Deconstruyendo gigantes de Internet, la guía más completa del juego de la información cifrada

Autor original: Benjamín Funk

Compilación original: Frank, Foresight News

Nuestros cerebros, libros y bases de datos son tanto receptores como creadores de la creciente propensión de la humanidad a generar datos. Internet, el último logro en este largo desarrollo, genera y almacena aproximadamente 250 billones de bytes de datos cada día. Si bien es fácil sorprenderse con este número, el dato en sí no tiene mucho valor. Son como piezas dispersas de un vasto rompecabezas que deben recopilarse, procesarse y contextualizarse cuidadosamente para convertirse en información valiosa.

Muchos de los gigantes actuales de Internet han centrado todos sus modelos de negocio en esto, siendo Google el que lo ha hecho con mayor éxito: extraer enormes cantidades de materias primas preciosas, "residuos digitales" en forma de miles de millones de datos privados de personas, y se introduce en una serie de algoritmos para predecir las elecciones que probablemente tomarán los individuos. Cuantos más datos extraiga y procese Google para obtener información sobre nosotros, mayor será el nivel de conocimiento que podrá proporcionar a los anunciantes y mayor será la oferta de esos anunciantes en las subastas de anuncios de Google para intentar convertirnos en clientes.

A través de estos procesos, Google genera 240 mil millones de dólares en ingresos publicitarios anualmente. Si bien Google excluye intencionalmente a los humanos del proceso, existe una forma potencialmente más poderosa de generar y monetizar información valiosa. Al utilizar humanos como jugadores, gamificamos el proceso de creación, búsqueda y especulación de información, estimulando nuestro deseo inherente de participar. Desde las apuestas deportivas hasta los MEV y los juegos de deducción social como Among Us, estamos programados para sentirnos atraídos por los “juegos de información” que giran en torno a la competencia y la coordinación y nos exigen ocultar y revelar información inteligentemente.

Algunos juegos de información son sólo eso: juegos. Pero, como veremos, se pueden utilizar otros juegos de información para generar y monetizar información nueva y valiosa y convertirse en la columna vertebral de una nueva generación de productos y modelos de negocio.

Sin embargo, el juego de la información siempre ha tenido un talón de Aquiles: la confianza. Específicamente, los jugadores deben confiar en que otros jugadores no compartirán ni explotarán información de manera que viole las reglas del juego. Si un miembro del equipo en Among Us pudiera resultar ser un impostor a mitad del juego, o si un productor de bloques (minero) pudiera calcular la raíz del bloque incorrecta pero aun así fuera aceptado por un validador, nadie querría volver a jugar. Este juego ha terminado. . Para resolver este problema de confianza, recurrimos a terceros de confianza para que creen y alojen juegos de información para nosotros.

Esto está bien para un juego de apuestas bajas como Among Us, pero limitar la creación y mediación del juego a una parte centralizada limita nuestra confianza y exploración experimental de los juegos de información que jugamos, limitando así lo que podemos recopilar, los tipos de información aprovechados y monetizados.

En resumen, hay muchos juegos de información que ni siquiera se han probado porque no hemos encontrado la manera de ser justos y confiables en un entorno descentralizado.

Las cadenas de bloques programables y las nuevas primitivas criptográficas están resolviendo este problema al permitirnos crear y coordinar juegos de información a escala sin permiso, sin confiar en terceros ni entre sí.

A su vez, los juegos de información basados en cifrado podrían aumentar rápidamente la cantidad y calidad de la información a nivel mundial, mejorando así nuestras capacidades de toma de decisiones colectivas y desbloqueando ganancias de eficiencia equivalentes a la escala del PIB global. Imaginemos un mercado de predicción accesible globalmente utilizado como herramienta para asignar capital a megafondos nativos de Internet. O un juego que permite a las personas reunir sus datos privados de salud y ser recompensados por cualquier nuevo descubrimiento resultante de su uso, protegiendo al mismo tiempo su privacidad.

Sin embargo, como mostrará este artículo, es posible que los juegos de información criptocéntricos aún no estén disponibles para estos casos de uso de alto riesgo. Pero al probar juegos de mensajería más pequeños e interesantes hoy en día, los equipos pueden centrarse en involucrar a los jugadores y generar confianza antes de expandirse hacia la creación y monetización de mercados de mensajería más lucrativos.

Desde mercados de predicción hasta teoría de juegos, oráculos y redes de entornos de ejecución confiables, este artículo cubrirá el espacio de diseño para crear estos juegos de información basados en criptomonedas e introducirá la infraestructura necesaria para alcanzar su máximo potencial.

Mercados sin permiso: requisitos previos para los juegos de información

Desde aplicaciones de gestión del futuro hasta aplicaciones de mercado de información, blockchain permite a los desarrolladores crear instrumentos financieros automatizados y personalizables que impulsan mercados imparables y sin permiso. Como resultado, ahora cualquiera puede crear mecanismos que incentiven, coordinen y establezcan el intercambio de valor e información. Esto resalta el papel fundamental que desempeña blockchain al permitirnos experimentar rápidamente cómo configurar mejor los juegos para maximizar el valor para todos los participantes.

Será muy difícil convencer a los intermediarios centralizados para que se adapten a esta velocidad o permitan que sus usuarios participen en estos experimentos. Por lo tanto, los mercados sin permiso se convertirán en el medio a través del cual se podrán realizar teorías marginales y trabajos de investigación de vanguardia. Ya hemos visto que esto sucede en los mercados de predicción, donde las estrategias automatizadas de creadores de mercado que teóricamente responden a la baja liquidez en los mercados de predicción se implementan como CPMM (Creadores de Mercado de Cotización Continua) en redes de criptomonedas y se prueban con dinero real.

