Nel campo della blockchain e dell'open source, la distribuzione efficiente dei fondi è sempre stata una sfida. Oggi, un progetto innovativo chiamato Deep Funding sta cercando di risolvere questo problema utilizzando l'intelligenza artificiale e una valutazione decentralizzata. Questo progetto, supportato da Vitalik Buterin con un finanziamento iniziale di 250.000 dollari, non solo mira a risolvere i problemi di allocazione delle risorse nell'attuale ecosistema di Ethereum, ma vuole anche aprire nuove modalità di distribuzione dei fondi per beni pubblici futuri.
01, Deep Funding
Cos'è Deep Funding?
Deep Funding è un progetto innovativo che ottimizza la distribuzione dei fondi per i beni pubblici tramite AI e meccanismi di valutazione decentralizzati, mirato a risolvere i problemi di inefficienza dell'allocazione delle risorse nell'ecosistema di Ethereum. L'obiettivo del progetto è costruire un sistema di distribuzione dei fondi equo, trasparente ed efficiente, a supporto di Ethereum e dei suoi progetti open source chiave, realizzando uno sviluppo sostenibile a lungo termine.
Sito ufficiale: https://deepfunding.org/
Quale problema stiamo cercando di risolvere?
Attualmente, ci sono i seguenti problemi nella distribuzione dei fondi per i beni pubblici di Ethereum:
Irrazionalità nelle decisioni umane: di fronte a problemi complessi e astratti, gli esseri umani spesso faticano a prendere decisioni razionali.
Preferenza per i progetti superficiali: i meccanismi di finanziamento basati sulle elezioni tendono a finanziare progetti apparentemente ovvi, trascurando le dipendenze tecniche profonde e i contributi complessi.
Questo ha portato a una mancanza di supporto sufficiente per alcune infrastrutture cruciali ma 'nascoste' nell'ecosistema di Ethereum, mentre potrebbe anche sprecare risorse su progetti che sembrano importanti nel breve termine ma hanno un valore limitato a lungo termine.
Quale approccio stiamo utilizzando per risolvere i problemi?
Le soluzioni proposte da Deep Funding includono:
1. Costruire Deep Graph
Deep Graph è un grafo delle dipendenze dinamico che mostra le relazioni di dipendenza tra i progetti e assegna pesi a ciascuna dipendenza. In questo modo, i contributi e il valore reale dei beni pubblici vengono visualizzati, risolvendo il problema della difficile misurazione dei 'contributi invisibili'.
2. Pesatura e valutazione dei modelli AI
Input dei dati: varie informazioni basate su progetti open source (ad esempio, numero di stelle, attività dei contributori, data di aggiornamento, ecc.). Questo richiede di mettere in gioco la tua immaginazione e la tua comprensione del valore dei progetti open source.
Assegnazione dei pesi: il modello AI assegna i pesi in base all'importanza e all'impatto reale delle dipendenze, regolando dinamicamente l'allocazione dei fondi.
Verifica e ottimizzazione: controlli a campione del modello tramite una giuria per garantire la ragionevolezza dei pesi.
3. Meccanismo di valutazione della giuria
La giuria è composta da esperti che forniscono dati di addestramento al modello rispondendo a domande come 'Quale progetto A o B è più importante?'. Questa scelta è motivata dal fatto che tali domande sono relativamente facili da discernere e rispondere per gli esseri umani.
Modello di collaborazione tra umani e AI: gli esseri umani sono responsabili della direzione e del giudizio di valore, mentre l'AI fornisce supporto nell'analisi dei dati. Successivamente, verranno selezionati più modelli che si allineano bene con il consenso umano per l'applicazione.
4. Distribuzione equa dei fondi
Distribuzione dei fondi in base alla proporzione di contributo del progetto, ci sarà anche una parte di incentivi per i modelli premiati.
Deep Funding non sarà utilizzato solo per la costruzione e l'allocazione dei pesi del software open source, ma questo modello potrà essere applicato a qualsiasi scenario con dipendenze e distribuzione. Ad esempio: articoli, musica, opere cinematografiche, ecc. Il software open source è solo un primo tentativo; Deep Funding spera di diventare una soluzione applicabile a vari scenari.
02, Competizione Deep Funding
Attualmente, la prima competizione di Deep Funding si concentra su GitHub repo e progetti open source, costruendo un grafo pesato attraverso le relazioni di dipendenza dei progetti per ottenere l'importo delle donazioni che ogni repository dovrebbe ricevere. Poi ci si concentra sui progetti open source sotto l'etichetta Ethereum, in particolare i client.
I progressi attuali del progetto Deep Funding includono:
Sponsorizzazione e fondi: Vitalik Buterin ha fornito un finanziamento iniziale di $250.000.
Preparazione dei dati: raccolta del grafo delle dipendenze di Ethereum, che coinvolge circa 40.000+ dati di edge. È già pronto.
Progettazione del meccanismo: avvio di una competizione di modelli AI (che si terrà su Kaggle), attualmente in fase di reclutamento di modelli AI.
Valutazione dei prototipi: verifica dell'efficacia del modello tramite controlli a campione; applicazione del modello di pesi delle dipendenze ai progetti correlati a Ethereum per osservare gli effetti reali.
Di cui 250K di premio, $170k saranno distribuiti ai progetti in base ai pesi del grafo delle dipendenze, $40k saranno premiati al modello che si comporta meglio nei controlli a campione, $40k saranno premiati ai modelli sottoposti a open source, l'innovazione di questi modelli sarà valutata da una giuria di esperti.
Attualmente ci sono ancora molte sfide da affrontare
Equità della giuria e meccanismi di incentivazione: come garantire la neutralità della giuria e il coinvolgimento a lungo termine? Come costruire una giuria equa ed efficace?
Efficacia del modello AI: come pesare accuratamente le dipendenze profonde, evitando che il modello venga abusato o gamificato?
Meccanismo di adeguamento dinamico: come bilanciare l'auto-valutazione e la valutazione esterna, evitando bias?
Fonti di finanziamento e modalità di incentivazione: come attirare più fondi per partecipare alla distribuzione, specialmente per contributi non legati al codice?
Procederemo gradualmente con discussioni ed esplorazioni.