a16z: Khóa học của Sự Bùng Nổ Tăng Trưởng thị trường là gì?
原文标题：AI 如何能够扩展预测市场：将 LLMs 锁定到区块链以解决最困难的合约的案例
原文作者：Andrew Hall，a16z
原文翻译：佳欢，ChainCatcher
去年，委内瑞拉总统大选结果的预测市场交易额超过了 600 万美元。但当计票结束时，市场面临着一个不可能的局面：政府宣布尼古拉斯·马杜罗获胜；而反对派和国际观察员则指控存在舞弊。预测市场的决议究竟应该遵循「官方信息」（马杜罗获胜），还是「可信报道的共识」（反对派获胜）？
在委内瑞拉选举一案中，观察员们的指控层层升级：他们先是谴责规则被无视、用户资金『被窃』，进而痛斥该决议机制在这场政治博弈中独揽大权——集『法官、陪审团和刽子手』于一身，甚至直言其遭到了严重操纵。
这并非孤立的小插曲。这是我认为预测市场在规模化过程中面临的最大瓶颈之一：合约裁定
这里的风险极高。如果裁定处理得当，人们就会信任你的市场，愿意在其中交易，价格也会成为对社会有意义的信号。如果裁定处理失当，交易就会让人感到沮丧和不可预测。参与者可能会流失，流动性面临干枯的风险，价格也不再反映对稳定目标的准确预测。取而代之的是，价格开始反映出一种模糊的混合体——既包含结果发生的实际概率，也包含交易者对扭曲的决议机制将如何裁决的信念。
委内瑞拉的争议相对高调，但在各个平台上，更隐蔽的失败经常发生：
· 乌克兰地图操纵案展示了对手如何直接通过博弈决议机制来获利。一份关于领土控制权的合约规定，它将根据特定的在线地图进行决议。据称有人修改了该地图以影响合约的结果。当你的「真理来源」可以被操纵时，你的市场也就能够被操纵。
· 政府停摆合约展示了决议来源如何导致不准确或至少不可预测的结果。决议规则规定，市场将根据美国人事管理办公室网站显示停摆结束的时间进行赔付。特朗普总统在 11 月 12 日签署了拨款法案——但由于不明原因，OPM 的网站直到 11 月 13 日才更新。那些正确预测停摆将在 12 日结束的交易者，因为网站管理员的延迟而输掉了赌注。
· Thị trường Suit của Zelensky đã gây ra lo ngại về mâu thuẫn lợi ích. Hợp đồng đó hỏi Tổng thống Ukraine Zelensky liệu ông có mặc bộ vest trong một sự kiện cụ thể hay không – điều này dường như là một câu hỏi nhỏ nhặt, nhưng đã thu hút hơn 2 tỷ USD cược. Khi Zelensky mặc trang phục mà các phương tiện truyền thông như BBC, báo New York Post mô tả là vest khi tham dự Hội nghị thượng đỉnh NATO, thị trường ban đầu đồng ý với quyết định “có”. Nhưng các chủ sở hữu token UMA đã kêu gọi phản đối và sau đó quyết định đã đảo chiều thành “không”.
Trong bài viết này, tôi sẽ mô tả cách kết hợp một cách tinh tế giữa Mô hình Ngôn ngữ Lớn (LLMs) và công nghệ mã hóa để giúp chúng ta tạo ra một cách giải quyết quyết định vô cùng khó che giấu, chính xác, hoàn toàn minh bạch và có tính trung lập tin cậy cho thị trường dự đoán quyết định quy mô lớn.
Vấn đề không chỉ tồn tại trong thị trường dự đoán
Các vấn đề tương tự cũng luôn ám ảnh thị trường tài chính. Suốt nhiều năm, Hiệp hội Hợp đồng Tương lai và Quyền chọn Quá đổi ngoại tệ Quốc tế (ISDA) đã luôn đấu tranh với vấn đề xác định trong thị trường trao đổi rủi ro tín dụng (CDS). CDS, cụ thể, là một loại hợp đồng mà trong đó sẽ có sự bồi thường khi một công ty hoặc quốc gia mặc cầu vỡ. Bản đánh giá tái xem xét năm 2024 điều này làm rõ vấn đề phong phú ấy. Ban Điều hành xác định của họ bao gồm các bên tham gia chính thị trường, bỏ phiếu quyết định có xảy ra sự kiện tín dụng hay không. Nhưng quá trình này đã bị chỉ trích vì không minh bạch, có mâu thuẫn lợi ích tiềm ẩn và kết quả không nhất quán, giống như quy trình của UMA.
