Titlul original: Din piețele de predicție la finanțele informaționale
Autorul original: Vitalik Buterin
Traducătorul original: 0xjs, Gold Finance
Una dintre aplicațiile Ethereum care mă entuziasmează cel mai mult sunt piețele de predicție. În 2014, am scris un articol despre futarchy, un model de guvernare bazat pe predicții conceput de Robin Hanson. De prin 2015, am fost un utilizator activ și susținător al Augur-ului (vezi, numele meu în articolul de pe Wikipedia). În alegerile din 2020, am câștigat 58.000 de dolari pe pariuri. Anul acesta, am fost un susținător și un urmăritor apropiat al Polymarket-ului.
Pentru mulți, piețele de predicție sunt despre pariu pe alegeri, iar pariatul pe alegeri este o formă de joc - dacă asta le aduce distracție, cu atât mai bine, dar, în principiu, nu este mai interesant decât a cumpăra tokenuri aleatorii pe pump.fun. Din această perspectivă, interesul meu pentru piețele de predicție pare confuz. Așadar, în acest articol, intenționez să explic de ce acest concept mă entuziasmează. Pe scurt, cred că (i) chiar și piețele de predicție existente sunt un instrument foarte util pentru lume, dar, în plus, (ii) piețele de predicție sunt doar un exemplu al unei categorii mai mari și foarte puternice, cu potențialul de a crea realizări mai bune în domenii precum media socială, știință, știri, guvernanță și altele. Voi numi această categorie „finanțe informaționale (info finance)”.
Dualitatea Polymarket: un site de pariuri pentru participanți, un site de știri pentru toți ceilalți
În ultima săptămână, Polymarket a fost o sursă de informații foarte eficientă despre alegerile din SUA. Polymarket nu doar că a prezis șansele de câștig ale lui Trump la 60/40 (în timp ce alte surse de informații preziceau 50/50, ceea ce în sine nu este prea impresionant), dar a demonstrat și alte avantaje: când rezultatul a fost anunțat, în ciuda faptului că mulți experți și surse de știri au încercat să atragă publicul, sperând să audă vești favorabile pentru Harris, Polymarket a dezvăluit pur și simplu adevărul: șansele ca Trump să câștige erau de peste 95%, iar șansele de a prelua toate ministerele erau de peste 90%.
Ambele capturi de ecran au fost realizate la 3:40 AM EST pe 6 noiembrie.
Dar pentru mine, acesta nu este nici măcar cel mai interesant exemplu al Polymarket-ului. Așa că să ne uităm la un alt exemplu: alegerile din Venezuela din iulie. În ziua de după alegeri, îmi amintesc că am văzut cu colțul ochi pe cineva protestând împotriva rezultatelor alegerilor din Venezuela, care au fost extrem de manipulate. La început, nu am acordat prea multă atenție. Știam că Maduro era deja unul dintre acei „practic dictatori”, așa că m-am gândit că el va falsifica cu siguranță fiecare rezultat al alegerii pentru a-și păstra puterea, cu siguranță va fi protestat și, desigur, protestul va eșua - din păcate, mulți alții au eșuat. Dar mai târziu, când răsfoiam pe Polymarket, am văzut asta:
Oamenii sunt dispuși să investească peste o sută de mii de dolari, parând asupra probabilității de 23% ca Maduro să fie înlăturat în această alegere. Acum am început să fiu atent.
Desigur, știm rezultatul nefericit al acestei situații. În cele din urmă, Maduro a continuat să rămână la putere. Cu toate acestea, piața m-a făcut să realizez că, de data aceasta, încercarea de a-l răsturna pe Maduro era serioasă. Dimensiunea protestului a fost mare, opoziția a avut o strategie surprinzător de bine executată, demonstrând lumii cât de frauduloase erau alegerile. Dacă nu aș fi primit semnalul inițial de la Polymarket „de data aceasta, ceva merită atenție”, nici măcar nu aș fi început să mă uit.
