예측 시장은 제가 가장 흥분되는 이더리움(ETH) 애플리케이션 중 하나입니다. 2014년에 저는 Robin Hanson이 고안한 예측 기반 거버넌스 모델인 futarchy에 대한 글을 썼습니다. 2015년부터 저는 Augur의 적극적인 사용자이자 지지자였습니다. 2020년 대선 투표에서 저는 58,000달러를 벌었습니다. 올해 내내 저는 Polymarket의 열렬한 지지자이자 팔로워였습니다.
많은 사람들에게 예측 시장은 선거에 베팅하는 것이며, 선거에 베팅하는 것은 도박입니다 - 그것이 사람들에게 재미를 준다면 좋겠지만, 근본적으로 pump.fun에서 무작위 토큰을 구매하는 것보다 더 재미있지 않습니다. 이 관점에서 볼 때 예측 시장에 대한 제 관심은 혼란스러워 보일 수 있습니다. 따라서 이 글에서 저는 이 개념이 저를 흥분시키는 이유를 설명하고자 합니다. 요약하면, 저는 (i) 현존하는 예측 시장이 세계에 매우 유용한 도구라고 믿지만, 또한 (ii) 예측 시장은 더 나은 소셜 미디어, 과학, 뉴스, 거버넌스 및 기타 분야의 구현을 창출할 수 있는 훨씬 더 강력한 범주의 한 예라고 믿습니다. 저는 이 범주를 "정보 금융(info finance)"이라고 부르겠습니다.
Polymarket의 양면성: 참여자에게는 베팅 웹사이트, 다른 모든 사람에게는 뉴스 웹사이트
지난 1주일 동안 Polymarket은 미국 대선에 대한 매우 효과적인 정보 출처였습니다. Polymarket은 단순히 트럼프가 60/40의 확률로 승리할 것이라고 예측한 것뿐만 아니라, 다른 장점도 보여주었습니다: 결과가 나왔을 때 많은 전문가와 뉴스 출처가 청중들에게 해리스에게 유리한 소식을 듣게 하려 유혹했지만, Polymarket은 직접적으로 진실을 드러냈습니다: 트럼프가 95% 이상의 확률로 승리했고, 모든 정부 부처를 장악할 가능성이 90% 이상이었습니다.
두 스크린샷 모두 2022년 11월 6일 오전 3:40 동부 표준시에 찍었습니다.
그러나 이것이 Polymarket에서 가장 흥미로운 사례는 아닙니다. 그래서 다른 사례를 살펴보겠습니다: 7월 베네수엘라 선거. 선거 다음 날 아침, 조용히 베네수엘라 선거 결과 조작에 항의하는 사람들을 보았습니다. 처음에는 별로 신경 쓰지 않았습니다. 마두로가 이미 "사실상 독재자"로 알려진 인물이라는 것을 알고 있었기 때문에, 그가 권력을 유지하기 위해 모든 선거 결과를 조작할 것이라고 생각했고, 항의도 실패할 것이라고 생각했습니다 - 불행히도 많은 다른 사람들도 실패했습니다. 그러다가 Polymarket을 스크롤하다가 이것을 보았습니다:
사람들이 10만 달러 이상을 투자하여 마두로가 이번 선거에서 축출될 가능성이 23%라고 베팅했습니다. 이제 관심이 생겼습니다.
물론 우리는 이 상황의 불행한 결과를 알고 있습니다. 결국 마두로는 계속 권력을 잡고 있습니다. 그러나 시장은 이번에는 마두로를 축출하려는 시도가 진지했다는 것을 알려주었습니다. 항의 규모가 엄청났고, 야당은 예상외로 효과적인 전략을 구사하여 선거가 얼마나 부정적이었는지 세계에 증명했습니다. Polymarket의 초기 신호 "이번에는 주목할 만한 일이 있다"가 없었다면 저도 관심을 기울이지 않았을 것입니다.
