tl’dr

• Люди уже давно предсказывали, что рынок прогнозов рано или поздно взлетит, и продолжающиеся улучшения пользовательского опыта подготовили этот сегмент к взлету
• Но чтобы масштабироваться до миллиардов пользователей, нам нужно "что-то новое" помимо постоянных улучшений UX, и это ИИ как звено и ключевой элемент в механизме
• Четверка искусственного интеллекта из создателей контента, рекомендаторов мероприятий, аллокаторов ликвидности и агрегаторов информации может катализировать огромную новую активность в этом пространстве
• Интеграция этих ИИ в текущую структуру рынка прогнозов может позволить создание рынков прогнозов на микроскопическом уровне, что делает их лично привлекательными и актуальными
• Примитив рынка прогнозов открывает путь для приложений, похожих на Tinder, встраивая опыт прогностической торговли в наше повседневное цифровое существование

Каждое решение начинается с прогноза. Рассмотрим обдумывание потенциала биткойна: "Принесет ли покупка биткойна сейчас удвоенные инвестиции к концу года? Если перспектива "да" оценивается даже немного более вероятной, чем "нет", то экономически рациональным было бы решиться на покупку биткойна в отсутствие более привлекательных альтернатив."

Но почему останавливаться на биткойне? Представьте, мы могли бы создать рынки, основанные на прогнозах, связанных со всевозможными событиями, такими как кто станет следующим президентом США или какая страна выиграет Чемпионат мира. Здесь торгуются не активы, а сами прогнозы.

Прогнозы формируют рынки, рынки подтверждают наши прогнозы

Рынок прогнозов был назван "священным граалем технологии эпистемики" Виталиком.

Виталик обладает талантом видеть большие вещи раньше других. Поэтому он хороший источник для нарративов о фронтраннинге. Он предложил идею AMM на Ethereum семь лет назад в статья в блоге. “Другой парень” по имени Хайден Адамс ответил на призыв и начал создавать это, получив грант в $60 тыс. Через два года появился Uniswap родился.

Если блоги Виталика могут инициировать создание $100+ billionдолларовые индустрии, наверное, стоит обратить на них внимание. Например, бывает, что Виталик воодушевляется использованием рынков прогнозов в управлении назад в 2014— радикальная форма управления, известная как «футархия» — и теперь у нас естьMeta DAOделает именно это, с крупными венчурными фондами, такими как Panteraпринимая в нем участие.

Но это его болеенедавние обсуждениявокруг рынка прогнозов + искусственного интеллекта, на которые мы хотим сосредоточиться, поскольку мы начинаем видеть начало чего-то большого здесь.

Рынок прогнозов готов взлететь

Лидирующим рынком прогнозов на данный момент является Polymarket благодаря постоянному улучшению пользовательского опыта и расширению категорий событий и предложений по событиям.

Источник данных: Дюна

Оборот за последний месяц недавно достиг исторического максимума и, вероятно, увеличится в связи с президентскими выборами в США в ноябре этого года (активность Polymarket сосредоточена в США).

Есть дополнительные предпосылки верить, что рынок прогнозов может взлететь в этом году. Помимо того, что криптовалютные рынки достигли исторических максимумов в 2024 году, у нас также есть один из самых крупных годов выборов в истории. Восьмое из десяти самых многочисленных народов мира, включая США, Индию, Россию, Мексику, Бразилию, Бангладеш, Индонезию и Пакистан, также идут на выборы. У нас также предстоящие Летние Олимпийские игры 2024 года в Париже.

Но учитывая, что ежемесячные объемы все еще составляют десятки миллионов, когда они могли бы достигать сотен миллионов, давайте рассмотрим некоторые ограничения текущего рынка прогнозов:

• Централизованный контроль над созданием событий
• Отсутствие стимулов для создателей контента сообщества
• Недостаточная персонализация
• Преимущественно ориентированный на США; игнорирующий значительные международные возможности

Но нам нужно «что-то новое»

Мы верим, что это AI.

Нам нужны ИИ в качестве игроков в игре. Мы ожидаем, что скоро будет обычным видеть ИИ (ботов), участвующих наряду с человеческими агентами на рынках прогнозов. Мы уже видим прямые демонстрации этого в OmenиPredX, среди вероятно многих других, чтобы войти на эту сцену. Подробнее об этом позже.