Nu ar trebui să crezi niciodată complet graficele de pariuri de la Polymarket: dacă toată lumea ar crede graficele de pariuri, atunci oricine ar avea bani ar putea manipula graficele de pariuri, iar nimeni nu ar îndrăzni să parieze împotriva lor. Pe de altă parte, să crezi complet în știri este, de asemenea, o idee proastă. Știrile au motivații emoționale și exagerează orice consecințe pentru clicuri. Uneori, acest lucru este justificat, alteori nu. Dacă vezi un articol senzațional, dar apoi mergi pe piață și observi că probabilitatea evenimentului relevant nu s-a schimbat deloc, atunci îndoiala este justificată. Sau, dacă observi probabilități neașteptat de mari sau mici pe piață, sau o schimbare bruscă neașteptată, atunci acesta este un semnal care te îndeamnă să citești știrile și să vezi ce a cauzat asta. Concluzia: citind știrile și graficele de pariuri, poți obține mai multe informații decât citind doar oricare dintre acestea.
Să recapitulez ce se întâmplă aici. Dacă ești un jucător de pariuri, atunci poți paria pe Polymarket, pentru tine, acesta este un site de jocuri. Dacă nu ești un jucător de pariuri, atunci poți citi graficele de pariuri, pentru tine, acesta este un site de știri. Nu ar trebui să crezi niciodată complet graficele de pariuri, dar personal am inclus citirea graficelor de pariuri ca un pas în fluxul meu de colectare a informațiilor (împreună cu media tradițională și rețelele sociale), ajutându-mă să obțin mai multe informații mai eficient.
Finanțele informaționale în sens mai larg
Acum ajungem la partea importantă: prezicerea rezultatelor alegerilor este doar prima aplicație. Conceptul mai larg este că poți folosi finanțele ca un mod de a coordona mecanismele de stimulare pentru a oferi publicului informații valoroase. Acum, o reacție naturală ar fi: nu toate finanțele nu sunt legate fundamental de informații? Participanți diferiți vor lua decizii de cumpărare și vânzare diferite, deoarece au viziuni diferite despre ceea ce se va întâmpla în viitor (în afară de nevoile individuale, cum ar fi preferințele pentru risc și dorința de hedging), iar citind prețurile pieței, poți deduce multe despre lume.
Pentru mine, finanțele informaționale sunt așa, dar structura este corectă. Similar cu conceptele structurat corecte din ingineria software, finanțele informaționale sunt o disciplină care îți cere (i) să începi cu faptele pe care vrei să le știi și apoi (ii) să proiectezi deliberat o piață pentru a obține acea informație în cel mai bun mod de la participanții la piață.
Finanțele informaționale sunt un market cu trei laturi: pariorii fac predicții, cititorii citesc predicțiile. Piața va produce predicții despre viitor ca bun public (deoarece acesta este scopul pentru care a fost concepută).
Piețele de predicție sunt un exemplu: vrei să știi un fapt specific despre ceea ce se va întâmpla în viitor, așa că ai înființat o piață pentru a permite oamenilor să parieze pe acest fapt. Un alt exemplu este piața decizională: vrei să știi care decizie, A sau B, va produce un rezultat mai bun conform unui anumit indicator M. Pentru a realiza acest lucru, stabilești o piață condiționată: ceri oamenilor să parieze (i) ce decizie va fi aleasă, (ii) dacă se alege decizia A, ce valoare va avea M, altfel zero, (iii) dacă se alege decizia B, ce valoare va avea M, altfel zero. Cu aceste trei variabile, poți determina dacă piața consideră că decizia A sau B este mai favorabilă pentru a obține valoarea M.