Vấn đề cốt lõi là như nhau: khi một số tiền lớn đặt cược vào việc quyết định về một tình huống mơ hồ, mỗi cơ chế quyết định sẽ trở thành mục tiêu của cuộc chơi, mỗi điểm mơ hồ sẽ trở thành điểm nổ tiềm ẩn.
Bốn nguyên tắc cơ bản của phương pháp xác định lý tưởng
Bất kỳ giải pháp có thể thực hiện đều cần đạt được cùng một lúc một số thuộc tính chính:
1.Khả năng chống làm giả
Nếu bên đối thủ có thể ảnh hưởng đến quyết định xác định, ví dụ như thông qua chỉnh sửa Wikipedia, đưa tin giả, hối lộ hệ thống dự báo hoặc lợi dụng lỗ hổng trong chương trình, thị trường sẽ biến thành một trò chơi ai giỏi làm giả hơn thay vào đó là ai giỏi dự đoán.
2.Độ chính xác hợp lý
Máy móc phải đưa ra quyết định đúng đắn trong hầu hết các trường hợp. Trong một thế giới đầy mơ hồ thực sự, việc hoàn hảo về mặt chính xác là không thể, nhưng sai lầm hệ thống hoặc sơ xuất rõ ràng sẽ phá hủy uy tín.
3.Minh bạch trước
Người giao dịch cần phải biết rõ trước khi đặt cược quyết định sẽ được đưa ra như thế nào. Thay đổi quy tắc giữa chừng là vi phạm hiệp ước cơ bản giữa nền tảng và người tham gia.
4. Sự Trung Lập Đáng Tin Cậy
Người tham gia cần tin tưởng rằng cơ chế này không thiên vị bất kỳ bên tham gia cụ thể nào hoặc kết quả nào. Đó chính là lý do tại sao để người nắm giữ lượng UMA lớn giám định hợp đồng mà họ đã đặt cược lại là vấn đề: ngay cả khi họ hành động công bằng, vẻ ngoài của một mâu thuẫn lợi ích cũng sẽ phá hủy sự tin tưởng.
Một hội đồng xét duyệt nhân công có thể đáp ứng một số thuộc tính trong số đó, nhưng khi mở rộng, họ gặp khó khăn trong việc thực hiện một số yếu tố khác——Đặc biệt là khả năng chống lái và tính trung lập đáng tin cậy. Hệ thống bỏ phiếu dựa trên mã thông báo như UMA cũng có vấn đề đã được ghi chép đầy đủ của chúng liên quan đến việc ảnh hưởng bởi khỉ lớn và mâu thuẫn lợi ích.
Đó chính là nơi mà Trí Tuệ Nhân Tạo can thiệp.
Lý Do Ủng Hộ Thẩm Phán LLM
Đây là một đề xuất đang thu hút sự chú ý trong cộng đồng thị trường dự đoán: Sử dụng mô hình ngôn ngữ lớn làm thẩm phán và khóa cụ thể mô hình và từ gợi ý vào blockchain khi tạo hợp đồng.
Cấu trúc cơ bản như sau: Khi tạo hợp đồng, nhà cung cấp thanh khoản không chỉ phải chỉ định tiêu chuẩn phán quyết bằng ngôn ngữ tự nhiên mà còn phải xác định rõ mô hình LLM cụ thể (được định danh bằng phiên bản mô hình có dấu thời gian) cùng với từ gợi ý cụ thể được sử dụng để xác định kết quả.
Đặc tả này được mã hóa và gửi đến blockchain. Khi giao dịch được mở, các bên tham gia có thể kiểm tra cơ chế phán quyết hoàn chỉnh, họ biết chính xác mô hình AI nào sẽ ra án, nó sẽ nhận từ gợi ý gì, và nó có thể truy cập vào nguồn thông tin nào.
Nếu họ không hài lòng với cài đặt này, họ sẽ không giao dịch.
