Autorul original: Vitalik Buterin

Sursa originală: Shen Chao

Reproducere: Koala, Mars Finance

Una dintre aplicațiile Ethereum care mă entuziasmează cel mai mult este piața de previziuni. În 2014, am scris un articol despre futarchy, un model de guvernare bazat pe previziuni conceput de Robin Hanson. Începând din 2015, am fost un utilizator activ și susținător al Augur. Am câștigat 58.000 de dolari din pariurile asupra alegerilor din 2020. Anul acesta, am fost un susținător și un urmaș apropiat al Polymarket.

Pentru mulți, piețele de previziuni sunt doar pariuri pe alegeri, iar a paria pe alegeri este joc de noroc - dacă îi face pe oameni să se distreze, cu atât mai bine, dar în esență nu este mai interesant decât a cumpăra tokenuri aleatorii pe pump.fun. Privind din această perspectivă, interesul meu pentru piețele de previziuni pare confuz. Prin urmare, în acest articol, îmi propun să explic motivul pentru care acest concept mă entuziasmează. Pe scurt, cred că (i) chiar și piețele de previziuni existente sunt un instrument foarte util pentru lume, dar în plus (ii) piețele de previziuni sunt doar un exemplu al unei categorii mai mari și foarte puternice care are potențialul de a crea realizări mai bune în social media, știință, știri, guvernare și alte domenii. 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 Statele Unite. Polymarket nu doar că a prezis probabilitatea ca Trump să câștige de 60/40 (în timp ce alte surse au prezis 50/50, ceea ce în sine nu este prea impresionant), dar a arătat și alte avantaje: când rezultatul a fost anunțat, deși mulți experți și surse de știri au încercat să inducă publicul în eroare, sperând că vor auzi vești favorabile pentru Harris, Polymarket a dezvăluit direct adevărul: probabilitatea ca Trump să câștige a fost de peste 95%, iar probabilitatea de a prelua toate ministerele guvernamentale a fost de peste 90%.

Ambele capturi de ecran au fost făcute în data de 6 noiembrie, la ora 3:40 AM, ora estică a Statelor Unite.

Dar pentru mine, acesta nu este nici măcar cel mai interesant exemplu al Polymarket. Așa că să analizăm un alt exemplu: alegerile din Venezuela din iulie. A doua zi după alegeri, mi-am adus aminte că am văzut cu colțul ochi pe cineva protestând împotriva rezultatelor profund manipulate ale alegerilor din Venezuela. La început, nu am acordat prea multă atenție. Știam că Maduro era deja unul dintre acele personaje „practic dictatori”, așa că am presupus că, desigur, va falsifica fiecare rezultat electoral pentru a-și păstra puterea, desigur că vor exista proteste și desigur că protestele vor eșua - din păcate, mulți alții au eșuat. Dar mai târziu, în timp ce derulam pe Polymarket, am văzut asta:

Oamenii erau dispuși să investească peste 100.000 de dolari, parând că probabilitatea ca Maduro să fie răsturnat în această alegere este de 23%. Acum am început să mă concentrez.

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. Protestele erau masive, opoziția a adoptat o strategie surprinzător de bine executată pentru a demonstra lumii cât de frauduloase erau alegerile. Dacă nu aș fi primit semnalul inițial de la Polymarket „de data aceasta, există ceva de care să ne ocupăm”, nu aș fi început să mă concentrez.

Nu ar trebui să credeți niciodată complet în graficele de pariuri de la Polymarket: dacă toată lumea ar crede în graficele de pariuri, orice persoană cu bani ar putea manipula graficele de pariuri, nimeni nu ar îndrăzni să parieze împotriva lor. Pe de altă parte, a crede complet în știri este, de asemenea, o idee proastă. Știrile au motivații emoționale, exagerând consecințele oricărui lucru pentru clicuri. Uneori este rezonabil, alteori nu. Dacă vezi un articol senzațional, dar apoi mergi pe piață și vezi că probabilitatea evenimentului relevant nu s-a schimbat deloc, atunci este rezonabil să fii sceptic. Sau, dacă vezi o probabilitate neașteptat de mare sau mică pe piață, sau o schimbare neașteptată și bruscă, atunci acesta este un semnal care te face să citești știrile și să vezi ce a cauzat-o. Concluzia: prin citirea știrilor și a graficelor de pariuri, poți obține mai multe informații decât citind doar oricare dintre ele.

