tl’dr

• Mọi người đã dự đoán thị trường dự đoán sẽ phát triển sớm muộn và việc cải thiện liên tục về trải nghiệm người dùng đã chuẩn bị cho đoạn này để cất cánh
• Nhưng để mở rộng đến hàng tỷ người dùng, chúng ta cần “một cái gì đó mới” vượt ra ngoài việc cải thiện liên tục trải nghiệm người dùng, và đó chính là trí tuệ nhân tạo là bánh răng và trụ cột trong cái máy
• Một tứ tưởng AI của người tạo nội dung, người khuyến nghị sự kiện, phân bổ thanh khoản và tổng hợp thông tin có thể kích thích hoạt động mới mạnh mẽ trong lĩnh vực này
• Việc tích hợp các trí tuệ nhân tạo này vào khung thị trường dự đoán hiện tại có thể kích hoạt thị trường dự đoán ở mức độ vi mô, khiến chúng trở nên hấp dẫn và có liên quan cá nhân
• Các công cụ thị trường dự đoán cơ bản mở đường cho các ứng dụng thị trường dự đoán giống như Tinder, nhúng trải nghiệm giao dịch dự đoán vào cuộc sống kỹ thuật số hàng ngày của chúng ta

Mọi quyết định đều bắt đầu từ việc dự đoán. Hãy cân nhắc về tiềm năng của Bitcoin: “Việc mua Bitcoin bây giờ có thể đem lại lợi nhuận gấp đôi vào cuối năm không? Nếu cơ hội “có” được đánh giá cao hơn chỉ một chút so với “không,” thì việc quyết định mua Bitcoin sẽ là lựa chọn kinh tế hợp lý trong trường hợp không có các lựa chọn tốt hơn.

Nhưng tại sao dừng lại ở Bitcoin? Hãy tưởng tượng chúng ta có thể xây dựng thị trường dựa trên dự đoán về tất cả các sự kiện như ai sẽ trở thành Tổng thống Mỹ tiếp theo hoặc quốc gia nào sẽ giành chiến thắng tại World Cup. Ở đây, không phải tài sản, mà là những dự báo chính được giao dịch.

Dự đoán hình thành thị trường, thị trường xác nhận dự đoán của chúng ta

Thị trường dự đoán đã được Vitalik gọi là “báu vật của công nghệ tri thức.”

Vitalik có tài năng nhìn thấy những điều lớn trước người khác. Vì vậy, anh ấy là một nguồn thông tin tốt cho các câu chuyện về frontrunning. Anh ấy đã đề xuất ý tưởng về một AMM trên Ethereum bảy năm trước trong một bài đăng trên blog. “Một chàng trai khác” tên Hayden Adams đã nhận lời kêu gọi và bắt đầu xây dựng nó, với một học bổng 60 nghìn đô la. Hai năm sau, Uniswap đã sinh ra.

Nếu bài đăng trên blog của Vitalik có thể khởi xướng sự tạo ra $100+ tỷcông nghiệp đô la, chúng ta có lẽ nên chú ý đến họ. Ví dụ, có lẽ Vitalik rất hào hứng với việc sử dụng thị trường dự đoán trong quản trị trở lại năm 2014— một dạng cách quản trị cực đoan được biết đến như là “futarchy” — và bây giờ chúng ta cóMeta DAOđang làm điều đó, với các công ty VC lớn như Panteratham gia vào nó.

Nhưng đó là phần còn lại của anh ấycuộc thảo luận gần đâyxung quanh thị trường dự đoán + trí tuệ nhân tạo mà chúng tôi muốn tập trung, vì chúng tôi bắt đầu nhìn thấy sự bắt đầu của một điều gì đó lớn lao ở đây.

Thị trường dự đoán đã sẵn sàng cất cánh

Thị trường dự đoán hàng đầu hiện nay là Polymarket, nhờ vào việc cải thiện liên tục UX và mở rộng các danh mục sự kiện và các sản phẩm sự kiện.

Nguồn dữ liệu: Dune

Doanh số hàng tháng gần đây đã đạt mức cao kỷ lục và có khả năng sẽ tăng cao hơn với cuộc bầu cử Tổng thống Hoa Kỳ vào tháng 11 năm nay (Hoạt động của Polymarket tập trung vào Hoa Kỳ).

