Ieguvumi:
- Spēja izprast piegādes, izplatīšanas, piešķiršanas, stimulu un vērtības uztveršanas komponentus un izmantot mākslīgo intelektu, lai izstrādātu modeļus un izstrādātu pretscenārijus
- Spēja atpazīt mākslīgā intelekta viena/optimistiskā scenārija briesmas un apstiprināt modeli ar negatīviem scenārijiem un simulāciju
- Spēja apšaubīt atlīdzības avotu, neuzrādīt tokenomiku kā finanšu padomu un atstāt drošības/juridiskus jautājumus cilvēku ziņā
Tokenomika (tokenomika — “žetons” + “ekonomika”: kriptoaktīvu piegādes, izplatīšanas, stimulēšanas un vērtības mehānikas dizains) ir ekonomiskais ietvars, kas nosaka Web3 projekta ilgtermiņa panākumus. Slikta tokenomika var sagraut pat tehniski perfektu projektu. Šajā nodaļā mēs apspriedīsim AI kā tokenomiskās modelēšanas palīga izmantošanu; Mēs mācīsimies no piedāvājuma līknēm līdz stimulu izstrādei, no simulācijas līdz ilgtspējības analīzei. Bet jau no paša sākuma: tokenomika ir ekonomiska dizaina darbs, un viena scenārija optimistiskā AI izvade neaizstāj reālu modeli.
Tokenomikas pamatkomponenti
- Kopējais/maksimālais piedāvājums: kopējais marķieru daudzums, kas pastāvēs; fiksēta vai inflācija?
- Izplatīšana/piešķiršana: kam tiek piešķirti žetoni — komandai, investoram, kopienai, kasei, balvām.
- Piešķiršana/bloķēšana (iegūšana): žetonu atbrīvošana laika gaitā; Novērš pēkšņu pārdošanu (izgāztuvi).
- Stimulēšanas mehānisms: atlīdzības (likviditātes nodrošināšana), kas novirza lietotāju uz vēlamo rīcību.
- Vērtības uzkrāšana: kāpēc marķieris būs vērtīgs — izmantošana, maksas sadale, dedzināšana.
- Emisija: ātrums, ar kādu tiek izlaisti jauni marķieri.
Šo komponentu līdzsvars ir kritisks. Piemēram, atlīdzība ar lielām emisijām piesaista lietotājus īstermiņā, bet ilgtermiņā sabruks inflācijas zīme.
AI loma tokenomikā
1. Jēdzienu skaidrojums un opciju ģenerēšana. AI ir spēcīgs, lai izskaidrotu dažādus tokenomikas modeļus (fiksēts piedāvājums, inflācijas, binārais marķieris, maksas iekasēšana) un piedāvātu iespējas.
2. Sadales tabulas projekts. AI izstrādā piešķiršanas tabulu un piešķiršanas grafika projektu; Tie ir sākuma punkts.
3. Simulācijas plāns un formulas projekts. YZ jautāja: "Ja emisijas samazināsies ar šo ātrumu, kāda būs cirkulējošā piegāde pēc 4 gadiem?" Tas veido kontu melnrakstus un simulācijas daiļliteratūru, piemēram,.
4. Pretscenārijs un riska atgādinājums. AI jautā: "Kādā situācijā šis modelis sabrūk?" Viņš ar jautājumu iezīmē riskus.
Uzmanību: AI visbīstamākā tokenomikas kļūda ir monoscenārisms: tā bieži pieņem optimistisku pasauli, kurā cena vienmēr aug, bet lietotājs vienmēr pieaug. Patiesā tokenomika koncentrējas uz negatīviem scenārijiem (kritiens, bēgšana, uzbrukums). Katram mākslīgā intelekta modelim ir jājautā: "Ko darīt, ja tas sabojājas?" Pārbaudiet to ar jautājumu.
Simulācija: modeļa kvantitatīva noteikšana
Labu tokenomisko modeli apstiprina simulācija, nevis “izklausās ticami”. Skaitliski darbojas dažādi scenāriji:
- Bāzes gadījums: paredzamā izaugsme.
- Lāča scenārijs: cenu kritums, lietotāju aizplūšana — vai stimuli joprojām pastāv?
- Uzbrukuma scenārijs: aktieris savāc žetonus un pārņem pārvaldību vai izmanto emisijas.
- Vaļu scenārijs: lielo īpašnieku pēkšņas pārdošanas ietekme.