**Los mercados sin permiso son un gran facilitador de mejores herramientas para generar nueva información y monetizar su valor. **

Juegos de información para la producción de información.

Muchos juegos de información generan nueva información que los jugadores pueden utilizar para tomar mejores decisiones.

Estos juegos de información crean incentivos para extraer materias primas (datos públicos y privados) de personas, bases de datos y otras fuentes, y luego agregar estos datos a través de las mejores máquinas de producción de información (mercados y algoritmos). Idealmente, en el proceso de agregar esta información, se genera y monetiza nueva información ayudando a otros actores a tomar buenas decisiones. Por ejemplo, una DAO de inversión utiliza resultados de predicción del mercado para decidir si invertir en una nueva startup.

Los juegos y las herramientas que utilizan los diseñadores de juegos de información variarán según el tipo de información que puedan producir, dejándonos con un vasto espacio de diseño para explorar diferentes desafíos y oportunidades.

Pero comencemos con el juego de información más activamente desarrollado y discutido en la actualidad: los mercados de predicción.

Juego 1: Predicción de mercados como herramienta de generación de información

Uno de los juegos de información más populares en criptografía (y más allá) son los mercados de predicción. Polymarket es el mercado de predicción líder en el mundo y facilita más de 400 millones de dólares en volumen de operaciones acumuladas (y está creciendo rápidamente).

Los mercados de predicción funcionan incentivando a los jugadores a utilizar su propio dinero, como criptomonedas, para apostar sobre el resultado de varios eventos. Esta práctica de exigir un riesgo financiero personal ("participación con dinero real") ayuda a garantizar que los participantes estén realmente comprometidos con sus predicciones. Los mercados se ajustan dinámicamente a medida que los operadores actúan según sus conocimientos comprando acciones de resultados infravalorados y vendiendo acciones de resultados sobrevalorados. Estos ajustes a los precios de mercado reflejan estimaciones colectivas más precisas de las probabilidades de eventos, corrigiendo efectivamente cualquier error de fijación de precios inicial.

Cuanta más gente participe en las apuestas en un mercado, con conocimientos públicos y privados diferentes pero relacionados, más verdad se reflejará en los precios. En última instancia, los mercados de predicción aprovechan la “sabiduría de las multitudes” aprovechando el riesgo financiero para impulsar una agregación precisa de información.

Desafortunadamente, los mercados de predicción presentan algunos desafíos clave, muchos de los cuales se deben a diversos problemas de escalabilidad.

El cuello de botella de la información real

Los concursos de belleza keynesianos, en los que los jueces intentan elegir opciones que creen que elegirán otros jueces, no son exclusivos de los mercados de predicción. Sin embargo, su impacto negativo es más pronunciado aquí que en los mercados tradicionales, ya que el objetivo de los mercados de predicción es precisamente crear información precisa. Además, a diferencia de los mercados financieros tradicionales, donde el comportamiento de los participantes está impulsado principalmente por la maximización de ganancias, los apostantes en los mercados de predicción se dejan influenciar más fácilmente por creencias personales, inclinaciones políticas o intereses creados en ciertos resultados. Por lo tanto, están más dispuestos a asumir pérdidas financieras en el propio mercado si sus apuestas resuenan con valores personales o expectativas de ganancias de acciones fuera del mercado.

Además, cuanta más gente vea un mercado o un algoritmo como una fuente de verdad, mayor será el incentivo para manipular ese mercado. Esto es muy similar al problema que tienen las redes sociales. **Cuanta más gente confíe en los productos de información generados por las plataformas de redes sociales, mayor será el incentivo para manipularlos con fines de lucro o beneficios sociopolíticos. **

Algunos actores pueden incluso aprovechar las señales y los incentivos creados por los mercados de predicción para cambiar el precio de las creencias colectivas y fomentar la acción colectiva. Por ejemplo, imaginemos un gobierno que utiliza una forma de política de “flexibilización cuantitativa” para influir en los mercados de predicción sobre cuestiones clave como el cambio climático o la guerra. Al comprar grandes cantidades de acciones en mercados de predicción relevantes, pueden redirigir los incentivos financieros hacia los resultados deseados. Quizás creen que los riesgos sistémicos del cambio climático están subestimados, por lo que compran en gran medida una participación del "no" en un mercado que predice una mejora climática en 2028. La medida podría alentar a más empresas emergentes de tecnología climática a desarrollar tecnología que les permitiría obtener una ventaja de información al apostar por las acciones del “sí”, acelerando así el ritmo de búsqueda de soluciones.

Si bien se ha demostrado que los factores anteriores tienen un impacto negativo en la calidad de la información producida, también se ha demostrado que el comportamiento manipulador en realidad mejora la precisión del mercado porque los manipuladores del mercado son comerciantes ruidosos y los participantes del mercado bien informados pueden comerciar a la inversa para hacer dinero.

Por lo tanto, podemos inferir que los problemas anteriores son causados por la falta de un número suficiente de operadores bien capitalizados y bien informados para ayudar a corregir el mercado,** por lo que permitir que estos operadores bien informados tomen prestado y estén en corto puede ser lo que haga que estos mercados sean más eficientes un medio clave. **

Además, en los mercados de ciclos más largos, es más difícil para los operadores bien informados contrarrestar la manipulación porque los manipuladores tienen más tiempo para influir reflexivamente en el sentimiento del mercado y los resultados reales a través del comercio. Implementar un mercado con un período de retención más corto para la credibilidad de la información aumenta la confianza en el juego (y por lo tanto la calidad de su información), pero también hace que el juego sea más atractivo.

