ਲਾਭ:
- ਸਪਲਾਈ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਵੈਸਟਿੰਗ, ਪ੍ਰੋਤਸਾਹਨ ਅਤੇ ਮੁੱਲ ਕੈਪਚਰ ਦੇ ਭਾਗਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਮਾਡਲਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਵਿਰੋਧੀ-ਦ੍ਰਿਸ਼ਾਂ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਸਿੰਗਲ/ਆਸ਼ਾਵਾਦੀ ਦ੍ਰਿਸ਼ ਦੇ ਖ਼ਤਰੇ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ਦੇ ਨਾਲ ਮਾਡਲ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਨਾਮ ਦੇ ਸਰੋਤ 'ਤੇ ਸਵਾਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ, ਟੋਕਨੌਮਿਕਸ ਨੂੰ ਵਿੱਤੀ ਸਲਾਹ ਦੇ ਤੌਰ 'ਤੇ ਪੇਸ਼ ਨਾ ਕਰੋ, ਅਤੇ ਸੁਰੱਖਿਆ/ਕਾਨੂੰਨੀ ਸਵਾਲ ਮਨੁੱਖਾਂ ਲਈ ਛੱਡੋ
ਟੋਕਨੌਮਿਕਸ (ਟੋਕਨੌਮਿਕਸ — “ਟੋਕਨ” + “ਇਕਨਾਮਿਕਸ”: ਕ੍ਰਿਪਟੋਅਸੈੱਟ ਦੀ ਸਪਲਾਈ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਪ੍ਰੋਤਸਾਹਨ, ਅਤੇ ਮੁੱਲ ਮਕੈਨਿਕਸ ਦਾ ਡਿਜ਼ਾਈਨ) ਇੱਕ ਆਰਥਿਕ ਢਾਂਚਾ ਹੈ ਜੋ ਇੱਕ Web3 ਪ੍ਰੋਜੈਕਟ ਦੀ ਲੰਬੀ-ਅਵਧੀ ਦੀ ਸਫਲਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਮਾੜੇ ਟੋਕਨੌਮਿਕਸ ਇੱਕ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸੰਪੂਰਨ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਵੀ ਹੇਠਾਂ ਲਿਆ ਸਕਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਟੋਕਨੌਮਿਕ ਮਾਡਲਿੰਗ ਸਹਾਇਕ ਵਜੋਂ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਚਰਚਾ ਕਰਾਂਗੇ; ਅਸੀਂ ਸਪਲਾਈ ਕਰਵ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰੋਤਸਾਹਨ ਡਿਜ਼ਾਈਨ ਤੱਕ, ਸਿਮੂਲੇਸ਼ਨ ਤੋਂ ਟਿਕਾਊਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤੱਕ ਸਿੱਖਾਂਗੇ। ਪਰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ: ਟੋਕਨੌਮਿਕਸ ਆਰਥਿਕ ਡਿਜ਼ਾਈਨ ਦਾ ਕੰਮ ਹੈ, ਅਤੇ ਏਆਈ ਦਾ ਸਿੰਗਲ-ਸੀਨਰੀਓ, ਆਸ਼ਾਵਾਦੀ ਆਉਟਪੁੱਟ ਅਸਲ ਮਾਡਲ ਦਾ ਕੋਈ ਬਦਲ ਨਹੀਂ ਹੈ।
ਟੋਕਨੌਮਿਕਸ ਦੇ ਬੁਨਿਆਦੀ ਹਿੱਸੇ
- ਕੁੱਲ/ਵੱਧ ਤੋਂ ਵੱਧ ਸਪਲਾਈ: ਟੋਕਨਾਂ ਦੀ ਕੁੱਲ ਮਾਤਰਾ ਜੋ ਮੌਜੂਦ ਹੋਵੇਗੀ; ਸਥਿਰ ਜਾਂ ਮਹਿੰਗਾਈ?
