Белая Бумага Fractally. Дополнение 1

Перевод оригинальной статьи Дэна Ларимера - @dan/fractally-white-paper-addendum-1

Это сообщение является обновлением идей и концепций, представленных в белой книге ƒractally, на основе уроков, полученных за последние 4 месяца экспериментов сообщества с процессом, используя Hive в качестве реестра. Некоторые из принципов, которыми руководствуется это обновление, включают:

1. Пределы точности субъективного суждения
2. Неизменный от масштаба дизайн (от 20 человек)
3. Необходимость усреднения во времени
4. Минимизация времени встреч
5. Предсказуемый выпуск токенов

Пределы субъективного суждения

Мы пришли к моделированию людей как научного инструмента, пытающегося оценить относительную ценность прошлого вклада каждого человека по отношению к его прошлому признанию. При этом каждый инструмент имеет свою шкалу, и мы пытаемся объединить различные ценности всех членов сообщества, чтобы прийти к консенсусу. На еженедельных встречах обычно легко определить наибольший и наименьший вклад, но сложнее ранжировать двух людей с близкими уровнями вклада. Это осложняется тем, что один и тот же человек, оценивающий один и тот же вклад, может иметь разные мнения в разные дни.

Поэтому мы можем предположить, что любое данное измерение имеет большую погрешность и что для получения более точной оценки консенсуса сообщества необходимо провести много измерений.

Мы также можем предположить, что не все люди одинаково искусны в вынесении таких оценочных суждений, поэтому средняя ошибка по всему населению, вероятно, намного больше, чем средняя ошибка в верхней половине населения. Этот навык в оценке вклада, вероятно, распределен по Парето и, следовательно, имеет фрактальную структуру. Это означает, что верхняя четверть людей, вероятно, гораздо лучше в вынесении ценностных суждений, чем верхняя половина.

Тем не менее, даже самый опытный человек оперирует ограниченной информацией, и ему будет трудно различать вклады. Поэтому, если мы применим фрактальную схему управления, как описано в белой бумаге, с 5 раундами, то в последующих раундах, скорее всего, ошибки будут усиливаться, поскольку все меньше и меньше измерений отвечают за распределение все большего и большего процента бюджета сообщества.

С другой стороны, если у нас будет только 1 раунд, то шум от менее квалифицированных участников будет доминировать. Согласно модели, описанной в белой бумаге Fractally, сообщество должно насчитывать не менее 30 человек, чтобы пройти во второй тур, состоящий всего из 5 человек. Этим 5 лучшим людям будет трудно точно оценить друг друга, что приведет к увеличению шума.

Неизменный от масштаба дизайн

В идеальном мире правила управления не должны меняться по мере роста сообщества. Это означает, что всегда должно быть одинаковое количество раундов, независимо от размера сообщества. Дизайн, который мы представляем в этом обновлении, подойдет для любого сообщества, в котором каждую неделю участвует не менее 20 человек.

Первый раунд

В первом раунде все случайным образом распределяются на группы по 5 или 6 человек, которые должны прийти к консенсусу относительно того, кто внес наименьший вклад (уровень 1) и кто внес наибольший вклад (уровень 6). В отличие от текущей системы ранжирования Genesis Fractal, порядок ранжирования трех лучших участников (уровни 4, 5 и 6) не имеет значения, потому что во второй раунд проходят три лучших участника из каждой группы. Поскольку порядок трех лучших участников не требует согласования в первом раунде, это должно значительно сократить время, необходимое для достижения консенсуса.

Второй раунд

Во втором раунде 3 лучших участника первого раунда объединяются в случайные группы и должны прийти к консенсусу относительно того, кто внес наименьший вклад (уровень 3), а кто наибольший (уровень 8). Этот раунд будет проходить аналогично тому, как в настоящее время работает Genesis Fractal.