También estamos viendo algunas señales tempranas de que, en algunos casos, los jugadores disfrutan de los juegos de información donde la duración de la credibilidad de la información puede ser manipulada. Perl, la cuenta número uno en Farcaster en ese momento, se apoyó en este modelo y creó una plataforma dentro de la aplicación para especular sobre la participación de los usuarios. Se lanzan mercados de predicciones como "¿@ace o @dwr.eth (cofundador de Perl y Farcaster respectivamente) obtendrán más Me gusta mañana?", y los equipos de fútbol y sus fanáticos, como era de esperar, pueden "causar problemas". Allá vamos. Solo que aquí, el juego se juega de forma asincrónica y la medición es Me gusta en lugar de "Touchdowns" (nota de Foresight News, generalmente utilizada para describir la acción de puntuación en los juegos de fútbol americano, cuando la ofensiva lleva el balón a la portería del oponente). Cuando el balón llegue a la zona de anotación y toque el suelo con éxito, se juzgará como un touchdown. Si bien el juego de Perl socava intencionalmente la calidad de la información producida por los mercados de predicción, surge un metajuego interesante al coordinarse para resolver las predicciones a favor de uno.

Los juegos basados en predicciones pueden reducir la manipulación y el aburrimiento mediante el uso de rondas más cortas y potencialmente renovables. Sin embargo, en los juegos de apuestas bajas, permitir la manipulación del jugador puede aumentar la diversión del juego y convertirse en una parte integral del juego.

Encuentra los jueces y oráculos adecuados

Otro desafío de los mercados de predicción es la adjudicación: ¿cómo predecir el mercado correctamente? En muchos casos, podemos confiar en oráculos respaldados por reputación y garantías que pueden conectarse a fuentes de datos fuera de la cadena. Para resolver este problema, los diseñadores de mercados de predicción pueden confiar en la teoría de juegos y los oráculos criptográficos para cubrir una gama más amplia de temas, incluida la información privada de los jugadores.

Los oráculos de la teoría de juegos, también conocidos como oráculos del punto de Schelling, suponen que, en ausencia de comunicación directa, los participantes (o nodos) de la red convergerán de forma independiente en una única respuesta o resultado, y creen que otros también elegirán esa respuesta o resultado. . Este concepto, iniciado por Augur et al. y desarrollado posteriormente por la UMA, fomenta la presentación de informes honestos y desalienta la colusión recompensando a los participantes en función de lo cerca que estén de la respuesta de “consenso”.

Sin embargo, todavía hay muchos desafíos para hacer que estos oráculos sean confiables en la adjudicación de apuestas por parte de un pequeño número de jugadores, donde identificarse y comunicarse entre sí para confabularse se convierte en una amenaza potencial. Si bien la criptografía se promociona como una herramienta clave para evitar la colusión entre los votantes, también puede usarse como una herramienta para permitir la colusión e interferir con los mercados de predicción. Podemos ver esto a través del potencial de DarkDAO para aprovechar los entornos de ejecución confiables (TEE) para el soborno programático y la manipulación coordinada de precios. Uno de los equipos que trabaja para equilibrar estos incentivos es Blocksense, que utiliza la selección de comités secretos y la votación criptográfica para evitar la colusión y el soborno.

También podemos abordar el desafío de Oracle aprovechando los datos en cadena. En MetaDAO, los jugadores son recompensados por predecir correctamente cómo propuestas específicas afectarán el precio de su token nativo. Este precio lo proporciona la posición Uniswap V3 y sirve como oráculo para el valor del token.

Sin embargo, estos oráculos todavía tienen limitaciones para resolver mercados basados en datos públicos. Si podemos resolver mercados basados en datos privados, podremos desbloquear tipos completamente nuevos de mercados de predicción.

Podemos utilizar los resultados del propio juego de la información como un oráculo, que es una forma de resolver el mercado basándose en datos privados. Los mercados bayesianos son un ejemplo de ello, que utilizan los principios de la inferencia bayesiana para derivar las propias creencias del apostador sobre su información privada al permitir que las personas apuesten sobre las creencias de los demás. Por ejemplo, crear un mercado donde la gente pueda apostar sobre "cuántas personas están satisfechas con sus vidas" revelaría las propias creencias del apostador sobre la satisfacción de las vidas de los demás. Como resultado, podemos sacar conclusiones precisas sobre la información privada de los jugadores que de otro modo serían verdades no verificables.

Otra solución es un oráculo que utiliza criptografía inteligente para "importar" datos desde una API Web2 privada. Algunos de estos oráculos existentes se muestran en la sección "Oráculos de información pública y privada" del mapa del mercado. Usando estos oráculos, se pueden crear mercados de predicción en torno a la información privada de algunos jugadores, incentivando a los poseedores de la información privada a resolver de manera verificable un mercado de predicción específico a cambio de tarifas de transacción de los jugadores que apuestan en ese mercado. De manera más general, la capacidad de acceder de forma segura a datos personales más ricos dentro y fuera de la cadena se puede utilizar como primitivos de identidad, lo que nos ayuda a identificar, incentivar y unir jugadores de manera más efectiva en juegos de información, ayudándonos a dirigir la información necesaria, hacer que los juegos de información sean más relevante para los jugadores.

Las innovaciones en el diseño de Oracle aumentarán la gama de datos que podemos utilizar para resolver mercados de predicción, ampliando así el espacio de diseño de juegos de información en torno a información privada.