- ਵੰਡ/ਅਲੋਕੇਸ਼ਨ: ਟੋਕਨ ਕਿਸ ਨੂੰ ਜਾਂਦੇ ਹਨ — ਟੀਮ, ਨਿਵੇਸ਼ਕ, ਭਾਈਚਾਰਾ, ਖਜ਼ਾਨਾ, ਇਨਾਮ।
- ਵੇਸਟਿੰਗ/ਲਾਕ (ਵੈਸਟਿੰਗ): ਸਮੇਂ ਦੇ ਨਾਲ ਟੋਕਨਾਂ ਦੀ ਰਿਲੀਜ਼; ਅਚਾਨਕ ਵਿਕਰੀ (ਡੰਪ) ਨੂੰ ਰੋਕਦਾ ਹੈ.
- ਪ੍ਰੋਤਸਾਹਨ ਵਿਧੀ: ਇਨਾਮ (ਸਟਾਕਿੰਗ, ਤਰਲਤਾ ਪ੍ਰਦਾਨ ਕਰਨਾ) ਜੋ ਉਪਭੋਗਤਾ ਨੂੰ ਲੋੜੀਂਦੇ ਵਿਵਹਾਰ ਵੱਲ ਸੇਧਿਤ ਕਰਦੇ ਹਨ।
- ਮੁੱਲ ਇਕੱਠਾ ਕਰਨਾ: ਟੋਕਨ ਕੀਮਤੀ ਕਿਉਂ ਹੋਵੇਗਾ — ਵਰਤੋਂ, ਫੀਸ ਸ਼ੇਅਰਿੰਗ, ਬਰਨ।
- ਨਿਕਾਸ: ਉਹ ਗਤੀ ਜਿਸ ਨਾਲ ਨਵੇਂ ਟੋਕਨ ਜਾਰੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਇਹਨਾਂ ਹਿੱਸਿਆਂ ਦਾ ਸੰਤੁਲਨ ਨਾਜ਼ੁਕ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਉੱਚ ਨਿਕਾਸੀ ਵਾਲਾ ਇਨਾਮ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਪਰ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਮੁਦਰਾਸਫੀਤੀ ਦੇ ਨਾਲ ਟੋਕਨ ਨੂੰ ਢਾਹ ਦੇਵੇਗਾ।
ਟੋਕਨੌਮਿਕਸ ਵਿੱਚ ਏਆਈ ਦੀ ਭੂਮਿਕਾ
1. ਸੰਕਲਪ ਵਿਆਖਿਆ ਅਤੇ ਵਿਕਲਪ ਪੈਦਾ ਕਰਨਾ। AI ਵੱਖ-ਵੱਖ ਟੋਕਨੌਮਿਕਸ ਮਾਡਲਾਂ (ਸਥਿਰ ਸਪਲਾਈ, ਮਹਿੰਗਾਈ, ਬਾਈਨਰੀ ਟੋਕਨ, ਫੀਸ-ਬਰਨ) ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ।
2. ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਟੇਬਲ ਡਰਾਫਟ। AI ਅਲੋਕੇਸ਼ਨ ਟੇਬਲ ਅਤੇ ਵੇਸਟਿੰਗ ਸ਼ਡਿਊਲ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਇਹ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹਨ.
