Tytuł oryginału: Od rynków prognozowych do finansów informacyjnych
Autor oryginału: Vitalik Buterin
Tłumaczenie oryginału: 0xjs, Złota Ekonomia
Jednym z najbardziej ekscytujących zastosowań Ethereum są rynki prognozowe. W 2014 roku napisałem artykuł na temat futarchii, modelu rządzenia opartego na prognozach zaproponowanego przez Robina Hansona. Już w 2015 roku byłem aktywnym użytkownikiem i zwolennikiem Augura (spójrz, moje nazwisko znajduje się w artykule na Wikipedii). W zakładach na wybory w 2020 roku zarobiłem 58 tysięcy dolarów. W tym roku byłem bliskim zwolennikiem i obserwatorem Polymarket.
Dla wielu ludzi rynki prognoz stają się zakładami na wybory, a zakłady na wybory to hazard - jeśli może to sprawić, że ludzie będą się dobrze bawić, to wspaniale, ale w zasadzie nie jest to bardziej ekscytujące niż kupowanie losowych tokenów na pump.fun. Z tej perspektywy moje zainteresowanie rynkami prognoz wydaje się nieco mylące. Dlatego w tym artykule zamierzam wyjaśnić, dlaczego ten koncept mnie ekscytuje. Krótko mówiąc, wierzę, że (i) nawet istniejące rynki prognozowe są bardzo użytecznym narzędziem dla świata, ale ponadto (ii) rynki prognozowe są tylko przykładem większej, bardzo potężnej kategorii, która ma potencjał do stworzenia lepszego mediów społecznościowych, nauki, dziennikarstwa, rządzenia i innych dziedzin. Nazywam tę kategorię „finansami informacyjnymi (info finance)”.
Dwie strony Polymarket: strona zakładów dla uczestników, strona informacyjna dla wszystkich innych
W ciągu ostatniego tygodnia Polymarket był bardzo skutecznym źródłem informacji na temat wyborów w USA. Polymarket nie tylko prognozuje, że szanse na zwycięstwo Trumpa wynoszą 60/40 (podczas gdy inne źródła przewidują 50/50, co samo w sobie nie jest zbyt imponujące), ale także pokazuje inne zalety: gdy wyniki były znane, mimo że wielu ekspertów i źródeł informacyjnych próbowało skusić publiczność, aby usłyszeć korzystne dla Harris wiadomości, Polymarket bezpośrednio ujawnił prawdę: szanse na zwycięstwo Trumpa przekraczają 95%, a szanse na przejęcie kontroli nad wszystkimi departamentami rządowymi przekraczają 90%.
Obydwa zrzuty ekranu wykonano 6 listopada o 3:40 czasu wschodniego.
Ale dla mnie to nawet nie jest najlepszy przykład interesujący w Polymarket. Więc przyjrzyjmy się innemu przykładowi: wybory w Wenezueli w lipcu. Dzień po wyborach pamiętam, że kątem oka zauważyłem, jak ktoś protestuje przeciwko wysoce zmanipulowanym wynikom wyborów w Wenezueli. Na początku nie zwracałem na to uwagi. Wiedziałem, że Maduro jest jedną z tych postaci, które „są zasadniczo dyktatorami”, więc pomyślałem, że oczywiście sfałszuje każdy wynik wyborów, aby zachować swoją władzę, i oczywiście będą protesty, które z pewnością się nie powiodą - niestety, wielu innych również poniosło porażkę. Ale później, przeglądając Polymarket, zobaczyłem to:
Ludzie są gotowi zainwestować ponad 100 tysięcy dolarów, obstawiając, że Maduro zostanie obalony w tych wyborach z prawdopodobieństwem 23%. Teraz zaczynam się tym interesować.
Oczywiście znamy niefortunny rezultat tej sytuacji. Ostatecznie Maduro faktycznie pozostał u władzy. Jednak rynek uświadomił mi, że tym razem próba obalenia Maduro była poważna. Protesty były ogromne, opozycja przedstawiła zaskakująco dobrze wykonany plan, aby pokazać światu, jak bardzo sfałszowane były wybory. Gdybym nie otrzymał początkowego sygnału od Polymarket „tym razem warto zwrócić uwagę”, nawet bym się tym nie interesował.
