В области блокчейна и открытого исходного кода эффективное распределение средств всегда было проблемой. Сегодня инновационный проект под названием Deep Funding пытается решить эту проблему с помощью искусственного интеллекта и децентрализованного рецензирования. Этот проект, который получил первоначальную поддержку в размере 250 тысяч долларов от Виталика Бутерина, не только планирует решить текущие проблемы распределения ресурсов в экосистеме Ethereum, но и создать новые модели распределения средств для будущих общественных благ.

01, Deep Funding

Что такое Deep Funding?

Deep Funding - это инновационный проект, который оптимизирует распределение средств для общественных благ с помощью AI и децентрализованного механизма оценки, направленный на решение проблем неэффективного распределения ресурсов в экосистеме Ethereum. Цель проекта - построить справедливую, прозрачную и эффективную систему распределения средств, поддерживающую Ethereum и его ключевые проекты с открытым исходным кодом, обеспечивая долгосрочное устойчивое развитие.

Официальный сайт: https://deepfunding.org/

Какую проблему вы хотите решить?

В настоящее время распределение средств для общественных благ в Ethereum сталкивается со следующими проблемами:

  1. Нерациональность человеческого решения: сталкиваясь со сложными и абстрактными вопросами, людям часто трудно делать разумные суждения.

  2. Предпочтение поверхностным проектам: финансирование на основе выборов склонно поддерживать очевидные на первый взгляд проекты, игнорируя глубокие технологические зависимости и сложные вклады.

Это привело к тому, что некоторые жизненно важные, но «скрытые» инфраструктуры экосистемы Ethereum не получают достаточной поддержки, в то время как ресурсы могут тратиться на проекты, которые кажутся важными в краткосрочной перспективе, но имеют ограниченную ценность в долгосрочной перспективе.

Какого рода подход применяется для решения проблемы?

Решения, предлагаемые Deep Funding, включают:

1. Построение Deep Graph

Deep Graph - это динамическая графическая зависимость, показывающая зависимости между проектами, и распределяющая веса для каждой зависимости. Таким образом, вклад и фактическая ценность общественных благ становятся визуализированными, решая проблему трудности измерения "невидимых вкладов".

2. Взвешивание и оценка AI моделей

  • Ввод данных: различная информация, основанная на проектах с открытым исходным кодом (например, количество звезд, активность участников, время обновления и т. д.). Это требует использования вашего воображения и понимания ценности проектов с открытым исходным кодом.

  • Распределение весов: AI модель распределяет веса в зависимости от важности и фактического влияния зависимостей, динамически корректируя распределение средств.

  • Проверка и оптимизация: путем выборочной проверки модели жюри (jury) обеспечивается разумность весов.

3. Механизм оценки жюри

  • Жюри состоит из экспертов, которые предоставляют тренировочные данные для модели, отвечая на вопросы типа "Проект A и B, который важнее?". Выбор этих вопросов обусловлен тем, что их относительно легко распознать и ответить.

  • Модель сотрудничества человека и AI: человек отвечает за направление и оценку ценности, AI предоставляет поддержку в анализе данных. Затем будут выбраны несколько хороших моделей, которые соответствуют человеческому консенсусу, для применения.

4. Справедливое распределение средств

Финансирование распределяется в зависимости от доли вклада проекта, также будет часть, посвященная поощрению выигравших моделей.

Deep Funding будет использоваться не только для построения и распределения весов программного обеспечения с открытым исходным кодом, эта модель может быть применена в любых сценариях с зависимостями и распределением. Например: статьи, музыка, фильмы и т.д. Программное обеспечение с открытым исходным код - это лишь первая попытка, Deep Funding надеется стать решением, подходящим для различных сценариев.

02, Конкурс Deep Funding

В настоящее время первая конкуренция Deep Funding сосредоточена на GitHub репозиториях и проектах с открытым исходным кодом, создавая взвешенный граф на основе зависимостей из проектов с открытым исходным кодом, чтобы определить сумму пожертвований, которую должен получить каждый репозиторий. Затем будет сосредоточено внимание на проектах с открытым исходным кодом под тегом Ethereum, особенно на клиентских приложениях.

Текущий прогресс проекта Deep Funding включает:

  1. Спонсорство и финансирование: Виталик Бутерин предоставил начальное спонсорство в размере $250,000.

  2. Подготовка данных: сбор графа зависимостей Ethereum, включающего примерно 40,000+ рёбер. В настоящее время уже подготовлено.

  3. Проектирование механизма: проведение конкурса AI моделей (будет на Kaggle), в настоящее время идет набор AI моделей.

  4. Оценка проб: выборочная проверка для проверки эффективности модели; применение модели весов зависимостей к проектам, связанным с Ethereum, и просмотр фактических результатов.

Из общего призового фонда в 250K, $170k будет распределено проектам согласно весам зависимостей, $40k будет вознаграждено модели, показавшей лучшие результаты в выборочной проверке, $40k будет вознаграждено модели с открытым исходным кодом, инновационность которой будет оценена экспертным жюри.

В настоящее время есть много вызовов, которые нужно преодолеть.

  1. Справедливость оценивания и механизмы стимулов: как гарантировать нейтральность жюри и долгосрочную активность участия? Как построить справедливое и эффективное жюри?

  2. Эффективность AI моделей: как точно взвешивать глубокие зависимости, избегая злоупотребления или игровой механики модели?

  3. Механизм динамической корректировки: как сбалансировать самооценку и внешнюю оценку, избегая предвзятости?

  4. Источники финансирования и механизмы стимулов: как привлечь больше средств для распределения, особенно для не-кодовых вкладов?

Мы будем постепенно обсуждать и исследовать.

#AI #ETH