Có thêm tiền lệ để tin rằng thị trường dự đoán có thể phát triển mạnh trong năm nay. Ngoài ra, năm nay cũng là một trong những năm bầu cử lớn nhất trong lịch sử. Tám trong số mười quốc gia đông dân nhất thế giới, bao gồm Mỹ, Ấn Độ, Nga, Mexico, Brazil, Bangladesh, Indonesia và Pakistan cũng sẽ đi bầu cử. Chúng ta cũng sắp có Thế vận hội Mùa hè 2024 tại Paris.

Nhưng với khối lượng giao dịch hàng tháng vẫn chỉ ở mức hàng chục triệu khi có thể đạt hàng trăm triệu, hãy xem xét một số hạn chế của thị trường dự đoán hiện tại:

• Kiểm soát tập trung quyền lực đối với việc tạo sự kiện
• Thiếu động lực cho những người tạo nội dung cộng đồng
• Thiếu cá nhân hóa không đủ
• Chủ yếu tập trung ở Mỹ; bỏ qua cơ hội quốc tế đáng kể

Nhưng chúng tôi cần “điều gì đó mới”

Chúng tôi tin rằng điều đó là trí tuệ nhân tạo.

Chúng tôi cần AIs làm người chơi trong trò chơi. Chúng tôi mong đợi sớm thấy thông thường khi có AIs (bots) tham gia cùng với các đại lý con người trong thị trường dự đoán. Chúng ta đã có thể thấy các bản demo trực tiếp của điều này trong OmenvàPredX, trong số có lẽ nhiều người khác sẽ tham gia vào cảnh này. Sẽ nói thêm về điều này sau.

Các trí tuệ nhân tạo cần các trí tuệ nhân tạo làm trọng tài của trò chơi. Mặc dù hiếm khi xảy ra, có thể có những trường hợp mà việc giải quyết tranh chấp là quan trọng và cần thiết trong thị trường dự đoán. Ví dụ, trong một cuộc bầu cử tổng thống, kết quả có thể rất gần nhau và có thể có những cáo buộc về sự không đều đặn trong việc bỏ phiếu. Vì vậy, trong khi thị trường dự đoán có thể đóng cửa ủng hộ Ứng cử viên A, Ủy ban bầu cử chính thức có thể tuyên bố Ứng cử viên B là người chiến thắng. Những người đặt cược vào Ứng cử viên A sẽ tranh luận chống lại kết quả do sự không đều đặn trong việc bỏ phiếu được tuyên bố, trong khi những người đặt cược vào Ứng cử viên B sẽ tranh luận rằng quyết định của ủy ban bầu cử phản ánh kết quả “thật” . Rất nhiều tiền có thể đang giao dịch. Ai là đúng?

Trả lời câu hỏi này đặt ra một số thách thức:

• Người chơi có thể không tin tưởng vào các trọng tài con người do sự thiên vị của họ
• Arbitration của con người có thể chậm và đắt đỏ
• Giải quyết dự đoán dựa trên DAO dễ bị tấn công Sybil

Để giải quyết vấn đề này, thị trường dự đoán có thể sử dụng hệ thống tranh chấp đa vòng a la Klerosngoại trừ việc sử dụng trí tuệ nhân tạo thay vì con người để giải quyết tranh chấp ở các vòng đấu sớm hơn và chỉ có con người được liên quan trong các trường hợp hiếm hoi khi tranh chấp đạt vào bế tắc. Người chơi có thể tin tưởng vào trí tuệ nhân tạo là công bằng, vì việc tạo dữ liệu đào tạo đủ để thiên vị chúng là không khả thi. Ngoài ra, các trọng tài trí tuệ nhân tạo làm việc nhanh hơn và với chi phí thấp hơn nhiều.xMarketsđang xây dựng theo hướng này.