Nigdy nie powinieneś całkowicie ufać wykresowi zakładów Polymarket: jeśli wszyscy uwierzyli by wykresowi zakładów, to każdy bogaty człowiek mógłby manipulować wykresem zakładów, a nikt nie odważyłby się z nimi obstawiać. Z drugiej strony całkowite zaufanie do wiadomości również jest złym pomysłem. Wiadomości mają emocjonalne motywy, aby zwiększać wszelkie konsekwencje dla kliknięć. Czasami jest to uzasadnione, a czasami nie. Jeśli widzisz sensacyjną wiadomość, ale potem sprawdzasz rynek i stwierdzasz, że prawdopodobieństwo związane z danym wydarzeniem wcale się nie zmieniło, to wątpliwości są uzasadnione. Lub jeśli widzisz na rynku niespodziewanie wysokie lub niskie prawdopodobieństwo, lub niespodziewaną nagłą zmianę, to jest to sygnał, aby przeczytać wiadomości i zobaczyć, co to spowodowało. Konkluzja: przeglądając wiadomości i wykres zakładów, możesz uzyskać więcej informacji niż czytając tylko jedno z nich.
Przyjrzyjmy się, co się tutaj dzieje. Jeśli jesteś graczem hazardowym, możesz obstawiać na Polymarket, dla ciebie to strona zakładów. Jeśli nie jesteś graczem hazardowym, możesz przeglądać wykres zakładów, dla ciebie to strona informacyjna. Nigdy nie powinieneś całkowicie ufać wykresowi zakładów, ale osobiście włączyłem przeglądanie wykresu zakładów jako jeden z kroków w moim procesie zbierania informacji (obok tradycyjnych mediów i mediów społecznościowych), co pomaga mi bardziej efektywnie zdobywać informacje.
Finanse informacyjne w szerszym znaczeniu
Teraz przechodzimy do ważnej części: prognozowanie wyników wyborów to tylko pierwsza aplikacja. Szersza koncepcja polega na tym, że możesz używać finansów jako sposobu na koordynację mechanizmów zachęt, aby dostarczyć wartościowe informacje publiczności. Naturalną reakcją jest: czyż wszystkie finanse nie są zasadniczo związane z informacjami? Różni uczestnicy podejmują różne decyzje kupna i sprzedaży, ponieważ mają różne poglądy na temat tego, co się wydarzy w przyszłości (oprócz osobistych potrzeb, takich jak preferencje ryzyka i chęć zabezpieczenia), a wiele wiedzy o świecie można wywnioskować z cen rynkowych.
Dla mnie finanse informacyjne są takie, ale strukturalnie poprawne. Podobnie jak koncepcja strukturalnie poprawna w inżynierii oprogramowania, finanse informacyjne to dyscyplina, która wymaga od ciebie (i) zaczęcia od faktów, które chcesz znać, a następnie (ii) celowego zaprojektowania rynku, aby w najlepszy sposób uzyskać te informacje od uczestników rynku.
Finanse informacyjne to rynek trójstronny: zakładający dokonują prognoz, czytelnicy odczytują prognozy. Rynek będzie dostarczał prognozy przyszłości jako dobra publiczne (ponieważ to jest jego projektowane przeznaczenie).
Rynki prognozowe są przykładem: chcesz wiedzieć o jakimś konkretnym fakcie, który wydarzy się w przyszłości, więc tworzysz rynek, na którym ludzie stawiają zakłady na ten fakt. Innym przykładem są rynki decyzyjne: chcesz wiedzieć, która decyzja A czy B przyniesie lepsze rezultaty według jakiegoś wskaźnika M. Aby to osiągnąć, ustawiasz rynek warunkowy: prosisz ludzi o obstawienie (i) którą decyzję wybiorą, (ii) jeśli wybiorą decyzję A, to uzyskają wartość M, w przeciwnym razie zero, (iii) jeśli wybiorą decyzję B, to uzyskają wartość M, w przeciwnym razie zero. Mając te trzy zmienne, możesz określić, czy rynek uważa, że decyzja A lub decyzja B jest bardziej korzystna dla uzyskania wartości M.
