tl’dr

• มีคนทำนายว่าตลาดการทำนายจะเริ่มเกิดขึ้นเร็ว ๆ นี้หรือในอนาคต และการปรับปรุงประสบการณ์ผู้ใช้อย่างต่อเนื่องได้เตรียมพื้นที่นี้ให้พร้อมสำหรับการเกิดขึ้น
• แต่เพื่อขยายขีดจำกัดไปสู่พันล้านผู้ใช้ เราต้องการ "บางสิ่งใหม่" ที่เกินการปรับปรุงประสบการณ์ผู้ใช้ที่เกิดขึ้นอยู่อยู่ และนั่นคือ AI เป็นเฟืองและตลบตะขอในเครื่องจักร
• กลุ่มสี่ AI ของผู้สร้างเนื้อหา ผู้แนะนำเหตุการณ์ ผู้จัดสรร Likuidity และผู้รวบรวมข้อมูล สามารถกระตุ้นกิจกรรมใหม่ใหญ่ในพื้นที่นี้
• การผนวกรวมเอไอเหล่านี้เข้ากับกรอบตลาดการทำนายปัจจุบัน สามารถทำให้ตลาดการทำนายมีขนาดเล็กลงได้ ทำให้มีเสถียรภาพและน่าสนใจสำหรับแต่ละบุคคล
• ตลาดการทำนายเบื้องต้นเป็นทางลัดสำหรับแอปตลาดการทำนายแบบ Tinder ซึ่งฝังประสบการณ์การซื้อขายโดยการทำนายลงในชีวิตประจำวันของเรา

ทุกความตัดสินใจเริ่มต้นด้วยการทำนาย พิจารณาการพิจารณาศึกษาเกี่ยวกับศักยภาพของ Bitcoin: “การซื้อ Bitcoin ตอนนี้จะทำให้การลงทุนเพิ่มขึ้นสองเท่าหรือไม่ในสิ้นปี? หากมีโอกาสในสิ่งที่ดีขึ้นถูกต้องมากกว่า “ไม่,” การตัดสินใจที่จะซื้อ Bitcoin ในกรณีของความเสี่ยงความน่าจะเป็นที่เป็นไปได้จะเป็นการตัดสินใจทางเศรษฐศาสตร์

แต่ทำไมต้องหยุดที่บิตคอยน์? จินตนาการว่าเราสามารถสร้างตลาดที่เชื่อมโยงกับการทำนายเกี่ยวกับเหตุการณ์ทุกประเภท เช่นใครจะเป็นประธานาธิบดีสหรัฐต่อไปหรือประเทศใดจะชนะในการแข่งขันฟุตบอลโลก ที่นี่ ไม่ใช่ทรัพย์สิน แต่ความคาดเดาเองจะถูกซื้อขาย

การทำนายรูปร่างตลาด ตลาดยืนยันการทำนายของเรา

ตลาดการทำนายถูกเรียกว่า "พระคริสต์กริลของเทคโนโลยีอะพิสเทมิก" โดย Vitalik

วิทัลิคมีความชำนาญในการมองเห็นสิ่งใหญ่ๆก่อนผู้อื่น ดังนั้นเขาเป็นแหล่งข้อมูลที่ดีสำหรับเรื่องรอบด้าน เขาเสนอแนวคิดของ AMM บน Ethereum มา 7 ปีที่แล้วในโพสต์บล็อก“หนึ่งหนุ่มคนอื่น” ชื่อเฮย์เดน อดัมส์ ได้รับการเรียกร้องและเริ่มสร้างมันขึ้นด้วยทุน 60,000 ดอลลาร์ สองปีต่อมา ยูนิสแวป ก็ได้เกิดขึ้นเกิด.

ถ้าบทความบล็อกของวิทาลิคสามารถเริ่มต้นการสร้าง$100+ พันล้านอุตสาหกรรมดอลลาร์เราคงควรใส่ใจถึงมัน เช่น เกิดเหตุการณ์ที่วิทัลิคต้องการใช้ตลาดการทำนายในการปกครองกลับในปี 2014— รูปแบบของการปกครองที่เป็นเอกลักษณ์ที่เรียกว่า "futarchy" — และตอนนี้เรามีMeta DAOทำเช่นนี้เท่านั้น กับบริษัท VC ใหญ่ เช่น Panteraมีส่วนร่วมในนั้น.

