正文

Vitalik全文：從預測市場到「資訊金融」

odailynews2024-11-08 16:00:00

資訊本身就能成為完整市場，本文源自 Vitalik Buterin 所著文章《 From prediction markets to info finance 》，由 Odaily 整理、編譯及撰稿。
（前情提要： Polymarket 神祕巨鯨大贏 5000 萬美元，他如何正確預測大選結果？）
（背景補充：高重建專文》我在 Polymarket 預測賀錦麗勝選，輸了兩塊錢）

本文目錄

美國大選推動了預測市場 Polymarket 進一步爆火，尋求盈利的人開始下注，而尋求結果的人把它當作一個新聞資料平臺獲取訊息，作為一個「出圈」的區塊鏈應用，Polymarket 把鏈上資金和現實世界預測很好地結合在一起，Vitalik 曾多次發文讚揚 Polymarket，其本人也是早期預測市場 Augur 的忠實粉絲。

今日，Vitalik 發文探討透過預測市場看「資訊金融」，以下為全文內容，由 Odaily 星球日報編譯：

讓我感到最興奮的以太坊應用之一是預測市場。我曾在 2014 年寫過一篇關於 futarchy 的文章，這是 Robin Hanson 提出的基於預測的治理模式。早在 2015 年，我就是預測市場 Augur 的活躍使用者和支援者，我在 2020 年的大選押注賺到 5.8 萬美元。今年，我一直是 Polymarket 的忠實支援者和追隨者。

對許多人來說，預測市場就是賭選舉，而賭選舉就是賭博 —— 如果能幫助大眾享受到樂趣就太好了，但從根本上說，它並不比在 pump.fun 上隨機購買 Meme 有趣。從這個角度來看，我對預測市場的興奮程度似乎令人感到不解。所以在本文中，我將解釋預測市場讓我感興趣的概念是什麼。簡而言之，我相信：

1. 現在存在的預測市場對世界來說是一個非常有用的工具；
2. 進一步來說，預測市場只是一個更受人歡迎領域的先行者，有潛力應用到社交媒體，科學，新聞，治理和其他領域，我將把這一類標為「資訊金融」。

Polymarket 的兩面性：為參與者提供的博彩網站，為其他所有人提供的新聞網站

在過去的一週中，Polymarket 一直是有關美國大選的非常有效的資訊來源。Polymarket 不僅預測川普獲勝的機率為 60/40（而其他訊息來源的預測為 50/50，這本身並不太令人印象深刻），還展示了其他優點：當結果出來時，儘管許多專家和新聞來源一直在誘導觀眾，希望他們能聽到對哈里斯有利的訊息，但 Polymarket 卻直接揭示了真相：川普獲勝的機率超過 95%，同時奪取所有政府部門控制權的機率超過 90%。

但對我來說，這甚至不是 Polymarket 有趣的最佳例子。所以讓我們來看另一個例子：7 月份委內瑞拉總統選舉之際，選舉結束後的第二天，我無意中看到有人在抗議委內瑞拉高度操縱總統選舉。起初，我沒怎麼在意。我知道馬杜羅已經是那些「基本上是獨裁者」的人物之一，所以我想，他當然會偽造每一次選舉結果以保住自己的權力，會有人抗議，抗議會失敗。不幸的是，許多其他人都失敗了。後來我在 Polymarket 上瀏覽時，看到了這個：

人們願意多投入超 10 萬美元，押注這次委瑞內拉選舉中馬杜羅被推翻的可能性為 23% ，現在我注意到這件事了。

當然，我們還是知道被推翻的結果不太可能。最終，馬杜羅繼續掌權。但市場讓我意識到這一次推翻馬杜羅的企圖是嚴肅的。當時發生了大規模的抗議活動，反對派出人意料地採取了執行得當的策略，向世界證明了這次選舉是的欺詐性質。如果我沒有收到 Polymarket 的初始訊號「這一次，有些東西需要注意」，我甚至不會開始投入那麼多的注意力。

你不應該完全相信圖表：如果每個人都相信圖表，那麼任何有錢的人都可以操縱圖表，沒有人敢打賭。另一方面，完全相信新聞也是一種好的方式。新聞有煽情的動機，為了點選率而誇大任何事情的後果。一件事有時是合理的，有時不是。如果你看到一篇聳人聽聞的文章，然後你去市場核查，發現相關事件的概率根本沒有改變，那麼懷疑是有道理的。另外，如果你在市場上看到一個事件發生具有意外的高概率或低概率，或者一個突發變動，這是一個訊號，通讀新聞，看看是什麼導致了這種結論。

結論：通過閱讀新聞和圖表，你可以獲得更多資訊，而不是單獨瀏覽其中任何一種。

如果你是一名博彩玩家，那麼你可以向 Polymarket 存款，對你來說，這是一個博彩網站。如果你不是博彩玩家，那麼你可以閱讀圖表資料，對你來說，這是一個新聞網站。你永遠不應該完全相信圖表，但我個人已經將閱讀圖表資料作為我資訊收集工作流程中的一個步驟（與傳統媒體和社交媒體一起），它幫助我更有效地獲取更多資訊。

更廣泛意義上的資訊金融

預測選舉結果只是其中的一個用例。更廣泛的概念是，你可以使用金融作為一種協調激勵機制的方式，以便為觀眾提供有價值的資訊。現在，一個自然的反應是：所有金融從根本上來說不是都與資訊有關嗎？不同的參與者會做出不同的買賣決策，因為他們對未來會發生什麼有不同的看法（除了風險偏好和對衝的願望等個人需求之外），你可以通過閱讀市場價格來推斷出很多關於世界的知識。

