Искусственный интеллект как судья: Как технологии могут решить проблему манипуляций на рынках предсказаний

Искусственный интеллект имеет потенциал играть роль встроенного в блокчейн арбитра в сферах предсказательных рынков. Такое мнение высказал Эндрю Холл, профессор политической экономики в Стэнфордском университете.

Он проиллюстрировал проблему «честного» разрешения споров на примере выборов президента Венесуэлы.

В прошлом году на исход этого события заключили сделки на общую сумму свыше $6 миллионов. Однако после выборов рынок столкнулся с замешательством:

«Следует ли решению по контрактам на рынке прогнозов сопоставляться с “официальными” данными (победой Мадуро) или с “общепризнанными достоверными сообщениями” (победой оппозиции)?» — задался вопросом Холл.

Это не единственный случай, отметил он. В другой ситуации наблюдалось предполагаемое манипулирование картой Украины в контексте территориального спора.

Холл подчеркивает необходимость создания справедливой системы разрешения контрактов, завоюющей доверие. В таком случае рыночные цены станут важными индикаторами для общества.

Похожие проблемы также существуют на финансовых рынках. Международная ассоциация свопов и деривативов на протяжении многих лет пытается решить вопросы регулирования в области кредитных дефолтных свопов — контрактов, выплата по которым осуществляется в случае банкротства компании или государства.

Комитеты по принятию решений голосуют, оценивая, произошло ли кредитное событие. Однако процесс критикуется за непрозрачность, возможные конфликты интересов и непоследовательность результатов.

«Основная проблема остается прежней: когда от определения событий в неоднозначных ситуациях зависят крупные суммы, любой механизм урегулирования становится уязвимым для манипуляций, а неопределенность представляет собой потенциальное поле для споров», — заявил Холл.

Эксперт выделяет несколько ключевых характеристик, которыми должно обладать работоспособное решение:

Комитеты, состоящие из людей, могут соответствовать некоторым из указанных характеристик, но они подвержены манипуляциям и не могут оставаться нейтральными.

Холл предлагает использовать большие языковые модели в качестве арбитров, фиксируя при этом каждую модель и запрос в блокчейне на этапе создания контракта.

Базовая структура выглядит следующим образом:

Данный метод решает несколько ключевых проблем:

Среди недостатков: ИИ может допускать ошибки. Он может неверно интерпретировать новостные статьи или выдумывать факты.

Манипуляции возможны, но их сложнее осуществить. Мошенники могут попытаться разместить определенную информацию в крупных СМИ. Это дорогостоящая, но реальная стратегия.

Также существует риск атак на обучающие данные языковых моделей. Однако для этого требуется действовать заранее, еще до заключения контракта.

Искусственный интеллект предлагает решение, которое перераспределяет одни проблемы на другие, более управляемые. Холл считает, что платформы должны экспериментировать с различными языковыми моделями для накопления опыта.

Важным моментом является необходимость сообщества работать над стандартизацией комбинаций ИИ-программ по мере появления новых практик. Это поможет сосредоточить ликвидность, считает автор.

Кстати, в январе аналитики a16z crypto предсказали рост как рынков предсказаний, так и ZK-доказательств.