ИИ нуждаются в ИИ в качестве арбитров игры. Хотя это относительно редко, могут возникать случаи, когда разрешение споров важно и необходимо на рынке прогнозов. Например, на президентских выборах результаты могут быть очень близкими, и могут появиться обвинения в нарушениях при голосовании. Таким образом, в то время как рынок прогнозов может закрыться в пользу кандидата A, официальная избирательная комиссия может объявить победителем кандидата B. Те, кто делает ставки на кандидата A, будут возражать против результата из-за предполагаемых нарушений при голосовании, в то время как те, кто делает ставки на кандидата B, будут утверждать, что решение избирательной комиссии отражает «истинный» результат. На кону может стоять много денег. Кто прав?

Ответ на этот вопрос ставит перед собой несколько вызовов:

• Игроки могут не доверять человеческим арбитрам из-за их предвзятости
• Человеческая арбитраж может быть медленным и дорогим
• Разрешения на прогнозы, основанные на DAO, уязвимы для атак Сибила

Для решения этой проблемы рынки прогнозов могут использовать многоуровневые системы разрешения споров a la Klerosза исключением использования искусственного интеллекта вместо людей для разрешения споров на более ранних этапах, и только люди участвуют в редких случаях, когда споры достигают тупика. Игроки могут доверять искусственному интеллекту быть беспристрастным, поскольку фальсификация достаточного количества тренировочных данных для их предвзятости невозможна. Кроме того, искусственные разбиратели работают быстрее и по гораздо более низкой стоимости.xМаркетсстроится в этом направлении.

ИИ создают желание

Для того чтобы рынки прогнозов действительно стали популярными, им необходимо способствовать достижению достаточного интереса, чтобы подтолкнуть людей за психологический порог фактической торговли прогностическими активами. Возможно, для общих тем, которые волнуют многих людей, таких как кто выиграет президентские выборы или Супербоул, этого не потребуется много. Однако включение только общих тем серьезно ограничивает потенциальную ликвидность. В идеале, рынок прогнозов мог бы использовать ликвидность конкретных событий, которые вызывают большой интерес у узкой аудитории. Так работает таргетированная реклама, и мы все знаем, что таргетированная реклама работает.

Для достижения этой цели рынкам прогнозов необходимо решить четыре общие проблемы:

1. Предложение мероприятий: Высококачественное мероприятие является ключевым. Чтобы привлечь внимание узкой, но преданной аудитории, создателям мероприятий необходимо глубоко понимать интересы своего сообщества для стимулирования участия и увеличения объемов.
2. Спрос на мероприятие: спрос должен быть высоким в конкретном целевом сообществе, учитывая их демографические и психографические идиосинкразии.
3. Ликвидность мероприятий: В целевом сообществе достаточно разнообразных мнений и динамики, чтобы обеспечить достаточную ликвидность для удержания обеих сторон и минимизации проскальзывания.
4. Агрегация информации: Игроки должны иметь легкий доступ к достаточной информации, чтобы быть уверенными в своей ставке. Это может включать в себя анализ фона, актуальные исторические данные и мнения экспертов.

Теперь давайте посмотрим, как искусственный интеллект может решить каждую из этих проблем:

1. ИИ-создатели контента: ИИ-создатели контента («сопилоты») помогают создавать контент, выходящий за рамки человеческих возможностей или мотивации. ИИ предлагают своевременные и актуальные темы событий, анализируя тенденции из новостей, социальных медиа и финансовых данных. Создатели контента — будь то человек или ИИ — будут вознаграждены за создание увлекательного контента, который поддерживает активность их сообществ. Обратная связь сообщества улучшает понимание ИИ своих сообществ, делая его итеративно улучшающимся двигателем создания контента, сплочающим создателей контента и их аудиторию.
2. Искусственные интеллекты по рекомендации событий: Искусственные интеллекты по рекомендации событий настраивают предложения событий для пользователей на основе их интересов, торговой истории и конкретных потребностей, фокусируясь на рекомендации событий, готовых к дебатам и торговым возможностям. Он адаптируется к поведению пользователей в разных регионах, культурных контекстах и временах. Конечная цель - высокоточная лента событий, свободная от лично нерелевантного контента, который сегодня засоряет платформы рынка прогнозов.
3. Искусственные интеллекты по выделению ликвидности: ИИ по выделению ликвидности борются с риском ликвидности контрагента, оптимизируя инъекции ликвидности для сужения разницы между спросом и предложением. Для минимизации рисков ИИ могут реализовывать логарифмическое правило скоринга рынка(LMSR) AMM модель, специально разработанная для минимизации риска на рынках прогнозов с низкой ликвидностью. Они также могут включатьагенты обучения с подкреплениемкоторые динамически корректируют глубину ликвидности, комиссии протокола и кривую привязки для дальнейшего минимизации рисков. Эти искусственные интеллекты управляют ликвидностью событий из общего пула LP, вознаграждая вклады накопленными доходами от комиссий или токенами платформы в качестве дополнительного стимула. В целом, это означает превентивную адаптацию к изменениям на рынке, снижение проскальзывания и лучшую стабильность цен.
4. Информационные агрегирующие ИИ: Эти искусственные интеллекты используют вычисления по широкому спектру индикаторов (например, on-chain данные, исторические данные, новости, индикаторы настроения), чтобы игроки могли всесторонне понимать событие. Оттуда информационные агрегирующие ИИ могут предложить комплексные прогнозы, превращая рынки прогнозов в основной источник для обоснованных решений и альфы. Проекты могут выбрать токенизированный доступ к полученным данным информационных агрегирующих ИИ, потому что на рынках прогнозов знания = деньги.

Теперь давайте посмотрим, как это выглядит, когда вы собираете все вместе. Ниже вы можете увидеть основные компоненты и принципы работы рынка прогнозов без ИИ (черным) и с ИИ (голубым).

В не-AI модели создатели контента (обычно сама платформа) произвольно создают события, предоставляют ликвидность (в начале субсидируемую своими казначействами), сохраняют события в базе данных событий и массово их продвигают среди человеческих игроков. Так сейчас работает Polymarket, и это работает довольно хорошо.

Но, я думаю, что это может стать намного лучше.

В модели искусственного интеллекта AIs поддерживают создателей контента в создании и продвижении мероприятий в целевых общих или узкоспециализированных сообществах. Предоставление ликвидности поддерживается AIs, которые оптимизируют инъекции ликвидности со временем, изучая ордера игроков и используя внешние данные от оракулов и других поставщиков данных. AIs, рекомендующие мероприятия, используют сохраненные мероприятия в базе данных мероприятий и историю транзакций кошелька для оптимизации рекомендаций мероприятий, адаптированных на основе личных интересов. Наконец, AIs по агрегированию информации собирают информацию от поставщиков данных, чтобы предоставлять образовательную и контекстуальную информацию человеческим игрокам и информировать AIs о их прогностических решениях. Цель? Тонко настроенная система рынка прогнозов, которая позволяет рынкам прогнозов работать на микроскопическом уровне.

Рынки прогнозов такого масштаба позволили бы создать другой пользовательский опыт, более похожий на Tinder или TikTok. Поскольку события очень целевые, их можно было бы подавать вам в ленте а-ля TikTok, и — даже с сегодняшними кошельками и технологиями блокчейн — игроки могли бы делать ставки, проводя пальцем влево или вправо, а-ля Tinder. Представьте себе. Люди делают микроставки на события, которые лично их волнуют, когда они едут на работу или в школу.

Усиление агрегации информации

Из самых известных сложных результатов для прогнозирования являются цены на активы, поэтому давайте сосредоточимся здесь, чтобы посмотреть, как искусственные интеллекты справляются, когда выходят за пределы возможного на рынках прогнозов.

Использование искусственного интеллекта для прогнозирования цен на активы активно исследуется в академических кругах. Техники машинного обучения (ML) такие как линейные модели, случайные леса и метод опорных векторов были показанпредсказывать цены криптовалют с более высокой точностью, чем человеческие судьи. Эти модели обнаружили, что поведенческие индикаторы, такие как интенсивность поиска в Google, объясняют вариацию цен.

Исследования IBMизученискусственные рынки прогнозов для прогнозирования цен на товары, предлагая убедительное кейс-исследование по интеграции ИИ с рынками прогнозов. Их исследование подчеркивает потенциал искусственных рынков прогнозов для агрегирования разнообразной и развивающейся информации в реальном времени для более точного прогнозирования даже в сложных реальных проблемах, таких как прогнозирование цен на волатильные товары, не торгуемые на онлайн-биржах (например, этилен, углеводороды). Причина, по которой ИИ-агенты могут превзойти стандартные модели МО здесь, заключается в том, что они с течением времени самостоятельно учатся — или же агентство.