3. ਸਿਮੂਲੇਸ਼ਨ ਯੋਜਨਾ ਅਤੇ ਫਾਰਮੂਲਾ ਡਰਾਫਟ। YZ ਨੇ ਪੁੱਛਿਆ, "ਜੇ ਇਸ ਦਰ ਨਾਲ ਨਿਕਾਸ ਘੱਟ ਜਾਂਦਾ ਹੈ, ਤਾਂ 4 ਸਾਲਾਂ ਵਿੱਚ ਸਰਕੂਲੇਟ ਸਪਲਾਈ ਕੀ ਹੋਵੇਗੀ?" ਇਹ ਅਕਾਉਂਟ ਡਰਾਫਟ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ਫਿਕਸ਼ਨ ਜਿਵੇਂ ਕਿ ਪੈਦਾ ਕਰਦਾ ਹੈ।
4. ਵਿਰੋਧੀ ਦ੍ਰਿਸ਼ ਅਤੇ ਜੋਖਮ ਰੀਮਾਈਂਡਰ। AI ਪੁੱਛਦਾ ਹੈ "ਇਹ ਮਾਡਲ ਕਿਸ ਸਥਿਤੀ ਵਿੱਚ ਡਿੱਗਦਾ ਹੈ?" ਉਹ ਸਵਾਲ ਦੇ ਨਾਲ ਖਤਰਿਆਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰਦਾ ਹੈ।
ਸਾਵਧਾਨ: ਏਆਈ ਦੀ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਟੋਕਨੌਮਿਕਸ ਗਲਤੀ ਮੋਨੋਸੈਨੇਰੀਓਇਜ਼ਮ ਹੈ: ਇਹ ਅਕਸਰ ਇੱਕ ਆਸ਼ਾਵਾਦੀ ਸੰਸਾਰ ਨੂੰ ਮੰਨਦਾ ਹੈ ਜਿੱਥੇ ਕੀਮਤ ਹਮੇਸ਼ਾ ਵੱਧ ਰਹੀ ਹੈ, ਉਪਭੋਗਤਾ ਹਮੇਸ਼ਾ ਵਧ ਰਿਹਾ ਹੈ. ਸੱਚੇ ਟੋਕਨੌਮਿਕਸ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ (ਪਤਝੜ, ਬਚਣ, ਹਮਲਾ) 'ਤੇ ਕੇਂਦਰਤ ਹਨ। ਹਰ ਏਆਈ ਮਾਡਲ ਨੂੰ ਪੁੱਛਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ "ਜੇ ਇਹ ਖਰਾਬ ਹੋ ਜਾਵੇ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?" ਸਵਾਲ ਦੇ ਨਾਲ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ।
ਸਿਮੂਲੇਸ਼ਨ: ਮਾਡਲ ਨੂੰ ਮਾਪਣਾ
ਇੱਕ ਚੰਗੇ ਟੋਕਨੌਮਿਕ ਮਾਡਲ ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ "ਅਵਾਜਾਂ" ਦੁਆਰਾ। ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਚੱਲਦੇ ਹਨ:
- ਬੇਸ ਕੇਸ: ਅਨੁਮਾਨਿਤ ਵਾਧਾ।
- ਰਿੱਛ ਦਾ ਦ੍ਰਿਸ਼: ਕੀਮਤ ਵਿੱਚ ਗਿਰਾਵਟ, ਉਪਭੋਗਤਾ ਨਿਕਾਸ — ਕੀ ਪ੍ਰੋਤਸਾਹਨ ਅਜੇ ਵੀ ਕਾਇਮ ਹਨ?
- ਹਮਲੇ ਦਾ ਦ੍ਰਿਸ਼: ਇੱਕ ਅਭਿਨੇਤਾ ਟੋਕਨ ਇਕੱਠੇ ਕਰਦਾ ਹੈ ਅਤੇ ਸ਼ਾਸਨ ਨੂੰ ਜ਼ਬਤ ਕਰਦਾ ਹੈ ਜਾਂ ਨਿਕਾਸ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਦਾ ਹੈ।
- ਵ੍ਹੇਲ ਦ੍ਰਿਸ਼: ਵੱਡੇ ਮਾਲਕਾਂ ਦੁਆਰਾ ਅਚਾਨਕ ਵਿਕਰੀ ਦਾ ਪ੍ਰਭਾਵ।
AI ਇਹਨਾਂ ਸਿਮੂਲੇਸ਼ਨਾਂ ਲਈ ਯੋਜਨਾ ਅਤੇ ਫਾਰਮੂਲੇ ਦਾ ਨਕਸ਼ਾ ਬਣਾ ਸਕਦਾ ਹੈ; but a table/code (Python, spreadsheet) runs the calculation and the human interprets the result.