Polymarket 베팅 차트를 완전히 믿어서는 안 됩니다: 모든 사람이 베팅 차트를 믿는다면 돈 많은 사람이 베팅 차트를 조작할 수 있고 아무도 그들과 베팅하지 않을 것입니다. 반면에 뉴스만 완전히 믿는 것도 나쁜 생각입니다. 뉴스는 클릭 수를 높이기 위해 어떤 일이든 과장할 동기가 있습니다. 때로는 정당화되지만, 때로는 그렇지 않습니다. 선정적인 기사를 보고 시장에서 관련 사건의 확률이 전혀 변하지 않았다면 의심해 볼 만합니다. 또는 시장에서 예상치 못한 높거나 낮은 확률, 또는 예상치 못한 급격한 변화를 보면 뉴스를 읽어보고 그 이유를 확인해 볼 신호일 수 있습니다. 결론적으로 뉴스와 베팅 차트를 모두 읽는 것이 어느 한 쪽만 읽는 것보다 더 많은 정보를 얻을 수 있습니다.
여기서 일어난 일을 다시 살펴보겠습니다. 당신이 도박 플레이어라면 Polymarket에 베팅할 수 있으므로 이것은 당신에게 도박 웹사이트입니다. 당신이 도박 플레이어가 아니라면 베팅 차트를 읽을 수 있으므로 이것은 당신에게 뉴스 웹사이트입니다. 베팅 차트를 완전히 믿어서는 안 되지만, 개인적으로 저는 뉴스와 소셜 미디어와 함께 베팅 차트 읽기를 제 정보 수집 워크플로의 한 단계로 삼고 있으며, 이를 통해 더 많은 정보를 효과적으로 얻을 수 있습니다.
정보 금융의 더 넓은 의미
이제 중요한 부분으로 들어가겠습니다: 선거 결과를 예측하는 것은 첫 번째 응용 분야일 뿐입니다. 더 넓은 개념은 금융을 조정 인센티브 메커니즘으로 사용하여 관객에게 가치 있는 정보를 제공하는 것입니다. 자연스러운 반응은 모든 금융이 근본적으로 정보와 관련되지 않느냐는 것입니다. 다른 참여자들이 미래에 무슨 일이 일어날지에 대한 다른 견해 때문에(개인적 수요, 위험 선호도, 헤징 의지 등 외에도) 다른 매매 결정을 내리고, 시장 가격을 읽어 세계에 대한 많은 지식을 얻을 수 있습니다.
저에게 정보 금융은 이와 같지만 구조적으로 올바릅니다. 소프트웨어 공학의 구조적으로 올바른 개념과 유사하게, 정보 금융은 (i) 알고 싶은 사실에서 시작하고 (ii) 시장 참여자로부터 그 정보를 가장 효과적으로 얻을 수 있도록 시장을 의도적으로 설계하는 학문입니다.
정보 금융은 세 가지 측면의 시장입니다: 베터는 예측을 하고, 독자는 예측을 읽습니다. 시장은 미래에 대한 예측을 공공재로 출력합니다(그것이 설계된 목적이기 때문에).
예측 시장이 한 예입니다: 당신은 미래에 일어날 특정 사실을 알고 싶어 하므로 사람들이 그 사실에 베팅할 수 있는 시장을 만듭니다. 다른 예는 의사결정 시장입니다: 당신은 지표 M에 따라 결정 A와 결정 B 중 어느 것이 더 나은 결과를 낳을지 알고 싶어 합니다. 이를 달성하기 위해 조건부 시장을 설정합니다: (i) 어떤 결정이 선택될지, (ii) 결정 A가 선택되면 M 값을 얻고 그렇지 않으면 0, (iii) 결정 B가 선택되면 M 값을 얻고 그렇지 않으면 0. 이 세 가지 변수를 통해 시장이 결정 A 또는 결정 B가 M 값 획득에 더 유리하다고 생각하는지 알 수 있습니다.
향후 10년 동안 정보 금융 발전을 추진할 기술은 AI(대규모 모델이든 미래 기술이든)라고 예상합니다.