AI tạo ra mong muốn

Để thị trường dự đoán thực sự phát triển, họ cần có khả năng thu hút đủ sự quan tâm để thúc đẩy mọi người vượt qua ngưỡng tâm lý thực sự giao dịch tài sản dự đoán. Có thể không cần nhiều để làm điều này với các chủ đề chung mà nhiều người quan tâm như ai sẽ chiến thắng trong cuộc bầu cử tổng thống hoặc Siêu Trội. Nhưng, việc chỉ bao gồm các chủ đề chung giới hạn nghiêm trọng tiềm năng thanh khoản. Lý tưởng nhất, một thị trường dự đoán có thể khai thác thanh khoản của các sự kiện cụ thể mà đối tượng yêu thích. Đây là cách quảng cáo được định tuyến hoạt động, và chúng ta đều biết quảng cáo định tuyến hoạt động.

Để đạt được điều này, thị trường dự đoán cần giải quyết bốn thách thức chung:

1. Cung cấp Sự kiện: Cung cấp sự kiện cực kỳ liên quan là yếu tố quan trọng. Để thu hút sự chú ý của một đối tượng mục tiêu nhưng có niềm tin, người tạo sự kiện phải hiểu rõ sâu sắc về sở thích của cộng đồng của họ để thúc đẩy sự tham gia và số lượng.
2. Nhu cầu Sự kiện: Nhu cầu cần phải cao trong cộng đồng mục tiêu cụ thể, xem xét các đặc điểm dân số và tâm lý học của họ.
3. Lưu lượng Sự kiện: Đa dạng ý kiến đủ và động lực trong cộng đồng mục tiêu để tạo đủ lưu lượng thanh khoản, giữ cả hai bên và giảm thiểu trượt giá.
4. Tổng hợp thông tin: Người chơi nên có dễ dàng truy cập đến đủ thông tin để tự tin đặt cược. Điều này có thể bao gồm phân tích nền, dữ liệu lịch sử liên quan và ý kiến của chuyên gia.

Bây giờ, hãy xem xem AI có thể giải quyết từng thách thức này như thế nào:

1. Các trí tuệ nhân tạo tạo nội dung: Các trí tuệ nhân tạo tạo nội dung ("đồng hành") hỗ trợ trong việc tạo ra nội dung vượt ra ngoài khả năng hoặc động lực của con người. Các trí tuệ nhân tạo đề xuất các chủ đề sự kiện kịp thời và liên quan bằng cách phân tích xu hướng từ tin tức, mạng xã hội và dữ liệu tài chính. Người tạo nội dung - dù là con người hay trí tuệ nhân tạo - sẽ được thưởng cho việc tạo ra nội dung hấp dẫn giữ cho cộng đồng sống động của họ. Phản hồi từ cộng đồng cải thiện sự hiểu biết của trí tuệ nhân tạo về cộng đồng của mình, biến nó thành một công cụ tạo nội dung cải thiện theo từng bước để kết nối người tạo nội dung và khán giả của họ.
2. Event Recommendation AIs: Trí tuệ nhân tạo đề xuất sự kiện: Trí tuệ nhân tạo đề xuất sự kiện tùy chỉnh các gợi ý sự kiện dựa trên sở thích, lịch sử giao dịch và nhu cầu cụ thể của người dùng, tập trung vào việc đề xuất sự kiện sẵn sàng cho cuộc tranh luận và cơ hội giao dịch. Nó thích nghi với hành vi của người dùng ở các vùng khác nhau, ngữ cảnh văn hóa và thời gian khác nhau. Mục tiêu cuối cùng là một luồng sự kiện được đích thị cao, không chứa nội dung không liên quan cá nhân mà làm loãng các nền tảng thị trường dự đoán ngày nay.
3. Các trí tuệ nhân tạo phân bổ thanh khoản: Các trí tuệ nhân tạo phân bổ thanh khoản giải quyết rủi ro thanh khoản đối tác bằng cách tối ưu hóa việc tiêm thanh khoản để thu hẹp chênh lệch giá mua - bán. Để giảm thiểu rủi ro, trí tuệ nhân tạo có thể thực hiện luật điểm thị trường logarithmicMô hình AMM (LMSR) được thiết kế đặc biệt để giảm thiểu rủi ro trong thị trường dự đoán thanh khoản thấp. Họ cũng có thể tích hợp các đại lý học tăng cườngcác hệ thống trí tuệ nhân tạo này tự động điều chỉnh độ sâu thanh khoản, phí giao thức và đường cong kết nối để giảm thiểu rủi ro hơn nữa. Những hệ thống trí tuệ nhân tạo này quản lý thanh khoản sự kiện từ một hồ bơi LP chung, thưởng cho những đóng góp bằng doanh thu phí tích lũy hoặc token nền tảng như động cơ khích lệ hơn nữa. Tóm lại, điều này có nghĩa là sự thích ứng tiên phong với các biến đổi trên thị trường, giảm thiểu trượt giá và ổn định giá tốt hơn.
4. Thông tin Aggregation AIs: Những AIs này tận dụng tính toán trên một loạt các chỉ số (ví dụ, dữ liệu on-chain, dữ liệu lịch sử, tin tức, các chỉ số tâm lý) để người chơi hiểu một cách toàn diện về sự kiện. Từ đó, các AIs tổng hợp thông tin có thể cung cấp dự đoán toàn diện, biến thị trường dự đoán trở thành nguồn thông tin quan trọng để ra quyết định thông minh và alpha. Các dự án có thể chọn cách sử dụng token-gate để tiếp cận những thông tin được thu thập bởi các AIs, bởi vì trong thị trường dự đoán, kiến thức = tiền.