แต่มันเป็นของเขามากกว่าการพูดคุยเร็วๆ ล่าสุดaround ตลาดการทำนาย + AI ที่เราต้องการให้มุ่งเน้น เพราะเราเริ่มเห็นเรื่องใหญ่ที่จะเกิดขึ้นที่นี่

ตลาดการทำนายพร้อมที่จะขึ้นเครื่องบิน

ตอนนี้ตลาดการทำนายชั้นนำในตลาดคือ Polymarket เนื่องจากการปรับปรุงประสบการณ์ผู้ใช้และการขยายหมวดหมู่เหตุการณ์และข้อเสนอของเหตุการณ์อย่างต่อเนื่อง

แหล่งข้อมูล: Dune

ปริมาณรายเดือนเร็ว ๆ นี้ ได้สูงสุดทุกเวลาและเป็นไปได้ที่จะสูงขึ้นกับการเลือกตั้งประธานาธิบายสหรัฐในเดือนพฤศจิกายนปีนี้ (กิจกรรม Polymarket เน้นที่สหรัฐ).

มีอย่างอื่นที่สามารถเชื่อว่าตลาดการทำนายสามารถเปิดตัวในปีนี้ นอกจากตลาดเครือข่ายเข้าถึงระดับสูงสุดในปี 2024 เรายังมีปีการเลือกตั้งที่ใหญ่ที่สุดในประวัติศาสตร์ในปีนี้ แปดของประเทศที่มีประชากรมากที่สุดของโลก รวมถึงสหรัฐอเมริกา อินเดีย รัสเซีย เม็กซิโก บราซิล บังกลาเทศ อินโดนีเซีย และปากีสถานกำลังไปลงคะแน และเรายังมีโอลิมปิกฤดูร้อน 2024 ที่จะมาถึงในปารีส

แต่เมื่อปริมาณรายเดือนยังคงอยู่ในช่วงสิบล้านเมื่อมันสามารถถึงร้อยล้านเรามาพิจารณาข้อจำกัดบางประการของตลาดการทำนายปัจจุบัน:

• ควบคุมที่centralized ต่อสร้างเหตุการณ์
• ขาดสิ่งตั้งต้นสำหรับผู้สร้างเนื้อหาชุมชน
• การปรับแต่งของบุคคลไม่เพียงพอ
• เป็นที่สำคัญในสหรัฐฯ; มองข้ามโอกาสทางนานาชาติที่สำคัญ

แต่เราต้องการ "บางสิ่งใหม่"

เราเชื่อว่าสิ่งนั้นเป็น AI.

เราต้องการ AI เป็นผู้เล่นในเกม เราคาดหวังว่าเร็ว ๆ นี้จะเป็นสิ่งที่ธรรมดาที่จะเห็น AI (บอท) มีส่วนร่วมร่วมกับตัวแทนมนุษย์ในตลาดการทำนาย เราสามารถเห็นการสาธิตสด ๆ ได้แล้วในOmenและPredX, รวมถึงคาดว่าจะมีอีกมากมายที่จะเข้าสู่ฉากนี้ มากกว่านี้ในภายหลัง

AI ต้องการ AI เป็นผู้ชี้ขาดของเกม แม้ว่าจะค่อนข้างหายาก แต่ก็อาจมีบางกรณีที่การระงับข้อพิพาทมีความสําคัญและจําเป็นในตลาดการคาดการณ์ ตัวอย่างเช่นในการเลือกตั้งประธานาธิบดีผลลัพธ์อาจใกล้เคียงกันมากและข้อกล่าวหาเรื่องความผิดปกติในการลงคะแนนอาจปรากฏขึ้น ดังนั้นในขณะที่ตลาดการคาดการณ์อาจปิดสนับสนุนผู้สมัคร A คณะกรรมการการเลือกตั้งอย่างเป็นทางการอาจประกาศให้ผู้สมัคร B เป็นผู้ชนะ ผู้ที่เดิมพันกับผู้สมัคร A จะโต้แย้งกับผลลัพธ์เนื่องจากความผิดปกติในการลงคะแนนที่ถูกกล่าวหาในขณะที่ผู้ที่เดิมพันกับผู้สมัคร B จะโต้แย้งว่าการตัดสินใจของคณะกรรมการการเลือกตั้งสะท้อนให้เห็นถึงผลลัพธ์ที่ "จริง" เงินจํานวนมากอาจอยู่ในสาย ใครถูก?