이는 정보 금융의 많은 가장 흥미로운 응용 분야가 "미시적" 문제와 관련되기 때문입니다: 수백만 개의 작은 시장들, 이 시장들에서의 개별 결정은 상대적으로 작은 영향만 미칩니다. 실제로 거래량이 낮은 시장은 종종 효과적으로 작동하지 않습니다: 경험 많은 참여자에게 수백 달러의 이익을 얻기 위해 시간을 들여 자세히 분석하는 것은 의미가 없으며, 많은 사람들은 보조금 없이는 이러한 시장이 작동할 수 없다고 생각합니다. 왜냐하면 가장 큰 문제 외에는 어린 거래자가 충분하지 않아 경험 많은 거래자가 이익을 얻을 수 없기 때문입니다. AI는 이 방정식을 완전히 바꿉니다. 이는 거래량이 10달러인 시장에서도 상당히 높은 품질의 정보를 얻을 수 있음을 의미합니다. 보조금이 필요하더라도 각 문제에 대한 보조금 금액은 매우 합리적이 될 것입니다.
정보 금융에는 인간의 증류(distilled)가 필요합니다
판단
신뢰할 수 있는 인공 판단 메커니즘이 있고 이 메커니즘이 전체 커뮤니티의 신뢰를 받고 있다고 가정합시다. 그러나 판단을 내리는 데 많은 시간과 높은 비용이 소요됩니다. 그러나 이 "비싼 메커니즘"의 적어도 하나의 근사 사본에 실시간으로 저비용으로 액세스하고 싶습니다. 다음은 Robin Hanson이 제안한 당신이 할 수 있는 일입니다:
당신이 결정을 내려야 할 때마다 예측 시장을 만들어 그 비싼 메커니즘이 결정에 대해 어떤 결과를 내놓을지 예측합니다. 예측 시장을 운영하고 시장 조성자를 보조하기 위해 소액의 자금을 투입합니다. 99.99%의 시간 동안 실제로 비싼 메커니즘을 호출하지 않습니다: 아마도 "거래를 취소"하고 모든 사람의 투자금을 반환하거나 모든 사람에게 0을 주거나 평균 가격이 0 또는 1에 더 가까운지 확인하고 이를 기본 사실로 간주할 것입니다. 0.01%의 시간 - 무작위일 수도 있고 거래량이 가장 많은 시장을 대상으로 할 수도 있고 두 가지가 결합될 수도 있습니다 - 실제로 비싼 메커니즘을 실행하고 이에 따라 참여자를 보상할 것입니다.
이를 통해 신뢰할 수 있고 중립적이며 신속하고 저렴한 "증류된 버전"을 얻을 수 있습니다. 이는 원래 높은 신뢰성을 가지지만 비용이 매우 높은 메커니즘(LLM에서 "증류(distilled)"라는 용어를 사용하는 것과 유사)입니다. 시간이 지남에 따라 이 증류 메커니즘은 원래 메커니즘의 행동을 대략적으로 반영하게 됩니다 - 왜냐하면 그 결과를 실현하는 데 도움이 된 참여자만이 돈을 벌 수 있고 다른 사람들은 손실을 볼 것이기 때문입니다.
가능한 예측 시장 + 커뮤니티 메모 조합 모델.
이는 소셜 미디어뿐만 아니라 DAO에도 적용됩니다. DAO의 주요 문제 중 하나는 의사 결정 수가 너무 많아 대부분의 사람들이 참여하기를 원하지 않는다는 것입니다. 이로 인해 대리인 문제와 중앙화 위험이 있는 대의제 민주주의를 광범위하게 사용하거나 공격에 취약해질 수 있습니다. DAO에서 실제 투표가 거의 발생하지 않고 대부분의 일이 예측 시장에 의해 결정되며 인간과 AI가 결합하여 투표 결과를 예측한다면 이러한 DAO가 잘 작동할 수 있습니다.
의사 결정 시장의 예에서 보았듯이, 정보 금융에는 탈중앙화 거버넌스의 중요한 문제를 해결할 수 있는 많은 잠재적 경로가 내재되어 있습니다. 핵심은 시장과 비시장 신뢰 메커니즘의 균형을 잡는 것입니다: 시장은 "엔진"이고 다른 비금융화된 신뢰 메커니즘은 "방향타"입니다.