Еще одно исследование, сравнивающее регрессию случайного леса и LSTM для прогнозирования цены биткоина на следующий деньпоказалбывший работал лучше в терминах меньшей ошибки прогнозирования. Он также продемонстрировал мощь искусственного интеллекта в широте информационной агрегации — далеко за пределами обычной человеческой способности — для моделирования 47 переменных восьми категорий, включая (a) переменные цены биткойна; (b) технические индикаторы биткойна; © цены других токенов; (d) товары; (е) рыночные индексы: (f) валютный обмен; (g) общественное внимание); и (h) фиктивные переменные недели. Самые важные предикторы менялись с течением времени от индексов фондового рынка США, цены на нефть и цены на эфириум в 2015–2018 годах до цены на эфириум и индекса японского фондового рынка в 2018–2022 годах. Также было обнаружено, что для цены биткойна на следующий день лучше всего работает случайное лесное регрессионное дерево с запаздыванием в один день.

Связь между величиной ошибки модели и лагом

Мы можем предположить, что в некоторых популярных рынках прогнозов просто слишком мало времени для занятого человека, чтобы агрегировать, анализировать и толковать достаточно большие объемы данных для делания хороших прогнозов. Или проблемы слишком сложны. Но это могут делать и ИИ.

Рекомендация токена искусственного интеллекта

ПрудGate строит децентрализованную базовую модель криптовалюты, которая была применена в рекомендациях токенов, сгенерированных ИИ и основанных на поведении на цепи. В настоящее время их большая графовая нейронная сеть (GNN) использует данные поведения на цепочке для оценки альфа-вероятностей различных токенов. GNN - это класс моделей ИИ, разработанных специально для обработки данных, представленных в виде графов, что делает их полезными там, где данные связаны с реляционной структурой, такой как сети транзакций p2p блокчейнов.Дитерэто еще один токен рекомендация AI с токен-защищенным Telegramalert bot, который использует подход моделирования временных рядов для рекомендации токенов.

Решение проблемы тонкого рынка

Одной из основных проблем, с которыми сталкиваются рынки прогнозов, является то, что рынки слишком узкие, чтобы привлечь достаточное количество участников и объема. Но есть существенная разница между рынками прогнозов 2010-х годов и 2020-х годов, и этовозможность всестороннего участия искусственного интеллекта. Как указал Виталик:

Добавить, возможно,улучшатьмодели автоматического рынка сделок (AMM), лежащие в основе рынков прогнозов. Например, анализболее 2 миллионов транзакций на Polymarket выявили проблемы с обеспечением ликвидности в сливающихся рынках прогнозов с использованием традиционной постоянной продуктовой AMM (x*y=k), включая:

1. Схождение и удаление ликвидности. По мере сходимости рынков прогнозов (т. е. по мере того, как результат становится более определенным), LP стимулируются к удалению своей ликвидности. Это рациональное поведение, поскольку риск удержания «проигрышных» токенов увеличивается. Например, на рынке, сходящемся к ответу «да», токены «нет» становятся менее ценными (т. е. временные потери), что представляет риск для LP, которые могут оказаться с бесценными токенами, если не продадут их заранее.
2. Предвзятость и неточность. Это снижение ликвидности может привести к меньшей точности и большей предвзятости при сближении рынков прогнозов. Конкретно, в диапазоне цен, взвешенных по объему, от 0,2 до 0,8, токены 'нет' часто недооцениваются, а токены 'да' часто переоценены.

Источник: Kapp-Schwoerer (2023)

Для решения этих проблем авторы предлагают модель «гладкого ликвидного маркет-мейкера» (SLMM) и демонстрируют, что она может увеличить объемы и точность на сходящихся рынках предсказаний. Это достигается за счет введения в модель функции концентрации (а-ля Uniswap v3), в которой провайдеры ликвидности предоставляют позицию ликвидности, которая активна только для определенных ценовых интервалов. В результате снижается подверженность риску, гарантируя, что количество ценных токенов (например, токенов «да» на рынке, сходящихся к результату «да»), принадлежащих провайдерам ликвидности, не сойдется к нулю при корректировке цен, в отличие от AMM с постоянным продуктом.

