin mengetahui keputusan A dan keputusan B mana yang akan menghasilkan hasil yang lebih baik berdasarkan indikator M tertentu. Untuk mencapai ini, Anda mendirikan pasar bersyarat: Anda meminta orang-orang untuk bertaruh (i) keputusan mana yang akan dipilih, (ii) jika keputusan A dipilih, maka nilai M diperoleh, jika tidak nol, (iii) jika keputusan B dipilih, maka nilai M diperoleh, jika tidak nol. Dengan ketiga variabel ini, Anda dapat menentukan apakah pasar percaya bahwa keputusan A atau keputusan B lebih menguntungkan untuk mendapatkan nilai M.
Saya memperkirakan bahwa teknologi yang akan mendorong perkembangan informasi keuangan dalam dekade mendatang adalah AI (baik model besar maupun teknologi masa depan). Ini karena banyak aplikasi informasi keuangan yang paling menarik terkait dengan masalah "mikro": jutaan pasar kecil, di mana keputusan yang diambil secara terpisah memiliki dampak yang relatif kecil. Sebenarnya, pasar dengan volume rendah sering kali tidak dapat berfungsi dengan baik: bagi peserta berpengalaman, menghabiskan waktu untuk analisis mendetail hanya untuk mendapatkan beberapa ratus dolar keuntungan tidak masuk akal, dan banyak yang bahkan berpikir bahwa pasar semacam itu tidak dapat berfungsi tanpa subsidi, karena tidak ada cukup banyak trader yang naif untuk memungkinkan trader berpengalaman mendapatkan keuntungan dari pasar tersebut, kecuali untuk masalah yang paling besar dan paling sensasional. AI sepenuhnya mengubah persamaan ini, yang berarti bahwa bahkan di pasar dengan volume $10, kita juga mungkin mendapatkan informasi yang cukup berkualitas. Bahkan jika perlu subsidi, jumlah subsidi per masalah menjadi sangat terjangkau.
Informasi keuangan membutuhkan distilasi manusia.
Penilaian
Misalkan Anda memiliki mekanisme penilaian manusia yang dapat dipercaya, dan mekanisme tersebut memiliki legitimasi yang dipercayai oleh seluruh komunitas, tetapi membuat penilaian memerlukan waktu yang lama dan biaya yang tinggi. Namun, Anda ingin memiliki akses waktu nyata yang murah ke setidaknya satu salinan dekat dari "mekanisme mahal" tersebut. Berikut adalah gagasan yang diajukan oleh Robin Hanson tentang apa yang dapat Anda lakukan: setiap kali Anda perlu membuat keputusan, Anda membangun pasar prediksi yang memprediksi apa yang akan diputuskan oleh mekanisme mahal tersebut jika dipanggil. Anda menjalankan pasar prediksi dan menyuntikkan sejumlah kecil dana untuk mensubsidi pembuat pasar.
99,99% waktu, Anda sebenarnya tidak akan memanggil mekanisme yang mahal: mungkin Anda akan "membatalkan transaksi" dan mengembalikan kontribusi semua orang, atau Anda hanya akan memberikan nol kepada semua orang, atau Anda melihat apakah harga rata-rata lebih dekat ke 0 atau 1 dan menganggapnya sebagai fakta dasar. 0,01% waktu - mungkin secara acak, mungkin untuk pasar dengan volume perdagangan tertinggi, mungkin kombinasi keduanya - Anda sebenarnya akan menjalankan mekanisme yang mahal dan memberikan kompensasi kepada peserta berdasarkan itu.
Ini memberi Anda versi "disuling" yang dapat dipercaya, netral, cepat, dan murah, yang merupakan mekanisme Anda yang awalnya sangat dapat dipercaya tetapi biayanya sangat tinggi (menggunakan istilah "disuling" sebagai analogi dengan "disuling" dalam LLM). Seiring waktu, mekanisme disuling ini secara kasar mencerminkan perilaku mekanisme asli - karena hanya peserta yang membantu mencapai hasil tersebut yang dapat menghasilkan uang, sementara yang lainnya akan kehilangan.
Model kombinasi pasar prediksi + catatan komunitas yang mungkin.
Ini tidak hanya berlaku untuk media sosial, tetapi juga untuk DAO. Salah satu masalah utama DAO adalah terlalu banyak keputusan, kebanyakan orang tidak mau terlibat, yang mengakibatkan penggunaan delegasi yang luas, dengan risiko sentralisasi dan kegagalan delegasi yang umum dalam demokrasi perwakilan, atau mudah diserang. Jika suara sebenarnya di DAO jarang terjadi, dan sebagian besar hal ditentukan oleh pasar prediksi, dengan hasil suara yang diprediksi oleh kombinasi manusia dan AI, maka DAO semacam itu mungkin akan berjalan dengan baik.
