a16z：市場の爆発的成長を予測する鍵は何ですか？

著者：a16z

編訳：佳欢，ChainCatcher

昨年、ベネズエラ大統領選挙の結果に関する予測市場の取引額は600万ドルを超えました。しかし、開票が終了したとき、市場は不可能な状況に直面しました：政府はニコラス・マドゥロの勝利を発表し、野党と国際監視団は不正を指摘しました。予測市場の決定は「公式情報」（マドゥロの勝利）に従うべきなのか、それとも「信頼できる報道の合意」（野党の勝利）に従うべきなのでしょうか？

ベネズエラの選挙に関する事例では、監視団の指摘が次第にエスカレートしました：彼らはまずルールが無視され、ユーザーの資金が「盗まれた」と非難し、次にこの決定メカニズムがこの政治的ゲームで権力を独占していると激しく非難しました------「裁判官、陪審員、そして処刑人」を一身に兼ね備え、さらには深刻な操作を受けていると明言しました。

これは孤立した小さな挿話ではありません。これは、私が予測市場がスケールアップする過程で直面する最大のボトルネックの一つだと考えるものです：契約の裁定

ここでのリスクは非常に高いです。裁定が適切に処理されれば、人々はあなたの市場を信頼し、取引を行う意欲が高まり、価格は社会にとって意味のある信号となります。裁定が不適切に処理されれば、取引は失望と予測不可能性をもたらします。参加者は流出し、流動性は枯渇のリスクにさらされ、価格は安定した目標に対する正確な予測を反映しなくなります。その代わりに、価格は実際の結果の発生確率と、トレーダーが歪んだ決定メカニズムがどのように裁定するかについての信念を含む曖昧な混合体を反映し始めます。

ベネズエラの論争は比較的目立ちますが、さまざまなプラットフォーム上で、より隠れた失敗が頻繁に発生しています：

• ウクライナ地図操作事件は、対戦相手がどのようにして直接的にゲームの決定メカニズムを通じて利益を得るかを示しています。領土の支配権に関する契約は、特定のオンライン地図に基づいて決定されると規定されています。誰かがその地図を変更して契約の結果に影響を与えたとされています。あなたの「真実の源」が操作可能であれば、あなたの市場も操作可能になります。

• 政府閉鎖契約は、決定の出所が不正確または少なくとも予測不可能な結果をもたらす方法を示しています。決定ルールは、市場がアメリカ人事管理局のウェブサイトに表示される閉鎖終了の時間に基づいて支払いを行うと規定しています。トランプ大統領は11月12日に予算法案に署名しましたが、理由不明のため、OPMのウェブサイトは11月13日まで更新されませんでした。12日に閉鎖が終了することを正しく予測したトレーダーは、ウェブサイト管理者の遅延のために賭けに負けました。

• ゼレンスキーのスーツ市場は、利益相反に関する懸念を引き起こしました。この契約は、ウクライナ大統領ゼレンスキーが特定のイベントでスーツを着るかどうかを尋ねるもので、微細な問題のように見えますが、2億ドル以上の賭けを引き寄せました。ゼレンスキーがBBCや『ニューヨーク・ポスト』などのメディアにスーツと描写された服装でNATOサミットに出席した際、市場の初期決定は「はい」でした。しかし、UMAトークンの保有者が結果に異議を唱え、決定はその後「いいえ」に翻転しました。

この記事では、大規模な予測市場の決定方法を作成するために、大規模言語モデル（LLMs）と暗号技術を巧妙に組み合わせる方法を探ります。

予測市場だけの問題ではない

同様の問題は金融市場でも長年にわたって悩まされています。国際スワップおよびデリバティブ協会（ISDA）は、信用デフォルトスワップ（CDS）市場における裁定の難題に取り組んできました。CDSとは、企業や国家の債務不履行時に支払いを行う契約のことです。2024年のレビュー報告書は、これらの困難について驚くほど率直に述べています。彼らの決定委員会は主要な市場参加者で構成され、信用イベントが発生したかどうかを投票で決定します。しかし、このプロセスは不透明さ、潜在的な利益相反、一貫性のない結果のために批判されています。これはUMAのプロセスと同様です。

