Pelnas:
- Gebėjimas suprasti tiekimo, paskirstymo, teisių suteikimo, paskatų ir vertės surinkimo komponentus ir naudoti dirbtinį intelektą modeliams kurti ir priešingiems scenarijams kurti
- Gebėjimas atpažinti vieno/optimistinio dirbtinio intelekto scenarijaus pavojų ir patvirtinti modelį neigiamais scenarijais bei modeliavimu
- Galimybė suabejoti atlygio šaltiniu, nepateikti tokenomikos kaip finansinio patarimo ir palikti saugumo / teisinį klausimą žmonėms
Tokenomika (tokenomika – „žetonas“ + „ekonomika“: kriptovaliutų tiekimo, paskirstymo, paskatų ir vertės mechanikos dizainas) yra ekonominė sistema, kuri lemia ilgalaikę Web3 projekto sėkmę. Bloga tokenomika gali sužlugdyti net techniškai tobulą projektą. Šiame skyriuje aptarsime AI kaip tokenominio modeliavimo asistento naudojimą; Mokysimės nuo pasiūlos kreivių iki paskatų kūrimo, nuo modeliavimo iki tvarumo analizės. Tačiau nuo pat pradžių: tokenomika yra ekonominio dizaino kūrinys, o vieno scenarijaus optimistiška AI produkcija nepakeičia tikro modelio.
Pagrindiniai tokenomikos komponentai
- Bendra/maksimali pasiūla: bendras žetonų kiekis, kuris bus; fiksuotas ar infliacinis?
- Paskirstymas / paskirstymas: kam atitenka žetonai – komandai, investuotojui, bendruomenei, iždui, apdovanojimams.
- Teisių suteikimas / užraktas (teisės suteikimas): žetonų išleidimas laikui bėgant; Apsaugo nuo staigaus pardavimo (išmetimo).
- Skatinimo mechanizmas: atlygis (statymas, likvidumo užtikrinimas), nukreipiantis vartotoją į norimą elgesį.
- Vertės kaupimas: kodėl prieigos raktas bus vertingas – naudojimas, mokesčių pasidalijimas, deginimas.
- Emisija: greitis, kuriuo išleidžiami nauji žetonai.
Šių komponentų pusiausvyra yra labai svarbi. Pavyzdžiui, atlygis už didelius išmetamųjų teršalų kiekius pritraukia vartotojus per trumpą laiką, bet ilgainiui žlugs kartu su infliacija.
AI vaidmuo tokenomikoje
1. Sąvokos paaiškinimas ir opcionų generavimas. AI yra galingas paaiškinant skirtingus tokenomikos modelius (fiksuotą pasiūlą, infliacinį, dvejetainį žetoną, mokesčių deginimą) ir teikiant parinktis.
2. Paskirstymo lentelės projektas. AI parengia paskirstymo lentelę ir teisių suteikimo grafiko juodraštį; Tai yra išeities taškas.
3. Modeliavimo planas ir formulės projektas. YZ paklausė: „Jei išmetamų teršalų kiekis sumažės tokiu greičiu, koks bus cirkuliacinis tiekimas po 4 metų? Ji kuria sąskaitų juodraščius ir modeliuojamą fantastiką, pvz.
4. Priešscenarijus ir rizikos priminimas. AI klausia: „Kokioje situacijoje šis modelis žlunga? Riziką jis pažymi klausimu.
Atsargiai: Pavojingiausia dirbtinio intelekto tokenomikos klaida yra monoscenarijus: dažnai daroma prielaida, kad pasaulis yra optimistiškas, kur kaina nuolat auga, o naudotojas nuolat auga. Tikroji tokenomika sutelkta į neigiamus scenarijus (kritimas, pabėgimas, puolimas). Kiekvienas AI modelis turėtų būti paklaustas: „O kas, jei jis suges? Išbandykite tai su klausimu.
Modeliavimas: modelio kiekybinis įvertinimas
Geras tokenominis modelis patvirtinamas modeliavimu, o ne „skamba patikimai“. Skaitmeniškai vykdomi įvairūs scenarijai:
- Bazinis atvejis: numatomas augimas.
- Meškos scenarijus: kainų kritimas, vartotojų pasitraukimas – ar paskatos vis dar galioja?
- Atakos scenarijus: aktorius renka žetonus ir perima valdymą arba išnaudoja emisijas.
- Banginio scenarijus: didelių savininkų staigaus pardavimo poveikis.