정보 금융의 다른 사용 사례
개인 토큰 - Bitclout(현재 deso), friend.tech 등 각 개인에게 토큰을 만들고 투기하기 쉽게 만드는 많은 프로젝트 - 내가 "원시 정보 금융"이라고 부르는 것의 한 유형입니다. 그들은 특정 변수(즉, 한 사람의 미래 명성에 대한 기대)에 대한 시장 가격을 의도적으로 만들지만, 가격이 드러내는 정확한 정보는 너무 모호하고 자기 참조성과 거품 역학에 의해 제한됩니다. 이러한 프로토콜의 개선된 버전을 만들고 토큰의 경제적 설계(특히 최종 가치의 출처)를 더 신중하게 고려하여 인재 발견 등 중요한 문제를 해결할 수 있습니다. Robin Hanson의 명성 선물 아이디어는 여기서 가능한 최종 상태 중 하나입니다.
광고 - 최종적인 "비싸지만 신뢰할 수 있는 신호"는 당신이 제품을 구매할지 여부입니다. 이 신호를 기반으로 한 정보 금융은 사람들이 무엇을 구매해야 할지 결정하는 데 도움이 될 수 있습니다.
과학 동료 검토 - 과학계에는 "재현 위기"가 있는데, 즉 어떤 유명한 결과가 특정 상황에서는 민간 지혜의 일부가 되었지만 결국 새로운 연구에서 다시 재현되지 않습니다. 우리는 예측 시장을 통해 재검토가 필요한 결과를 확인할 수 있습니다. 재검토 전에 이러한 시장은 독자들이 특정 결과를 얼마나 신뢰해야 할지 빠르게 추정할 수 있게 해줄 것입니다. 이 아이디어의 실험이 이미 완료되었고 지금까지 성공적인 것으로 보입니다.
공공재 자금 조달 - 이더리움(ETH)이 사용하는 공공재 자금 조달 메커니즘의 주요 문제 중 하나는 그것의 "인기 경쟁" 성격입니다. 각 기여자는 인정을 받기 위해 소셜 미디어에서 자신의 마케팅 활동을 수행해야 하지만, 이를 할 수 있는 능력이 없거나 본래 더 많은 "배경" 역할을 하는 기여자는 많은 자금을 받기 어렵습니다. 매력적인 해결책은 전체 의존성 그래프를 추적해 보는 것입니다: 각 긍정적인 결과에 대해 어떤 프로젝트가 얼마나 기여했는지, 그리고 각 프로젝트에 대해 어떤 프로젝트가 얼마나 기여했는지 등입니다. 이러한 설계의 주요 과제는 가장자리의 가중치를 조작에 저항할 수 있도록 찾아내는 것입니다. 결국 이러한 조작은 계속 발생하고 있습니다. 증류된 인간 판단 메커니즘이 도움이 될 수 있습니다.
결론
이러한 아이디어는 이미 오랫동안 이론화되어 왔습니다: 예측 시장, 심지어 의사 결정 시장에 대한 최초의 저작물은 수십 년 전부터 있었고, 금융 이론의 유사한 논의는 더 오래되었습니다. 그러나 나는 현재 10년이 독특한 기회를 제공한다고 생각합니다. 주요 이유는 다음과 같습니다:
정보 금융은 실제로 존재하는 신뢰 문제를 해결합니다. 이 시대의 공통된 우려 사항은 지식(더 나쁘게는 합의 부족)의 부족, 즉 정치, 과학, 비즈니스 환경에서 누구를 신뢰해야 할지 모르는 것입니다. 정보 금융 애플리케이션은 해결책의 일부가 될 수 있습니다.
우리는 이제 확장 가능한 블록체인을 기반으로 가지고 있습니다. 최근까지 비용이 너무 높아 이러한 아이디어를 실현할 수 없었습니다. 이제 더 이상 너무 높지 않습니다.
참여자로서의 AI. 정보 금융이 각 문제에 대한 인간 참여에 의존해야 할 때 상대적으로 효과적이지 않습니다. AI는 이 상황을 크게 개선했습니다. 작은 규모의 문제에서도 효과적인 시장을 실현할 수 있습니다. 많은 시장에서 AI와 인간 참여자의 조합이 있을 것이며, 특히 특정 문제의 수가 갑자기 작은 것에서 큰 것으로 변할 때 그럴 것입니다.
이 기회를 최대한 활용하기 위해서는 선거 예측에 국한되지 말고 정보 금융이 우리에게 무엇을 더 가져다 줄 수 있는지 탐구해야 합니다.
Robin Hanson과 Alex Tabarrok의 피드백과 의견에 특별히 감사드립니다.