Bây giờ, hãy xem điều này trông như thế nào khi bạn ghép nó lại. Bên dưới, bạn có thể thấy các thành phần chính và cách hoạt động của thị trường dự đoán không có Trí tuệ nhân tạo (màu đen) và có Trí tuệ nhân tạo (màu xanh).

Trong mô hình không sử dụng trí tuệ nhân tạo, các nhà sáng tạo nội dung (thường là bản thân nền tảng) tùy ý tạo ra các sự kiện, cung cấp thanh khoản (ban đầu được hỗ trợ bởi nguồn tài trợ của họ), lưu trữ các sự kiện vào cơ sở dữ liệu sự kiện và quảng bá chúng một cách hàng loạt cho người chơi. Đây là cách mà Polymarket hiện tại đang hoạt động, và nó đang hoạt động khá tốt.

Nhưng tôi nghĩ nó có thể tốt hơn nhiều.

Trong mô hình trí tuệ nhân tạo, trợ lý sáng tạo nội dung của AIs hỗ trợ người sáng tạo nội dung trong việc tạo ra và quảng bá sự kiện trong cộng đồng chung hoặc chuyên ngành nhắm mục tiêu. Việc cung cấp thanh khoản được hỗ trợ bởi các máy AIs phân bổ thanh khoản tối ưu hóa các lượng tiền được bơm vào theo thời gian thông qua việc học tập sổ lệnh của người chơi và sử dụng dữ liệu bên ngoài từ các nhà tiên tri và các nhà cung cấp dữ liệu khác. AIs gợi ý sự kiện sử dụng sự kiện đã lưu trữ trong cơ sở dữ liệu sự kiện và lịch sử giao dịch ví để tối ưu hóa việc gợi ý sự kiện dựa trên sở thích cá nhân. Cuối cùng, các máy AIs tổng hợp thông tin từ các nhà cung cấp dữ liệu để cung cấp thông tin giáo dục và ngữ cảnh cho người chơi con người và thông tin cho người chơi AI về các quyết định dự đoán của họ. Cuối cùng là gì? Một hệ thống thị trường dự đoán được điều chỉnh tinh tế cho phép thị trường dự đoán hoạt động ở mức vi mô.

Thị trường dự đoán ở quy mô này sẽ cho phép trải nghiệm người dùng khác biệt, giống như Tinder hoặc TikTok. Khi các sự kiện được mục tiêu hóa mạnh mẽ, chúng có thể được cung cấp cho bạn thông qua một nguồn cấp dữ liệu như TikTok và — ngay cả với công nghệ ví và blockchain hiện nay — người chơi có thể đặt cược bằng cách vuốt trái hoặc phải như Tinder. Hãy tưởng tượng điều đó. Mọi người đặt cược nhỏ trên những sự kiện mà họ quan tâm cá nhân trong khi đi làm hoặc học.