AI var izplānot šo simulāciju plānu un formulu; bet tabula/kods (Python, izklājlapa) palaiž aprēķinu un cilvēks interpretē rezultātu.
sastāvdaļa
AI ieguldījums
cilvēka atbildība
Modeļa iespējas
apraksts, salīdzinājums
izvēle
sadales tabula
melnraksts
Taisnīgums, tiesiskā atbilstība
Emisijas formula
melnraksts, konts
Verifikācija, kalibrēšana
Scenārija simulācija
Plāns, koda projekts
Darbība, komentārs, lēmums
Riska analīze
Pretscenārijs
gala novērtējums
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Izveidojiet man labu tokenomiku.
“Labs” ir neskaidrs, bez scenārija, bez riska — AI rada optimistisku modeli.
Spēcīga uzvedne:
Jūsu loma: tokenomikas dizainers. Ģenerējiet tokenomicDRAFT [projekta veidam]. Norādiet: kopējo piedāvājumu, sadales tabulu (procentos), piešķiršanas grafiku katrai grupai, emisijas līkni, vērtību uztveršanas mehāniku. TAD apsveriet trīs negatīvus scenārijus: cena samazinās par 70%, devību mednieki (algotņu kapitāls) aizbēg, valis pārdod 20% piedāvājumu, kas notiek? Uzrakstiet katra scenārija ietekmi uz stimulu struktūru. Šis ir PROJEKTS; Norādiet, ka skaitļi ir jākalibrē ar simulāciju. Pievienojiet brīdinājumu, ka tas nav finanšu padoms.
Četras kopējamas veidnes
1) Sadales tabulas projekts:
Ģenerējiet marķieru sadales tabulas melnrakstu [projektam]: komanda, agrīnais ieguldītājs, kopiena, kase, ekosistēmas atlīdzības. Iesakiet katrai grupai procentuālo daļu un piešķiršanas grafiku (klints + lineāra liberalizācija). Lai kopsumma būtu 100%. Norādiet, ka šis ir projekts un tiks humāni pārskatīts, lai nodrošinātu godīgumu un likumību.
2) Emisijas/piegādes simulācijas shēma:
Uzrakstiet izklājlapu/Python skici, kas izmanto šādu emisijas noteikumu (piem., % uz pusi samazinot atlīdzību gadā) un izvada cirkulējošo krājumu 5 gadu laikā. Izskaidrojiet formulu; Es to izpildīšu un pārbaudīšu. Nepasniedziet rezultātu kā galīgu patiesību; Skaidri uzskaitiet ievades pieņēmumus.
3) Stimulēšanas ilgtspējība:
Novērtējiet šo stimulu struktūru (atlīdzība + emisijas) no ilgtspējības viedokļa: vai atlīdzība nāk no emisijām vai reāliem ienākumiem? Ja cena kritīsies, vai stimuls sabruks? Vai pastāv "Ponzi līdzīga" atkarība? Skaidri pierakstiet riskus, neesot optimistiski.
4) Negatīvā scenārija stress:
Pārbaudiet šo tokenomiku trīs negatīvos scenārijos: lāču tirgus, devību mednieka bēgšana, vaļu izpārdošana. Kāds būtu piedāvājuma līdzsvars, pārdošanas spiediens un stimuli katrā scenārijā? Nepretendējiet uz skaitlisko precizitāti; izvirzīti kā hipotēzes, kas jāpārbauda ar simulāciju.
Trīs mini futrāļi (skaitļos)
1. gadījums — optimistiskais modelis sabruka. Viens projekts sākās, paļaujoties uz 120% gada atlīdzības modeli, ko AI sauc par “ilgtspējīgu”. Modelis tikai pieņēma, ka lietotājs vienmēr pieaug. 3 mēnešu laikā devību mednieki ienāca un izgāja, un žetons zaudēja 85% no savas vērtības. Nodarbība: viena scenārija AI modelis nav ilgtspējas pierādījums.
2. gadījums — pretscenārijs novērsa katastrofu. Cita komanda piemēroja AI uzvedni "nevēlama scenārija stresa" pēc tam, kad tā bija sagatavojusi melnrakstu. YZ atzīmēja, ka iegūšanas klintis (slūžas beigas) sakrita ar to pašu mēnesi un ka šajā mēnesī būs liels pārdošanas spiediens. Komanda izdalīja kalendāru. Nodarbība: pretscenārijs ir AI visvērtīgākais simboliskais ieguldījums.