Cuello de botella de liquidez

Es difícil atraer liquidez a los mercados de predicción. En primer lugar, estos mercados son mercados binarios, donde los jugadores apuestan "sí" o "no" sobre un tema específico y reciben una cantidad fija de recompensa monetaria o nada. Como resultado, el valor de estas acciones puede fluctuar significativamente con pequeños cambios en el precio del activo subyacente, especialmente cerca del vencimiento. Esto hace que predecir sus movimientos de precios a corto plazo sea importante, pero también extremadamente desafiante. Para hacer frente a los enormes riesgos que conllevan los cambios repentinos, los operadores deben utilizar estrategias avanzadas y constantemente ajustadas para hacer frente a las fluctuaciones inesperadas del mercado.

Es más, a medida que los mercados de predicción amplíen el alcance del mercado a más temas y alarguen sus plazos, atraer liquidez será más difícil. Cuanto más va el mercado más allá de la política y los deportes, y cuanto más dura, menos gente siente que tiene una ventaja clara en lo que respecta a las apuestas. Por tanto, cuanta menos gente apueste, menor será la calidad de la información producida.

Los mercados de predicción enfrentan inherentemente estos problemas de liquidez porque formar precios requiere extraer información privada y realizar apuestas basadas en esa información, las cuales son actividades costosas. Los participantes deben ser compensados por el esfuerzo que invierten y los riesgos que asumen, incluido el costo de recopilar información y bloquear capital. Esta compensación a menudo proviene de personas dispuestas a aceptar peores probabilidades, ya sea por entretenimiento (por ejemplo, apuestas deportivas) o para cubrir riesgos (por ejemplo, futuros de petróleo), lo que ayuda a generar grandes cantidades de liquidez y volumen de operaciones. Sin embargo, los mercados de predicción con una gama más reducida de temas son menos atractivos comercialmente para los jugadores, lo que resulta en una menor liquidez y volúmenes de negociación.

Mejoras económicas: superposiciones y diversificación

Podemos resolver estos problemas tomando prestadas ideas de las finanzas tradicionales y otros juegos de información existentes.

Vale la pena señalar que podemos hacer uso del concepto de "superposición" mencionado por Hasu en el artículo "El dilema de los mercados de predicción". En los torneos de juego, el concepto de “superposición” es similar al subsidio propuesto por los mercados de predicción, que es un valor adicional que las casas de apuestas añaden al premio acumulado para fomentar la participación. La "superposición" reduce efectivamente el costo de entrada para los jugadores y hace que el torneo sea más atractivo, aumentando así la participación de jugadores novatos y experimentados.

Así como las “superposiciones” en los torneos de juego incentivan la participación de los jugadores al aumentar el retorno de la inversión potencial, los “subsidios” en los mercados de predicción incentivan a los participantes al reducir la barrera de entrada y hacer que la participación sea más atractiva financieramente. Los subsidios también sirven como faros, atrayendo múltiples perspectivas y conocimientos de comerciantes tanto informados como desinformados, quienes tienen la oportunidad de obtener ganancias corrigiendo sus errores. Los equipos que implementen esta estrategia tendrán que identificar e interactuar sistemáticamente con posibles proveedores de subsidios y crear un mercado en torno a sus necesidades, ya que están dispuestos a proporcionar la liquidez necesaria.

De manera similar, se podría implementar una estructura similar a un “fondo” para lograr la diversificación temporal e industrial y aumentar la liquidez en los mercados de predicción en un conjunto más amplio de temas y horizontes temporales. Por ejemplo, muchas empresas pueden encontrar valor en el mercado en torno a cómo se resuelve una demanda en particular. **Estas empresas pueden reducir el costo de la participación de expertos legales prestándoles capital, permitiéndoles diversificarse en una amplia gama de mercados y luego recompensándolos en función de su desempeño a lo largo del tiempo. **

En esta configuración, los comerciantes podrán pedir dinero prestado para crear mercados, y el monto del préstamo se puede parametrizar según las necesidades de información y la reputación del comerciante sobre el tema. Esto se puede combinar con una tarifa de gestión como una "superposición" adicional para cada mercado.

Los proveedores de liquidez tendrán acceso a operadores en estos mercados que tengan incentivos para apostar correctamente en estos mercados y estén distribuidos en una gran canasta de activos no correlacionados con diferentes vencimientos. Aunque hay que considerar "problemas principal-agente", este sistema puede aumentar la escala de liquidez proporcionada por estos mercados y la diversidad de asignación de estos fondos de liquidez. Además, se puede mejorar la calidad y variedad de los productos de información, al tiempo que se puede crear nueva información sobre las habilidades y conocimientos de los operadores en diferentes mercados, acelerando los retornos para los proveedores de liquidez a través de subproductos reputacionales.

Cuando el valor de la información que los jugadores pueden generar es grande, la integración de los mercados financieros componibles (como los préstamos y la extracción de liquidez) en el juego puede ser una herramienta clave para reducir las barreras de entrada.

Mejoras en la experiencia del usuario: interfaz más simple e incentivos flexibles

El diseño de UX centrado en el intercambio y los tipos de recompensa limitados comunes en los mercados de predicción actuales pueden disuadir a quienes valoran otros tipos de interfaz e incentivos, limitando aún más la liquidez. En lo que respecta a los apostadores, existen muchas formas interesantes de mejorar la calidad de los mercados de predicción, todas las cuales se centran en mejorar la cobertura y la accesibilidad para diferentes tipos de jugadores.

En primer lugar, podemos mejorar la experiencia del usuario de los mercados de predicción integrándolos en plataformas sociales más grandes. Perl y Swaye nos muestran esto conectándose a los datos de Farcaster. En lugar de que los usuarios tengan que abrir otra aplicación independiente, los diseñadores de juegos de información pueden identificar y dirigir a los jugadores a mercados en los que están particularmente preparados para participar (por ejemplo, el canal /nyc-politics de mejores jugadores).

