Una de las aplicaciones más emocionantes de Ethereum es el mercado de predicción. En 2014, escribí un artículo sobre futarchy, un modelo de gobernanza basado en predicciones concebido por Robin Hanson. Desde 2015, he sido un usuario activo y defensor de Augur (mira, mi nombre está en el artículo de Wikipedia). Gané 58,000 dólares en las apuestas de las elecciones de 2020. Este año, he sido un seguidor cercano y partidario de Polymarket.

Para muchas personas, el mercado de predicción es simplemente apostar en elecciones, y apostar en elecciones es simplemente juego de azar. Si puede brindar diversión a las personas, eso está muy bien, pero en esencia, no es más interesante que comprar Tokens aleatorios en pump.fun. Desde este punto de vista, mi interés en el mercado de predicción parece confuso. Por lo tanto, en este artículo, mi objetivo es explicar las razones por las que este concepto me emociona. En resumen, creo que (i) incluso para el mundo existente, el mercado de predicción es una herramienta muy útil, pero además (ii) el mercado de predicción es solo un ejemplo de una categoría más amplia y muy poderosa, que tiene el potencial de lograr mejoras en las redes sociales, la ciencia, las noticias, la gobernanza y otras industrias. Llamaré a esta categoría 'info finance' (información financiera).

La dualidad de Polymarket: un sitio de apuestas para los participantes y un sitio de noticias para todos los demás

En la última semana, Polymarket ha sido una fuente de información muy efectiva sobre las elecciones en Estados Unidos. Polymarket no solo predijo que las probabilidades de que Trump ganara eran del 60/40 (mientras que otras fuentes de noticias tenían una predicción del 50/50, lo cual no es tan impresionante), sino que también mostró otras ventajas: cuando se conocieron los resultados, a pesar de que muchos expertos y fuentes de noticias estaban tratando de persuadir a la audiencia para que escuchara noticias favorables a Hillary Clinton, Polymarket reveló directamente la verdad: las probabilidades de que Trump ganara eran superiores al 95% y las probabilidades de que tomara el control de todos los departamentos gubernamentales eran superiores al 90%.

Fuente de la imagen: Golden Finance

Fuente de la imagen: se tomaron capturas de pantalla de Golden Finance en la madrugada del 6 de noviembre, hora del este de EE. UU., a las 3:40 a.m.

Pero para mí, ni siquiera este es el mejor ejemplo interesante de Polymarket. Así que echemos un vistazo a otro ejemplo: las elecciones en Venezuela en julio. Al día siguiente de las elecciones, recuerdo haber visto de reojo a alguien protestando por los altamente manipulados resultados de las elecciones en Venezuela. Al principio, no le di mucha importancia. Sabía que Maduro ya era uno de esos 'casi dictadores', por lo que pensé que, por supuesto, falsificaría cada resultado electoral para mantener su poder, y por supuesto, habría protestas, y por supuesto, las protestas fracasarían, desafortunadamente, muchas otras personas también fracasaron. Pero luego, mientras navegaba por Polymarket, vi esto:

Fuente de imagen: Jinse Finance. Las personas están dispuestas a invertir más de 100,000 dólares para apostar por la posibilidad de que Maduro sea derrocado en estas elecciones, un 23%. Ahora comienzo a seguir.

Por supuesto, sabemos el resultado desafortunado de esta situación. Al final, Maduro efectivamente continuó en el poder. Sin embargo, el mercado me hizo darme cuenta de que esta vez, el intento de derrocar a Maduro es serio. Las protestas son de gran magnitud, y la oposición ha ejecutado una estrategia sorprendentemente eficaz, demostrando al mundo lo fraudulenta que fue la elección. Si no hubiera recibido la señal inicial de Polymarket "Esta vez, algunas cosas valen la pena seguir", ni siquiera habría comenzado a seguir.

Nunca debes confiar completamente en los gráficos de apuestas de Polymarket: si todos confían en los gráficos de apuestas, cualquier persona adinerada puede manipularlos y nadie se atreverá a apostar en su contra. Por otro lado, confiar completamente en las noticias también es una mala idea. Las noticias tienen motivaciones sensacionalistas y pueden exagerar las consecuencias de cualquier cosa para obtener clics. A veces es razonable, a veces no. Si ves un artículo sensacionalista y luego vas al mercado y descubres que la probabilidad de que ocurra el evento relacionado no ha cambiado en absoluto, es razonable tener dudas. O si ves probabilidades inesperadamente altas o bajas en el mercado, o cambios repentinos inesperados, eso es una señal para que leas las noticias y descubras qué lo causó. Conclusión: obtendrás más información leyendo las noticias y los gráficos de apuestas juntos que leyendo cualquiera de ellos por separado.

Vamos a echar un vistazo a lo que ha estado sucediendo aquí. Si eres un jugador, puedes apostar en Polymarket, que es un sitio de apuestas para ti. Si no eres jugador, puedes consultar los gráficos de apuestas, que es un sitio de noticias para ti. Nunca debes confiar completamente en los gráficos de apuestas, pero personalmente he integrado la lectura de los gráficos de apuestas como parte de mi proceso de recopilación de información (junto con los medios de comunicación tradicionales y las redes sociales), lo que me ayuda a obtener más información de manera más efectiva.

