Особая благодарность Робину Хэнсону и Алексу Табарроку за отзывы и рецензии
Одно из приложений Ethereum, которое всегда вызывало у меня наибольший интерес, - это рынки предсказаний. Я писал о футархии, модели управления на основе предсказаний, придуманной Робином Хэнсоном, в 2014 году. В 2015 году я был активным пользователем и сторонником Augur (смотри, мамочка, мое имя есть в статье Википедии!). Я заработал 58 000 долларов, делая ставки на выборы в 2020 году. А в этом году я стал активным сторонником и последователем Polymarket.
Для многих людей рынки предсказаний - это ставки на выборы, а ставки на выборы - это азартная игра, которая хороша, если помогает людям развлечься, но по сути не более интересна, чем покупка случайных монет на pump.fun. С этой точки зрения мой интерес к рынкам предсказаний может показаться непонятным. Поэтому в этом посте я постараюсь объяснить, что именно в этой концепции меня привлекает. Вкратце, я считаю, что (i) рынки предсказаний даже в том виде, в котором они существуют сегодня, являются очень полезным инструментом для мира, но более того (ii) рынки предсказаний - это лишь один пример гораздо более крупной и невероятно мощной категории, обладающей потенциалом для создания лучших реализаций социальных сетей, науки, новостей, управления и других областей. Я назову эту категорию «инфофинансы».
Два лица Polymarket: сайт ставок для участников, новостной сайт для всех остальных
На прошедшей неделе Polymarket был очень эффективным источником информации о выборах в США. Polymarket не только предсказал победу Трампа с коэффициентом 60/40, в то время как другие источники предсказывали 50/50 (что само по себе не слишком впечатляет), но и продемонстрировал другие достоинства: когда результаты выборов стали известны, в то время как многие эксперты и новостные источники навязывали зрителям надежду на благоприятные новости для Камалы, Polymarket показал прямую правду: вероятность победы Трампа составляет более 95%, а вероятность захвата контроля над всеми ветвями власти одновременно - более 90%.
Но, на мой взгляд, это даже не самый лучший пример того, почему Polymarket интересен. Поэтому давайте обратимся к другому примеру: выборы в Венесуэле в июле. На следующий день после выборов я помню, как краем глаза увидел сообщение о том, что люди протестуют против подтасованных результатов выборов в Венесуэле. Сначала я не придал этому значения. Я уже знал, что Мадуро - один из тех, кто «по сути диктатор», и поэтому решил, что, конечно, он будет подтасовывать результаты всех выборов, чтобы удержаться у власти, конечно, некоторые люди будут протестовать, и, конечно, протест провалится - как, к сожалению, и многие другие. Но потом я пролистывал Полимаркет и увидел вот это:
Конечно, нам известен печальный результат этой ситуации. В конечном итоге Мадуро все же остался у власти. Однако рынки подсказали мне, что на этот раз попытка сместить Мадуро была серьезной. Прошли масштабные акции протеста, а оппозиция разыграла удивительно хорошо продуманную стратегию, чтобы доказать всему миру, насколько фальсифицированными были выборы. Если бы я не получил первоначальный сигнал от Polymarket о том, что «на этот раз есть на что обратить внимание», я бы даже не стал обращать на это внимание.
Никогда не стоит полностью доверять графикам: если все доверяют графикам, то любой человек с деньгами может манипулировать графиками, и никто не осмелится ставить против них. С другой стороны, полностью доверять новостям - тоже плохая идея. У новостей есть стимул быть сенсационными и преувеличивать последствия чего бы то ни было ради кликов. Иногда это оправдано, иногда - нет. Если вы видите сенсационную статью, но затем обращаетесь к рынку и видите, что вероятности соответствующих событий нисколько не изменились, имеет смысл насторожиться. В противном случае, если вы видите неожиданно высокую или низкую вероятность на рынке или неожиданно резкое изменение, это сигнал к тому, чтобы прочитать новость и посмотреть, что могло ее вызвать. Вывод: вы можете быть более информированы, читая новости и графики, чем читая что-то одно.
Давайте вспомним, что здесь происходит. Если вы беттор, то вы можете пополнить счет в Polymarket, и для вас это сайт ставок. Если вы не беттор, то вы можете читать графики, и для вас это новостной сайт. Вы никогда не должны полностью доверять графикам, но лично я уже включил чтение графиков в свой рабочий процесс сбора информации (наряду с традиционными СМИ и социальными сетями), и это помогло мне стать более информированным более эффективно.