ਕੰਪੋਨੈਂਟ
AI ਯੋਗਦਾਨ
ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ
ਮਾਡਲ ਵਿਕਲਪ
ਵਰਣਨ, ਤੁਲਨਾ
ਚੋਣ
ਵੰਡ ਸਾਰਣੀ
ਡਰਾਫਟ
ਨਿਆਂ, ਕਾਨੂੰਨੀ ਪਾਲਣਾ
ਨਿਕਾਸੀ ਫਾਰਮੂਲਾ
ਡਰਾਫਟ, ਖਾਤਾ
ਤਸਦੀਕ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ
ਦ੍ਰਿਸ਼ ਸਿਮੂਲੇਸ਼ਨ
ਯੋਜਨਾ, ਕੋਡ ਡਰਾਫਟ
ਕਾਰਵਾਈ, ਟਿੱਪਣੀ, ਫੈਸਲਾ
ਜੋਖਮ ਵਿਸ਼ਲੇਸ਼ਣ
ਵਿਰੋਧੀ ਦ੍ਰਿਸ਼
ਅੰਤਮ ਮੁਲਾਂਕਣ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਮੈਨੂੰ ਇੱਕ ਵਧੀਆ ਟੋਕਨੌਮਿਕਸ ਡਿਜ਼ਾਈਨ ਕਰੋ।
"ਚੰਗਾ" ਅਸਪਸ਼ਟ ਹੈ, ਕੋਈ ਦ੍ਰਿਸ਼ ਨਹੀਂ, ਕੋਈ ਜੋਖਮ ਨਹੀਂ - AI ਇੱਕ ਆਸ਼ਾਵਾਦੀ ਪੈਟਰਨ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਟੋਕਨੌਮਿਕਸ ਡਿਜ਼ਾਈਨਰ। ਇੱਕ [ਪ੍ਰੋਜੈਕਟ ਦੀ ਕਿਸਮ] ਲਈ ਇੱਕ ਟੋਕਨੌਮਿਕ ਡਰਾਫਟ ਤਿਆਰ ਕਰੋ। ਦਿਓ: ਕੁੱਲ ਸਪਲਾਈ, ਵੰਡ ਸਾਰਣੀ (ਪ੍ਰਤੀਸ਼ਤਾਂ ਵਿੱਚ), ਹਰੇਕ ਸਮੂਹ ਲਈ ਵੇਸਟਿੰਗ ਅਨੁਸੂਚੀ, ਨਿਕਾਸ ਵਕਰ, ਮੁੱਲ ਕੈਪਚਰ ਮਕੈਨਿਕਸ। ਫਿਰ ਤਿੰਨ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰੋ: ਕੀਮਤ 70% ਘਟਦੀ ਹੈ, ਇਨਾਮੀ ਸ਼ਿਕਾਰੀ (ਭਾੜੇ ਦੀ ਪੂੰਜੀ) ਬਚ ਜਾਂਦੀ ਹੈ, ਇੱਕ ਵ੍ਹੇਲ 20% ਸਪਲਾਈ ਵੇਚਦੀ ਹੈ, ਕੀ ਹੁੰਦਾ ਹੈ? ਪ੍ਰੇਰਕ ਢਾਂਚੇ 'ਤੇ ਹਰੇਕ ਦ੍ਰਿਸ਼ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਲਿਖੋ। ਇਹ ਇੱਕ ਡਰਾਫਟ ਹੈ; ਦੱਸੋ ਕਿ ਸੰਖਿਆਵਾਂ ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਕੈਲੀਬਰੇਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕਰੋ ਕਿ ਇਹ ਵਿੱਤੀ ਸਲਾਹ ਨਹੀਂ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਵੰਡ ਸਾਰਣੀ ਦਾ ਡਰਾਫਟ:
ਇੱਕ [ਪ੍ਰੋਜੈਕਟ] ਲਈ ਇੱਕ ਡਰਾਫਟ ਟੋਕਨ ਵੰਡ ਸਾਰਣੀ ਤਿਆਰ ਕਰੋ: ਟੀਮ, ਸ਼ੁਰੂਆਤੀ ਨਿਵੇਸ਼ਕ, ਕਮਿਊਨਿਟੀ, ਖਜ਼ਾਨਾ, ਈਕੋਸਿਸਟਮ ਇਨਾਮ। ਹਰੇਕ ਸਮੂਹ ਲਈ ਪ੍ਰਤੀਸ਼ਤਤਾ ਅਤੇ ਵੇਸਟਿੰਗ ਅਨੁਸੂਚੀ (ਕਲਿਫ਼ + ਰੇਖਿਕ ਉਦਾਰੀਕਰਨ) ਦਾ ਸੁਝਾਅ ਦਿਓ। ਕੁੱਲ 100% ਹੋਣ ਦਿਓ। ਦੱਸੋ ਕਿ ਇਹ ਇੱਕ ਡਰਾਫਟ ਹੈ ਅਤੇ ਨਿਰਪੱਖਤਾ ਅਤੇ ਕਾਨੂੰਨੀਤਾ ਲਈ ਮਾਨਵੀ ਤੌਰ 'ਤੇ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾਵੇਗੀ।