การตอบคำถามนี้เป็นเรื่องที่ท้าทายหลายประการ:

• ผู้เล่นอาจจะไม่ไว้วางใจผู้ตัดสินมนุษย์เนื่องจากความลำบากของพวกเขา
• การตัดสินโดยมนุษย์สามารถช้าและมีค่าใช้จ่ายสูง
• การตัดสินของการทำนายที่ใช้ DAO มีโอกาสที่จะถูกโจมตีด้วย Sybil

เพื่อแก้ไขปัญหานี้ ตลาดการทำนายสามารถใช้ระบบโต้วาทีรอบหลายรอบอย่าง GateKlerosยกเว้นการใช้ AI แทนมนุษย์ในการแก้ข้อพิพาทในรอบแรกและมีมนุษย์เข้าไปเฉพาะในกรณีที่ข้อพิพาทเข้าสู่ช่วงติดขัดโดยไม่สามารถเข้าใจมนุษย์ได้ ผู้เล่นสามารถเชื่อใจใน AI ที่เป็นอย่างเที่ยงตรงเนื่องจากการปลอมข้อมูลการฝึกเพียงพอเพื่อเอนทราเมิงมันเป็นสิ่งที่ไม่เป็นไปได้ นอกจากนี้ผู้ตัดสิน AI ทำงานได้เร็วกว่าและมีค่าใช้จ่ายต่ำมากxMarketsกำลังสร้างทางนี้

AI สร้างความปรารถนา

เพื่อให้ตลาดการทำนายเริ่มต้นมีผล ต้องสามารถปลุกความสนใจเพียงพอที่จะผลักผ่านค่าเข้าของคนให้เข้าร่วมการซื้อขายสินทรัพย์การทำนายจริง อาจจะไม่ต้องใช้เวลานานมากในกรณีทั่วไปที่มีผู้คนจำนวนมากสนใจ เช่นใครจะชนะการเลือกตั้งประธานาธิบดี หรือซูเปอร์โบวล แต่การรวมเฉพาะเรื่องทั่วไปจำกัดความสามารถในการจัดหาเงินทุน อย่างเห็นด้วยว่าตลาดการทำนายควรสามารถเข้าถึงความเคลื่อนไหวของเหตุการณ์ที่น่าสนใจ ที่เฉพาะกลุ่มเป้าหมาย นี่คือวิธีการทำงานของโฆษณาที่เป้าหมาย และเราทุกคนรู้ว่าโฆษณาเป้าหมายทำงาน

เพื่อที่จะบรรลุเป้าหมายนี้ ตลาดการทำนายจำเป็นต้องแก้ไขทั้งหมด 4 ความท้าทายทั่วไป:

1. Event Supply: ความสำคัญของการจัดหาอีเวนต์ที่เกี่ยวข้องมาก การที่ผู้สร้างอีเวนต์จะต้องเข้าใจลึกซึ้งถึงความสนใจของชุมชนของตนเองเพื่อส่งเสริมการมีส่วนร่วมและปริมาณของผู้เข้าร่วม
2. ความต้องการของเหตุการณ์: ความต้องการจำเป็นต้องสูงในชุมชนเป้าหมายโดยเฉพาะ โดยพิจารณาถึงคุณลักษณะทางทฤษฎีวิทยาและจิตวิญญาณของพวกเขา
3. ความเหลือเชื่อในกิจกรรม: มีความหลากหลายของความคิดและความเคลื่อนไหวภายในชุมชนเป้าหมายเพียงพอที่จะสร้างความเหลื่อมในการเก็งกันอย่างพอเพียงและลดความสลัด
4. การรวมข้อมูล: ผู้เล่นควรสามารถเข้าถึงข้อมูลเพียงพอที่จะทำให้พวกเขามั่นใจในการเดิมพัน ซึ่งอาจรวมถึงการวิเคราะห์พื้นหลัง, ข้อมูลประวัติที่เกี่ยวข้อง, และความคิดเห็นของผู้เชี่ยวชาญ