También hay intentos de ampliar la gama de recompensas asignadas a los apostadores y reducir el umbral de capital para que inviertan. Esto podría tomar la forma de recompensar testimonios individuales o extender las recompensas financieras para incluir la “utilidad en la aplicación” o el valor expresado a través de puntos o tokens.

Si bien los incentivos monetarios son importantes para el funcionamiento de los mercados de predicción, cierta literatura sugiere que las monedas virtuales también pueden crear mercados de predicción de calidad comparable. Desde una perspectiva práctica, esto nos dice que tenemos la flexibilidad de asumir el tipo de "participación de dinero real" que los apostadores están dispuestos a arriesgar y trabajar duro para obtener.

Además, existen diferentes tipos de mecanismos de mercado que pueden utilizarse para hacer que la experiencia del usuario esté más “basada en encuestas”, reduciendo aún más la fricción y las barreras de entrada. Un estudio de la Universidad de Cambridge evaluó esta hipótesis y descubrió que en mercados con baja actividad comercial, grandes diferenciales entre oferta y demanda y resoluciones rápidas, los mecanismos de encuesta producen resultados más precisos que los mercados de predicción. El estudio también encontró que combinar un juego de predicción basado en encuestas con los incentivos monetarios de los mercados de predicción producía una mayor precisión que simplemente predecir los precios del mercado. Además, para abordar posibles desafíos de información estancada, las encuestas podrían "actualizarse" periódicamente basándose en algún tipo de sistema push o pull, incentivando la replicación dinámica de la información basada en nueva información.

El juego de mensajería criptográfica solía obstaculizar a todos, excepto a los usuarios avanzados más incondicionales. Ahora, con costos más bajos, mayor disponibilidad y datos más ricos, tenemos la oportunidad de desarrollar juegos más diversos y accesibles que atraigan a audiencias específicas.

Juego 2: La informática que preserva la privacidad genera información

Imagine un juego jugado por desarrolladores de Solidity en el que los jugadores utilizan computación multipartita (MPC) para revelar sus salarios y calcular promedios mientras protegen la confidencialidad de sus salarios individuales. Esta será una forma valiosa para que los profesionales de la criptografía negocien con sus respectivos empleadores y, al mismo tiempo, servirá como fuente de entretenimiento.

En términos más generales, los juegos de información pueden aprovechar las tecnologías que preservan la privacidad para ampliar la gama de fuentes de información, en particular datos e información privados que pueden analizarse para generar nuevos conocimientos. Al garantizar la privacidad, estas herramientas pueden aumentar la variedad y la propensión de las personas a compartir datos e información, y compensar a los proveedores de datos por el valor resultante.

Si bien esto no es todo, algunas de las herramientas utilizadas por los productores de información para lograrlo incluyen pruebas de conocimiento cero (ZK), computación multipartita (MPC), cifrado totalmente homomórfico (FHE) y entornos de ejecución confiables (TEE). Los mecanismos centrales de estas tecnologías varían, pero en última instancia todas tienen el mismo propósito: permitir a las personas proporcionar información confidencial de manera que se preserve la privacidad.

Sin embargo, para casos de uso que requieren sólidas garantías de privacidad, todavía existen muchos desafíos serios en el uso de primitivas criptográficas de software y hardware, que discutiremos más adelante.

La criptografía que preserva la privacidad amplía significativamente el espacio de diseño para nuevos juegos de información que antes no existían.

Juego 3: Competencia entre modelos para mejorar la producción de información

Imagine un juego en el que los científicos de datos compiten entre sí desarrollando y apostando por modelos comerciales para un fondo de cobertura descentralizado. Luego, la cadena de bloques llega a un consenso sobre la puntuación de un modelo específico y recompensa o penaliza a los participantes en función de la precisión de las predicciones del modelo y su impacto en los rendimientos de los fondos. Este es el enfoque adoptado por Numerai, uno de los primeros juegos de información en Ethereum. En este juego, el mecanismo de consenso de Ethereum se utiliza para competir entre diferentes modelos y sus creadores a escala global, motivando efectivamente a la inteligencia artificial a participar en el juego de la información, generando así retornos valiosos.

Yendo un paso más allá, podríamos incentivar más directamente a las IA para que jueguen juegos de información por nosotros, utilizando su vasto conocimiento para competir entre sí en la realización de predicciones. Si bien no necesariamente juegan a estos juegos por diversión, el uso de máquinas inteligentes en lugar de humanos puede reducir significativamente los costos laborales necesarios para producir información. Como resultado, estos modelos de IA pueden aumentar la liquidez en mercados de predicción más especializados donde los humanos suelen ser reacios a participar. Como dijo Vitalik:

"Si se crea un mercado y se proporciona un subsidio de liquidez de 50 dólares, a los humanos no les importarán mucho las ofertas, pero miles de IA entrarán fácilmente y harán las mejores suposiciones que puedan. El incentivo para resolver bien cualquier problema puede ser mínimo , pero el incentivo para construir una IA que haga predicciones generalmente buenas puede valer millones de dólares”.

Alternativamente, podemos aprovechar el consenso entre los modelos de aprendizaje automático para competir en torno al valor de la información que crean. Equipos como Allora y Bittensor TAO están trabajando para coordinar modelos y agentes para transmitir sus predicciones a otros en la red, mientras que otros son responsables de evaluar, calificar y transmitir su desempeño a la red. En cada época, la evaluación colectiva entre modelos se utiliza para asignar recompensas o poder a diferentes modelos en función de la calidad de la predicción. De este modo, los empresarios pueden aprovechar una red de modelos en constante mejora para mejorar la calidad de la información que fluye a través de sus mercados.

Es muy posible que existan algunos mercados para la información: la calidad de la información generada utilizando modelos simplemente no tiene comparación con los juegos de información entre humanos.