對我來說，資訊金融就是這樣，但從結構上看是正確的，與軟體工程中結構上正確的概念類似，資訊金融是一門學科，它要求你

1. 從你想知道的事實開始；
2. 然後刻意設計一個市場，以最優方式從市場參與者那裡獲取該資訊。

其中一個例子是預測市場：你想知道未來會發生的一件事，於是你建立了一個市場，讓人們對這件事下注。另一個例子是決策市場：你想知道決策 A 還是決策 B 會根據某種指標 M 產生更好的結果，為了實現這一點，你建立了條件市場：

你讓人們下注將選擇哪個決策：如果選擇決策 A，則為 M 的值，相反為零；如果選擇決策 B，則為 M 的值，相反為零。有了這三個變數，你就能算出市場認為決策 A 還是決策 B 更看好 M 的價值。

我預計，在未來十年，人工智慧（無論是 LLMs 還是一些未來的技術）將對金融行業產生巨大影響。這是因為資訊金融的許多應用都是關於「微觀」問題的：數以百萬計的決策的迷你市場，單個決策的影響相對較低。在實踐中，低交易量的市場往往不能有效地運作：對於一個有經驗的參與者來說，僅僅為了幾百美元的利潤而花時間進行詳細的分析是沒有意義的，許多人甚至認為，如果沒有補貼，這樣的市場根本就不會運作，因為除了最重大和具有轟動性的問題之外，沒有足夠多的新手交易者供有經驗交易者從中獲利。人工智慧完全改變了這個等式，這意味著即使在交易量為 10 美元的市場上，我們也可能獲得相當高品質的資訊。即使需要補貼，每個問題的補貼規模也是負擔得起的。

資訊金融，精煉人類判斷

假設你有一個你信任的人類判斷機制，並且有整個社群信任它的合法性，但是做出判斷需要很長時間和很高的成本。但是，你希望至少以便宜和即時的方式訪問該「昂貴機制」的便宜副本。以下是 Robin Hanson 對你能做的事情的想法：每次你需要做決定時就建立一個預測市場，預測如果呼叫該昂貴機制，該機制將對決定做出什麼結果。然後預測市場開始執行，並投入少量資金來補貼做市商。

99.99% 的情況下，你不會真正呼叫昂貴的機制：也許你「恢復交易」，返還或者不還每個人投入的錢，或者你看看平均價格是接近「是」還是接近「否」的價格，並把它作為基本事實。0.01% 的情況下，也許是隨機的，也許是最高交易量的市場，也許兩者兼而有之，你實際上運行了一個代價高昂的機制，並在此基礎上補償參與者。

這樣就提供了一個可信、中立、快速且廉價的「精煉版本」，該版本是原來高度可信但成本極高的機制的精煉版（使用「精煉」一詞類比 LLM 大模型蒸餾）。隨著時間的推移，這種精煉機制大致反應了原始機制的行為，因為只有幫助實現該結果的參與者才能賺錢，其他人則會虧損。

這不僅適用於社交媒體，也適用於 DAO。DAO 的一個主要問題是，決策數量太多，大多數人都不願意參與其中，這導致要麼廣泛使用委託，存在代議制民主中常見的中心化和委託代理失靈的風險，或者會受到攻擊。如果 DAO 中實際投票很少發生，大多數事情都由預測市場決定，人類和人工智慧結合預測投票結果，那麼這種 DAO 可能會很好地執行。

正如我們在決策市場的例子中所看到的，資訊金融蘊含著許多解決去中心化治理中重要問題的潛在路徑，關鍵在於市場與非市場的平衡：市場是「引擎」，其他一些非金融化的信任機制是「方向盤」。

資訊金融的其他用例

個人代幣 —— 諸如 Bitclout（現為 deso）、friend.tech 等許多為每個人建立代幣並使其易於投機的專案 —— 是我稱之為「原始資訊金融」的一類。他們故意為特定變數創造市場價格（即對一個人未來地位的預期）但價格揭示的確切資訊太不具體，容易受到反身性和泡沫動態（Odaily 星球日報注：價格飆升吸引買入）的影響。有可能建立此類協議的改進版本，並通過更加謹慎地考慮代幣的經濟設計（尤其是其最終價值來自何處）來解決人才發現等重要問題。Robin Hanson 在「聲望未來」中的觀點是一個可能發生的最終狀態。

廣告 —— 最終的「昂貴但值得信賴的訊號」是你是否會購買產品。基於該訊號的資訊金融可用於幫助人們確定要購買什麼。

科學同行評審 —— 科學界一直存在「複製危機」，即某些著名結果在某些情況下已成為民間智慧的一部分，但卻無法在新研究中再現。我們可以嘗試通過預測市場來確定需要重新檢查的結果。在重新檢查之前，這樣的市場還會讓讀者快速估計他們應該在多大程度上信任任何特定結果。這種想法的實驗已經完成，到目前為止似乎取得了成功。

公共物品資助 —— 以太坊中使用的公共物品資助機制的主要問題之一是它們的「人氣競賽」性質。為了獲得認可，每個貢獻者都需要在社交媒體上執行自己的行銷操作，而那些沒有足夠能力做到這一點的貢獻者，或者那些天生具有更多「背景」角色的貢獻者，很難獲得大量資金。一個很有吸引力的解決方案是嘗試追蹤整個依賴圖：對於每個積極的結果，哪個專案為它貢獻了多少，然後對於每個專案，哪個專案為它貢獻了多少，等等。這種設計的主要挑戰是找出邊緣的權重，使其能夠抵抗操縱。畢竟，這種操縱一直在發生。精煉的人類判斷機制可能會有所幫助。