ตอนนี้เรามาดูว่า AI จะสามารถแก้ปัญหาเหล่านี้แต่ละอย่างอย่างไร

1. เครื่องปั้นเนื้อหา AI: เครื่องปั้นเนื้อหา AI ("copilots") ช่วยในการสร้างเนื้อหาเกินกว่าความสามารถหรือแรงบันดาลใจของมนุษย์ เครื่องปั้นเนื้อหา AI แนะนำหัวข้อเหตุการณ์ที่เป็นประจำและเกี่ยวข้องโดยวิเคราะห์แนวโน้มจากข่าว สื่อสังคม และข้อมูลทางการเงิน เครื่องปั้นเนื้อหา — ไม่ว่าจะเป็นมนุษย์หรือ AI — จะได้รับการตอบแทนสำหรับการสร้างเนื้อหาที่ผู้อ่านสนใจที่ทำให้ชุมชนของพวกเขามีชีวิตชีวา คำติชมจากชุมชนเสริมพลังให้ความเข้าใจของ AI เกี่ยวกับชุมชนของมัน ทำให้มันเป็นเครื่องเกรดเนื้อหาที่ดียิ่งขึ้นเรื่อยๆ เพื่อเชื่อมโยงผู้สร้างเนื้อหาและผู้ชมของพวกเขา
2. Event Recommendation AIs: Event recommender AIs tailor event suggestions to users based on their interests, trading history, and specific needs, focusing on recommending events ripe for debate and trading opportunities. It adapts to users’ behaviors across different regions, cultural contexts, and times. The end goal is a highly targeted feed of events, free from personally irrelevant content that clutters prediction market platforms today.
3. ตัวระบบประมาณผู้ให้ Likuidity: ตัวระบบประมาณผู้ให้ Likuidity จะเรียกดูปัญหาความเสี่ยงในการเพิ่ม Likuidity ของคู่ค้า โดยการจัดการ Likuidity เพื่อลดระยะห่างระหว่างราคาซื้อ-ขาย เพื่อลดความเสี่ยง ระบบประมาณผู้ให้สามารถนำเข้า กฎการจัดคะแนนตลาดลอการิทึม (LMSR) AMM โมเดลที่ออกแบบมาเฉพาะเพื่อลดความเสี่ยงในตลาดการทำนายที่มี Likelihood น้อย พวกเขายังสามารถรวมเข้าด้วยกันได้ตัวตนการเรียนรู้เสริมซึ่งปรับความลึกของ Likwiditi, ค่าธรรมเนียมโปรโตคอล และเส้นโค้งผูกเพื่อลดความเสี่ยงอีกต่อไป ส่วนเพื่อนช่วยเหลือจัดการ Likwiditi ของเหตุการณ์จากสระสำหรับ LP ทั่วไป โดยให้ค่าตอบแทนด้วยรายได้จากค่าธรรมเนียมที่สะสมไว้หรือโทเคนของแพลตฟอร์มเป็นสิ่งสร้างสรรค์ใหม่ ๆ ทั้งหมดนี้หมายถึงการป้องกันล่วงหน้าต่อการเปลี่ยนแปลงในตลาด ลดความสลับซื้อขาย และเพิ่มความมั่นคงของราคา
4. AI การรวมข้อมูล: AI เหล่านี้ควบคุมการประมวลผลผ่านตัวบ่งชี้ที่หลากหลาย (เช่นข้อมูลแบบ on-chain ข้อมูลในอดีตข่าวตัวบ่งชี้ความเชื่อมั่น) เพื่อให้ผู้เล่นเข้าใจเหตุการณ์อย่างครอบคลุม จากนั้น AI การรวมข้อมูลสามารถนําเสนอการคาดการณ์ที่รอบด้านเปลี่ยนตลาดการคาดการณ์ให้เป็นแหล่งสําหรับการตัดสินใจอย่างมีข้อมูลและอัลฟ่า โครงการสามารถเลือกที่จะเข้าถึงข้อมูลเชิงลึกที่รวบรวมโดย AI การรวมข้อมูลเนื่องจากในตลาดการคาดการณ์ความรู้ = เงิน

ตอนนี้เรามาดูว่ามันดูเหมือนอย่างไรเมื่อคุณรวมมันเข้าด้วยกัน ด้านล่างคุณสามารถเห็นส่วนประกอบหลักและการทำงานของตลาดการทำนายโดยไม่มีปัญญาประดิษฐ์ (สีดำ) และมีปัญญาประดิษฐ์ (สีน้ำเงิน)

ในโมเดลที่ไม่ใช่ AI ผู้สร้างเนื้อหา (โดยทั่วไปคือแพลตฟอร์มเอง) สร้างเหตุการณ์อย่างสมมติ, จัดหา Likuidity (ที่ได้รับการสนับสนุนเริ่มแรกโดยคลังของตนเอง), เซฟเหตุการณ์ไว้ในฐานข้อมูลเหตุการณ์ และส่งเสริมให้มากมายแก่ผู้เล่นมนุษย์ นี่คือวิธีการทำงานของ Polymarket ในปัจจุบัน และมันกำลังทำงานอย่างดี

