Gouvernance en chaîne : des jeux originaux à la sagesse prédictive de Futarchy

La gouvernance en chaîne, malgré son potentiel pour des protocoles complexes, est confrontée à des défis tels que les attaques Sybil. Futarchy, proposé par Robin Hanson, introduit des marchés de prédiction pour déterminer des décisions basées sur la mesure du bien-être de l'organisation, incitant les participants à faire des prédictions et les récompensant en conséquence. En pariant sur la valeur future des mesures de protection sociale conditionnées à des politiques spécifiques, la futarchie vise à éliminer les émotions et à faciliter une prise de décision rationnelle basée sur la « sagesse de la foule ». La mise en œuvre de marchés de prédiction nécessite que des teneurs de marché automatisés (AMM) résolvent les problèmes de liquidité, et la mise en œuvre CFMM du LMSR par Gnosis équilibre la liquidité et la précision des prévisions.

On-Chain Governance: From Games to Futarchy

Gouvernance en chaîne : des jeux à la futarchie

The discourse surrounding on-chain governance has been marked by contentious debate. While off-chain governance often suffers from cumbersome inefficiencies, on-chain governance has empowered developers to construct increasingly intricate protocols that grant users substantial sway in shaping network trajectories. Yet, these mechanisms are fundamentally akin to games that, when misconfigured or misaligned with appropriate incentives, possess the potential to steer the governed entity towards calamitous outcomes.

Le discours autour de la gouvernance en chaîne a été marqué par des débats controversés. Alors que la gouvernance hors chaîne souffre souvent d'inefficacités lourdes, la gouvernance en chaîne a permis aux développeurs de construire des protocoles de plus en plus complexes qui donnent aux utilisateurs une influence substantielle sur l'élaboration des trajectoires du réseau. Pourtant, ces mécanismes s’apparentent fondamentalement à des jeux qui, lorsqu’ils sont mal configurés ou mal alignés avec des incitations appropriées, possèdent le potentiel d’orienter l’entité gouvernée vers des résultats catastrophiques.

In her seminal work, "What is Futarchy? — Trading the Future," Freiderike Ernst, co-founder of Gnosis, elucidates prevalent methodologies underpinning on-chain voting. Given that the "one-person, one-vote" paradigm is susceptible to Sybil attacks on permissionless networks, whereby a single individual may fragment their capital across multiple accounts to cast a disproportionate number of votes, a user's voting power is typically weighted in proportion to their token holdings. Lotteries and token curated registries employ analogous techniques to mitigate Sybil attacks.

Dans son ouvrage fondateur, « Qu'est-ce que Futarchy ? — Trading the Future », Freiderike Ernst, co-fondatrice de Gnosis, explique les méthodologies courantes qui sous-tendent le vote en chaîne. Étant donné que le paradigme « une personne, une voix » est sensible aux attaques Sybil sur les réseaux sans autorisation, par lesquelles un seul individu peut fragmenter son capital sur plusieurs comptes pour émettre un nombre disproportionné de votes, le pouvoir de vote d'un utilisateur est généralement pondéré proportionnellement. à leurs avoirs symboliques. Les loteries et les registres de jetons utilisent des techniques analogues pour atténuer les attaques Sybil.

Robin Hanson has proposed an alternative governance model termed "futarchy," which centers decision-making not on votes, but rather on the outcomes of prediction markets that evaluate the welfare measure of the organization, an indicator of the network's health or decline. Participants in these markets wager on the future value of the welfare measure.

Robin Hanson a proposé un modèle de gouvernance alternatif appelé « futarchie », qui centre la prise de décision non pas sur les votes, mais plutôt sur les résultats des marchés de prédiction qui évaluent la mesure du bien-être de l'organisation, indicateur de la santé ou du déclin du réseau. Les participants à ces marchés parient sur la valeur future de la mesure de protection sociale.

Betting is typically facilitated using outcome tokens, each of which represents a discrete outcome of the market and whose monetary value is contingent on the eventual welfare measure. Accurate predictions are rewarded, while erroneous predictions incur losses.

Les paris sont généralement facilités à l'aide de jetons de résultat, dont chacun représente un résultat discret du marché et dont la valeur monétaire dépend de l'éventuelle mesure de bien-être. Les prédictions précises sont récompensées, tandis que les prédictions erronées entraînent des pertes.

Harnessing outcome tokens, participants can even wager on the value of the welfare measure conditioned upon the implementation of a specific policy. For instance, a participant could place a bet that yields a profit if the policy is implemented and the welfare measure subsequently increases by a predetermined threshold, while the bet is voided if the policy remains unimplemented.