3. gadījums — simulācija laboja numuru. Kāds analītiķis veica AI izstrādāto emisiju aprēķina projektu Python un atklāja, ka mākslīgais intelekts kaut kur ir nepareizi iestatījis salikto aprēķinu; 5 gadu piegādes prognoze bija par 30%. Nodarbība: AI sastāda formulu, bet rīks pārbauda aprēķinu.
Ētiskā un juridiskā dimensija
Tokenomika ir gan finansiāli, gan juridiski jutīga:
- Nav finanšu konsultācijas: nekādu AI ģenerētu tokenomiku nevar piedāvāt kā “ieguldījumu padomu”; Tas ir obligāti jānorāda.
- Vērtspapīru risks: dažas marķieru struktūras juridiski var uzskatīt par vērtspapīriem; Šis ir juridisks novērtējums, AI nevar izlemt.
- Taisnīgums un pārredzamība: pārmērīga un konfidenciāla komandas/ieguldītāja daļa ir kopienas ētisks jautājums.
- Ponci līdzīgas struktūras: modelis, kurā atlīdzība tiek piesaistīta tikai jaunas naudas ieplūšanai, ir neilgtspējīgs un neētisks; AI dažreiz to var nepareizi apzīmēt kā “ilgtspējīgu”.
Padoms: asākais jautājums, kas pārbauda tokenomiskā modeļa darbību: “No kurienes nāk atlīdzība — no faktiskajiem ieņēmumiem/izlietojuma vai vienkārši no jaunu žetonu kalšanas un jauniem investoriem?” Vienmēr lūdziet AI to skaidri pajautāt.
Biežas kļūdas
- Paļaušanās uz vienu/optimistisko scenāriju. Negatīviem scenārijiem jābūt centrā.
- Netiek pārbaudīts AI konts ar simulāciju. Formula ir melnraksts, rezultāts ir rīks.
- Apejot konfliktējošus tiesību piešķiršanas kalendārus. Rodas masveida pārdošanas spiediens.
- Neapšaubot atlīdzības avotu. Ponzi līdzīgā struktūra ir paslēpta.
- Tokenomikas kā ieguldījumu konsultācijas prezentēšana. Juridisks un ētisks pārkāpums.
- Vērtspapīru/juridiskā jautājuma deleģēšana AI. Tas ir cilvēka/juridisks lēmums.
Rezumējot
- Tokenomika ir projekta ekonomiskais skelets; Slikts dizains sagrauj labu projektu.
- Spēcīgs AI modeļa apraksts, izvietošanas izklāsts un pretscenārijs; Ir arī bīstami izmantot vienu scenāriju.
- Skaņas tokenomika tiek pierādīta ar simulāciju, nevis domāšanu; AI plāno, aprēķina transportlīdzekli.
- Negatīviem scenārijiem (lācis, bēgšana, valis) jābūt modeļa centrā.
- Jāapšauba atlīdzības avots; tokenomiku nevar piedāvāt kā finanšu padomu.
Lietojumprogrammas uzdevums
Lai iegūtu pilnvaru, AI izveido marķiera melnrakstu, izmantojot “spēcīgo uzvedni”. Pēc tam palaidiet uzvedni "negatīvā scenārija stress". Faktiski palaidiet mākslīgā intelekta radīto emisiju aprēķinu izklājlapā vai Python un pārbaudiet skaitļus. Identificējiet modelī vismaz vienu ilgtspējības risku (piemēram, pretrunīgu tiesību piešķiršanu, atlīdzību bez ieņēmumiem) un uzrakstiet, kā to novērst.
kontrolsaraksts
- [ ] Es pārbaudīju modeļa skici vismaz trīs negatīvos scenārijos.
- [ ] Es pārbaudīju emisijas/piegādes aprēķinu ar transportlīdzekli.
- [ ] Es pārbaudīju, vai tiesību piešķiršanas kalendāros nav konfliktu.
- [ ] Es apšaubīju atlīdzības avotu (reālie ienākumi vai emisijas).
- [ ] Es pievienoju brīdinājumu "Tas nav finanšu padoms."
- [ ] Vērtspapīru/juridisko jautājumu atstāju cilvēka/jurista ziņā.
- [ ] Es norādīju, ka skaitļi ir jākalibrē cilvēciski.