预测市场失灵时的解决方案：a16z探讨AI与加密技术结合的新路径

作者：Andy Hall，a16z研究顾问兼斯坦福大学政治经济学教授；来源：a16z crypto；编译：Shaw 金色财经

去年，委内瑞拉总统选举结果的预测市场合约交易额超过600万美元。然而，计票结束后，市场陷入了两难境地：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责选举存在舞弊。在这种情况下，预测市场合约应依据“官方信息”还是“可信报道的共识”进行结算？

这一事件并非孤例，而是预测市场规模化发展过程中面临的重大瓶颈之一——如何确保合约结算的公正性。

在委内瑞拉的选举中，观察员提出了各种指控：规则被忽视，参与者的“钱被偷了”；争端解决机制在高风险的政治闹剧中扮演了“法官、陪审团和刽子手”的角色；选举过程本身被指“严重操纵”。

类似问题在其他预测市场中也屡见不鲜：

• 乌克兰地图操纵事件表明，对手可以直接篡改争端解决机制。一份关于领土控制权的合约规定其结果将依据特定在线地图确定，但有人篡改了该地图以影响结果。当事实依据可以被篡改时，市场也可能被操纵。

• 政府停摆交易合约显示，结算依据可能不准确甚至导致不可预测的结果。例如，特朗普总统于11月12日签署了拨款法案，但由于人事管理办公室（OPM）网站延迟更新，那些正确预测政府停摆将于12日结束的交易员却因网站管理员的操作失误输掉了赌注。

• 泽连斯基穿西装的市场引发了利益冲突的担忧。该合约询问乌克兰总统泽连斯基是否会在某个特定场合穿西装，吸引了超过2亿美元的赌注。尽管媒体描述他身着西装，但UMA协议代币持有者对结果提出异议，最终判定为“否”。

本文探讨了大型语言模型（LLM）与加密技术结合如何帮助创建难以被操纵、准确、透明且可信中立的大规模预测市场解决方案。

这不仅仅是预测市场的问题

类似的难题也困扰着金融市场。例如，国际掉期与衍生品协会（ISDA）多年来一直在努力解决信用违约互换市场的清算难题，其2024年的评估报告坦诚指出了这些问题。根本问题在于：当大量资金取决于模棱两可的判定时，每种解决机制都可能成为被钻空子的目标。

良好解决方案的特性

任何可行的解决方案都需要同时实现多个关键特性：

抵御操纵的能力。如果对手能够通过编辑维基百科、散布虚假新闻或利用程序漏洞来影响结果，市场就变成了一场比拼谁操纵手段高明的游戏。

合理的准确性。该机制必须在大多数情况下做出正确判断。绝对的准确性虽不可能，但系统性误差会严重损害其可信度。

事前透明度至关重要。交易者需要完全了解结算机制的运作方式，更改规则会破坏平台与参与者之间的基本协议。

可信的中立性。参与者需要相信机制不会偏袒任何特定交易者或结果。

人类委员会和基于代币的投票系统在这些方面均存在不足，而人工智能（AI）则提供了新的可能性。

使用大型语言模型（LLM）判定的理由

一个逐渐受到关注的提议是使用大型语言模型（LLM）作为评判者，并在创建合约时将特定模型和提示锁定到区块链中。

基本架构如下：在合约创建时，做市商不仅要用自然语言指定解决标准，还要指定确切的LLM（通过带时间戳的模型版本标识）以及用于确定结果的确切提示。该规范将以加密方式写入区块链，确保交易开始前参与者完全了解结算机制。

这种方法解决了几个关键限制条件：

LLM具有很强的抗操纵性。与维基百科页面或小型新闻网站不同，LLM的输出难以轻易编辑。

准确性高。随着推理模型的发展，LLM能够应对复杂任务并准确解决许多市场问题。

完全透明。整个结算机制公开透明，可审计。

显著提升可信中立性。LLM与结果无经济利益关系，不会被收买。

当然，LLM判断也存在局限性，包括模型可能犯错、操纵难度降低但依然存在、投毒攻击理论上可行以及LLM数量激增可能导致协调问题。

开发者如何才能采用这些策略？

基于人工智能的解决方案用另一组问题（模型局限性、工程挑战、信息源漏洞）取代了之前的问题（人为偏见、利益冲突、信息不透明），而后者可能更容易解决。开发者应：

通过在低风险合约上测试LLM机制建立过往业绩记录；

标准化。制定标准化的LLM-提示组合作为默认选项；

构建透明化工具，便于交易者查看完整结算机制；

持续进行治理。即使有了人工智能判断，人类仍需做出元层面的决策。

预测市场拥有帮助我们理解复杂世界的巨大潜力，但这种潜力取决于信任，而信任又依赖于公平的合约解决机制。LLM模型虽非完美，但当它们与加密技术结合时，便能做到透明、中立，并能抵御种种操纵行为。这或许正是当前预测市场规模扩张速度远超治理机制时所需要的。