Cómo diseñar una mejor gobernanza en cadena

El tema de la gobernanza en cadena siempre ha sido polémico. Si bien la gobernanza fuera de la cadena generalmente se percibe como torpe, la gobernanza dentro de la cadena ha permitido a los desarrolladores crear protocolos cada vez más complejos que permiten a los usuarios influir en la dirección de una red. Pero todos estos son esencialmente juegos que, si se configuran mal o se brindan los incentivos equivocados, pueden conducir la cadena hacia el desastre.

En “¿ Qué es la futarquía?” – Trading the Future ”, Freiderike Ernst, cofundadora de Gnosis, destaca las metodologías estándar de votación en cadena. Como el paradigma de "un voto por persona" es vulnerable a los ataques de Sybil en redes sin permiso (una persona puede dividir su capital en múltiples cuentas y emitir múltiples votos), el poder de voto de un usuario generalmente se pondera por la cantidad simbólica que posee. Las loterías y los registros seleccionados de fichas utilizan el mismo método para evitar Sybils.

Robin Hanson propone un nuevo modelo de gobernanza llamado futarquía , en el que las decisiones se toman basándose no en los votos, sino en los resultados de los Mercados de predicción sobre la medida de bienestar de la organización, que es un indicador del crecimiento o desaparición de la red. Los participantes del mercado apostarán por el valor futuro de la medida de bienestar.

Las apuestas generalmente se implementan utilizando fichas de resultado, cada una de las cuales representa un resultado particular del mercado y cuyo valor monetario está determinado por la eventual medida de bienestar. Las buenas predicciones son recompensadas y las malas resultan en pérdidas.

Utilizando fichas de resultado, los participantes pueden incluso apostar sobre el valor de la medida de bienestar dependiendo de la implementación de la Regulación . Por ejemplo, un participante puede hacer una apuesta que genera una ganancia si se implementa la Regulación y la medida de bienestar aumenta en una cierta cantidad, pero se anula si la Regulación no se implementa.

Para una empresa que cotiza en bolsa que elige el precio de las acciones como medida de bienestar y está considerando despedir a su director ejecutivo, el resultado es que la organización obtiene dos predicciones: el precio futuro de las acciones si el director ejecutivo es despedido y el precio futuro de las acciones si el director ejecutivo es despedido. Es retenido. Como puede ver en el cuadro a continuación:

Con la futarquía se implementa la decisión que resulta en la mayor medida de bienestar posible. Como la predicción final del precio de las acciones, que depende de que el CEO sea despedido, es mayor que la predicción que depende de que el CEO sea retenido, el CEO es despedido de la empresa. Esto elimina toda la emoción del proceso de decisión y permite a la organización tomar decisiones racionales basadas en lo que comúnmente se conoce como la “sabiduría de la multitud” para mejorar sus valores.

Implementar un creador de mercado para facilitar las transacciones entre los participantes plantea algunos desafíos. Si queremos utilizar la futarquía para evaluar contingencias más complejas, los Mercados rápidamente aumentarán a decenas de cientos de tokens. Aquí surge el “ problema del mercado reducido ”: no hay suficientes participantes para corregir adecuadamente las probabilidades de tantos resultados. La solución natural es un Maker de mercado automatizado (AMM).

Una solución sencilla es la implementación de la función de costos de la regla de puntuación del mercado logarítmica . Desafortunadamente, esta implementación no permite cambios ad hoc de la liquidez, lo que generalmente resulta en un mercado que es demasiado superficial para acomodar a todos los participantes o demasiado profundo para producir resultados significativos. La regla de puntuación del mercado logarítmico sensible a la liquidez (LS-LMSR) mitiga este problema, pero la solución introduce nuevos defectos, el más grave de los cuales es una vulnerabilidad de arbitraje que ocurre en todos los creadores de mercado con reglas de puntuación, excepto LMSR .

Los creadores de mercado de función constante (CFMM) de las Cripto, como Balancer, manejan mejor el aspecto de la liquidez al permitir que los LP depositen y retiren liquidez dinámicamente, y son más familiares para los nativos de las Cripto , pero sufren el mismo problema que LS-LMSR. Sin embargo, resulta que durante sus días de mercado de predicción, Gnosis parece haber encontrado una implementación CFMM del LMSR que combina lo mejor de ambos mundos.