En exploitant les jetons de résultat, les participants peuvent même parier sur la valeur de la mesure sociale conditionnée à la mise en œuvre d’une politique spécifique. Par exemple, un participant pourrait placer un pari qui rapporterait un profit si la politique est mise en œuvre et que la mesure de protection sociale augmente ensuite d’un seuil prédéterminé, tandis que le pari serait annulé si la politique n’est pas mise en œuvre.

Consider the case of a publicly traded company that adopts its stock price as its welfare measure and contemplates the dismissal of its CEO. Futarchy would yield two predictions: the projected future stock price were the CEO to be terminated and the projected future stock price were the CEO to be retained. As illustrated in the accompanying chart, the decision that results in the highest possible welfare measure is executed. In this instance, since the projected stock price contingent on the CEO's dismissal exceeds that contingent on the CEO's retention, the CEO would be removed from the company's leadership. This approach removes the influence of emotions from the decision-making process, enabling the organization to make rational choices informed by the collective wisdom of its participants, thereby enhancing its overall value.

Prenons le cas d’une société cotée en bourse qui adopte le cours de ses actions comme mesure de bien-être et envisage le licenciement de son PDG. Futarchy donnerait deux prédictions : le cours futur projeté de l'action si le PDG devait être licencié et le cours futur projeté de l'action si le PDG était retenu. Comme l'illustre le tableau ci-joint, la décision qui aboutit à la mesure de bien-être la plus élevée possible est exécutée. Dans ce cas, étant donné que le cours de l'action prévu en fonction du licenciement du PDG dépasse celui en fonction de son maintien en fonction, le PDG serait démis de ses fonctions de direction de l'entreprise. Cette approche supprime l'influence des émotions du processus décisionnel, permettant à l'organisation de faire des choix rationnels éclairés par la sagesse collective de ses participants, améliorant ainsi sa valeur globale.

Market Makers for Prediction Markets

Teneurs de marché pour les marchés de prédiction

The introduction of a market maker to facilitate transactions between participants introduces certain challenges. When futarchy is employed to assess more complex contingencies, the number of tokens in the associated market can rapidly escalate into the hundreds. In such scenarios, the "thin market problem" emerges, whereby the number of participants is insufficient to effectively adjust the probabilities of numerous outcomes. The logical solution is an automated market maker (AMM).

L'introduction d'un teneur de marché pour faciliter les transactions entre les participants introduit certains défis. Lorsque la futarchie est utilisée pour évaluer des éventualités plus complexes, le nombre de jetons sur le marché associé peut rapidement atteindre des centaines. Dans de tels scénarios, le « problème du marché restreint » apparaît, dans lequel le nombre de participants est insuffisant pour ajuster efficacement les probabilités de nombreux résultats. La solution logique est un teneur de marché automatisé (AMM).

A straightforward approach involves implementing the cost function of the logarithmic market scoring rule. However, this implementation precludes dynamic adjustments of liquidity, often resulting in a market that is either too shallow to accommodate all participants or excessively deep to generate meaningful results. The liquidity-sensitive logarithmic market scoring rule (LS-LMSR) addresses this issue, but introduces new vulnerabilities, the most significant of which is an arbitrage vulnerability inherent to all scoring rule market makers except LMSR.

Une approche simple consiste à mettre en œuvre la fonction de coût de la règle de notation logarithmique du marché. Cependant, cette mise en œuvre exclut les ajustements dynamiques de la liquidité, ce qui aboutit souvent à un marché soit trop superficiel pour accueillir tous les participants, soit trop profond pour générer des résultats significatifs. La règle de notation logarithmique du marché sensible à la liquidité (LS-LMSR) résout ce problème, mais introduit de nouvelles vulnérabilités, dont la plus importante est une vulnérabilité d'arbitrage inhérente à tous les teneurs de marché de règles de notation, à l'exception du LMSR.

Crypto stalwarts—constant function market makers (CFMMs)—such as Balancer, manage liquidity more effectively by enabling liquidity providers to dynamically deposit and withdraw liquidity, and are more familiar to cryptocurrency enthusiasts. However, CFMMs share the same limitations as LS-LMSR. Notably, during its involvement in prediction markets, Gnosis developed a CFMM implementation of the LMSR, which appears to combine the advantages of both approaches.

Les piliers de la cryptographie – les teneurs de marché à fonction constante (CFMM) – tels que Balancer, gèrent les liquidités plus efficacement en permettant aux fournisseurs de liquidités de déposer et de retirer des liquidités de manière dynamique, et sont plus familiers aux amateurs de cryptomonnaies. Cependant, les CFMM partagent les mêmes limitations que le LS-LMSR. Notamment, au cours de son implication dans les marchés de prédiction, Gnosis a développé une implémentation CFMM du LMSR, qui semble combiner les avantages des deux approches.