2) ਨਿਕਾਸ/ਸਪਲਾਈ ਸਿਮੂਲੇਸ਼ਨ ਰੂਪਰੇਖਾ:
ਇੱਕ ਸਪ੍ਰੈਡਸ਼ੀਟ/ਪਾਈਥਨ ਸਕੈਚ ਲਿਖੋ ਜੋ ਹੇਠਾਂ ਦਿੱਤੇ ਨਿਕਾਸੀ ਨਿਯਮ (ਜਿਵੇਂ ਕਿ ਪ੍ਰਤੀ ਸਾਲ ਪ੍ਰਤੀ ਸਾਲ ਘਟਦੇ ਇਨਾਮ ਨੂੰ ਅੱਧਾ ਕਰਨਾ) ਅਤੇ 5 ਸਾਲਾਂ ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਸਪਲਾਈ ਨੂੰ ਆਊਟਪੁੱਟ ਕਰਦਾ ਹੈ। ਫਾਰਮੂਲੇ ਦੀ ਵਿਆਖਿਆ ਕਰੋ; ਮੈਂ ਇਸਨੂੰ ਚਲਾਵਾਂਗਾ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ। ਨਤੀਜੇ ਨੂੰ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸੱਚ ਵਜੋਂ ਪੇਸ਼ ਨਾ ਕਰੋ; ਇੰਪੁੱਟ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕਰੋ।
3) ਪ੍ਰੋਤਸਾਹਨ ਸਥਿਰਤਾ:
ਸਥਿਰਤਾ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਇਸ ਪ੍ਰੋਤਸਾਹਨ ਢਾਂਚੇ (ਇਨਾਮ + ਨਿਕਾਸ) ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ: ਕੀ ਇਨਾਮ ਨਿਕਾਸ ਜਾਂ ਅਸਲ ਆਮਦਨ ਤੋਂ ਆਉਂਦੇ ਹਨ? ਜੇ ਕੀਮਤ ਘਟਦੀ ਹੈ, ਤਾਂ ਕੀ ਪ੍ਰੋਤਸਾਹਨ ਢਹਿ ਜਾਵੇਗਾ? ਕੀ ਕੋਈ "ਪੋਂਜ਼ੀ ਵਰਗਾ" ਨਸ਼ਾ ਹੈ? ਆਸ਼ਾਵਾਦੀ ਹੋਣ ਤੋਂ ਬਿਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖੋ।
4) ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ ਤਣਾਅ:
ਇਸ ਟੋਕਨੌਮਿਕਸ ਨੂੰ ਤਿੰਨ ਨਨੁਕਸਾਨ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਪਰਖੋ: ਬੇਅਰ ਮਾਰਕੀਟ, ਬਾਊਂਟੀ ਹੰਟਰ ਐਸਕੇਪ, ਵ੍ਹੇਲ ਸੇਲ-ਆਫ। ਹਰ ਇੱਕ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਸਪਲਾਈ, ਵਿਕਰੀ ਦਬਾਅ ਅਤੇ ਪ੍ਰੋਤਸਾਹਨ ਦਾ ਸੰਤੁਲਨ ਕੀ ਹੋਵੇਗਾ? ਸੰਖਿਆਤਮਕ ਸ਼ੁੱਧਤਾ ਦਾ ਦਾਅਵਾ ਨਾ ਕਰੋ; ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਟੈਸਟ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਅਨੁਮਾਨਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਮੌਜੂਦ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ (ਸੰਖਿਆ ਵਿੱਚ)