แต่ฉันคิดว่ามันสามารถดีขึ้นได้มาก

ในรูปแบบ AI ผู้สร้างเนื้อหา copilot AIs สนับสนุนผู้สร้างเนื้อหาในการสร้างและส่งเสริมกิจกรรมภายในชุมชนทั่วไปหรือเฉพาะกลุ่มที่กําหนดเป้าหมาย การจัดหาสภาพคล่องได้รับการสนับสนุนโดย AI ผู้จัดสรรสภาพคล่องที่เพิ่มประสิทธิภาพการอัดฉีดสภาพคล่องเมื่อเวลาผ่านไปผ่านการเรียนรู้หนังสือสั่งซื้อของผู้เล่นและใช้ข้อมูลภายนอกจาก oracles และผู้ขายข้อมูลอื่น ๆ AI การแนะนําเหตุการณ์ใช้เหตุการณ์ที่เก็บไว้ในฐานข้อมูลเหตุการณ์และประวัติการทําธุรกรรมกระเป๋าเงินเพื่อเพิ่มประสิทธิภาพการแนะนําเหตุการณ์ที่ปรับให้เหมาะสมตามความสนใจส่วนบุคคล สุดท้าย AI รวบรวมข้อมูลจากผู้ขายข้อมูลเพื่อให้ข้อมูลการศึกษาและบริบทแก่ผู้เล่นที่เป็นมนุษย์และเพื่อแจ้งให้ผู้เล่น AI ทราบเกี่ยวกับการตัดสินใจทํานายของพวกเขา จบเกม? ระบบตลาดการคาดการณ์ที่ปรับแต่งมาอย่างดีซึ่งช่วยให้ตลาดการคาดการณ์สามารถทํางานได้ในระดับจุลภาค

ตลาดการทำนายในขอบเขตใหญ่นี้จะทำให้ประสบการณ์ของผู้ใช้เปลี่ยนไป คล้ายกับ Tinder หรือ TikTok มากขึ้น โดยที่เหตุการณ์เหล่านี้เป็นเรื่องที่เน้นมาก พวกเขาสามารถถูกส่งให้คุณใน feed แบบ TikTok และ — แม้ว่าด้วยเทคโนโลยี wallet และ blockchain ของวันนี้ — ผู้เล่นสามารถวางเดิมพันโดยการเลื่อนซ้ายหรือขวา อย่าง Tinder คิดภาพดูสิ คนทำเดิมพันขนาดเล็กในเหตุการณ์ที่พวกเขาสนใจส่วนตัวขณะที่พวกเขากำลังเดินทางไปทำงานหรือโรงเรียน

การเพิ่มความเร็วในการรวบรวมข้อมูล

จากผลลัพธ์ที่ยากที่สุดในการทำนายคือราคาสินทรัพย์ ดังนั้นเรามาทุ่มเทในด้านนี้เพื่อดูว่า AI ทำงานอย่างไรเมื่อพยายามสุดท้ายในตลาดการทำนาย

การใช้ AI ในการทำนายราคาสินทรัพย์ กำลังถูกสำรวจอย่างใจจากวงการวิชาการ เทคนิคการเรียนรู้ของเครื่อง (ML) เช่น โมเดลเชิงเส้น, ป่าสุนัขสุ่ม และเครื่องจักรเวกเตอร์ ได้รับการใช้งานอย่างกว้างขวางแสดงเพื่อทำนายราคาสกุลเงินดิจิทัลด้วยความแม่นยำที่ดีกว่าผู้ตัดสิน โมเดลเหล่านี้ได้ค้นพบว่าตัวชี้วัดทางพฤติกรรมเช่น ความหนาแน่นในการค้นหาของ Google อธิบายความแปรปรวนของราคา

IBM วิจัยสำรวจ ตลาดการคาดการณ์เทียมสําหรับการทํานายราคาสินค้าโภคภัณฑ์นําเสนอกรณีศึกษาที่น่าสนใจเกี่ยวกับการรวม AI เข้ากับตลาดการคาดการณ์ การวิจัยของพวกเขาเน้นถึงศักยภาพของตลาดการทํานายเทียมในการรวบรวมแหล่งข้อมูลแบบเรียลไทม์ที่หลากหลายและมีการพัฒนาเพื่อการคาดการณ์ที่ดีขึ้นแม้ในปัญหาในโลกแห่งความเป็นจริงที่ซับซ้อนเช่นการทํานายราคาของสินค้าโภคภัณฑ์ที่ผันผวนที่ไม่ได้ซื้อขายในการแลกเปลี่ยนออนไลน์ (เช่นเอทิลีนไฮโดรคาร์บอน) เหตุผลที่ตัวแทน AI สามารถทํางานได้ดีกว่าโมเดล ML มาตรฐานที่นี่คือพวกเขาเรียนรู้เมื่อเวลาผ่านไปด้วยตัวเองหรือที่เรียกว่าเอเจนซี่