Să recapitulăm ce se întâmplă aici. Dacă ești un parior, poți paria pe Polymarket, pentru tine acesta este un site de pariuri. Dacă nu ești parior, poți citi graficele de pariuri, pentru tine acesta este un site de știri. Nu ar trebui să crezi niciodată complet în graficele de pariuri, dar personal am integrat citirea graficelor de pariuri ca un pas în fluxul meu de lucru pentru colectarea informațiilor (împreună cu mass-media tradițională și social media), ceea ce mă ajută să obțin 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 mecanism de coordonare a stimulentelor pentru a oferi publicului informații valoroase. Acum, o reacție naturală ar fi: nu toate finanțele nu sunt în esență legate de informație? Participanții diferiți vor lua decizii de cumpărare și vânzare diferite, deoarece au viziuni diferite despre ce se va întâmpla în viitor (în afară de nevoile individuale, cum ar fi preferințele de risc și dorința de hedging), iar tu poți deduce multe despre lume citind prețurile pieței.

Pentru mine, finanțele informaționale sunt așa, dar structura este corectă. Similar cu conceptul de structură corectă în ingineria software, finanțele informaționale sunt o disciplină care necesită (i) să începi cu faptele pe care vrei să le cunoști și apoi (ii) să proiectezi intenționat o piață pentru a obține acea informație în cel mai bun mod de la participanții din piață.

Finanțele informaționale sunt o piață triadică: pariorii fac previziuni, cititorii citesc previziunile. Piața va produce previziunile viitoare ca bun public (deoarece acesta este scopul pentru care a fost concepută).

Piețele de previziuni sunt un exemplu: vrei să știi un anumit fapt specific care se va întâmpla în viitor, așa că stabilești o piață pentru ca oamenii să parieze pe acest fapt. Un alt exemplu este piața de decizie: vrei să știi care dintre deciziile A și B va produce un rezultat mai bun, în funcție de un anumit indicator M. Pentru a realiza acest lucru, stabilești o piață condiționată: ceri oamenilor să parieze (i) care decizie va fi aleasă, (ii) dacă se alege decizia A, atunci se va obține valoarea M, altfel zero, (iii) dacă se alege decizia B, atunci se va obține valoarea M, altfel zero. Cu aceste trei variabile, poți determina dacă piața crede că decizia A sau decizia B este mai favorabilă pentru a obține valoarea M.

Preconizez că o tehnologie care va impulsiona dezvoltarea finanțelor informaționale în următorul deceniu este AI (fie că sunt modele mari sau tehnologii viitoare).

Acest lucru se datorează faptului că multe dintre cele mai interesante aplicații ale finanțelor informaționale sunt legate de probleme „micro”: milioane de piețe mici, în care deciziile au un impact relativ mic în mod individual. În realitate, piețele cu volum scăzut de tranzacționare nu pot funcționa eficient: pentru participanții experimentați, petrecerea de timp pentru a analiza detaliat doar pentru a obține câteva sute de dolari profit nu are sens, și mulți chiar cred că fără subvenții, astfel de piețe nu pot funcționa deloc, deoarece nu există suficienți traderi naivi pentru a permite traderilor experimentați să obțină profit, în afară de cele mai mari și cele mai răsunătoare probleme. AI a schimbat complet această ecuație, ceea ce înseamnă că și în piețele cu un volum de 10 dolari, avem șanse să obținem informații de calitate destul de înaltă. Chiar și cu subvenții, suma subvenției pentru fiecare problemă devine foarte accesibilă.

Finanțele informaționale necesită distilarea umană.

Judecată

Să presupunem că aveți un mecanism de judecată de încredere, iar acest mecanism este considerat legitim de întreaga comunitate, dar a face o judecată necesită mult timp și costuri ridicate. Cu toate acestea, doriți să accesați în timp real o copie aproximativă a acelui „mecanism scump” cu costuri reduse. Iată câteva idei propuse de Robin Hanson: de fiecare dată când trebuie să luați o decizie, veți construi o piață de previziuni pentru a prezice ce rezultat ar produce acel mecanism scump. Lăsați piața de previziuni să funcționeze și investiți o sumă mică de bani pentru a subvenționa market makerii.

99.99% din timp, nu veți apela de fapt la mecanismul scump: poate că veți „revoca tranzacția” și veți returna contribuțiile tuturor, sau pur și simplu veți da fiecăruia zero, sau verificați dacă prețul mediu este mai aproape de 0 sau 1 și îl considerați un fapt de bază. 0.01% din timp - poate că este aleatoriu, poate că este în piețele cu cel mai mare volum de tranzacționare, poate o combinație a ambelor - veți rula de fapt mecanismul scump și veți compensa participanții în consecință.

Aceasta îți oferă o „versiune distilată” de încredere, neutră, rapidă și ieftină, care este un mecanism original de înaltă încredere, dar cu costuri extrem de ridicate (folosind termenul „distilat” ca analogie cu „distilled” din LLM-uri). De-a lungul timpului, acest mecanism distilat reflectă aproximativ comportamentul mecanismului original - deoarece doar participanții care ajută la realizarea acelui rezultat pot câștiga, în timp ce ceilalți pierd.