AI gali sudaryti šių modeliavimų planą ir formulę; bet lentelė / kodas (Python, skaičiuoklė) atlieka skaičiavimą, o žmogus interpretuoja rezultatą.
komponentas
AI indėlis
žmogaus atsakomybė
Modelio parinktys
aprašymas, palyginimas
pasirinkimas
paskirstymo lentelė
juodraštis
Teisingumas, įstatymų laikymasis
Emisijos formulė
juodraštis, sąskaita
Patikrinimas, kalibravimas
Scenarijaus modeliavimas
Planas, kodo projektas
Operacija, komentaras, sprendimas
Rizikos analizė
Priešingas scenarijus
galutinis įvertinimas
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Sukurk man gerą tokenomiką.
„Geras“ yra neaiškus, jokio scenarijaus, jokios rizikos – AI sukuria optimistinį modelį.
Galingas raginimas:
Jūsų vaidmuo: tokenomikos dizaineris. Sugeneruokite [projekto tipo] tokenomicDRAFT. Pateikite: bendrą pasiūlą, paskirstymo lentelę (procentais), teisių suteikimo grafiką kiekvienai grupei, emisijos kreivę, vertės fiksavimo mechaniką. TAD apsvarstykite tris neigiamus scenarijus: kaina nukrenta 70%, galvų medžiotojai (samdinių kapitalas) pabėga, banginis parduoda 20% pasiūlos, kas atsitiks? Parašykite kiekvieno scenarijaus įtaką paskatų struktūrai. Tai JUODRAŠTIS; Nurodykite, kad skaičiai turi būti sukalibruoti imituojant. Pridėkite įspėjimą, kad tai nėra finansinis patarimas.
Keturi kopijuojami šablonai
1) Paskirstymo lentelės projektas:
Sukurkite [projekto] žetonų paskirstymo lentelės juodraštį: komandos, ankstyvojo investuotojo, bendruomenės, iždo, ekosistemos apdovanojimai. Kiekvienai grupei pasiūlykite procentą ir teisių suteikimo grafiką (uola + linijinis liberalizavimas). Tegul bendra suma yra 100%. Nurodykite, kad tai yra projektas ir bus humaniškai peržiūrėtas dėl sąžiningumo ir teisėtumo.
2) Emisijos ir (arba) tiekimo modeliavimo schema:
Parašykite skaičiuoklę / Python eskizą, kuriame atsižvelgiama į šią emisijos taisyklę (pvz., % mažėjantį atlygį per metus) ir pateikiant cirkuliuojančią atsargą per 5 metus. Paaiškinkite formulę; Aš paleisiu ir patikrinsiu. Nepateikite rezultato kaip galutinės tiesos; Aiškiai išvardykite įvesties prielaidas.
3) Skatinamasis tvarumas:
Įvertinkite šią paskatų struktūrą (mokėjimas atlygis + emisija) iš tvarumo perspektyvos: ar atlygis gaunamas iš emisijų ar realių pajamų? Jei kaina kris, paskata žlugs? Ar yra „Ponzi“ priklausomybė? Aiškiai užsirašykite riziką, nebūkite optimistiški.
4) Neigiamo scenarijaus stresas:
Išbandykite šią tokenomiką pagal tris neigiamus scenarijus: meškų turgus, pabėgimas iš galvos medžiotojo, banginių išpardavimas. Koks būtų pasiūlos, pardavimo spaudimo ir paskatų balansas kiekviename scenarijuje? Nepretenduokite į skaitinį tikslumą; pateikti kaip hipotezes, kurias reikia patikrinti modeliuojant.
Trys mini dėklai (skaičiais)
1 atvejis – optimistinis modelis žlugo. Vienas projektas buvo pradėtas remiantis 120 % metinio atlygio modeliu, kurį dirbtinis intelektas vadina „tvariu“. Modelis tik darė prielaidą, kad vartotojas nuolat auga. Per 3 mėnesius atėjo ir išėjo galvų medžiotojai, o tokenas prarado 85% savo vertės. Pamoka: vieno scenarijaus AI modelis nėra tvarumo įrodymas.
2 atvejis – priešscenarijus išvengė nelaimės. Kita komanda AI pritaikė raginimą „netinkamo scenarijaus streso“ po to, kai jis parengė juodraštį. YZ pažymėjo, kad teisių suteikimo uolos (užrakto galas) sutapo su tuo pačiu mėnesiu ir kad tą mėnesį bus didelis pardavimo spaudimas. Komanda išdalino kalendorių. Pamoka: priešingas scenarijus yra vertingiausias AI tokenominis indėlis.