Oczekuję, że technologią, która napędzi rozwój finansów informacyjnych w nadchodzącej dekadzie, będzie AI (niezależnie od tego, czy są to duże modele, czy przyszłe technologie). Dzieje się tak, ponieważ wiele najbardziej interesujących zastosowań finansów informacyjnych dotyczy problemów „mikro”: milionów małych rynków, w których decyzje mają stosunkowo niewielki wpływ w pojedynkę. W rzeczywistości rynki o niskim wolumenie często nie mogą działać efektywnie: dla doświadczonych uczestników spędzanie czasu na szczegółowej analizie tylko po to, by uzyskać kilka set dolarów zysku, jest bezsensowne, a wielu uważa, że bez subsydiów takie rynki po prostu nie mogą funkcjonować, ponieważ nie ma wystarczającej liczby naiwnych traderów, aby doświadczony trader mógł na tym zarobić, z wyjątkiem największych i najbardziej kontrowersyjnych problemów. AI całkowicie zmienia tę równowagę, co oznacza, że nawet na rynkach o wolumenie 10 dolarów mamy szansę uzyskać dość wysokiej jakości informacje. Nawet jeśli potrzebne są subsydia, kwoty subsydiów na każde pytanie stają się bardzo przystępne.
Finanse informacyjne potrzebują ludzkiej destylacji
Oszacowanie
Załóżmy, że masz zaufany mechanizm osądu ludzkiego, który ma legitymację całej społeczności, ale wydanie osądu trwa długo i kosztuje dużo. Chcesz jednak uzyskać niskokosztowy dostęp do przynajmniej jednej przybliżonej kopii tego „drogo kosztującego mechanizmu” w czasie rzeczywistym. Oto pomysły, które zaproponował Robin Hanson: za każdym razem, gdy musisz podjąć decyzję, uruchamiasz rynek prognozowy, przewidując, co powiedziałby ten drogi mechanizm, gdyby został wywołany. Pozwalasz rynkowi prognozowemu działać i inwestujesz niewielką kwotę, aby dotować animatorów rynku.
W 99,99% czasu faktycznie nie wywołasz drogiego mechanizmu: być może „anulujesz transakcję” i zwrócisz wkład wszystkim, lub po prostu dasz każdemu zero, lub sprawdzisz, czy średnia cena jest bliższa 0 lub 1 i uznasz to za fakt podstawowy. W 0,01% czasu – może losowo, może w przypadku rynku o najwyższym wolumenie, może oba – faktycznie uruchomisz drogi mechanizm i na tej podstawie wynagrodzisz uczestników.
To daje ci wiarygodną, neutralną, szybką i tanią „destylowaną wersję”, będącą wysoko wiarygodnym, ale kosztownym mechanizmem (używając terminu „destylacja” w analogii do „destylacji” w LLM). Z biegiem czasu ten mechanizm destylacji w dużej mierze odzwierciedlał zachowanie oryginalnego mechanizmu – ponieważ tylko uczestnicy, którzy pomagają osiągnąć ten wynik, mogą zarabiać, a pozostali tracą.
Model kombinacji możliwych rynków prognozowych + notatek społeczności.
To dotyczy nie tylko mediów społecznościowych, ale także DAO. Głównym problemem DAO jest zbyt duża liczba decyzji, w które większość ludzi nie chce się angażować, co prowadzi do szerokiego stosowania delegacji, co niesie ze sobą ryzyko centralizacji i awarii delegatów, powszechnych w demokracji przedstawicielskiej, lub łatwości ataku. Jeśli w DAO rzeczywiste głosowanie odbywa się rzadko, a większość spraw jest decydowana przez rynki prognozowe, gdzie ludzie i AI łączą prognozy wyników głosowania, to takie DAO mogą funkcjonować dobrze.
Jak widzieliśmy w przykładzie rynku decyzyjnego, finanse informacyjne zawierają wiele potencjalnych ścieżek rozwiązania ważnych problemów w zdecentralizowanym zarządzaniu, kluczowym jest równowaga między rynkiem a nierynkami: rynek jest „silnikiem”, a inne nierynkowe mechanizmy zaufania są „kierownicą”.