Tăng tốc việc tổng hợp thông tin

Trong số những kết quả khó dự đoán nhất là giá tài sản, vì vậy hãy tập trung vào đây để xem AI thực hiện như thế nào khi đẩy vào biên của những gì có thể trong thị trường dự đoán.

Sử dụng trí tuệ nhân tạo để dự đoán giá tài sản đang được khám phá tích cực trong giới học thuật. Các kỹ thuật học máy (ML) như mô hình tuyến tính, rừng ngẫu nhiên và máy vector hỗ trợ đã được được hiển thịdự đoán giá của tiền điện tử với độ chính xác cao hơn so với các nhà phân tích con người. Các mô hình này đã phát hiện ra rằng các chỉ số hành vi như cường độ tìm kiếm trên Google giải thích phương sai giá.

Nghiên cứu IBMkhám phácác thị trường dự đoán nhân tạo cho dự đoán giá hàng hóa, cung cấp một trường hợp nghiên cứu thú vị về việc tích hợp AI với thị trường dự đoán. Nghiên cứu của họ nhấn mạnh tiềm năng của các thị trường dự đoán nhân tạo để tổng hợp các nguồn thông tin thời gian thực đa dạng và phát triển để đưa ra dự đoán tốt hơn ngay cả trong các vấn đề phức tạp trong thế giới thực như dự đoán giá cả của các hàng hóa biến động không được giao dịch trên các sàn giao dịch trực tuyến (ví dụ: etylen, hydrocacbon). Lý do mà các đại lý AI có thể vượt trội so với các mô hình ML tiêu chuẩn ở đây là bởi họ học qua thời gian, tự mình — còn được gọi là đại lý.

Một nghiên cứu khác so sánh hồi quy rừng ngẫu nhiên và LSTM để dự đoán giá Bitcoin vào ngày tiếp theohiển thịrằng người trước đã thể hiện tốt hơn trong các thuật toán ít sai lệch dự đoán. Nó cũng giới thiệu sức mạnh của trí tuệ nhân tạo trong việc tổng hợp thông tin — vượt xa khả năng của con người thông thường — để mô hình hóa 47 biến số trên tám danh mục bao gồm (a) biến số giá Bitcoin; (b) các chỉ báo kỹ thuật của Bitcoin; © giá token khác; (d) hàng hoá; (e) các chỉ số thị trường: (f) ngoại hối; (g) sự chú ý của công chúng); và (h) biến số giả của tuần. Các yếu tố dự đoán quan trọng nhất thay đổi theo thời gian từ các chỉ số thị trường chứng khoán Mỹ, giá dầu, và giá Ethereum trong giai đoạn 2015–2018 đến giá Ethereum và chỉ số thị trường chứng khoán Nhật Bản trong giai đoạn 2018–2022. Nó cũng phát hiện rằng đối với giá Bitcoin ngày hôm sau, hồi quy rừng ngẫu nhiên thực hiện tốt nhất với độ trễ một ngày.

Mối quan hệ giữa độ lỗi mô hình và độ trễ

Chúng ta có thể suy luận rằng trong một số thị trường dự đoán phổ biến, đôi khi không đủ thời gian cho một con người bận rộn để tổng hợp, phân tích và diễn giải đủ lượng dữ liệu lớn đủ để đưa ra dự đoán chính xác. Hoặc là các vấn đề đơn giản là quá phức tạp. Nhưng trí tuệ nhân tạo có thể thực hiện điều này.

Đề xuất mã thông minh AI

Aođang xây dựng một mô hình cơ bản phi tập trung của tiền điện tử, đã được áp dụng trong các gợi ý mã thông báo được tạo ra từ hành vi trên chuỗi AI. Hiện tại, mạng lưới neural đồ thị lớn (GNN) của họ sử dụng dữ liệu hành vi trên chuỗi để ước lượng xác suất alpha của các mã thông báo khác nhau. GNN là một lớp các mô hình AI được thiết kế đặc biệt để xử lý dữ liệu được biểu diễn dưới dạng đồ thị, làm cho chúng hữu ích khi dữ liệu liên kết với cấu trúc quan hệ như các mạng giao dịch p2p của các chuỗi khối.Ditherlà một công cụ khuyến nghị mã thông báo khác với một Telegram bảo vệ mã thông báobot cảnh báo, sử dụng phương pháp mô hình chuỗi thời gian để đề xuất mã thông báo.