Juegos de información que se pueden utilizar para monetizar.

Algunos juegos de información sobreviven únicamente gracias al placer que los usuarios obtienen de ellos. Pero aquellos que quieran monetizar el valor de la información que generan, necesitan pensar más. Desafortunadamente, la naturaleza de la información como mercancía conduce a fallas clave del mercado que impiden su monetización sin problemas:

• La información no se puede valorar hasta que se consume, lo que dificulta que los compradores evalúen si los precios indicados por los vendedores reflejan con precisión el valor de la información.
• La información no tiene rival: consumirla no reduce su disponibilidad, lo que significa que no hay escasez, lo que la hace poco atractiva para los compradores.
• La naturaleza no exclusiva de la información combinada con los bajos costos de reproducción dificulta que los vendedores impidan el acceso no autorizado, a pesar de los altos costos iniciales de producción.

Estas características económicas plantean desafíos tanto para los compradores como para los vendedores a la hora de beneficiarse de la información y pueden dar lugar a un suministro insuficiente de información. Si la información llega a ser conocida rápidamente por todos los que pueden explotarla simultáneamente, habrá menos oportunidades para que los compradores de información exploten las asimetrías de información debido a una mayor competencia o al colapso de los esquemas que pretendían utilizar. Afortunadamente, existen herramientas de cifrado que se pueden utilizar para resolver estos problemas y ya están en uso.

Juego 4: Intercambio: monetización mediante especulación de información

Una forma de monetizar la producción de información sin mantenerla en secreto ni limitar el conjunto de acciones que se pueden tomar contra ella es simplemente hacerla pública, pero crear una herramienta que permita a las personas apostar sobre cómo cambia, también conocida como sabor derivado. .

Una empresa que hace esto activamente es Parcl, cuyo intercambio permite a los usuarios especular sobre el ascenso y la caída del mercado inmobiliario. El mercado de Parcl funciona con información de precios en tiempo real, que Parcl Labs obtiene de un amplio conjunto de datos inmobiliarios y los procesa mediante algoritmos patentados para producir información que es más granular y precisa que los índices de precios inmobiliarios tradicionales.

Si bien Parcl monetiza esta información de manera más directa a través de API, también crea una capa adicional de monetización al permitir a los operadores apostar sobre cómo esta información cambia con el tiempo. Otros proyectos, como IKB y Fantasy mencionados en la sección "Mercado de información alternativa" del mapa de mercado, se centran en monetizar a través de la especulación o cubrir cambios en la información pública existente, que van desde el desempeño de los atletas hasta las creaciones creativas y el compromiso social de la persona.

Si puede vender el interés de la gente en la información que genera, puede monetizarla sin mantenerla en secreto ni restringir cómo los compradores pueden usarla.

Juego 5: Descubra el mercado negro de información confidencial

Imagina un juego que te permita descubrir información alfa seleccionada sobre las últimas actividades en cadena y nuevas empresas criptográficas antes de que el mundo lo sepa. Para lograr esto, la información debe permanecer confidencial para abordar las cuestiones de no impugnación y exclusión que plantea la información pública. Como resultado, los mercados de información de próxima generación están facilitando el intercambio de información confidencial y al mismo tiempo aprovechan la cadena de bloques para descubrir y regular a todos los participantes que pueden pagar para acceder a esta información.

Murmur, el mercado descentralizado de información confidencial de Freatic, es un excelente ejemplo de este enfoque, que utiliza NFT y un sistema de colas para limitar el acceso exclusivo a la información. Los compradores de información primero deben suscribirse a un tema específico comprando un NFT que representa un cupón. Esto les otorgaría un lugar en la cola para canjear el secreto del editor, con una tarifa adicional para frenar su difusión. Los compradores también pueden votar posteriormente sobre la calidad de la información. A través de este proceso, Murmur garantiza que la información siga siendo confidencial y valiosa sin tener que limitar su venta a una sola entidad.

Por el contrario, Friend.tech utiliza claves y curvas vinculantes para gestionar el acceso a información confidencial en chats grupales, lo que aumenta la barrera de entrada a medida que aumenta la demanda. Por lo tanto, podemos pensar en las claves de Friend.tech como un indicador del valor promedio de la información de una persona (suponiendo que el mercado de claves sea eficiente). Sin embargo, los jugadores siempre "cuentan" alguna idea del "valor" de la persona cuando intercambian claves, lo que dificulta a los compradores evaluar el valor de la información. Quizás esto sirva como otro dato para respaldar la afirmación de que el “mercado de mensajes” más valioso hasta la fecha es en realidad el mercado de memecoins, que si entrecierras los ojos lo suficiente en realidad gira en torno a tendencias específicas o un mercado de predicción del valor simbólico de un personaje. **

Dejando a un lado Memecoin, una dirección que el equipo está tomando para limitar el acceso a la información es permitir a los vendedores de información diseñar mejores curvas vinculantes que relacionen el precio de acceso con el valor de la información. Por ejemplo, el precio de la información que se deprecia rápidamente a medida que se conoce puede determinarse mediante una curva vinculante que refleje la rápida depreciación del valor de la información a lo largo del tiempo.

Los cambios de divisas descentralizados son un desafío debido a problemas de confianza y a encontrar coincidencias de necesidades duales. Blockchain ya resuelve este problema para la moneda (Bitcoin) y hará lo mismo con la información a través de divertidos juegos centrados en encontrar información oculta.

Juego 6: "Futarquía": predicción de la realización del mercado

Un método importante para monetizar la información sin mantenerla explícitamente confidencial es producir y vender información que sólo una organización puede y explotará. Este enfoque no es nuevo, muchas empresas ya monetizan la información restringiendo el acceso a la información a compradores específicos a través de subastas o acuerdos de confidencialidad. Sin embargo, estamos viendo un nuevo modelo de negocio para vender productos de información: producir información pública que sea relevante y valiosa sólo para las organizaciones que toman decisiones específicas.