3 atvejis. Simuliacija ištaisė skaičių. Analitikas atliko AI parengtą išmetamųjų teršalų skaičiavimo projektą Python ir nustatė, kad AI kažkur neteisingai nustatė sudėtinį skaičiavimą; 5 metų tiekimo prognozė sumažėjo 30%. Pamoka: AI parengia formulę, bet įrankis patikrina skaičiavimą.
Etinis ir teisinis aspektas
Tokenomika yra finansiškai ir teisiškai jautri:
- Ne finansinis patarimas: jokia AI sugeneruota tokenomika negali būti pasiūlyta kaip „investavimo patarimas“; Tai būtina nurodyti.
- Vertybinių popierių rizika: kai kurios žetonų struktūros teisiškai gali būti laikomos vertybiniais popieriais; Tai teisinis įvertinimas, AI negali nuspręsti.
- Sąžiningumas ir skaidrumas: pernelyg didelė ir konfidenciali komandos/investuotojo dalis yra etikos problema bendruomenei.
- Ponzi tipo struktūros: atlygio susiejimo vien su naujų pinigų įplaukimu modelis yra netvarus ir neetiškas; AI kartais gali klaidingai tai pavadinti „tvariu“.
Patarimas: aštriausias klausimas, tikrinantis žetonų modelio būklę: „Iš kur gaunami atlygiai – iš faktinių pajamų / panaudojimo ar tiesiog iš naujų žetonų kalimo ir naujų investuotojų? Visada paprašykite AI aiškiai to paklausti.
Dažnos klaidos
- Pasikliauti vienu / optimistiniu scenarijumi. Neigiami scenarijai turėtų būti centre.
- Nepatvirtinama AI paskyros naudojant modeliavimą. Formulė yra juodraštis, rezultatas yra įrankis.
- Apeinant nesuderinamus teisių suteikimo kalendorius. Atsiranda masinio pardavimo spaudimas.
- Neabejoja atlygio šaltiniu. Ponzi tipo struktūra yra paslėpta.
- Tokenomikos pristatymas kaip investavimo patarimas. Teisės ir etikos pažeidimas.
- Vertybinių popierių / teisinio klausimo delegavimas AI. Tai žmogaus/teisinis sprendimas.
Apibendrinant
- Tokenomika yra ekonominis projekto karkasas; Blogas dizainas sugriauna gerą projektą.
- Stiprus AI modelio aprašymas, diegimo metmenys ir priešingas scenarijus; Taip pat pavojinga naudoti vieną scenarijų.
- Garso tokenomika įrodoma imituojant, o ne mąstant; AI planuoja, transporto priemonė skaičiuoja.
- Neigiami scenarijai (meška, pabėgimas, banginis) turėtų būti modelio centre.
- Reikėtų suabejoti atlygio šaltiniu; tokenomika negali būti pasiūlyta kaip finansinis patarimas.
Taikymo užduotis
Norėdami gauti prieigos raktą, leiskite dirbtiniam intelektui sukurti tokenominį juodraštį, taikydami „stiprų raginimą“. Tada paleiskite „neigiamo scenarijaus streso“ raginimą. Iš tikrųjų paleiskite dirbtinio intelekto išmetamų teršalų skaičiavimą skaičiuoklėje arba Python ir patikrinkite skaičius. Modelyje nustatykite bent vieną tvarumo riziką (pvz., nesuderinamas teisių suteikimas, atlygis negaunant pajamų) ir parašykite, kaip ją išspręsti.
kontrolinis sąrašas
- [ ] Išbandžiau modelio eskizą bent trimis neigiamais scenarijais.
- [ ] Aš patikrinau išmetamųjų teršalų / tiekimo skaičiavimus su transporto priemone.
- [ ] Patikrinau, ar teisių suteikimo kalendoriuose nėra konfliktų.
- [ ] Aš suabejojau atlygio šaltiniu (realiomis pajamomis ar emisijomis).
- [ ] Pridėjau įspėjimą „Tai nėra finansinis patarimas“.
- [ ] Vertybinių popierių/teisinį klausimą palieku spręsti žmogui/advokatui.
- [ ] Pareiškiau, kad skaičiai turi būti žmogiškai sukalibruoti.