ਕੇਸ 1 - ਆਸ਼ਾਵਾਦੀ ਮਾਡਲ ਢਹਿ ਗਿਆ। ਇੱਕ ਪ੍ਰੋਜੈਕਟ 120% ਸਲਾਨਾ ਇਨਾਮ ਮਾਡਲ 'ਤੇ ਭਰੋਸਾ ਕਰਕੇ ਸ਼ੁਰੂ ਕੀਤਾ ਗਿਆ ਸੀ ਜਿਸਨੂੰ AI "ਟਿਕਾਊ" ਕਹਿੰਦਾ ਹੈ। ਮਾਡਲ ਸਿਰਫ ਇਹ ਮੰਨਦਾ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਹਮੇਸ਼ਾ ਵਧ ਰਿਹਾ ਹੈ. 3 ਮਹੀਨਿਆਂ ਵਿੱਚ, ਇਨਾਮੀ ਸ਼ਿਕਾਰੀ ਅੰਦਰ ਅਤੇ ਬਾਹਰ ਆਏ, ਅਤੇ ਟੋਕਨ ਨੇ ਇਸਦੇ ਮੁੱਲ ਦਾ 85% ਗੁਆ ਦਿੱਤਾ। ਸਬਕ: ਸਿੰਗਲ-ਸੀਨਰੀਓ ਏਆਈ ਮਾਡਲ ਸਥਿਰਤਾ ਦਾ ਸਬੂਤ ਨਹੀਂ ਹੈ।
ਕੇਸ 2 - ਵਿਰੋਧੀ ਦ੍ਰਿਸ਼ ਤਬਾਹੀ ਨੂੰ ਟਾਲਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਟੀਮ ਨੇ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਤੋਂ ਬਾਅਦ ਏਆਈ ਨੂੰ "ਪ੍ਰਤੀਕੂਲ ਦ੍ਰਿਸ਼ ਤਣਾਅ" ਪ੍ਰੋਂਪਟ ਲਾਗੂ ਕੀਤਾ। YZ ਨੇ ਮਾਰਕ ਕੀਤਾ ਕਿ ਵੈਸਟਿੰਗ ਕਲਿਫਸ (ਲਾਕ ਐਂਡ) ਉਸੇ ਮਹੀਨੇ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਅਤੇ ਉਸ ਮਹੀਨੇ ਵਿੱਚ ਵਿਕਰੀ ਦਾ ਬਹੁਤ ਦਬਾਅ ਹੋਵੇਗਾ। ਟੀਮ ਨੇ ਕੈਲੰਡਰ ਵੰਡਿਆ। ਸਬਕ: ਵਿਰੋਧੀ ਦ੍ਰਿਸ਼ AI ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਟੋਕਨੌਮਿਕ ਯੋਗਦਾਨ ਹੈ।
ਕੇਸ 3 - ਸਿਮੂਲੇਸ਼ਨ ਨੇ ਸੰਖਿਆ ਨੂੰ ਠੀਕ ਕੀਤਾ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਪਾਈਥਨ ਵਿੱਚ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਦਾ AI ਦਾ ਖਰੜਾ ਚਲਾਇਆ ਅਤੇ ਪਾਇਆ ਕਿ AI ਨੇ ਕਿਤੇ ਵੀ ਸੰਯੁਕਤ ਗਣਨਾ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਸੈੱਟ ਕੀਤਾ ਸੀ; 5-ਸਾਲ ਦੀ ਸਪਲਾਈ ਪੂਰਵ ਅਨੁਮਾਨ 30% ਦੁਆਰਾ ਬੰਦ ਸੀ. ਪਾਠ: AI ਫਾਰਮੂਲੇ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਪਰ ਟੂਲ ਗਣਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।
ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਮਾਪ
ਟੋਕਨੌਮਿਕਸ ਵਿੱਤੀ ਅਤੇ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ:
