مقدمة

تحقيق التخصيص الأمثل للسلع العامة في نظام مركزي يميل إلى الاستثمار الناقص بسبب مشكلة المتسلل الحر. فيتاليك بوتيرين، هيتزيغ، وويل يقدمون تعميمًا لخوارزمية التصويت التربيعية إلى آلية لتحقيق التخصيص الاجتماعي الأمثل للسلع العامة [2]. الخوارزمية، المعروفة باسم التمويل التربيعي، تتضمن جهة راعية/مانحة تطابق مساهمات مجتمع مركزي من المانحين الأفراد. بموجب آلية التمويل التربيعي، يساوي إجمالي الأموال المخصصة لمشروع سلعة عامة مربع مجموع الجذور التربيعية للمساهمات الفردية.

في هذه الورقة، أبدأ بتقديم دليل رياضي بسيط على أن آلية التمويل التربيعي، في ظروف مثالية، تحقق توزيع السلع العامة الأمثل. ثم أصف أربع انحرافات عن هذه الظروف المثالية قد تؤدي إلى نتائج غير الأمثل لآلية التمويل التربيعي. هذه القيود هي المعلومات غير المتماثلة، التواطؤ، الاحتيال، وعدم تمويل المتبرع بشكل كاف. وأخيرًا، أنا أناقش منح Gitcoin، وهي تطبيق في العالم الحقيقي لآلية التمويل التربيعي.

نموذج التمويل التربيعي

هذا القسم سيقدم ملخصاً موجزاً للنموذج الذي يكمن وراء نموذج التمويل التربيعي لتخصيص الأموال للسلع العامة. أبدأ باشتقاق التخصيص المثلى الأول للموارد لمخطط مركزي، ثم أوضح أن نموذج التمويل التربيعي يمكن أن ينفذ مستويات تمويل المخطط المركزي عبر السلع العامة في إعداد لامركزي. سيكون الاشتقاق في معظمه على مستوى الاستدلال، وسيغفل بعض التفاصيل الدقيقة مثل الشروط من الدرجة الثانية.

ليكن هناك أصناف عامة P، مُرقمة بـ p = 1، 2، ...، P. يختار المخطط المركزي مستويات التمويل Fp لكل من السلع العامة. تقدم السلعة العامة p قيمة فائدة Vp(Fp). يختار المخطط بعد ذلك التحسين:

الشرط من الدرجة الأولى هو:

وبالتالي، سيرغب المخطط في تمويل كل واحدة من السلع العامة حتى الحد الذي يكون فيه الفائدة الحافزة للدولار الأخير من التمويل تساوي تكلفته الحافزة.

الآن، تنظر في تمويل السلع العامة في نظام مركزي مع تمويل تربيعي. دعونا يكون هناك N أفراد، مُفْهَرُسَةٌ بِ i = 1، 2،...، N. لكل فرد i تفضيلات للسلعة العامة p المشار إليها

كل فرد يساهم في الخير العام بمبلغ p

ومع ذلك، سيتم تحديد التمويل الفعلي للخير العام بواسطة قاعدة التمويل التربيعي:

يرجى ملاحظة أننا نفترض أن الفارق (العجز) بين الإجمالي المصروف من الأموال والإجمالي المساهم من الوكلاء يتم تعويضه من قبل بعض المتبرعين / المانحين. هذه الكيان يخدم لتمويل العجز في

سيختار كل وكيل i

لذا من أجل تحقيق أقصى قدر ممكن:

الشرط من الدرجة الأولى هو:

أو،

عند جمع العناصر عبر i ، ولاحظ أنه

وبالتالي

حتى الآن

وبالتالي، سيؤدي آلية التمويل التربيعي إلى مستويات تمويل متطابقة للسلع العامة P كما يفعل المخطط الرئيسي.

مشاكل مع التمويل التربيعي

معلومات غير متماثلة

أحد الافتراضات المهمة الكامنة وراء قدرة التصويت التربيعي على تحقيق التخصيص الأمثل aggreGate هو أن الناخبين متأكدون من الجودة الأساسية للمشاريع التي يصوتون عليها. أي أنه في حين يسمح للناخبين بالحصول على تفضيلات مختلفة ، فإنهم يتفقون جميعا على جودة المشاريع. ومع ذلك ، في الواقع ، سيحتفظ الناخبون بمعلومات غير متماثلة حول جودة المشاريع. على سبيل المثال ، افترض أن سلعة عامة معينة هي مسابقة ترميز برعاية خوارزمية لتخصيص تبرعات الكلى. من المرجح أن يختلف الناخبون حول تقييمهم لمدى احتمال أن تؤدي مسابقة الترميز إلى خوارزمية وظيفية ، وإذا كان الأمر كذلك ، فإلى أي مدى ستكون أفضل من الوضع الراهن. في مثل هذه الظروف ، نسعى إلى تحقيق الكفاءة التخصيصية والمعلوماتية.