Mă aștept ca o tehnologie care va impulsiona dezvoltarea finanțelor informaționale în următorul deceniu să fie AI (fie că este vorba de modele mari sau de tehnologiile viitoare). Aceasta se datorează faptului că multe dintre cele mai interesante aplicații de finanțe informaționale sunt legate de probleme „micro”: milioane de piețe mici, unde deciziile individuale au un impact relativ mic. De fapt, piețele cu volum scăzut de tranzacționare de obicei nu pot funcționa eficient: pentru participanții experimentați, a lua timp pentru o analiză detaliată doar pentru a obține câteva sute de dolari profit nu are sens, iar mulți cred chiar că aceste piețe nu pot funcționa fără subvenții, deoarece nu există suficienți traderi naivi pentru a permite traderilor experimentați să câștige de la cele mai mari și mai atrăgătoare probleme. AI a schimbat complet această ecuație, ceea ce înseamnă că, chiar și în piețele cu un volum de 10 dolari, avem șanse să obținem informații de calitate destul de ridicată. Chiar și în cazul în care subvențiile sunt necesare, sumele de subvenții pentru fiecare problemă devin foarte accesibile.
Finanțele informaționale necesită distilarea umană
Judecată
Presupunând că ai un mecanism de judecată uman de încredere și că acest mecanism are legitimitatea de a fi de încredere în întreaga comunitate, dar judecarea necesită mult timp și costuri mari. Cu toate acestea, vrei să accesezi în timp real, la un cost scăzut, cel puțin o copie aproximativă a acelui „mecanism costisitor”. Iată ce ai putea face, conform propunerii lui Robin Hanson: de fiecare dată când trebuie să iei o decizie, creezi o piață de predicție care să prezică ce rezultat ar avea acel mecanism costisitor dacă ar fi apelat. Lași piața de predicție să funcționeze și investești o sumă mică de bani pentru a subvenționa market maker-ii.
99,99% din timp, practic nu vei activa mecanismele costisitoare: poate vei „anula tranzacția” și vei returna investițiile tuturor, sau pur și simplu le vei da tuturor zero, sau te vei uita dacă prețul mediu este mai aproape de 0 sau 1 și îl vei considera un fapt fundamental. 0,01% din timp - poate că este aleatoriu, poate că este pentru piețele cu cel mai mare volum de tranzacționare, poate că este o combinație a ambelor - vei activa efectiv mecanismele costisitoare și vei compensa participanții pe baza acestora.
Acest lucru îți oferă o versiune „distilată” de încredere, neutră, rapidă și ieftină, care este o copie aproximativă a mecanismului tău inițial de încredere ridicată, dar cu costuri extrem de mari (folosind termenul „distilat” ca analogie cu „distilarea” din LLM). De-a lungul timpului, acest mecanism distilat reflectă grosso modo comportamentul mecanismului original - deoarece numai participanții care ajută la realizarea acelui rezultat pot câștiga bani, în timp ce ceilalți pierd.
Modelul combinației de piețe de predicție posibile + note comunitare.
Acest lucru nu se aplică doar rețelelor sociale, ci și DAO-urilor. O problemă principală cu DAO-urile este că există prea multe decizii, iar majoritatea oamenilor nu sunt dispuși să participe, ceea ce duce fie la utilizarea pe scară largă a delegării, cu riscurile centralizării și eșecului de delegare comune în democrația reprezentativă, fie la atacuri ușoare. Dacă voturile efective în DAO au loc rar, iar majoritatea problemelor sunt decise prin piețe de predicție, unde rezultatele voturilor sunt prezise de o combinație de oameni și AI, atunci acest DAO ar putea funcționa bine.
Așa cum am văzut în exemplul piețelor de decizie, finanțele informaționale conțin multe căi potențiale pentru a rezolva probleme importante în guvernanța descentralizată, cheia fiind echilibrul între piață și non-piață: piața este „motorul”, iar alte mecanisme de încredere non-financiare sunt „volanul”.