Vào thời gian xét xử, các mô hình LLM đã được gửi sử dụng từ gợi ý đã được gửi, truy cập nguồn thông tin đã chỉ định và tạo ra một quyết định. Kết quả đầu ra quyết định ai sẽ nhận được thanh toán bồi thường.
Phương pháp này đồng thời giải quyết một số hạn chế chính:
· Chống Lái Mạnh Mẽ (mặc dù không tuyệt đối) Không giống như trang Wikipedia hoặc trang tin nhỏ, bạn không thể dễ dàng chỉnh sửa đầu ra của LLM phổ biến. Trọng số của mô hình đã cố định khi được gửi. Để lái mạnh quyết định, đối phương cần phá hủy nguồn thông tin mà mô hình dựa vào hoặc nhiễm độc dữ liệu huấn luyện mô hình vào một thời điểm trước đó một cách nào đó, so với việc chiêu dụ hoặc chỉnh sửa bản đồ, cả hai phương thức tấn công này đều tốn kém và không chắn chắn.
· Cung Cấp Độ Chính Xác Khi mô hình suy luận càng được cải thiện nhanh chóng và có thể xử lý một loạt các nhiệm vụ trí tuệ đáng kinh ngạc, đặc biệt là khi chúng có thể duyệt web để tìm kiếm thông tin mới, thẩm phán LLM nên có thể phán quyết chính xác trên nhiều thị trường — các thử nghiệm về sự chính xác của nó đang được tiến hành.
· Tính trong suốt tích hợp Trước khi bất kỳ ai đặt cược, toàn bộ cơ chế quyết định là công khai và có thể kiểm tra. Không có thay đổi quy tắc giữa chừng, không có quyền tự do định rõ, không có cuộc đàm phán bí mật. Bạn biết chính xác bạn đã ký vào điều gì.
· Tăng đáng kể tính trung lập đáng tin cậy LLM không có lợi ích kinh tế trong kết quả. Nó không thể bị hối lộ. Nó không sở hữu token UMA. Sự thiên vị của nó, bất kể là gì, đều là thuộc tính của mô hình chính nó — chứ không phải là thuộc tính của quyết định tạm thời của các bên liên quan.
Hạn chế của AI và Các Biện Pháp Phòng Vệ
· Mô hình có thể mắc lỗi LLM có thể hiểu sai các bài báo tin tức, tạo ra ảo tưởng về sự thật, hoặc áp dụng tiêu chuẩn quyết định không nhất quán. Nhưng miễn là nhà giao dịch biết họ đang đặt cược bằng mô hình nào, họ có thể tính đến những khuyết điểm này vào giá. Nếu một mô hình cụ thể có khuynh hướng đã biết để giải quyết các trường hợp mơ hồ theo cách cụ thể, người giao dịch có kinh nghiệm sẽ xem xét điều đó. Mô hình không cần phải hoàn hảo; nó cần phải dự đoán được.
· Không hoàn toàn không thể can thiệp Nếu từ gợi ý chỉ định nguồn tin tức cụ thể, đối thủ có thể cố gắng xen vào câu chuyện trong các nguồn tin đó. Cuộc tấn công này đối với các phương tiện truyền thông chính thống rất đắt đỏ, nhưng đối với các phương tiện truyền thông nhỏ hơn có thể khả thi — đây là một dạng khác của vấn đề chỉnh sửa bản đồ. Thiết kế từ khóa rất quan trọng ở đây: cơ chế quyết định dựa vào các nguồn tin đa dạng và dư thừa là mạnh mẽ hơn so với cơ chế dựa vào điểm lõi đơn.
· Tấn công độc hại về lý thuyết là có thể thực hiện được Đối thủ có đủ tài nguyên có thể cố gắng ảnh hưởng đến dữ liệu huấn luyện của LLM để làm chệch quyết định tương lai của nó. Nhưng điều này cần phải thực hiện trước hợp đồng một thời gian dài, và thưởng không chắc chắn, chi phí lớn — điều này khó khăn hơn nhiều so với ngưỡng về việc hối lộ thành viên hội đồng.