- ਵਿੱਤੀ ਸਲਾਹ ਨਹੀਂ: "ਨਿਵੇਸ਼ ਸਲਾਹ" ਦੇ ਤੌਰ 'ਤੇ ਕੋਈ AI-ਤਿਆਰ ਟੋਕਨੌਮਿਕਸ ਦੀ ਪੇਸ਼ਕਸ਼ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ; ਇਹ ਦੱਸਣਾ ਲਾਜ਼ਮੀ ਹੈ।
- ਪ੍ਰਤੀਭੂਤੀਆਂ ਦਾ ਜੋਖਮ: ਕੁਝ ਟੋਕਨ ਢਾਂਚੇ ਨੂੰ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਤੀਭੂਤੀਆਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਇਹ ਇੱਕ ਕਾਨੂੰਨੀ ਮੁਲਾਂਕਣ ਹੈ, AI ਫੈਸਲਾ ਨਹੀਂ ਕਰ ਸਕਦਾ।
- ਨਿਰਪੱਖਤਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ: ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਤੇ ਗੁਪਤ ਟੀਮ/ਨਿਵੇਸ਼ਕ ਸ਼ੇਅਰ ਭਾਈਚਾਰੇ ਲਈ ਇੱਕ ਨੈਤਿਕ ਮੁੱਦਾ ਹੈ।
- ਪੋਂਜ਼ੀ-ਵਰਗੇ ਢਾਂਚੇ: ਇਨਾਮ ਨੂੰ ਸਿਰਫ਼ ਨਵੇਂ ਪੈਸੇ ਦੇ ਪ੍ਰਵਾਹ ਨਾਲ ਜੋੜਨ ਦਾ ਮਾਡਲ ਅਸਥਿਰ ਅਤੇ ਅਨੈਤਿਕ ਹੈ; AI ਕਈ ਵਾਰ ਇਸਨੂੰ "ਟਿਕਾਊ" ਵਜੋਂ ਗਲਤ ਲੇਬਲ ਦੇ ਸਕਦਾ ਹੈ।
ਸੰਕੇਤ: ਸਭ ਤੋਂ ਤਿੱਖਾ ਸਵਾਲ ਜੋ ਟੋਕਨੌਮਿਕ ਮਾਡਲ ਦੀ ਸਿਹਤ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ: "ਇਨਾਮ ਕਿੱਥੋਂ ਆਉਂਦੇ ਹਨ - ਅਸਲ ਆਮਦਨ/ਵਰਤੋਂ ਤੋਂ, ਜਾਂ ਸਿਰਫ਼ ਨਵੇਂ ਟੋਕਨਾਂ ਅਤੇ ਨਵੇਂ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਮਿਨਟ ਕਰਨ ਤੋਂ?" AI ਨੂੰ ਹਮੇਸ਼ਾ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇਹ ਪੁੱਛਣ ਲਈ ਕਹੋ।
ਆਮ ਗਲਤੀਆਂ
- ਸਿੰਗਲ/ਆਸ਼ਾਵਾਦੀ ਦ੍ਰਿਸ਼ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ ਕੇਂਦਰ ਵਿੱਚ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
- ਸਿਮੂਲੇਸ਼ਨ ਨਾਲ AI ਖਾਤੇ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਫਾਰਮੂਲਾ ਡਰਾਫਟ ਹੈ, ਨਤੀਜਾ ਸੰਦ ਹੈ।
- ਵਿਰੋਧੀ ਵੈਸਟਿੰਗ ਕੈਲੰਡਰਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਿਕਰੀ ਦਾ ਦਬਾਅ ਪੈਦਾ ਹੁੰਦਾ ਹੈ।
- ਇਨਾਮ ਦੇ ਸਰੋਤ ਬਾਰੇ ਸਵਾਲ ਨਹੀਂ ਕਰਨਾ। ਪੋਂਜ਼ੀ ਵਰਗੀ ਬਣਤਰ ਲੁਕੀ ਹੋਈ ਹੈ।
- ਟੋਕਨੌਮਿਕਸ ਨੂੰ ਨਿਵੇਸ਼ ਸਲਾਹ ਵਜੋਂ ਪੇਸ਼ ਕਰਨਾ। ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਉਲੰਘਣਾ.
- ਪ੍ਰਤੀਭੂਤੀਆਂ/ਕਾਨੂੰਨੀ ਸਵਾਲ AI ਨੂੰ ਸੌਂਪਣਾ। ਇਹ ਇੱਕ ਮਨੁੱਖੀ/ਕਾਨੂੰਨੀ ਫੈਸਲਾ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
- ਟੋਕਨੌਮਿਕਸ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਦਾ ਆਰਥਿਕ ਪਿੰਜਰ ਹੈ; ਮਾੜਾ ਡਿਜ਼ਾਇਨ ਇੱਕ ਚੰਗੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਬਰਬਾਦ ਕਰਦਾ ਹੈ।
- ਏਆਈ ਮਾਡਲ ਵਰਣਨ, ਤੈਨਾਤੀ ਰੂਪਰੇਖਾ, ਅਤੇ ਵਿਰੋਧੀ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਮਜ਼ਬੂਤ; ਇਕੋ ਦ੍ਰਿਸ਼ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਵੀ ਖ਼ਤਰਨਾਕ ਹੈ।
- ਧੁਨੀ ਟੋਕਨੌਮਿਕਸ ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਸਾਬਤ ਹੁੰਦਾ ਹੈ, ਨਾ ਕਿ ਸੋਚ; AI ਯੋਜਨਾਵਾਂ, ਵਾਹਨ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ।
- ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ (ਰਿੱਛ, ਬਚਣ, ਵ੍ਹੇਲ) ਮਾਡਲ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
- ਇਨਾਮ ਦਾ ਸਰੋਤ ਸਵਾਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਟੋਕਨੌਮਿਕਸ ਨੂੰ ਵਿੱਤੀ ਸਲਾਹ ਵਜੋਂ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਟੋਕਨ ਲਈ, AI ਨੂੰ "ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ" ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਟੋਕਨੌਮਿਕ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਲਈ ਕਹੋ। ਫਿਰ "ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ ਤਣਾਅ" ਪ੍ਰੋਂਪਟ ਚਲਾਓ. ਅਸਲ ਵਿੱਚ ਇੱਕ ਸਪ੍ਰੈਡਸ਼ੀਟ ਵਿੱਚ ਜਾਂ ਪਾਈਥਨ ਵਿੱਚ AI-ਨਿਰਮਿਤ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਚਲਾਓ ਅਤੇ ਸੰਖਿਆਵਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਮਾਡਲ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸਥਿਰਤਾ ਖਤਰੇ ਦੀ ਪਛਾਣ ਕਰੋ (ਜਿਵੇਂ ਕਿ ਵਿਵਾਦਪੂਰਨ ਵੈਸਟਿੰਗ, ਨੋ-ਮਾਲੀਆ ਇਨਾਮ) ਅਤੇ ਲਿਖੋ ਕਿ ਇਸਨੂੰ ਕਿਵੇਂ ਠੀਕ ਕਰਨਾ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਮਾਡਲ ਸਕੈਚ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਵਾਹਨ ਦੇ ਨਾਲ ਨਿਕਾਸ/ਸਪਲਾਈ ਦੀ ਗਣਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਵਿਵਾਦ ਲਈ ਵੈਸਟਿੰਗ ਕੈਲੰਡਰਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਇਨਾਮ ਦੇ ਸਰੋਤ (ਅਸਲ ਆਮਦਨ ਜਾਂ ਨਿਕਾਸ) ਬਾਰੇ ਸਵਾਲ ਕੀਤਾ।
- [ ] ਮੈਂ ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕੀਤੀ ਹੈ "ਇਹ ਵਿੱਤੀ ਸਲਾਹ ਨਹੀਂ ਹੈ।"
- ਮੈਂ ਪ੍ਰਤੀਭੂਤੀਆਂ/ਕਾਨੂੰਨੀ ਸਵਾਲ ਮਨੁੱਖੀ/ਵਕੀਲ 'ਤੇ ਛੱਡਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਕਿਹਾ ਕਿ ਸੰਖਿਆਵਾਂ ਨੂੰ ਮਨੁੱਖੀ ਤੌਰ 'ਤੇ ਕੈਲੀਬਰੇਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।