De hecho, recién ahora estamos viendo mercados de predicción construidos sobre rieles encriptados como una forma de experimentar con la "Futarquía" (nota de Foresight News, que puede traducirse como sistema futuro, como escribió el profesor Robin Hanson de la Universidad George Mason en "Deberíamos votar for Value" en 2000, pero ¿pagar por creer?" Este concepto se mencionó por primera vez en el artículo. En 2008, Futarchy fue nombrada la palabra candente del año por el New York Times) como un mecanismo alternativo para monetizar la información que genera.

La “futarquia” proporciona una nueva forma de mejorar la toma de decisiones, centrándose en aprovechar la información creada por los mercados de predicción. La información generada por el mercado de predicciones se utiliza para tomar decisiones y, cuando el mercado de predicciones se estabiliza, los participantes con las predicciones más precisas son recompensados.

Los propios mercados de predicción son juegos de suma cero para los jugadores, lo que limita los incentivos para que los operadores informados participen y empeora los cuellos de botella de liquidez existentes. La “futarquia” puede resolver este problema porque la riqueza creada al tomar mejores decisiones puede redistribuirse entre los comerciantes.

Las entidades nativas descentralizadas como MetaDAO ya están experimentando con la "Futarquía". Cuando se hace una propuesta, como la propuesta de Pantera de comprar el token de gobernanza MetaDAO, se crean dos mercados de predicción: "aprobar" representa apoyo y "fallar" representa oposición. Los participantes intercambian tokens condicionales dentro de estos mercados, especulando sobre el impacto de las propuestas en el valor del DAO. Los resultados dependen de una comparación del precio promedio ponderado en el tiempo (TWAP) de los tokens "aprobados" y "fallidos" después de un período de tiempo específico. Si el TWAP del mercado "pasante" excede el rango de configuración del TWAP del mercado "fallido", la propuesta se aprueba, lo que resulta en la ejecución de los términos de la propuesta y la cancelación de la transacción del mercado fallido. El sistema aprovecha la dinámica del mercado para impulsar las decisiones de gobernanza, alineándolas con las predicciones colectivas del mercado sobre si las propuestas aumentarán o disminuirán el valor de la DAO.

En algunos casos, "Futarquía" todavía necesita diseñarse en torno a la confidencialidad. Por ejemplo, si se utiliza un mercado de predicción para determinar decisiones de contratación para personas específicas, entonces esta información se vuelve pública y se convierte en un infopeligro: los competidores pueden robar objetivos de contratación basándose en las predicciones del mercado.

Otra razón para mantener la información confidencial es su impacto en los incentivos y la cultura organizacional. Como señaló Robin Hanson en su charla "El futuro de los mercados de predicción", los propios experimentos internos de Google han encontrado resistencia porque a los ejecutivos les preocupa que las métricas de desempeño público desmotiven a los empleados. Por supuesto, los directivos no están dispuestos a implementar cosas que puedan revelar el "traje nuevo del Emperador", y esto lo estamos viendo hoy. Según el fundador de MetaDAO @metaproph 3 t, algunas personas deciden no presentar propuestas porque no quieren ser evaluadas por el mercado.

Ambos problemas pueden resolverse limitando el acceso a la información de predicción del mercado sólo a tomadores de decisiones específicos. Sin embargo, al otorgar a los tomadores de decisiones el poder de actuar de manera autónoma en base a esta información, los apostadores incorporarán estos sesgos en sus apuestas, reduciendo así la calidad de la información generada.

En otros casos, "Futarchy" puede ser más adecuado para su aplicación en industrias específicas y sus ventajas superan el impacto cultural, como el fondo de cobertura de Bridgewater. La integración de blockchain también puede mejorar aún más la credibilidad de "Futarchy" y evitar la manipulación.

Los métodos de monetización para los mercados de predicción se han limitado hasta ahora a la especulación o la cobertura, pero al ayudar a las organizaciones a tomar mejores decisiones, los mercados de predicción podrían desbloquear un mercado completamente nuevo, aunque los roles relacionados con la información confidencial siguen siendo preguntas sin respuesta.

Juego 7: La promesa creíble de los juegos de información programables

Como se mencionó al principio de este artículo, Google monetiza la información alquilando el uso de la información a los anunciantes y al mismo tiempo limita cómo usan la información a las subastas de anuncios de Google. De manera similar, las promesas creíbles ayudan a los vendedores de información a monetizar al limitar las acciones que los compradores pueden realizar en función de dicha información.

Los vendedores de información pueden utilizar métodos criptográficos como MPC, TEE y FHE para garantizar promesas confiables por parte de los compradores de realizar cálculos basados en datos privados. Por lo tanto, los vendedores pueden confiar su información a los compradores, dándoles un control específico sobre sus acciones futuras en torno a su información privada sin revelar la información en sí.

Esta tecnología primitiva desbloquea todo tipo de juegos de información. Imagine permitir a los comerciantes (vendedores de información) vender el derecho a ordenar operaciones basadas en el historial de operaciones de órdenes a compradores (buscadores) de información si el comprador se compromete a simular solo el historial de operaciones de órdenes un cierto número de veces. Yendo un paso más allá, imagine permitir a los usuarios de Netflix delegar la visualización de películas de Netflix a otras personas que usan sus cuentas, permitiéndoles "obtener ingresos" de sus cuentas sin revelar sus datos de inicio de sesión. A su vez, los compradores pueden desbloquear valor de la información privada de los vendedores sin que estos tengan que lidiar con los desafíos de vender la información en sí (la información es un bien experiencial que no es rival ni excluyente).