Giải quyết vấn đề thị trường mỏng

Một trong những thách thức chính mà thị trường dự đoán đang đối mặt là thị trường quá mỏng để thu hút đủ người chơi và khối lượng giao dịch. Nhưng có một sự khác biệt lớn giữa thị trường dự đoán của thập kỷ 2010 so với thập kỷ 2020, và đó là khả năng tham gia phổ biến của trí tuệ nhân tạo. Như Vitalik chỉ ra:

Để thêm vào, có thểcải thiệncác mô hình tạo lập thị trường tự động (AMM) của thị trường dự đoán. Ví dụ, một phân tíchvới hơn 2 triệu giao dịch trên Polymarket đã xác định vấn đề về cung cấp thanh khoản trong thị trường dự đoán hội tụ bằng cách sử dụng mô hình AMM sản phẩm hằng số truyền thống (x*y=k), bao gồm:

1. Hội tụ và loại bỏ thanh khoản. Khi thị trường dự đoán hội tụ (tức là khi kết quả trở nên chắc chắn hơn), LP được khuyến khích loại bỏ tính thanh khoản của họ. Đây là hành vi hợp lý vì nguy cơ nắm giữ mã thông báo "mất" tăng lên. Ví dụ: trong một thị trường hội tụ theo hướng "có", các mã thông báo "không" trở nên ít giá trị hơn (tức là mất mát vô thường), gây rủi ro cho các LP, những người có thể kết thúc với các mã thông báo vô giá trị nếu họ không bán trước.
2. Thiên vị và không chính xác. Sự giảm tính thanh khoản này có thể dẫn đến độ chính xác ít hơn và thiên vị nhiều hơn khi thị trường dự đoán hội tụ. Cụ thể, trong phạm vi giá trị trọng số theo khối lượng từ 0.2 đến 0.8, các token 'không' thường bị định giá quá thấp và các token 'có' thường bị định giá quá cao.

Nguồn:Kapp-Schwoerer (2023)

Để giải quyết những vấn đề này, các tác giả đề xuất một mô hình "smooth liquid market maker" (SLMM), và chứng minh rằng nó có thể tăng cường khối lượng và độ chính xác trong thị trường dự đoán hội tụ. Điều này được thực hiện bằng cách giới thiệu một hàm tập trung vào mô hình (theo kiểu Uniswap v3) trong đó LP cung cấp một vị trí thanh khoản chỉ hoạt động cho các khoảng giá cụ thể. Kết quả là giảm rủi ro, đảm bảo số lượng token có giá trị (ví dụ, token 'có' trong thị trường hội tụ vào kết quả 'có') mà LPs nắm giữ không hội tụ về không khi giá điều chỉnh, khác với trong AMM sản phẩm cố định.

Ưu điểm và nhược điểm của người giao dịch LP

Có một sự cân bằng phải đạt được khi chọn một biến thể AMM lỏng lẻo tập trung như SLMM cho việc hội tụ thị trường dự đoán. Trong khi bạn đang cố gắng giảm thiểu rủi ro cho các LP, bạn cuối cùng sẽ làm mất động lực cho một số hoạt động giao dịch.

Cụ thể, trong khi thanh khoản tập trung có thể làm giảm khả năng LPs bị thiệt hại khi thị trường hội tụ vào một kết quả chắc chắn (do đó giảm rủi ro rút tiền sớm), nó cũng có thể làm giảm cơ hội giao dịch để có lợi nhuận từ những biến động giá nhỏ (ví dụ, như di chuyển từ $0.70 lên $0.75) do độ trượt tăng lên, đặc biệt đối với các lệnh lớn. Hậu quả trực tiếp là biên lợi nhuận tiềm năng của các nhà giao dịch bị chèn ép. Ví dụ, nếu họ mong đợi một biến động giá nhỏ từ $0.70 lên $0.75, độ trượt có thể hạn chế vốn mà họ có thể sử dụng hiệu quả để tận dụng cơ hội tăng giá dự kiến. Nhìn vào tương lai, việc thử nghiệm các điều chỉnh khác nhau về thuật ngữ đối đầu trong các công thức tạo thanh khoản thị trường này để tìm ra điểm ngọt sẽ rất quan trọng.