يحلل بنحايم وفالك وتسوكالاس التمويل التربيعي تحت المعلومات غير المتماثلة [3]. يبدأون بالنتيجة الموضحة مسبقا والتي تنص على أنه في ظل المعلومات الكاملة ، يحقق التصويت التربيعي كفاءة التخصيص. ومع ذلك ، هذا ليس صحيحا بشكل عام في ظل عدم اليقين في الجودة. هنا هو الحدس الأساسي. في ظل ضمان الجودة ، فإن نظام الترجيح بموجب التصويت التربيعي ، حيث تكون تكلفة اكتساب قوة التصويت محدبة ، يسمح لتفضيلات الناخبين بتجميع البوابة بالقدر المناسب من قوة التصويت لتحقيق الأفضل أولا. ومع ذلك ، في ظل عدم اليقين ، فإننا ننظر إلى أكثر من مجرد تجميع التفضيلات. على وجه الخصوص ، نود تجميع المعلومات غير المتماثلة حتى يمكن سماع "حكمة الحشد" على أفضل وجه. هذا ليس صحيحا في ظل التصويت التربيعي ، حيث ينظر إلى الناخبين على أنهم لديهم حافز متضائل لتجميع معتقداتهم.

وجدت BFT أنه في ظل المعلومات غير المتماثلة ، يمكن للتصويت التربيعي أن يضعف أداء التصويت الخطي التقليدي. ويرجع ذلك إلى حقيقة أن تحدب تكلفة التصويت التربيعي يمكن أن يثني الناخبين عن الإدلاء بأصوات كافية لتعكس معتقداتهم. ومع ذلك ، مع زيادة عدد الناخبين نحو ما لا نهاية ، يؤدي كل من التصويت التربيعي والتصويت الخطي إلى تجميع فعال لمعلومات الناخبين. يشير هذا إلى أنه في ظل الظروف التي يكون فيها عدم تناسق المعلومات أكبر ، يجب على مصممي نظام التصويت التركيز على زيادة مشاركة المستخدم. على سبيل المثال، يمكن أن تقدم مكافآت واضحة لمشاركة الناخبين.

تواطؤ

يشير التواطؤ إلى الاتفاقات بين المساهمين من أجل الاستفادة من أنفسهم على حساب حاملي الرمز المميز الآخرين. ويمكن أن تكون هذه الاتفاقات إما ضمنية أو صريحة، ومن الواضح أن من الصعب اكتشاف الاتفاقات الضمنية. في الجوهر، يمكن للتنسيق بين الكتل التصويتية الكبيرة أن يمكن من سحب المنافع العامة إلى العملاء المتواطئين. تعترف BHW بأن التواطؤ هو نقطة ضعف مركزية للتمويل التربيعي.

دعوني أقدم مثالا بسيطا لنظرية الألعاب عن التواطؤ، مستمدا من باسكويني. نظرًا لأن المساهمين 1 و 2 لديهما كل منهما أموال c للاستثمار، فإن المبلغ الإجمالي للأموال التي يتم جمعها من مشروع 1 يذهب إلى المساهم 1، والمبلغ الإجمالي للأموال التي يتم جمعها من مشروع 2 يذهب إلى المساهم 2.

يمكن لكل مساهم أن يتعاون أو لا يتعاون. التعاون يعني أن يعطي المساهم c/2 لكل مشروع. عدم التعاون يعني أن يعطي المساهم c لمشروعه الخاص ولا شيء للآخر.

Considere los 4 posibles pagos:

A. إذا تعاون كلاهما، فإن تمويل كل مشروع بموجب القاعدة التربيعية يساوي إذا تعاون كلاهما، فإن تمويل كل مشروع بموجب القاعدة التربيعية يساوي

بعد دفع السي، يتلقى كل شخص 2س-س=س.

B. إذا تعاون أحدهما والآخر لم يتعاون، فإن الشخص الذي يتعاون لديه تمويل مشروعه يساوي

بصافي مكسب يبلغ

الذي لا يتعاون لديه تمويل مشروع

مع صافي مكسب من

إذا لم يتعاون أحدهما، فإن تمويل كل مشروع يساوي

بصافي تعويض يساوي صفر.