Modelul combinației de piețe de previziuni + notițe comunitare.

Aceasta se aplică nu doar social media, ci și DAO-urilor. O problemă principală a DAO-urilor este că există prea multe decizii, iar majoritatea oamenilor nu sunt dispuși să participe, ceea ce duce fie la o utilizare extinsă a delegării, expunând riscurile centralizării și eșecului delegat frecvente în democrația reprezentativă, fie la vulnerabilitate la atacuri. Dacă votul real în DAO are loc rar, iar majoritatea lucrurilor sunt decise de piețele de previziuni, cu voturi prezise 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 guvernarea descentralizată, cheia fiind echilibrul între piață și non-piață: piața este „motorul”, iar alte mecanisme de încredere non-financiarizate sunt „volanul”.

Alte cazuri de utilizare ale finanțelor informaționale

Tokenuri personale - multe proiecte precum Bitclout (acum deso), friend.tech etc. care creează tokenuri pentru fiecare persoană și le fac ușor de speculat - sunt o clasă pe care o numesc „finanțe informaționale primitive”. Ele creează intenționat prețuri de piață pentru variabile specifice (adică așteptările privind reputația viitoare a unei persoane), dar informația exactă dezvăluită de prețuri este prea vagă și supusă reflexivității și dinamicii de bulă. Există posibilitatea de a crea versiuni îmbunătățite ale acestor protocoale și de a aborda probleme importante precum descoperirea talentelor prin a lua în considerare mai atent designul economic al tokenului (în special de unde provine valoarea sa finală). Conceptul de futures pe reputație al lui Robin Hanson este o posibilă stare finală aici.

Publicitate - ultimul „semnal scump dar de încredere” este dacă veți cumpăra produsul. Finanțele informaționale bazate pe acest semnal pot fi folosite pentru a ajuta oamenii să decidă ce să cumpere.

Revizuirea colegială științifică - comunitatea științifică se confruntă cu o „criză a reproducibilității”, adică anumite rezultate celebre au devenit parte din înțelepciunea populară în anumite circumstanțe, dar nu au putut fi reproduce în cercetări noi. Putem încerca să determinăm rezultatele care trebuie revizuite prin piețele de previziuni. Înainte de a le revizui, astfel de piețe le vor permite cititorilor să estimeze rapid în ce măsură ar trebui să aibă încredere în orice rezultat specific. Experimentele cu această idee au fost realizate și până acum au fost de succes.

Finanțarea bunurilor publice - una dintre problemele principale ale mecanismului de finanțare a bunurilor publice utilizat de Ethereum este natura sa de „competitivitate a popularității”. Fiecare contributor trebuie să-și desfășoare propriile campanii de marketing pe rețelele sociale pentru a obține recunoaștere, iar cei care nu au capacitatea de a face acest lucru sau care au din naștere roluri de „fundal” se confruntă cu dificultăți în a obține fonduri semnificative. O soluție atrăgătoare este să încerci să urmărești întregul grafic de dependență: pentru fiecare rezultat pozitiv, care proiecte a contribuit cât, apoi pentru fiecare proiect, care proiecte au contribuit cât, și așa mai departe. Provocarea principală a acestui design este să descoperi greutatea marginală, astfel încât să poată rezista manipulării. La urma urmei, această manipulare a avut loc întotdeauna. Un mecanism de judecată uman distilat ar putea ajuta.

Concluzie

Aceste idei au fost teoretizate de mult timp: cele mai vechi lucrări despre piețele de previziuni și chiar piețele de decizie au zeci de ani. Totuși, cred că acest deceniu oferă o oportunitate unică, din următoarele motive:

Finanțele informaționale rezolvă problema de încredere care există în realitate. O preocupare comună a acestei ere este lipsa de cunoștințe (și mai rău, lipsa de consens), neștiind pe cine să avem încredere în mediul politic, științific și de afaceri. Aplicațiile finanțelor informaționale pot ajuta la a deveni parte din soluție.

Acum avem o blockchain scalabilă ca bază. Până recent, costurile erau prea mari pentru a realiza cu adevărat aceste idei. Acum, ele nu mai sunt atât de mari.

AI ca participanți. Când finanțele informaționale trebuie să se bazeze pe implicarea umană în fiecare problemă, este relativ greu să funcționeze. AI a îmbunătățit semnificativ această situație, permițând piețelor eficiente chiar și în probleme de mică amploare. Multe piețe vor putea avea o combinație de participanți AI și umani, mai ales atunci când numărul de probleme specifice trece brusc de la mic la mare.

Pentru a profita la maximum de această oportunitate, ar trebui să depășim simpla predicție a alegerilor și să explorăm ce altceva ne poate aduce finanțele informaționale.

Mulțumiri speciale lui Robin Hanson și Alex Tabarrok pentru feedback și comentarii.