Инфофинансы, в более широком смысле
Теперь перейдем к самому главному: предсказание выборов - это только первое приложение. Более широкая концепция заключается в том, что вы можете использовать финансы как способ выравнивания стимулов, чтобы предоставить зрителям ценную информацию. Естественным ответом будет: разве все финансы в основе своей не связаны с информацией? Разные субъекты принимают разные решения о покупке и продаже из-за различных мнений о том, что произойдет в будущем (в дополнение к личным потребностям, таким как предпочтение риска и желание хеджировать), и вы можете читать рыночные цены, чтобы сделать вывод о многих знаниях о мире.
Для меня инфофинансы - это то же самое, но правильное по конструкции. По аналогии с концепцией правильного построения в программной инженерии, инфофинансы - это дисциплина, в которой вы (i) исходите из факта, который хотите узнать, а затем (ii) намеренно разрабатываете рынок, чтобы оптимально получить эту информацию от участников рынка.
Один из примеров - рынки предсказаний: вы хотите знать конкретный факт, который произойдет в будущем, и поэтому создаете рынок, на котором люди делают ставки на этот факт. Другой пример - рынки решений: вы хотите знать, какое решение - А или Б - даст лучший результат в соответствии с некоторой метрикой М. Для этого вы создаете условные рынки: вы просите людей делать ставки на (i) какое решение будет выбрано, (ii) значение М, если будет выбрано решение А, иначе ноль, (iii) значение М, если будет выбрано решение Б, иначе ноль. Учитывая эти три переменные, вы можете выяснить, считает ли рынок решение A или решение B более благоприятным для значения M.
Одна из технологий, которая, как я ожидаю, даст толчок развитию инфофинансов в следующем десятилетии, — это ИИ (будь то LLM или какая-либо другая технология в будущем). Это связано с тем, что многие из наиболее интересных приложений инфофинансов касаются «микро» вопросов: миллионы мини-рынков для принятия решений, которые по отдельности имеют относительно небольшие последствия. На практике рынки с небольшим объемом часто работают неэффективно: искушенному участнику нет смысла тратить время на детальный анализ только ради нескольких сотен долларов прибыли, и многие даже утверждают, что без субсидий такие рынки вообще не будут работать, потому что по всем вопросам, кроме самых крупных и сенсационных, не найдется достаточно наивных трейдеров, чтобы искушенные трейдеры могли извлечь из них прибыль. ИИ полностью меняет это уравнение и означает, что мы потенциально можем получить достаточно качественную информацию даже на рынках с объемом в 10 долларов. Даже если потребуются субсидии, размер субсидии на один вопрос станет чрезвычайно доступным.
Инфобизнес-финансы для получения человеческих суждений
Предположим, что у вас есть человеческий механизм вынесения решений, которому вы доверяете, и который имеет легитимность, поскольку ему доверяет целое сообщество, но для вынесения решения требуется много времени и большие затраты. Однако вы хотите получить доступ к хотя бы приблизительной копии этого «дорогостоящего механизма» дешево и в режиме реального времени. Вот идея Робина Хэнсона о том, что можно сделать: каждый раз, когда вам нужно принять решение, вы создаете рынок предсказаний о том, какой результат даст дорогостоящий механизм при принятии решения, если его вызвать. Вы позволяете рынку предсказаний работать и вкладываете небольшую сумму денег, чтобы субсидировать маркет-мейкеров.
В 99,99 % случаев вы не запускаете затратный механизм: возможно, вы «возвращаете сделки» и возвращаете всем то, что они вложили, или просто даете всем ноль, или смотрите, была ли средняя цена ближе к 0 или 1, и считаете это базовой истиной. 0,01 % времени - возможно, случайным образом, возможно, для рынков с наибольшим объемом торгов, возможно, в каком-то сочетании обоих вариантов - вы действительно запускаете дорогостоящий механизм и выплачиваете участникам компенсацию на его основе.
Таким образом, вы получаете нейтральную с точки зрения доверия быструю и дешевую «дистиллированную версию» вашего первоначального высоконадежного, но высокозатратного механизма (использую слово «дистиллированный» в качестве аналогии с дистилляцией LLM). Со временем этот дистиллированный механизм примерно повторяет поведение исходного механизма - потому что только те участники, которые помогают ему добиться такого результата, зарабатывают деньги, а остальные теряют их.