根本的な問題は同じです：巨額の資金があいまいな状況の判断に依存する場合、すべての決定メカニズムはゲームの対象となり、すべてのあいまいさが潜在的な爆発点となります。

理想的な裁定の四つの柱

実行可能な解決策は、同時にいくつかの重要な属性を実現する必要があります：

1. 操作耐性 対戦相手が裁定に影響を与えることができる場合（例えば、ウィキペディアを編集したり、フェイクニュースを埋め込んだり、オラクルを賄賂したり、プログラムの脆弱性を利用したりする場合）、市場は誰がより操作を得意かを競うゲームになり、誰がより予測を得意かではなくなります。

2. 合理的な正確性 メカニズムは、ほとんどの時間に正しい裁定を下す必要があります。実際のあいまいさに満ちた世界では、完璧な正確性は不可能ですが、体系的な誤りや明らかな失敗は信頼を破壊します。

3. 事前の透明性 トレーダーは賭けをする前に、決定がどのように行われるかを正確に理解する必要があります。途中でルールを変更することは、プラットフォームと参加者の間の基本的な契約に違反します。

4. 信頼できる中立性 参加者は、そのメカニズムが特定のトレーダーや結果に偏っていないと信じる必要があります。これは、UMAを大量に保有する人々が彼らが賭けた契約を裁定することが問題となる理由です：彼らが公正に行動しても、利益相反の表象が信頼を損なう可能性があります。

人工審査団はこれらの属性のいくつかを満たすことができますが、スケールアップ時には他の点を達成するのが難しいです------特に操作耐性と信頼できる中立性です。UMAのようなトークンベースの投票システムは、巨大なクジラの支配と利益相反に関する問題も十分に記録されています。

ここでAIが切り込む余地があります。

LLM裁判官を支持する理由

これは予測市場の領域で注目を集めている提案です：大規模言語モデルを裁定法官として使用し、契約作成時に特定のモデルとプロンプトをブロックチェーンにロックすること。

基本的な構造は次のとおりです：契約作成時、マーケットメーカーは自然言語で決定基準を指定するだけでなく、特定のLLM（タイムスタンプ付きのモデルバージョンで識別）と結果を決定するための正確なプロンプトを指定する必要があります。

この仕様は暗号化されてブロックチェーンに提出されます。取引が開始されると、参加者は完全な決定メカニズムを確認でき、どのAIモデルが結果を裁定するか、どのプロンプトを受け取るか、どの情報源にアクセスできるかを正確に知ることができます。

彼らがこの設定を気に入らなければ、取引は行われません。

裁定の時間に、提出されたLLMは提出されたプロンプトを使用して実行され、指定された情報源にアクセスし、判決を生成します。出力結果が誰が支払いを受けるかを決定します。

この方法は同時にいくつかの重要な制約を解決します：

• 非常に強い操作耐性（絶対ではないが） ウィキペディアのページや小さなニュースサイトとは異なり、主流のLLMの出力を簡単に編集することはできません。モデルの重みは提出時に固定されています。裁定を操作するには、対戦相手はモデルが依存する情報源を破壊するか、はるか昔にモデルのトレーニングデータを毒する必要があります。これは、オラクルを賄賂したり地図を編集したりする攻撃と比較して、コストが高く不確実性が大きいです。

• 正確性の提供 推論モデルの急速な改善と、驚くべき範囲の知的タスクを処理できる能力により、特にそれらがネットをブラウジングして新しい情報を探すことができるとき、LLM裁判官は多くの市場を正確に裁定できるはずです------その正確性に関する実験が進行中です。

• 内蔵された透明性 誰もが賭ける前に、全体の決定メカニズムは可視化され、監査可能です。途中でのルール変更はなく、自由裁量の判断もなく、密室での交渉もありません。あなたは正確に何に署名したのかを知っています。

• 信頼できる中立性の大幅な向上 LLMは結果に経済的利益を持ちません。賄賂を受け取ることはできません。UMAトークンを所有していません。どんな偏見も、モデル自体の特性であり------利害関係者が行った一時的な決定の特性ではありません。