Seperti yang kita lihat dalam contoh pasar keputusan, informasi keuangan mengandung banyak jalur potensial untuk memecahkan masalah penting dalam tata kelola terdesentralisasi, kuncinya adalah keseimbangan antara pasar dan non-pasar: pasar adalah "mesin", beberapa mekanisme kepercayaan non-finansial lainnya adalah "setir".
Kasus penggunaan informasi keuangan lainnya
Token pribadi - Proyek seperti Bitclout (sekarang menjadi deso), friend.tech dan banyak lainnya yang membuat token untuk setiap orang dan memudahkan spekulasi - adalah kategori yang saya sebut sebagai "informasi keuangan primer". Mereka dengan sengaja menciptakan harga pasar untuk variabel tertentu (yaitu harapan terhadap reputasi seseorang di masa depan), tetapi informasi tepat yang diungkapkan oleh harga terlalu kabur, dan dibatasi oleh reflexivity dan dinamika gelembung. Ada kemungkinan untuk membuat versi yang lebih baik dari protokol semacam itu, dan menyelesaikan masalah penting seperti penemuan bakat dengan mempertimbangkan desain ekonomi token lebih hati-hati (terutama dari mana nilainya berasal). Ide kontrak berjangka reputasi Robin Hanson adalah salah satu kemungkinan keadaan akhir di sini.
Iklan - Sinya "mahal tetapi dapat dipercaya" yang terakhir adalah apakah Anda akan membeli produk. Informasi keuangan berdasarkan sinyal ini dapat digunakan untuk membantu orang menentukan apa yang harus dibeli.
Tinjauan sejawat ilmiah - Di dunia ilmiah telah ada "krisis reproduksi", di mana beberapa hasil terkenal dalam beberapa kasus telah menjadi bagian dari kebijaksanaan rakyat, tetapi akhirnya tidak dapat direproduksi dalam penelitian baru. Kita dapat mencoba menentukan hasil mana yang perlu diperiksa ulang melalui pasar prediksi. Sebelum diperiksa ulang, pasar semacam itu juga akan memungkinkan pembaca untuk dengan cepat memperkirakan seberapa besar mereka harus mempercayai hasil tertentu. Eksperimen dengan ide ini telah dilakukan, dan sejauh ini tampaknya berhasil.
Pendanaan barang publik - Salah satu masalah utama dari mekanisme pendanaan barang publik yang digunakan Ethereum adalah sifat "perlombaan popularitas"nya. Setiap kontributor perlu melakukan pemasaran sendiri di media sosial untuk mendapatkan pengakuan, sementara kontributor yang tidak mampu melakukan hal itu atau yang secara alami memiliki lebih banyak peran "latar belakang" sulit untuk mendapatkan dana besar. Solusi yang menarik adalah mencoba melacak seluruh grafik ketergantungan: untuk setiap hasil positif, proyek mana yang memberikan kontribusi, lalu untuk setiap proyek, proyek mana yang memberikan kontribusi, dan seterusnya. Tantangan utama desain ini adalah menemukan bobot tepi yang dapat menahan manipulasi. Setelah semua, manipulasi semacam itu telah terjadi. Mekanisme penilaian manusia yang disuling dapat membantu.
Kesimpulan
Ide-ide ini telah dipikirkan secara teori selama waktu yang lama: karya awal tentang pasar prediksi bahkan pasar keputusan sudah ada selama beberapa dekade, sementara diskusi serupa dalam teori keuangan jauh lebih tua. Namun, saya percaya, dekade saat ini memberikan kesempatan unik, alasannya sebagai berikut:
Informasi keuangan menyelesaikan masalah kepercayaan yang sebenarnya ada di masyarakat. Salah satu kekhawatiran umum di era ini adalah kurangnya pengetahuan (lebih buruk lagi, kurangnya konsensus), tidak mengetahui siapa yang harus dipercaya dalam konteks politik, ilmiah, dan bisnis. Aplikasi informasi keuangan dapat membantu menjadi bagian dari solusi.
Kami sekarang memiliki blockchain yang dapat diskalakan sebagai dasar. Hingga baru-baru ini, biayanya terlalu tinggi untuk benar-benar mewujudkan ide-ide ini. Sekarang, biayanya tidak lagi terlalu tinggi.
AI sebagai peserta. Ketika informasi keuangan harus bergantung pada partisipasi manusia untuk setiap masalah, ia relatif sulit untuk berfungsi. AI sangat meningkatkan situasi ini, bahkan untuk masalah kecil dapat mencapai pasar yang efektif. Banyak pasar mungkin memiliki kombinasi peserta AI dan manusia, terutama ketika jumlah masalah tertentu tiba-tiba meningkat dari kecil menjadi besar.