كتابة مصفوفة الأداء لهذه اللعبة:

من السهل أن نرى أن توازن ناش الوحيد (النقي) هو عدم تعاون أي منهما ، مما يؤدي إلى مردود توازن قدره صفر لكل ناخب. هذه مجرد حالة من معضلة السجين ، حيث سيكون كلاهما أفضل تعاونا وكسب ج ، لكن التعاون يهيمن عليه عدم التعاون. الحدس من هذه اللعبة هو السبب في أن BHW تنص على أن "الحوافز أحادية الجانب تعمل بقوة ضد أشكال معينة من التواطؤ".

ومع ذلك ، إذا أصبحت هذه الآلية جزءا من لعبة متكررة بلا حدود ، فإننا نعلم أنه (في ظل قيود معينة على الخصم) يمكن الحفاظ على النتيجة التعاونية في ظل التوازن القياسي "العين بالعين". ومن شأن هذه الاستراتيجيات أن تتخذ شكل التعاون مع التهديد بأن أي انحراف سيقابل بعدم التعاون بعد ذلك. يمكن أن تكون هذه النتيجة مشكلة كبيرة للتطبيقات التي تسمح بالتهديد بعدم التعاون للسماح بتوازن ديناميكي تعاوني. لاحظ أن منح Gitcoin قد تكررت عدة مرات.

احتيال

تقوم بيهو بأيضاً بتصنيف الاحتيال كضعف مركزي للتمويل الرباعي. في الواقع، عند مقارنة الاحتيال بالتواطؤ، يطلقون على الاحتيال "المشكلة الأبسط والأكثر دماراً." بسبب انحدار الدالة التربيعية، هناك حافز مدمج لتمثيل الشخص بشكل احتيالي كعدد كبير من الأفراد. ويُصطلح على هذا الأمر أحياناً "هجوم سايبيل."

BHW تقدم هذا المثال البسيط. فكر في ناخب واحد يفكر في تقديم تبرع بقيمة 20x دولارًا لمشروع (يكون لديه مصلحة شخصية فيه). إذا كانت قادرة على تشويه صورتها كناخبين 20 يساهمون بقيمة x لكل واحد، فستدفع 20x دولارًا ولكن قضيتها (التي تذهب إليها) تتلقى

وهذا يعني أن مساهمتها الفردية تتضاعف 20 مرة. إذا سُمح بهذا النوع من الاحتيال، فإن لدينا فجوة واضحة تعكس تماما نزاهة نظام الاقتراع.

تشير BHW إلى أن النظام الوحيد الذي يمكن أن يمنع هذا الاحتيال هو نظام فعال للتحقق من الهوية، والذي قد لا يكون سهلاً في إعداد DAO الذي يهدف عادةً إلى الحفاظ على الطابع الشخصي. بالإضافة إلى ذلك، يجب أن يتم تدقيق نتائج التصويت الفعلية مع وجود عقوبات كافية ضد الاحتيال لردع الرغبة في الاستغلال.

قلة التمويل

تحت آلية التمويل التربيعي، يعد دور الراعي / المانح حاسمًا. تذكر أن الآلية تختار مبلغ التمويل لمشاريع السلع العامة من خلال تطبيق القاعدة التربيعية على المساهمات الفردية واستخدام أموال الراعي للوصول إلى المستويات المضمنة الناتجة عنها. في الواقع، يرجح أن يكون مجموع الأموال التي يوفرها المانح أقل مما هو مطلوب للوصول إلى التخصيصات الاجتماعية الأمثل. هذه هي المشكلة التي تم تحليلها في باسكويني.

تم التعامل مع مشكلة الأموال المحدودة للمتبرعين من قبل BHW. لمعالجة هذا القيد، يناقشون آلية تسمى "تمويل تربيعي محدود برأس المال" والتي تجعل الخير العام كبيرًا بقدر ما تسمح به الأموال المتطابقة، ومازالت نسبية لقواعد التمويل التربيعي. في الواقع، هذه هي التنفيذ المستخدم في منح Gitcoin.

يوضح باسكويني أن تمويل التربيع الذي يعاني من نقص رأس المال يفشل في تحقيق الأمثلية. ويرى أن حتى في ظل القيود المفروضة، فإن قاعدة التمويل التربيعي تفشل في تخصيص الأموال بطريقة اجتماعية مثلى. ويتبين أن هذه النتائج تعود إلى حقيقة أنه في التوازن المقيد، تكون المساهمات الفردية أقل لأنها لا تعوض بالكامل عن الفوائد الاجتماعية التي تولدها مساهماتهم. وبمعنى آخر، فإن القيد يؤثر على حوافز الناخب الفردي ويتسبب في انحراف عن شروط الأمثلية من الدرجة الأولى الضرورية.