Это имеет применение не только в социальных сетях, но и в ДАО. Основная проблема ДАО заключается в том, что существует такое большое количество решений, что большинство людей не хотят участвовать в принятии большинства из них, что приводит либо к широкому использованию делегирования, с риском тех же видов централизации и провалов принципала-агента, которые мы наблюдаем в представительной демократии, либо к уязвимости для атак. DAO, в которой реальные голосования происходят очень редко, а большинство решений принимается на рынках предсказаний с некоторой комбинацией людей и искусственного интеллекта, предсказывающих голоса, может работать хорошо.
Как мы уже видели на примере рынков решений, инфофинансы содержат множество потенциальных путей решения важных проблем децентрализованного управления. Ключевым моментом является баланс между рынком и нерынком: рынок — это «двигатель», а какой-то другой нефинансированный механизм доверия — это «руль».
Другие варианты использования информационных финансов
Персональные токены — жанр таких проектов, как Bitclout (теперь Deso), friend.tech и многих других, которые создают токен для каждого человека и позволяют легко спекулировать этими токенами, - относятся к категории, которую я бы назвал «прото-инфофинансы». Они намеренно создают рыночные цены на определенные переменные - а именно, ожидания будущей известности человека, - но точная информация, раскрываемая ценами, слишком неконкретна и подвержена рефлексивности и динамике пузыря. Существует возможность создать улучшенные версии таких протоколов и использовать их для решения важных проблем, таких как открытие талантов, если более тщательно подходить к экономическому дизайну токена, в частности к тому, откуда берется его конечная стоимость. Идея Робина Хэнсона о фьючерсах престижа - один из возможных вариантов конечного состояния.
Реклама — главный «дорогой, но надежный сигнал» о том, купите вы товар или нет. Финансовая информация, основанная на этом сигнале, может быть использована для того, чтобы помочь людям определить, что покупать.
Научное рецензирование — в науке постоянно наблюдается «кризис репликации», когда известные результаты, ставшие в некоторых случаях частью народной мудрости, в итоге не воспроизводятся новыми исследованиями. Мы можем попытаться выявить результаты, нуждающиеся в перепроверке, с помощью рынка предсказаний. До того как перепроверка будет проведена, такой рынок также даст читателям быструю оценку того, насколько они должны доверять тому или иному результату. Эксперименты по реализации этой идеи уже проводились и пока выглядят успешными.
Финансирование общественных благ — одна из главных проблем механизмов финансирования общественных благ, используемых в Ethereum, заключается в их «конкурсной» природе. Каждому вкладчику необходимо проводить собственную маркетинговую операцию в социальных сетях, чтобы получить признание, и вкладчикам, которые не очень хорошо подготовлены для этого или имеют более «фоновые» роли, трудно получить значительные суммы денег. Привлекательным решением этой проблемы является попытка отследить весь график зависимостей: для каждого положительного результата указать, какие проекты внесли в него определенный вклад, а затем для каждого из этих проектов указать, какие проекты внесли в него определенный вклад, и так далее. Основная сложность в таком дизайне заключается в определении весов ребер таким образом, чтобы ими можно было манипулировать - в конце концов, такие манипуляции происходят постоянно. Потенциально в этом может помочь дистиллированный механизм человеческих суждений.
Выводы
Эти идеи теоретизируются уже давно: самые ранние работы о рынках предсказаний и даже рынках решений насчитывают десятки лет, а теория финансов, говорящая о подобных вещах, еще старше. Однако я бы утверждал, что текущее десятилетие представляет собой уникальную возможность по нескольким ключевым причинам:
Инфофинансы решают проблемы доверия, которые действительно существуют у людей. Общей проблемой нашей эпохи является недостаток знаний (и, что еще хуже, отсутствие консенсуса) о том, кому доверять, в политическом, научном и коммерческом контекстах. Инфофинансовые приложения могут стать частью решения этой проблемы.
Теперь у нас есть масштабируемые блокчейны в качестве субстрата. До недавнего времени комиссии были слишком высоки, чтобы реализовать большинство этих идей. Теперь они перестали быть слишком высокими.
ИИ в качестве участников. Инфофинансы довольно сложно заставить работать, когда в каждом вопросе должны участвовать люди. ИИ значительно улучшает эту ситуацию, позволяя создавать эффективные рынки даже на небольших по объему вопросах. Многие рынки, вероятно, будут включать в себя комбинацию ИИ и человеческих участников, особенно когда объем конкретных вопросов внезапно переключится с малого на большой.
Чтобы в полной мере воспользоваться этой возможностью, пришло время выйти за рамки простого предсказания выборов и изучить остальные возможности информационных финансов.