· Sự lan truyền của các LLM trai rộng có thể gây ra vấn đề phối hợp Nếu các người tạo thị trường khác nhau sử dụng các từ gợi ý khác nhau cho các LLM khác nhau, thanh khoản sẽ phân tán. Người giao dịch sẽ không thể dễ dàng so sánh hợp đồng hoặc tổng hợp thông tin qua các thị trường. Tiêu chuẩn hóa là có giá trị — nhưng để cho thị trường tìm ra tổ hợp tốt nhất giữa LLM và từ gợi ý cũng có giá trị. Câu trả lời đúng có thể là một loại tổ hợp nào đó: cho phép sự thí nghiệm diễn ra, nhưng xây dựng cơ chế để cộng đồng hội tụ vào các thiết lập mặc định đã được thử nghiệm đầy đủ theo thời gian.
Bốn Lời Khuyên Dành Cho Người Xây Dựng
Tóm lại: Phân quyền dựa trên AI về cơ bản là trao đổi một tập hợp vấn đề (thiên vị con người, xung đột lợi ích, không trong trắng) đối với một tập hợp vấn đề khác (hạn chế của mô hình, thách thức công nghệ từ khóa, lỗ hổng nguồn thông tin), với tập hợp vấn đề sau có khả năng dễ xử lý hơn. Vậy thì chúng ta nên tiến lên như thế nào? Các nền tảng nên:
1. Thử Nghiệm:
Thử nghiệm nghị quyết LLM trên các hợp đồng có rủi ro thấp để xây dựng lịch sử. Các mô hình nào hoạt động tốt nhất? Cấu trúc từ khóa nào là ổn định nhất? Các mẫu lỗi nào có thể xảy ra trong thực tế?
2. Tiêu Chuẩn Hóa:
Với sự xuất hiện của các phương pháp tốt nhất, cộng đồng nên cố gắng thiết lập các tiêu chuẩn hóa cho việc kết hợp LLM và từ khóa, như một cài đặt mặc định. Điều này không loại trừ sự đổi mới nhưng giúp tập trung thanh khoản vào thị trường được hiểu rõ.
3. Xây Dựng Công Cụ Trong Suốt:
Ví dụ, xây dựng giao diện để người giao dịch có thể dễ dàng kiểm tra cơ chế lịch sử hoàn chỉnh trước giao dịch — mô hình, từ khóa, nguồn thông tin. Quy tắc lịch sử không nên bị chôn vùi trong các chi tiết nhỏ nhặt.
4. Thực Hiện Quản Trị Liên Tục:
Ngay cả khi có AI Phán Xử, con người vẫn phải chịu trách nhiệm về việc thiết lập các quy tắc cấp cao: tin tưởng vào những mô hình nào, cách xử lý khi mô hình đưa ra câu trả lời rõ ràng sai, khi nào cập nhật cài đặt mặc định. Mục tiêu không phải hoàn toàn loại bỏ con người khỏi chu trình mà chuyển từ quyết định từng trường hợp tạm thời sang thiết lập quy tắc của hệ thống.
Thị trường dự đoán có tiềm năng phi thường, có thể giúp chúng ta hiểu một thế giới ồn ào, phức tạp. Nhưng tiềm năng này phụ thuộc vào sự tin tưởng, và sự tin tưởng phụ thuộc vào việc thực hiện lịch sử hợp lý. Chúng ta đã thấy hậu quả của việc lịch sử hợp đồng thất bại: sự bối rối, tức giận và người giao dịch rời đi. Tôi đã chứng kiến người ta rời bỏ thị trường dự đoán sau khi họ cảm thấy bị một kết quả lịch sử đi ngược với tinh thần đặt cược của họ, thề sẽ không bao giờ sử dụng lại nền tảng họ từng yêu thích. Điều này đã là một cơ hội bị bỏ lỡ đối với việc mở khóa lợi ích của thị trường dự đoán và ứng dụng rộng rãi hơn.
LLM Phán Xử không hoàn hảo. Nhưng khi kết hợp với công nghệ mã hóa, chúng là minh bạch, trung lập, và có khả năng chống lại những hình thức gian lận luôn làm khó với các hệ thống con người. Trong một thế giới mà tốc độ mở rộng của thị trường dự đoán vượt qua cơ chế quản trị của chúng ta, đó có thể chính là điều chúng ta cần.
Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:
Nhóm Telegram đăng ký: https://t.me/theblockbeats
Nhóm Telegram thảo luận: https://t.me/BlockBeats_App
Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia
