ブロックチェーンおよびオープンソースの分野では、効率的な資金配分が常に課題です。現在、Deep Fundingという名前の革新的なプロジェクトが、人工知能と分散型審査を用いてこの問題を解決しようとしています。このプロジェクトはVitalik Buterinによって25万ドルの初期資金の支援を受けており、現在のEthereumエコシステムにおけるリソース配分の問題を解決するだけでなく、将来の公共財の資金配分の新たなモデルを開拓することを目指しています。

01、Deep Funding

Deep Fundingとは？

Deep Fundingは、AIと分散型審査メカニズムによって公共財の資金配分を最適化する革新的なプロジェクトであり、Ethereumエコシステムにおけるリソース配分の非効率性の問題を解決することを目指しています。プロジェクトの目標は、公平で透明性があり、高効率な資金配分システムを構築し、Ethereumとその依存する重要なオープンソースプロジェクトを支援し、長期的な持続可能な発展を実現することです。

公式ウェブサイト：https://deepfunding.org/

どのような問題を解決したいのか？

現在、Ethereum公共財の資金配分には以下の問題があります：

  1. 人間の意思決定の非合理性：複雑で抽象的な問題に直面したとき、人間は合理的な判断を下すのが難しいことがよくあります。

  2. 表面的なプロジェクトの好み：選挙に基づく資金配分メカニズムは、表面的に明らかなプロジェクトを資金提供する傾向があり、深層の技術的依存関係や複雑な貢献を無視します。

これにより、Ethereumエコシステムにとって重要だが「隠れた」インフラストラクチャに十分なサポートが得られない一方で、短期的には重要に見えるが長期的な価値が限られているプロジェクトにリソースが浪費される可能性があります。

どのような考え方で問題を解決しているのか？

Deep Fundingが提案するソリューションには：

1. Deep Graphの構築

Deep Graphは動的依存グラフであり、プロジェクト間の依存関係を示し、各依存に重みを配分します。この方法により、公共財の貢献と実際の価値が可視化され、「隠れた貢献」の測定が困難であるという問題が解決されます。

2. AIモデルの重み付けと評価

  • データ入力：オープンソースプロジェクトに基づくさまざまな情報（例えば、スター数、貢献者の活動、最終更新時刻など）。これはあなたの想像力とオープンソースプロジェクトの価値の理解を活かす必要があります。

  • 重み付けの配分：AIモデルは依存関係の重要性と実際の影響に基づいて重みを配分し、資金配分を動的に調整します。

  • 検証と最適化：審査団によるモデルの抜き打ち検査を行い、重みの妥当性を確保します。

3. 審査団の審査メカニズム

  • 審査団は専門家で構成され、「プロジェクトAとB、どちらがより重要か？」などの質問に答えることでモデルにトレーニングデータを提供します。このような質問を選ぶ理由は、人間にとって比較的容易に識別し回答できるからです。

  • 人間とAIの協力モデル：人間が方向性と価値判断を担当し、AIがデータ分析を提供します。その後、人間のコンセンサスに比較的適した複数のモデルを選択して適用します。

4. 公平な資金配分

プロジェクトの貢献割合に基づいて資金を配分し、受賞モデルに対するインセンティブも提供します。

Deep Fundingは、オープンソースソフトウェアの重み構築と配分だけでなく、このモデルは依存関係と配分のあるあらゆるシナリオに適用できます。例えば：論文、音楽、映画作品などです。オープンソースソフトウェアは最初の試みであり、Deep Fundingはさまざまなシナリオに適用可能なソリューションに成長したいと考えています。

02、Deep Fundingコンペティション

現在、Deep Fundingの初回コンペティションはGitHubリポジトリとオープンソースプロジェクトの方向に焦点を当て、オープンソースプロジェクトの依存関係を基に加重グラフを構築し、各リポジトリが受け取るべき寄付額を算出します。次に、Ethereumというタグの下にあるオープンソースプロジェクトに焦点を当て、特にクライアントに注目します。

Deep Fundingプロジェクトの現在の進展は：

  1. スポンサーシップと資金：Vitalik Buterinが初期支援として$250,000を提供しました。

  2. データ準備：Ethereumの依存関係グラフを収集し、約40,000件以上のエッジのデータを含みます。現在、準備が整いました。

  3. メカニズム設計：AIモデルコンペティションを実施（Kaggleで行われます）、現在AIモデルを募集中です。

  4. モデルの有効性を検証するために、審査団による抜き打ち検査を行います。依存重みモデルをEthereum関連プロジェクトに適用し、実際の効果を確認します。

その中で250Kの賞金のうち、$170Kは依存グラフの重みに基づいてプロジェクトに配分され、$40Kは審査抽出で最も優れたモデルに報酬され、$40Kはオープンソースで提出されたモデルに報酬されます。これらのモデルの革新性は専門家の審査団によって評価されます。

現在、まだ多くの課題に直面しています。

  1. 審査の公平性とインセンティブメカニズム：審査団の中立性と長期的な参加の積極性をどう確保するか？公平で効果的な審査団を構築するにはどうすればよいか？

  2. AIモデルの有効性：深層依存を正確に重み付けし、モデルが悪用されたりゲーム化されたりしないようにするにはどうすればよいか？

  3. 動的調整メカニズム：自己評価と外部審査のバランスをどう取るか、偏見を避けるにはどうすればよいか？

  4. 資金源とインセンティブの方法：特に非コード貢献に対する資金配分への参加を促すにはどうすればよいか？

私たちは段階的に議論と探求を進めていきます。

#AI #ETH