浅析DeepFunding:用AI重塑公共物品资金分配的未来

转载
6 天前
4907
LXDAO

文章转载来源: LXDAO

在区块链和开源领域,高效的资金分配一直是个难题。如今,一个名为 Deep Funding 的创新项目正试图用人工智能和去中心化评审来解决这个问题。这个由 Vitalik Buterin 提供 25 万美元初始资金支持的项目,不仅计划解决当前以太坊生态系统中的资源分配难题,更要为未来公共物品的资金分配开创新模式。

01、Deep Funding

Deep Funding 是什么?

Deep Funding 是一个通过 AI 和去中心化评审机制优化公共物品资金分配的创新项目,旨在解决以太坊生态系统中资源分配效率低下的问题。项目目标是构建一个公平、透明、高效的资金分配系统,支持以太坊及其依赖的关键开源项目,实现长期可持续发展。

官方网址:https://deepfunding.org/

想解决什么问题?

当前,以太坊公共物品资金分配存在以下问题:

  1. 人类决策的非理性:面对复杂且抽象的问题时,人类往往难以做出合理判断。
  2. 偏好表层项目:基于选举的资助机制倾向于资助表面上显而易见的项目,而忽略深层次的技术依赖和复杂贡献。

这导致了一些对以太坊生态至关重要但“隐藏”的基础设施得不到足够支持,同时也可能浪费资源在短期内看似重要但长期价值有限的项目上。

用什么样的思路在解决问题?

Deep Funding 提出的解决方案包括:

1. 构建 Deep Graph

Deep Graph 是一个动态依赖图,展示项目之间的依赖关系,并为每个依赖分配权重。通过这种方式,公共物品的贡献和实际价值得以可视化,解决了“隐形贡献”难以衡量的问题。

2. AI 模型加权和评估

  • 数据输入:基于开源项目的各种信息(例如 star 数量、贡献者活动、更新时间等)。这个需要发挥你的想象和对于开源项目价值的理解。
  • 权重分配:AI 模型根据依赖的重要性和实际影响分配权重,动态调整资金分配。
  • 验证与优化:通过评审团(jury)对模型进行抽查,确保权重合理性。

3. 评审团评审机制

  • 评审团由专家组成,通过回答“项目 A 和 B,哪个更重要?”等问题,为模型提供训练数据。之所以选择这种问题,是因为它对于人来说比较容易分辨和回答。
  • 人类与 AI 的合作模式:人类负责方向与价值判断,AI 提供数据分析支持。之后将选择多个不错比较贴合人类共识的模型进行应用。

4. 公平分配资金

根据项目的贡献比例分配资金,也会有一部分对获奖模型的激励。

Deep Funding 将不只仅仅用于开源软件的权重构建和分配,这种模式将可以用于任何带有依赖和分配的场景。例如:论文、音乐、影视作品等等。开源软件只是一个最初的尝试,Deep Funding 希望变成适用于各种场景的解决方案。

02、Deep Funding 竞赛

目前 Deep Funding 第一次的比赛聚焦在 GitHub repo 和开源项目这个方向,通过开源项目的依赖关系构建一个加权的 Graph,得到每个仓库应该获得的捐赠额度。然后聚焦在 Ethereum 这个标签之下的开源项目,尤其是客户端。

Deep Funding 项目目前的进展包括:

  1. 赞助与资金:Vitalik Buterin 提供了初始赞助 $250,000。
  2. 数据准备:收集以太坊依赖关系图,涉及约 40,000+ 条边的数据。目前已经准备好了。
  3. 机制设计:开展 AI 模型竞赛(会在 Kaggle),目前正在招募 AI Model。
  4. 试点评估:通过 jury 抽查验证模型有效性;将依赖权重模型应用于以太坊相关项目并查看实际效果。

其中 250K 的奖金,$170k 将根据依赖图的权重分配给项目,$40k 将奖励给在评审抽查中表现最好的模型,$40k 将奖励给开源提交的模型,这些模型的创新性将由专家评审团评估后决定。

目前还有很多需要应对的挑战

  1. 评审公平性与激励机制:如何保证评审团中立性和长期参与积极性?如何构建一个公平有效的评审团?
  2. AI 模型的有效性:如何准确加权深层依赖,避免模型被滥用或游戏化?
  3. 动态调整机制:如何平衡自我评估和外部评审,避免偏见?
  4. 资金来源与激励方式:如何吸引更多资金参与分配,尤其是针对非代码类贡献?

我们将逐步的进行讨论和探索。