Desbloqueo de la monetización a escala de Google para diseñadores de juegos de información

Los EET ofrecen actualmente una opción práctica para implementar dichos controles, aunque con garantías de confidencialidad limitadas. Si bien no es adecuado para proteger grandes activos o datos confidenciales, TEE es adecuado para casos de uso que requieren un acceso más restringido a información confidencial, como evitar la ejecución frontal. El Proyecto SUAVE, creado por el equipo de Flashbots, está construyendo una red TEE que los desarrolladores pueden utilizar hoy, con una visión a largo plazo para permitir a los desarrolladores de aplicaciones encontrar mejores formas de aprovechar el valor de su información y la de sus clientes.

En el diseño de SUAVE, la integración de blockchain con TEE aborda tres limitaciones clave de TEE que son fundamentales para avanzar en el juego de la información. En primer lugar, blockchain elimina la necesidad de confiar en las comunicaciones entre el anfitrión y los jugadores, quienes pueden involucrarse en censura o comportamiento malicioso. En segundo lugar, la cadena de bloques proporciona un mecanismo seguro para mantener el estado y evitar ataques de reversión a los que TEE es susceptible. Finalmente, blockchain es fundamental para garantizar la creación sin permiso y resistente a la censura de un juego de mensajería basado en TEE (SUAPP) en cuyos contratos, entradas y salidas inteligentes todos los jugadores puedan confiar.

Si bien muchos de los primeros juegos de información que utilizan SUAVE obviamente se centrarán en MEV, existen oportunidades para que se utilicen en juegos de información que van mucho más allá del comercio.

Juego 8: La reputación y el conocimiento cero promueven el mercado del juego

Un desafío clave en la monetización de la información es la naturaleza inherente de la información como un "producto de experiencia". **El valor de los bienes de experiencia sólo puede reconocerse después de su uso, lo que dificulta a los vendedores fijar los precios por adelantado. **Al crear mecanismos para resolver este problema, también podemos crear juegos interesantes para los usuarios. La jugabilidad principal de algunos juegos es permitir a los jugadores construir reputaciones para distinguirse de otros jugadores, como World of Warcraft, lo que puede ser divertido y una forma clave para que los jugadores decidan con quién cooperar. Es posible que otros juegos quieran que los vendedores se comprometan a fijar un precio por cierta información (como ubicaciones enemigas, planes secretos) sin revelar la información de antemano.

Para superar este problema, los diseñadores de juegos de información pueden aprovechar soluciones criptográficas como las pruebas de conocimiento cero (ZKP) para verificar las propiedades de los productos de información computacional (como la eficacia de los algoritmos comerciales) sin revelar los datos o el código reales. Esto se puede lograr creando compromisos criptográficos, poniéndoles una marca de tiempo en la cadena de bloques y proporcionando pruebas sin conocimiento del rendimiento del algoritmo. Sin embargo, este enfoque sólo funciona para bienes de información cuyo valor proviene de sus propiedades computacionales y que pueden probarse con entradas verificables.

Para otros tipos de bienes de información, la reputación y la identidad se vuelven críticas. Los mecanismos de consenso entre los compradores de información pueden explotarse para construir una reputación en torno al valor de la información que un vendedor intenta vender.

Sistemas como Murmur utilizan los votos de los usuarios dentro de una ventana exclusiva para construir la reputación de un editor, elevándolo del estado no verificado al estado verificado en función de los comentarios de la comunidad. Este proceso crea un registro transparente e inmutable de interacciones, lo que crea una reputación confiable para los vendedores y va acompañado de un estrecho circuito de retroalimentación.

Alternativamente, el protocolo Erasure Bay requiere que los vendedores apuesten tanto su capital como su reputación como señal de la confiabilidad de su información. El protocolo identifica un "factor de fraude" que permite a los compradores destruir una determinada parte de las apuestas de los vendedores cuando la información es de baja calidad, garantizando así que los vendedores tengan un incentivo para proporcionar información de alta calidad.

Para evitar fallas del mercado y maximizar el volumen de transacciones, los diseñadores de juegos deben brindar a los vendedores herramientas criptográficas para demostrar el valor de su información, o proporcionar mecanismos rápidos y confiables para construir su reputación por artículos vendidos anteriormente.

Resumir

Los juegos de información no son nada nuevo. Sin embargo, antes de la llegada de las cadenas de bloques programables, los diseñadores de juegos solo podían pedir permiso a intermediarios centralizados y los jugadores estaban limitados a juegos en los que podía mediar un tercero de confianza.

Ahora, la dramática caída en el costo del espacio en bloque significa que cualquiera puede crear un DAO o protocolo para información confidencial inspirado en la gobernanza futura y acceder a una gran cantidad de herramientas de verificación, arbitraje, monetización y más. La reducción de las barreras a la participación y la innovación abierta en el ámbito de las finanzas autorizadas desbloquearán juegos que ni siquiera podíamos imaginar.

Este artículo muestra los primeros signos y desafíos de la implementación de esta nueva ola de juegos de información y el potencial del uso de herramientas criptográficas para resolver estos problemas. Con estas herramientas, algunos diseñadores de juegos mejorarán los juegos de información que ya jugamos, como el comercio y el MEV, mientras que otros crearán juegos que simplemente no existían antes.

Sin embargo, cada uno de estos juegos de información con tecnología criptográfica representa minijuegos que deben combinarse entre sí para formar un juego completo. Los jugadores se divierten y emocionan al construir reputaciones, trabajar con equipos y competir por influencia dentro de una organización, todo como parte de un todo más amplio.