การศึกษาอีกเรื่องที่เปรียบเทียบการทำนายราคาของบิตคอยน์ในวันถัดไประหว่างการถ่ายทอดป่าสักละสี่และ LSTMแสดง ว่าอดีตทํางานได้ดีขึ้นในแง่ของข้อผิดพลาดในการทํานายที่น้อยลง นอกจากนี้ยังแสดงให้เห็นถึงพลังของ AI ในความกว้างของการรวมข้อมูล - ไกลเกินกว่าความสามารถของมนุษย์ทั่วไป - เพื่อสร้างแบบจําลองตัวแปร 47 ตัวในแปดหมวดหมู่รวมถึง (ก) ตัวแปรราคา Bitcoin (b) ตัวชี้วัดทางเทคนิคของ Bitcoin; © ราคาโทเค็นอื่น ๆ (ง) สินค้าโภคภัณฑ์ (จ) ดัชนีตลาด: (f) (ช) ความสนใจของสาธารณชน); และ (h) ตัวแปรจําลองของสัปดาห์ ตัวทํานายที่สําคัญที่สุดแตกต่างกันไปเมื่อเวลาผ่านไปตั้งแต่ดัชนีตลาดหุ้นสหรัฐฯ ราคาน้ํามัน และราคา Ethereum ในปี 2015-2018 ไปจนถึงราคา Ethereum และดัชนีตลาดหุ้นญี่ปุ่นในปี 2018–2022 นอกจากนี้ยังพบว่าสําหรับราคาในวันถัดไปของ Bitcoin การถดถอยของป่าแบบสุ่มจะทํางานได้ดีที่สุดด้วยความล่าช้าหนึ่งวัน

ความสัมพันธ์ระหว่างขนาดของข้อผิดพลาดของโมเดลและค่าล่าช้า

เราสามารถสรุปได้ว่าในตลาดการทำนายบางแห่ง มีเวลาน้อยเกินไปสำหรับมนุษย์ที่ไม่มีเวลาว่างให้รวมรวม วิเคราะห์ และตีความข้อมูลปริมาณมากพอเพียงเพื่อการทำนายที่ดี หรือก็อาจจะเป็นเพราะปัญหาเป็นไปได้ว่าซับซ้อนเกินไป แต่ AI สามารถทำได้

การแนะนำโทเค็น AI

บ่อ กําลังสร้างแบบจําลองพื้นฐานแบบกระจายอํานาจของ crypto ซึ่งถูกนําไปใช้ในคําแนะนําโทเค็นที่สร้างโดย AI ซึ่งได้มาจากพฤติกรรมแบบ on-chain ปัจจุบันเป็นเครือข่ายประสาทเทียมกราฟขนาดใหญ่ (GNN) ใช้ข้อมูลพฤติกรรมแบบ on-chain เพื่อประเมินความน่าจะเป็นของอัลฟาของโทเค็นต่างๆ GNNs เป็นคลาสของโมเดล AI ที่ออกแบบมาโดยเฉพาะเพื่อประมวลผลข้อมูลที่แสดงเป็นกราฟทําให้มีประโยชน์เมื่อข้อมูลเชื่อมต่อกับโครงสร้างเชิงสัมพันธ์เช่นเครือข่ายธุรกรรม p2p ของบล็อกเชน Ditherเป็น AI แนะนำโทเค็นอีกตัวที่มีเกตเทลีเกราะกิจเป็นเกตเทลีเกราะกิจที่ใช้สำหรับโทเค็นบอทการแจ้งเตือน, ซึ่งใช้วิธีการโมเดลลิ่งชุดข้อมูลเวลาในการแนะนำโทเค็น

การแก้ไขปัญหาตลาดบาง

หนึ่งในความท้าทายหลักที่พบในตลาดการทำนายคือว่าตลาดมีความบางเบาเกินไปที่จะดึงดูดผู้เล่นและปริมาณเพียงพอ แต่มีความแตกต่างสำคัญระหว่างตลาดการทำนายในปี 2010 กับปี 2020 และนั่นคือ ความเป็นไปได้ของการมีส่วนร่วมทั่วไปโดย AI. เหมือนที่ Vitalik ชี้แจง:

เพิ่มเติม มีความเป็นไปได้ที่ปรับปรุงโมเดลตลาดทำนายฐาน AMM ที่อัตโนมัติ ตัวอย่างเช่น การวิเคราะห์มีการศึกษามากกว่า 2 ล้านธุรกรรมบน Polymarket พบปัญหาในการให้ความสะดวกในการเติมเงินในตลาดการทำนายที่กำลังจะเข้าใกล้กันโดยใช้ AMM รูปแบบคงที่ (x*y=k) แบบเดิม รวมถึง:

1. การบรรจบกันและการกําจัดสภาพคล่อง เมื่อตลาดคาดการณ์มาบรรจบกัน (เช่นเมื่อผลลัพธ์มีความแน่นอนมากขึ้น) LPs จะถูกจูงใจให้ลบสภาพคล่องของพวกเขา นี่เป็นพฤติกรรมที่มีเหตุผลเนื่องจากความเสี่ยงของการถือครองโทเค็น "สูญเสีย" เพิ่มขึ้น ตัวอย่างเช่น ในตลาดที่บรรจบกับ "ใช่" โทเค็น "ไม่" จะมีค่าน้อยลง (เช่น การสูญเสียที่ไม่เที่ยง) ซึ่งก่อให้เกิดความเสี่ยงต่อ LPs ที่อาจลงเอยด้วยโทเค็นที่ไร้ค่าหากพวกเขาไม่ขายล่วงหน้า
2. ความลำเอียงและความคลาดเคลื่อน การลดความสะดวกสบายนี้อาจทำให้ความแม่นยำลดลงและมีความลำเอียงมากขึ้นเมื่อตลาดการทำนายเข้าใกล้กัน โดยเฉพาะอยู่ในช่วงราคาที่น้ำหนักเสียง 0.2 ถึง 0.8 โทเคน 'ไม่' มักจะถูกตีราคาและโทเคน 'ใช่' มักจะถูกตีราคามาก

Source: Kapp-Schwoerer (2023)

เพื่อแก้ไขปัญหาเหล่านี้ ผู้เขียนมีข้อเสนอโมเดล “smooth liquid market maker” (SLMM) และแสดงให้เห็นว่ามันสามารถเพิ่มปริมาณและความแม่นยำในตลาดการทำนายที่เข้าใกล้กัน โดยการนำเข้าฟังก์ชันความ-concentration ลงในโมเดล (a la Uniswap v3) ที่ LPs ให้ตำแหน่ง Likelihood ที่มีผลกำกับเฉพาะสำหรับช่วงราคาที่เฉพาะเจาะจง ผลลัพธ์คือการลดความเสี่ยง ทำให้จำนวนโทเค็นที่มีคุณค่าลดลง (เช่นโทเค็น ‘ใช่’ ในตลาดที่เข้าใกล้กันกับผลลัพธ์ ‘ใช่’) ที่ถือไว้โดย LPs ไม่เข้าใกล้หรือลดลงถึงศูนย์เมื่อราคาปรับตัว ไม่เหมือนใน constant product AMM

LP-trader tradeoffs

มีการดำเนินการที่ต้องทำให้สมดุลเมื่อเลือกใช้ SLMM ที่มีความเข้มข้นของ Likuidity เพื่อรวมตลาดการทำนาย ขณะที่คุณพยายามลดความเสี่ยงสำหรับ LPs คุณก็สิ้นสุดการกระตุ้นกิจกรรมการซื้อขายบางอย่าง

โดยเฉพาะอย่างยิ่งขณะที่ Likelihood ที่ Likelihood ที่ Likelihood จะทำให้ไม่น่าจะเป็นไปได้ว่า LPs จะสูญเสียเมื่อตลาดเข้าใกล้กันที่มั่นใจ (จึงลดการถอนก่อนเกินไป) แต่ก็อาจลดโอกาสในการซื้อขายเพื่อทำกำไรจากการเปลี่ยนแปลงราคาเล็กน้อย (เช่น การเปลี่ยนจาก $0.70 เป็น $0.75) เนื่องจากค่าตกค้างที่เพิ่มขึ้นโดยเฉพาะสำหรับคำสั่งที่มีปริมาณมาก ผลลัพธ์โดยตรงคือ ขอบเขตกำไรที่เป็นไปได้ของนักซื้อขายถูกบีบขยาย เช่น หากพวกเขาคาดหวังในการเคลื่อนไหวราคาเล็กน้อยจาก $0.70 เป็น $0.75 ค่าตกค้างอาจจำกัดทุนที่พวกเขาสามารถใช้เพื่อจับโอกาสที่คาดหวังได้ เมื่อมองไปข้างหน้า สิ่งสำคัญคือการทดลองปรับปรุงต่าง ๆ ในเงื่อนไขการค้าในสูตรของผู้ตลาดเพื่อค้นหาจุดที่เหมาะสม

สรุป

ตลาดการทำนายเป็นพื้นฐานที่ทรงพลัง แน่นอนว่าเช่นเดียวกับพื้นฐานคริปโตอื่น ๆ มันก็เผชิญกับความท้าทาย แต่เรามั่นใจว่าพวกเขาจะถูกเอาเอาชนะ เมื่อพวกเขาถูกเอาเอาชนะอย่างเป็นขั้นเป็นตอน เราสามารถคาดหวังที่จะเห็นพื้นฐานนี้ถูกนำกลับมาใช้เพื่อตอบคำถามทุกชนิดในบริบทดิจิทัลที่หลากหลาย ด้วยความก้าวหน้าในการเป้าหมายและโซลูชันความสามารถในการขยายตลาด เราสามารถคาดหวังในการพัฒนาตลาดการทำนายที่เฉพาะทาง เช่น ในกรณีของผู้ใช้ X (ทวิตเตอร์เดิม)