Торговые компромиссы LP-трейдера

При выборе концентрированной варианта ликвидности AMM, такого как SLMM, для слияния рынков прогнозов, необходим баланс. В попытке снизить риск для LP вы рискуете уменьшить стимулирование некоторой торговой активности.

Концентрированная ликвидность может сделать менее вероятным то, что LP потерпят неудачу, поскольку рынок сходится к определенному результату (тем самым уменьшая преждевременный вывод), однако это также может сократить торговые возможности для получения прибыли за счет небольших изменений цен (например, от $0.70 до $0.75) из-за увеличения проскальзывания, особенно для крупных ордеров. Прямым следствием является то, что потенциальные маржи прибыли трейдеров сжимаются. Например, если они ожидают небольшого изменения цены с $0.70 до $0.75, проскальзывание может ограничить капитал, который они могут эффективно использовать, чтобы захватить ожидаемый потенциал роста. В будущем важно провести испытания различных корректировок по условиям компромисса в этих формулах рыночного организатора, чтобы найти оптимальную точку.

Заключение

Примитив рынка прогнозов - мощный инструмент. Конечно, как и любой другой криптопримитив, он сталкивается с вызовами, но мы уверены, что они будут преодолены. По мере того как они постепенно преодолеваются, мы можем ожидать, что этот примитив будет использоваться для ответов на самые разнообразные вопросы в широком спектре цифровых контекстов. Благодаря усовершенствованиям в сфере таргетинга и решений ликвидности, мы можем ожидать развития узкоспециализированных рынков прогнозов. Например, возьмем пользователей X (ранее известных как Twitter):

• В конце года X представит Premium++ или эквивалент?
• Будет ли X предоставлять функцию редактирования твитов всем пользователям к 3-му кварталу?
• Будет ли X сообщать о росте ежедневных активных пользователей в следующем квартальном отчете?
• Увеличится ли доход от рекламы X в следующем квартале или уменьшится?
• Компания X объявит о заключении новых крупных партнерств с создателями контента к концу года?
• Будет ли X выпускать функцию, связанную с блокчейном или криптовалютой, до III квартала?

Интересно, эти вопросы не обязательно оставаться ограниченными только самостоятельными рынками прогнозов. Они могут быть интегрированы непосредственно в X или другие платформы с помощью расширений браузера. Мы можем начать видеть регулярное появление микрорынков прогнозов в наших повседневных онлайн-переживаниях, обогащая обычное просмотров сферу спекулятивных торговых возможностей.

Я специально написал некоторые из вопросов выше и попросил ChatGPT написать другие. Какие из них я написал, а какие - искусственный интеллект создателя контента? Если трудно сказать, то потому, что искусственный интеллект создателя контента ChatGPT уже действительно хорош. Таковыми же являются агрегаторы информации и рекомендательные системы, созданные другими крупными технологическими компаниями (посмотрите на рекламу, которую вам показывают Google и Instagram). Хотя для достижения такой же производительности этих моделей потребуется работа и время, они демонстрируют осуществимость этих категорий искусственного интеллекта. Основной открытый вопрос, лишенный предшествующего опыта, касается скорее распределителей ликвидности, игроков-искусственного интеллекта и развития самосовершенствования и направленности на цель в искусственном интеллекте - эволюция от основного машинного обучения к проверяемым агентам искусственного интеллекта.

Если вы работаете в этих пространствах или этот пост звучит для вас,reach out!

Соответствующее чтение

• Бутерин, В. (2024).Перспективы и вызовы крипто + ИИ приложений.
• Rein Y. Wu, и др., Intent-centric Prediction Market с AI и технологией Web3, Blockchain — Pioneering the Web3 Infrastructure for an Intelligent Future, 2024.
• Kapp-Schwoerer, L. (2023). Улучшенная ликвидность для рынка прогнозов.

Ограничение ответственности：

1. Эта статья перепечатана с [Inception Capital], Все авторские права принадлежат оригинальному автору [Хироки Котабе]. Если есть возражения к этому перепечатыванию, пожалуйста, свяжитесь с Gate Learnкоманда, и они быстро с этим справятся.
2. Ответственность за отказ: Взгляды и мнения, высказанные в этой статье, являются исключительно точкой зрения автора и не представляют собой инвестиционных советов.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат статьи перевода запрещены.