El significado más amplio de la tecnología financiera

Ahora, entramos en una parte importante: predecir los resultados de las elecciones es solo el primer uso. El concepto más amplio es que puedes usar las finanzas como un mecanismo de incentivos de coordinación para proporcionar información valiosa a los espectadores. Ahora, una reacción natural es: ¿acaso todas las finanzas no están fundamentalmente relacionadas con la información? Los diferentes participantes tomarán decisiones de compra y venta diferentes porque tienen opiniones diferentes sobre lo que sucederá en el futuro (además de las necesidades personales, como la preferencia por el riesgo y el deseo de cobertura), puedes inferir mucho conocimiento sobre el mundo leyendo los precios de mercado.

Para mí, la ingeniería financiera es así, pero estructuralmente correcta. Al igual que en el concepto de estructura correcta en la ingeniería de software, la ingeniería financiera es una disciplina que te exige (i) comenzar con los hechos que deseas conocer, y luego (ii) diseñar deliberadamente un mercado para obtener esa información de los participantes del mercado de la mejor manera posible.

Fuente de la imagen: Golden Finance

La tecnología financiera es un mercado de tres lados: los inversores hacen predicciones y los lectores las leen. El mercado produce predicciones futuras como un bien público (porque ese es su propósito de diseño).

El mercado de predicción es un ejemplo: quieres saber un hecho concreto que sucederá en el futuro, así que creas un mercado para que la gente apueste por este hecho. Otro ejemplo es el mercado de decisiones: quieres saber cuál de las decisiones A y B producirá mejores resultados según un indicador M. Para lograr esto, creas un mercado condicional: pides a la gente apostar (i) por qué decisión elegirán, (ii) si eligen la decisión A, obtendrán el valor de M, de lo contrario, será cero, (iii) si eligen la decisión B, obtendrán el valor de M, de lo contrario, será cero. Con estas tres variables, puedes determinar si el mercado considera que la decisión A o la decisión B es más favorable para obtener el valor de M.

Fuente de la imagen: Golden Finance

Se espera que en los próximos diez años, la tecnología que impulsará el desarrollo de las finanzas de la información sea la IA, ya sea en forma de grandes modelos o tecnologías futuras. Esto se debe a que muchas de las aplicaciones más interesantes de las finanzas de la información están relacionadas con problemas 'microscópicos': millones de pequeños mercados en los que las decisiones individuales tienen un impacto relativamente pequeño. De hecho, el volumen bajo del mercado a menudo no puede funcionar eficazmente: para los participantes experimentados, dedicar tiempo a un análisis detallado solo para obtener unos cientos de dólares de beneficio no tiene sentido. Muchos incluso creen que, sin subsidios, estos mercados simplemente no pueden funcionar, ya que, aparte de los problemas más grandes y llamativos, no hay suficientes operadores novatos para que los operadores experimentados obtengan beneficios. La IA cambia por completo esta ecuación, lo que significa que, incluso en un mercado con un volumen de 10 dólares, es posible obtener información de alta calidad. Incluso si se necesitan subsidios, el costo de los subsidios para cada problema se vuelve muy asequible.

La financiación de la información requiere la destilación humana

juzgar

Supongamos que tienes un mecanismo de juicio artificial confiable y legitimado por toda la comunidad, pero que tomar decisiones con este mecanismo lleva mucho tiempo y es costoso. Sin embargo, deseas tener acceso instantáneo a al menos una copia aproximada de este 'mecanismo costoso' a bajo costo. Aquí hay una idea propuesta por Robin Hanson sobre lo que puedes hacer: cada vez que necesites tomar una decisión, creas un mercado de predicción que estima el resultado que el mecanismo costoso produciría si fuera invocado. Haces funcionar el mercado de predicción y financias a los creadores de mercado con una pequeña cantidad de dinero.

El 99,99% de las veces, en realidad no invocas mecanismos costosos: tal vez "deshaces el trato" y devuelves la entrada de todos, o simplemente les das a todos cero, o ves si el precio promedio está más cerca de 0 o 1 y lo tomas como un hecho básico. El 0,01% de las veces, probablemente al azar, probablemente para el mercado más grande de Volumen, posiblemente una combinación de los dos, en realidad ejecuta mecánicas costosas y compensa a los participantes en consecuencia.

Esto le brinda una versión "destilada" confiable, neutral, rápida y económica de lo que solía ser un mecanismo altamente confiable pero costoso (usando la palabra "destilada" como analogía al "destilado" en LLM). Con el tiempo, este mecanismo destilado refleja en gran medida el comportamiento del mecanismo original, ya que solo aquellos que ayudan a lograr el resultado pueden ganar dinero, mientras que los demás pueden perder dinero.

Posible modelo de mercado de predicción + notas de la comunidad.