Kết luận

Cơ sở thị trường dự đoán là một yếu tố mạnh mẽ. Tất nhiên, giống như bất kỳ yếu tố crypto nào khác, nó đối mặt với thách thức nhưng chúng tôi tin rằng chúng sẽ được vượt qua. Khi chúng dần dần được vượt qua, chúng ta có thể mong đợi thấy cơ sở này được sử dụng lại để trả lời tất cả các loại câu hỏi trong một loạt ngữ cảnh kỹ thuật số. Với sự tiến bộ trong các giải pháp nhắm mục tiêu và thanh khoản, chúng ta có thể mong đợi sự phát triển của thị trường dự đoán chuyên ngành. Ví dụ, hãy xem người dùng X (trước đây là Twitter):

• Vào cuối năm, X sẽ giới thiệu một gói Premium++ hoặc tương đương không?
• X có sẵn sàng cung cấp tính năng chỉnh sửa tweet cho tất cả người dùng vào Q3 không?
• X có sẽ báo cáo tăng số người dùng hoạt động hàng ngày trong báo cáo quý tới không?
• Doanh thu quảng cáo của X sẽ tăng hay giảm trong quý tới?
• X sẽ công bố các đối tác mới quan trọng với các nhà sáng tạo nội dung vào cuối năm không?
• X có sẽ phát hành một tính năng liên quan đến blockchain hoặc tiền điện tử vào Q3 không?

Thú vị thay, những câu hỏi này không cần phải bị giới hạn ở các trang web thị trường dự đoán độc lập. Chúng có thể được tích hợp trực tiếp vào X hoặc các nền tảng khác thông qua tiện ích trình duyệt. Chúng ta có thể bắt đầu thấy thị trường dự đoán nhỏ xuất hiện thường xuyên trong trải nghiệm trực tuyến hàng ngày của chúng ta, làm phong phú cho việc duyệt web thông thường với cơ hội giao dịch đầu cơ.

Tôi đã cố ý viết một số câu hỏi ở trên và yêu cầu ChatGPT viết những câu hỏi khác. Tôi đã viết cái nào và cái nào là của AI tạo nội dung? Nếu khó phân biệt, đó là vì AI tạo nội dung của ChatGPT đã rất tốt. Cũng như các AI tổng hợp thông tin và hệ thống đề xuất được xây dựng bởi các công ty công nghệ lớn khác (nhìn vào quảng cáo mà Google và Instagram đưa ra cho bạn). Mặc dù phù hợp với hiệu suất của những mô hình này sẽ đòi hỏi công việc và thời gian, chúng chứng minh tính khả thi của những loại AI này. Câu hỏi chính còn thiếu tiền lệ nhiều hơn nằm ở hướng của các AI phân phối thanh khoản, người chơi AI và sự phát triển của khả năng tự cải thiện và hướng đến mục tiêu trong các AI — sự tiến hóa từ học máy cơ bản đến các tác nhân AI có thể xác minh được.

Nếu bạn đang xây dựng trong những không gian này hoặc bài viết này khiến bạn cảm thấy hứng thú, hãyreach out!

Đọc thêm về

• Buterin, V. (2024). Những lời hứa và thách thức của ứng dụng crypto + AI.
• Rein Y. Wu, et al., Thị trường dự đoán tập trung vào ý định với công nghệ AI và Web3, Blockchain - Đi đầu trong hạ tầng Web3 cho một tương lai thông minh, 2024.
• Kapp-Schwoerer, L. (2023). Cải thiện tính thanh khoản cho thị trường dự đoán.

Thông báo：

1. Bài viết này được in lại từ [Inception Capital], Tất cả bản quyền thuộc về tác giả gốc [Hiroki Kotabe]. Nếu có ý kiến ​​phản đối về việc tái in này, vui lòng liên hệ Cổng Họcđội, và họ sẽ xử lý nó ngay lập tức.
2. Chú ý Miễn Trừ Trách Nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này hoàn toàn thuộc về tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Các bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được nêu, việc sao chép, phân phối hoặc đạo văn các bài viết đã dịch là cấm.