AIの限界と防御手段

• モデルは間違いを犯す LLMはニュース記事を誤読したり、事実の幻覚を生じたり、決定基準を一貫して採用しなかったりする可能性があります。しかし、トレーダーがどのモデルに賭けているかを知っている限り、彼らはこれらの欠陥を価格に織り込むことができます。特定のモデルがあいまいなケースを特定の方法で解決する傾向がある場合、成熟したトレーダーはそれを考慮に入れるでしょう。モデルは完璧である必要はありません；予測可能である必要があります。

• 操作が不可能ではない プロンプトが特定のニュースソースを指定している場合、対戦相手はこれらのソースにストーリーを埋め込もうとするかもしれません。この攻撃は主流メディアにとっては高価ですが、小規模なメディアにとっては実行可能な場合があります------これは地図編集の問題の別の形式です。プロンプトの設計はここで重要です：多様で冗長な情報源に依存する決定メカニズムは、単一の障害点に依存するメカニズムよりも堅牢です。

• 毒攻撃は理論的には可能 十分なリソースを持つ対戦相手は、LLMのトレーニングデータに影響を与え、将来の判断を偏らせようとするかもしれません。しかし、これは契約の前にかなり早く行動を起こす必要があり、リターンは不確実で、コストは膨大です------これは委員会のメンバーを賄賂するよりもはるかに高いハードルです。

• LLM裁判官の拡散は調整問題を引き起こす 異なる市場創設者が異なるプロンプトを使用して異なるLLMに取り組む場合、流動性は分散します。トレーダーは契約を簡単に比較したり、異なる市場の情報を集約したりすることができません。標準化は価値があります------しかし、どのLLMとプロンプトの組み合わせが最も効果的かを市場が発見することも価値があります。正しい答えは何らかの組み合わせかもしれません：実験を許可しつつ、コミュニティが時間の経過とともに十分にテストされたデフォルト設定に収束するメカニズムを構築することです。

建設者への四つの提案

要約すると：AIに基づく裁定は、基本的に一連の問題（人間の偏見、利益相反、不透明性）を別の一連の問題（モデルの限界、プロンプトエンジニアリングの課題、情報源の脆弱性）と交換するものであり、後者の問題は処理しやすい可能性があります。それでは、どのように進めるべきでしょうか？プラットフォームは：

1. 実験する： リスクの低い契約でLLM裁定をテストし、過去の記録を構築します。どのモデルが最も良いパフォーマンスを発揮しましたか？どのプロンプト構造が最も堅牢ですか？実践の中でどのような故障モードが発生しますか？

2. 標準化する： ベストプラクティスが現れるにつれて、コミュニティは標準化されたLLMとプロンプトの組み合わせをデフォルト設定として策定することに取り組むべきです。これは革新を排除するものではありませんが、流動性が十分に理解された市場に集中するのを助けます。

3. 透明なツールを構築する： 例えば、トレーダーが取引前に完全な決定メカニズム（モデル、プロンプト、情報源）を簡単に確認できるインターフェースを構築します。決定ルールは細則に埋もれてはなりません。

4. 継続的なガバナンスを行う： AI裁判官がいても、人間は依然として上位ルールの策定に責任を持つ必要があります：どのモデルを信頼するか、モデルが明らかに誤った答えを出した場合にどう対処するか、デフォルト設定をいつ更新するか。目標は、人間を完全に循環から排除することではなく、人間が臨時のケースバイケースの判断からシステム的なルール制定に移行することです。

予測市場は、騒がしく複雑な世界を理解するのに素晴らしい潜在能力を持っています。しかし、この潜在能力は信頼に依存しており、信頼は公正な契約の決定に依存しています。私たちは決定メカニズムの失敗の結果を目の当たりにしてきました：混乱、怒り、そしてトレーダーの離脱。私は、人々が自分の賭けの精神に反する結果に欺かれたと感じた後、完全に予測市場から撤退するのを目撃しました------以前好んでいたプラットフォームを二度と使用しないと誓いました。これは、予測市場の利益とより広範な応用を解放するための機会を逃すことになります。

LLM裁判官は完璧ではありません。しかし、暗号技術と組み合わせることで、透明性があり、中立的であり、人間のシステムを悩ませてきた操作に抵抗できるものとなります。予測市場がスケールアップする速度が私たちのガバナンスメカニズムを超える世界において、これが私たちに必要なものかもしれません。