Inne zastosowania finansów informacyjnych
Osobiste tokeny - projekty takie jak Bitclout (teraz jako deso), friend.tech i wiele innych, które tworzą tokeny dla każdego i ułatwiają spekulacje - to klasa, którą nazywam „pierwotnymi finansami informacyjnymi”. Celowo tworzą one rynkowe ceny dla określonych zmiennych (tj. oczekiwań co do przyszłej reputacji osoby), ale dokładne informacje ujawniane przez ceny są zbyt niejasne i podlegają reflexywności oraz dynamicznej bańce. Istnieje możliwość stworzenia ulepszonych wersji takich protokołów, które mogłyby rozwiązać istotne problemy, takie jak wykrywanie talentów, poprzez bardziej staranne rozważenie projektowania ekonomicznego tokenów (szczególnie skąd pochodzi ich ostateczna wartość). Ideą kontraktów terminowych na reputację Robina Hansona jest tutaj jedna z możliwych ostatecznych stanów.
Reklama - ostatecznym „droższym, ale wiarygodnym sygnałem” jest to, czy kupisz produkt. Informacje finansowe oparte na tym sygnale mogą pomóc ludziom określić, co kupić.
Recenzja rówieśnicza w nauce - w świecie naukowym od dawna istnieje „kryzys powtarzalności”, gdzie niektóre znane wyniki w pewnych okolicznościach stały się częścią wiedzy ogółu, ale ostatecznie nie mogą być powtórzone w nowych badaniach. Możemy spróbować zidentyfikować wyniki, które należy ponownie zbadać, za pomocą rynków prognozowych. Przed ponownym zbadaniem takie rynki pozwolą czytelnikom szybko oszacować, w jakim stopniu powinni ufać jakimkolwiek konkretnym wynikom. Eksperymenty z tym pomysłem już miały miejsce i do tej pory wydają się odnosić sukces.
Finansowanie dóbr publicznych - jednym z głównych problemów mechanizmu finansowania dóbr publicznych używanego przez Ethereum jest jego „rywalizacja o popularność”. Każdy uczestnik musi prowadzić własne działania marketingowe w mediach społecznościowych, aby zdobyć uznanie, podczas gdy ci, którzy nie mają możliwości tego zrobić lub z natury mają więcej „tła”, mają trudności z uzyskaniem znacznych funduszy. Atrakcyjnym rozwiązaniem jest próba śledzenia całej struktury zależności: które projekty przyczyniły się do każdego pozytywnego wyniku, a następnie dla każdego projektu, które inne projekty przyczyniły się do jego sukcesu itd. Głównym wyzwaniem tego projektu jest znalezienie wag krawędzi, które mogą opierać się manipulacji. W końcu manipulacje miały miejsce przez długi czas. Destylowane mechanizmy ludzkiego osądu mogą być pomocne.
Wnioski
Te pomysły były teoretyzowane od dłuższego czasu: najwcześniejsze prace dotyczące rynków prognozowych, a nawet rynków decyzyjnych, mają dziesiątki lat, natomiast podobne rozważania w teorii finansów są jeszcze starsze. Jednak uważam, że obecna dekada oferuje unikalną okazję, głównie z następujących powodów:
Finanse informacyjne rozwiązują problem zaufania, który faktycznie istnieje. Wspólnym zmartwieniem tej epoki jest brak wiedzy (co gorsza, brak konsensusu) i niepewność, komu ufać w kontekście politycznym, naukowym i biznesowym. Aplikacje finansów informacyjnych mogą pomóc stać się częścią rozwiązania.
Teraz mamy skalowalny blockchain jako podstawę. Do niedawna opłaty były zbyt wysokie, aby te pomysły mogły być faktycznie zrealizowane. Teraz już nie są zbyt wysokie.
AI jako uczestnik. Kiedy finanse informacyjne muszą polegać na ludzkim udziale w każdym problemie, stosunkowo trudno jest działać. AI znacznie poprawiło tę sytuację, umożliwiając efektywne rynki nawet w małych problemach. Wiele rynków może mieć kombinację uczestników AI i ludzi, szczególnie gdy liczba określonych problemów nagle wzrasta z małych do dużych.
Aby w pełni wykorzystać tę szansę, powinniśmy wyjść poza przewidywanie wyborów i zbadać, co jeszcze finanse informacyjne mogą nam zaoferować.
Szczególne podziękowania dla Robina Hansona i Alexa Tabarroka za feedback i komentarze.
Link do oryginału