Esto no solo se aplica a las redes sociales, sino también a los DAO. Uno de los principales problemas de los DAO es que hay demasiadas decisiones y la mayoría de las personas no quieren participar, lo que lleva a un riesgo de centralización y fallos en la delegación de la democracia representativa comúnmente vistos en el uso generalizado de la delegación. Si en un DAO las votaciones reales son poco frecuentes y la mayoría de las cosas son decididas por el mercado de predicción, mediante la combinación de la inteligencia artificial y la votación predictiva de los seres humanos, entonces este tipo de DAO podría funcionar bien.

Como hemos visto en el ejemplo del mercado de decisiones, las finanzas de la información contienen muchos caminos potenciales para resolver problemas importantes en la gobernanza, con el equilibrio clave entre el mercado y no mercado: el mercado es el "motor", y algunos mecanismos de confianza no financiera son el "volante".

Otros usos de la tecnología financiera

Los tokens personales, como Bitclout (ahora DESO), friend.tech y muchos otros proyectos que crean tokens para cada individuo y los hacen fáciles de especular, son lo que llamo 'finanzas de información primaria'. Intencionalmente crean precios de mercado para variables específicas, es decir, las expectativas de reputación futura de una persona, pero la información exacta revelada por los precios es demasiado vaga y está sujeta a la reflexividad y la dinámica de la burbuja. Es posible crear versiones mejoradas de este tipo de protocolo y abordar problemas importantes como el descubrimiento de talento al considerar más cuidadosamente el diseño económico de los tokens, especialmente de dónde proviene su valor final. El concepto de futuros de reputación de Robin Hanson es una posible forma final en este sentido.

La publicidad: la señal definitiva de 'caro pero confiable' es si comprarás el producto. La información financiera basada en esta señal puede ayudar a las personas a decidir qué comprar.

Revisión por pares científicos - La comunidad científica siempre ha enfrentado una 'crisis de reproducibilidad', en la que algunos resultados famosos se han convertido en parte del conocimiento popular pero no se pueden reproducir en nuevas investigaciones. Podemos intentar determinar qué resultados deben ser reexaminados mediante la predicción del mercado. Antes de realizar la revisión, dicho mercado permite que los lectores estimen rápidamente cuánto confiar en un resultado específico. Este experimento basado en esta idea ya se ha llevado a cabo y parece haber tenido éxito hasta ahora.

Uno de los principales problemas del mecanismo de financiación de bienes públicos utilizado por Ethereum es su naturaleza de "competencia de popularidad". Cada contribuyente necesita promocionarse en las redes sociales para obtener reconocimiento, lo que dificulta que aquellos que no tienen la capacidad o que desempeñan roles más "de fondo" reciban una gran cantidad de financiación. Una solución atractiva sería intentar rastrear todo el gráfico de dependencia: para cada resultado positivo, qué proyectos contribuyeron a ello, y luego, para cada proyecto, qué proyectos contribuyeron a él, y así sucesivamente. El principal desafío de este diseño es encontrar los pesos marginales que lo hagan resistente a la manipulación. Después de todo, esta manipulación ha estado ocurriendo constantemente. Los mecanismos de juicio humano destilados podrían ser de ayuda.

Conclusión

Estas ideas han sido teorizadas durante mucho tiempo: los primeros trabajos sobre los mercados predictivos e incluso los mercados de toma de decisiones tienen varias décadas, y los discursos similares en teoría financiera son aún más antiguos. Sin embargo, creo que la última década ha proporcionado una oportunidad única, principalmente por las siguientes razones:

La tecnología financiera de la información resuelve el problema de confianza que existe en la realidad. Una preocupación común en esta era es la falta de conocimiento (y peor aún, la falta de consenso) sobre a quién se debe confiar en el entorno político, científico y empresarial. Las aplicaciones de tecnología financiera de la información pueden ayudar a ser parte de la solución.

Ahora tenemos una cadena de bloques escalable como base. Hasta hace poco, los costos eran demasiado altos para poder implementar realmente estas ideas. Ahora, ya no son tan altos.

AI como participante. Cuando la banca de información necesita la participación humana en cada problema, es relativamente difícil de desempeñar. La IA mejora significativamente esta situación, incluso en problemas a pequeña escala, puede lograr un mercado eficiente. Muchos mercados pueden tener una combinación de participantes de IA y humanos, especialmente cuando la cantidad de problemas específicos aumenta repentinamente.

Para aprovechar al máximo esta oportunidad, debemos ir más allá de simplemente predecir las elecciones y explorar lo que la información financiera puede ofrecernos.

Agradezco especialmente los comentarios y la retroalimentación de Robin Hanson y Alex Tabarrok

【Descargo de responsabilidad】 El mercado es arriesgado y la inversión debe ser cautelosa. Este artículo no constituye un consejo de inversión y los usuarios deben considerar si las opiniones, opiniones o conclusiones aquí contenidas son apropiadas para sus circunstancias particulares. Invierta en consecuencia bajo su propio riesgo.

Este artículo ha sido autorizado para su reproducción por: "Foresight News"

El autor original: Vitalik, el fundador de Ether Plaza