Gatecoin العطايا

ربما أشهر مثال على تطبيق الآلية التمويلية التربيعية في العالم الحقيقي هو منح Gitcoin. منح Gitcoin هو طريقة لتمويل مشاريع البرمجيات مفتوحة المصدر وكذلك السلع العامة الأخرى في نظام البلوكشين Ethereum. البرمجيات مفتوحة المصدر هي مثال ممتاز على سلعة عامة. فهي غير منافسة في أن فوائد البرمجيات لا تنخفض بسبب استهلاك الآخرين. إنها غير قابلة للإستبعاد حيث أن البرمجيات مفتوحة المصدر متاحة مجانًا للجمهور بغض النظر عما إذا كانوا يساهمون أم لا.

وفقًا لياش أجروال، قامت جيتكوين بتيسير تمويل بقيمة أكثر من 72.8 مليون دولار للبرمجيات مفتوحة المصدر [5]. بالإضافة إلى ذلك، يقدم أجروال مثالًا بسيطًا على كيفية استخدام جيتكوين لخوارزمية التمويل التربيعي، والتي في الواقع هي نوع من آلية تمويل التمويل التربيعي المقيدة بالرأسمال المقترحة في BHW.

تستخدم Gitcoin Grants صراحة خوارزمية التمويل التربيعي. يوضح Pasquini عملية Gitcoin المستخدمة خلال جولات Gitcoin Grants 7 و 8th التي جرت في عام 2020. خلال أيام الجولة ، يمكن للمساهمين العثور على المشاريع المشاركة الموضحة على صفحة ويب ، واختيار المشاريع التي يستثمرون فيها ، والالتزام بنقل العملة المشفرة. يتم تحديث صفحة الويب للإبلاغ عن المبلغ الإجمالي الذي تم استلامه حتى الآن ، بالإضافة إلى المبلغ المتوقع استلامه بعد إضافة الأموال المطابقة (تحت التمويل التربيعي). على سبيل المثال، في الجولة 8 كان هناك 444 مشروعا و4,953 مساهما. وبلغ متوسط المساهمات الفردية لكل مشروع حوالي 30 DAI.

تعد صفحة الويب العامة لمنح Gitcoin لمنصة التمويل الخاصة بها مفيدة. جمعت Gitcoin Grants 4.6 مليون تبرع فريد من نوعه مع 5،242 مشروعا جمعت الأموال [6]. ومع ذلك ، فإن مستوى النشاط الحالي على الموقع يبدو مخيبا للآمال. على سبيل المثال ، جمعت العديد من المشاريع (حتى مع بقاء أقل من أسبوع في جولتها) أقل من 100 دولار. بالإضافة إلى ذلك ، غالبا ما يكون مبلغ الأموال المتاحة في المجمع المطابق صغيرا أيضا ، حيث يقل الكثير عن 1,000 دولار.

وهكذا، بينما قد تكون منح Gitcoin حاليًا لاعبًا ثانويًا نسبيًا في تمويل السلع العامة، فإنه حقًا مثال حي ومتنفس للتمويل التربيعي. من ناحية، فإنه إنجاز ملحوظ أن خوارزمية التمويل انتقلت من ورقة عمل أكاديمية إلى تطبيق عملي في العالم الحقيقي في مسألة سنوات قليلة فقط. يعتبر هذا دليلا على مرونة نموذج DAO لتوفير ساحة اختبار وانفتاحًا على منصات جديدة للحوكمة.

حول الكاتب

برايان غرينادير هو مرشح لدرجة الدكتوراه في كلية القانون ستانفورد. يحمل درجة البكالوريوس في التاريخ من جامعة ستانفورد وخلفية قوية في الرياضيات وتحليل البيانات. تم كتابة هذه القطعة كورقة نهائية له في CS 352B: حكم البلوكتشين.

المراجع

[1] https://www.gemini.com/cryptopedia/gtc-crypto-gitcoin-bounties-web3-gtc-token

[2] https://arxiv.org/abs/1809.06421

[3]https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416748

[4] https://arxiv.org/pdf/2010.01193

[5]https://yashhsm.medium.com/فهم-جيتكوين-تصور-منح-جيتكوين-لسولانا-75332a1cfcc8

[6]https://gitcoin.co/grants/

إخلاء المسؤولية:

1. يتمتع هذا المقال بحقوق الطبع والنشر من [ ستانفوردبلوكتشين], جميع حقوق النشر تنتمي إلى المؤلف الأصلي [نادي بلوكتشين ستانفورد]. If there are objections to this reprint, please contact the بوابة التعلمفريق غيت سيتولى الأمر على الفور.
2. تنصل المسؤولية: الآراء والآراء الواردة في هذه المقالة هي فقط تلك التي تعود إلى المؤلف ولا تشكل أي نصيحة استثمارية.
3. يتم إجراء ترجمات المقالة إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو ارتكاب السرقة للمقالات المترجمة محظور.