Alte cazuri de utilizare ale finanțelor informaționale
Tokenuri personale - proiecte precum Bitclout (acum Deso), friend.tech și multe altele care creează tokenuri pentru fiecare persoană și facilitează speculația - sunt ceea ce numesc o clasă de „finanțe informaționale”. Ele creează intenționat prețuri de piață pentru variabile specifice (adică așteptările legate de reputația viitoare a unei persoane), dar informațiile exacte dezvăluite de prețuri sunt prea vagi și sunt influențate de reflexivitate și dinamica bulelor. Este posibil să se creeze versiuni îmbunătățite ale acestor protocoale, abordând probleme importante precum descoperirea talentelor printr-o considerare mai atentă a designului economic al tokenurilor (în special de unde provine valoarea lor finală). Ideea lui Robin Hanson despre piețele futures pe reputație este o posibilă stare finală aici.
Publicitate - semnalul final „scump dar de încredere” este dacă vei cumpăra produsul. Finanțele informaționale bazate pe acest semnal pot ajuta oamenii să decidă ce să cumpere.
Revizuirea colegială științifică - comunitatea științifică a avut mereu o „criză a reproducibilității”, adică anumite rezultate celebre au devenit parte din înțelepciunea populară, dar nu au putut fi reproduse în cercetări noi. Putem încerca să determinăm prin piețele de predicție ce rezultate trebuie revizuite. Înainte de revizuire, astfel de piețe ar permite cititorilor să estimeze rapid în ce măsură ar trebui să aibă încredere în orice rezultat specific. Această idee a fost testată experimental și până acum pare să fi avut succes.
Finanțarea bunurilor publice - una dintre problemele principale ale mecanismului de finanțare a bunurilor publice utilizat de Ethereum este natura sa de „competiție pentru popularitate”. Fiecare contributor trebuie să își desfășoare propria campanie de marketing pe rețelele sociale pentru a obține recunoaștere, iar cei care nu au capacitatea de a face asta sau care au un rol „de fundal” mai puternic au dificultăți în a obține fonduri semnificative. O soluție atractivă este să încerci să urmărești întreaga diagramă de dependență: pentru fiecare rezultat pozitiv, care proiecte a contribuit cât, apoi pentru fiecare proiect, care alte proiecte au contribuit cât, și așa mai departe. Provocarea principală a acestui design este de a descoperi greutățile marginale astfel încât să poată rezista manipulării. La urma urmei, această manipulare a avut loc mereu. Un mecanism distilat de judecată umană ar putea ajuta.
Concluzie
Aceste idei au fost teoretizate de mult timp: cele mai vechi lucrări despre piețele de predicție, chiar și piețele de decizie, au zeci de ani, iar discursurile similare în teoria financiară sunt și mai vechi. Totuși, cred că decada actuală oferă o oportunitate unică, din motive principale:
Finanțele informaționale rezolvă problema încrederii care există în realitate. O preocupare comună a acestei ere este lipsa de cunoștințe (mai rău, lipsa de consens), neștiind în cine să avem încredere în contexte politice, științifice și comerciale. Aplicațiile de finanțe informaționale pot ajuta la a deveni parte a soluției.
Acum avem o blockchain scalabilă ca bază. Până de curând, costurile erau prea mari pentru a realiza cu adevărat aceste idei. Acum, acestea nu mai sunt atât de mari.
AI ca participanți. Atunci când finanțele informaționale trebuie să se bazeze pe participarea umană la fiecare problemă, este relativ dificil să funcționeze. AI îmbunătățește semnificativ această situație, chiar și în problemele de mică amploare, permițând realizarea unor piețe eficiente. Multe piețe ar putea avea o combinație de participanți AI și umani, mai ales atunci când numărul problemelor specifice crește brusc de la mic la mare.
Pentru a profita pe deplin de această oportunitate, ar trebui să depășim simpla prezicere a alegerilor și să explorăm ce altceva ne pot oferi finanțele informaționale.
Un mare mulțumesc lui Robin Hanson și Alex Tabarrok pentru feedback și comentarii.
Linkul original