• X จะเปิดตัว Premium++ หรือเทียบเท่ากันภายในปีหน้าหรือไม่?
• X จะทำให้คุณสามารถแก้ไขทวีตได้ทั้งผู้ใช้ทุกคนไหมในไตรมาส 3 หรือไม่?
• X จะรายงานการเพิ่มขึ้นของผู้ใช้ที่ใช้งานรายวันในรายงานไตรมาสถัดไปหรือไม่?
• รายได้จากการโฆษณาของ X จะเพิ่มขึ้นหรือลดลงในไตรมาสหน้า?
• X จะประกาศพันธมิตรใหม่ระดับใหญ่กับผู้สร้างเนื้อหาโดยสิ้นปีหรือไม่?
• X จะปล่อยคุณลักษณะที่เกี่ยวข้องกับบล็อกเชนหรือสกุลเงินดิจิทัลในไตรมาสที่ 3 หรือไม่?

น่าสนใจที่คำถามเหล่านี้ไม่จำเป็นต้องอยู่ในเว็บไซต์ตลาดการทำนายแบบเดี่ยวเท่านั้น อย่างที่ขั้นตอนนี้ พวกเขาสามารถรวมเข้ากับ X หรือแพลตฟอร์มอื่นๆ โดยตรงผ่านส่วนขยายของเบราว์เซอร์ อาจจะเริ่มเห็นตลาดการทำนายขนาดเล็กปรากฏขึ้นอย่างสม่ำเสมอในประสบการณ์ออนไลน์ประจำวันของเรา ทำให้การเรียนรู้ของเราเมื่อสุกกับโอกาสการซื้อขายที่เสี่ยงทาย

ฉันเขียนบางคำถามด้านบนอย่างตั้งใจและขอให้ ChatGPT เขียนคำถามบางส่วน ฉันเขียนและ AI สร้างเนื้อหาได้ไหม? หากพูดยากจะรู้ได้ยาก นั่นเพราะ AI สร้างเนื้อหาของ ChatGPT ดีจริงๆ ระบบสะสมข้อมูลและเครื่องมือแนะนำที่สร้างขึ้นโดยบริษัทเทคโฟสุดยอดอื่น ๆ (ดูโฆษณาจาก Google และ Instagram ที่คุณได้รับ) ซึ่งการทำให้ระบบมีประสิทธิภาพเทียบเท่ากับรุ่นจะต้องใช้เวลาและทำงาน แต่มันแสดงให้เห็นถึงความเป็นไปได้ของประเภท AI เหล่านี้ คำถามหลักที่ขาดที่ไม่มีข้อกำหนด อยู่ในทิศทางของระบบจัดสรร Likuidity AIs, ผู้เล่น AI และการพัฒนาตนเองและการตั้งเป้าหมายใน AIs - การวิวัฒนาการจากการเรียนรู้ของเครื่องเบื้องต้นไปสู่ตัวแทน AI ที่สามารถพิสูจน์ได้

ถ้าคุณกำลังสร้างในพื้นที่เหล่านี้หรือโพสต์นี้สื่อสารกับคุณreach out!

การอ่านที่เกี่ยวข้อง

• Buterin, V. (2024). ความสัญญาและความท้าทายของการใช้งานคริปโต + ประยุกต์ AI.
• Rein Y. Wu, et al., Intent-centric ตลาดการทำนาย with AI and Web3 Technology, Blockchain — Pioneering the Web3 Infrastructure for an Intelligent Future, 2024.
• Kapp-Schwoerer, L. (2023). การเพิ่มความสะดวกในการเทรดสำหรับตลาดการทำนาย.

ข้อความปฏิเสธความรับผิดชอบ：

1. บทความนี้ถูกพิมพ์ซ้ำจาก [ Inception Capital] ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [ฮิโรกิ โคตะเบะ]. หากมีการคัดค้านในการพิมพ์ฉบับนี้ โปรดติดต่อGate Learnทีม และพวกเขาจะดำเนินการทันที
2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นที่ปรึกษาด้านการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่นๆ นำมาทำโดยทีม Gate Learn การคัดลอก การกระจาย หรือ การลอกเลียนบทความที่ถูกแปลนั้น ไม่ได้รับอนุญาต