Благодаря этой модели сообщество может определить 9% лучших участников всего за два раунда. Очень важно, что во втором раунде всегда есть как минимум 3 группы, даже если в сообществе всего 20 человек. Это означает, что всегда будет как минимум 3 человека, достигших 8-го уровня. После 4 месяцев экспериментов мы считаем, что это может быть пределом человеческих суждений и что дальнейшее ранжирование 8 лучших скорее всего внесет шум в измерения и даст преимущество сильнейшим действующим лицам. Если мы предположим, что лучшие люди надежно распознаны в предыдущих раундах, то каждый последующий раунд будет иметь тенденцию продвигать аналогичную группу людей. Если мы позволим этой группе людей продвигать людей дальше вверх по последовательности Фибоначчи, то они будут разбавлять влияние предыдущих раундов и усиливать ошибки отдельных измерений.

Одна из оговорок этой новой модели заключается в том, что не все, кто будет продвинут во 2 раунд, гарантированно получат уровень выше, чем самый высокий уровень, который не был продвинут из 1 раунда. Это было сделано для того, чтобы уменьшить дополнительное преимущество между 3 и 4 уровнями 1 раунда. При распределении Фибоноччи это преимущество уже переходило от получения уважения 3 к уважению 5 (~60/40 от 8), но теперь разрыв будет также включать возможность достичь уровней от 5 до 8. Это могло бы затруднить для участников Раунда 1 решение о том, кто должен быть Уровнем 3. Если сделать самый низкий Уровень, присвоенный участниками 2 раунда, равным самому высокому Уровню, присвоенному участниками 1 раунда, это устранит разницу в Уважении, распределенном в 1 раунде между теми, кого они отнесли к 3 Уровню, и теми, кого они продвинули во 2 раунд. Это позволяет группам 2 раунда устранить эту разницу.

Чистый эффект заключается в том, что если вы не считаете, что, скорее всего, достигнете Уровня 4-8 во 2-м раунде, то вам нечего выигрывать от повышения. Для перехода во 2-й раунд требуется участие в еще одном собрании. Другими словами, начиная второй раунд с уровня 3, мы облегчаем участникам первого раунда достижение консенсуса.

Усреднение по времени

Одним из эмоционально сложных аспектов процесса ранжирования является то, что иногда в группу из 6 человек случайным образом попадают многие из лучших людей сообщества. Когда это происходит, кому-то приходится занимать более низкое место, даже если он внес гораздо больший вклад, чем люди из других групп. С другой стороны, в некоторые группы случайным образом попадают люди, которые внесли очень маленький вклад, и кому-то везет, и он занимает место намного выше, чем лучший участник. Это достаточно плохо, когда есть только один раунд, и это будет серьезно усилено, когда вводится несколько раундов, если только человек с самым высоким рейтингом будет продвигаться во второй раунд.

Этот шум, вносимый необходимой случайностью, в сочетании с ограничениями в нашей способности надежно сравнивать относительные значения, означает, что члены сообщества должны доверять процессу в течение долгого времени и не впадать в уныние (или чрезмерный оптимизм) из-за результатов одной недели.

Мы поняли, что средний уровень человека, вероятно, является более точным средством оценки его среднего вклада за определенный период времени. Этот средний уровень объединяет мнения не только одной случайной группы из 6 человек, но потенциально от 6 до 12 случайных групп людей, в зависимости от того, сколько недель вы считаете в среднем - от 6 до 12.

Тот, кто каждую неделю стабильно достигает 8-го уровня, скорее всего, вносит гораздо больший вклад (с гораздо большим консенсусом в отношении этого вклада), чем тот, кто в среднем достигает уровня 7,5. Разница между средним уровнем 7,5 и 7,6 больше, чем между 7,4 и 7,5.

В соответствии с дизайном, представленным в белой книге Fractally, Уважение распределялось в соответствии с AVERAGE( FIBONACCI( LEVEL) ). Теперь мы предлагаем, чтобы Уважение распределялось в соответствии с FIBONACCI( AVERAGE(LEVEL) ). Это означает, что нам нужна непрерывная функция Фибоначчи.

Следствием этого метода усреднения является то, что никто не может появиться только на одну неделю, получить высокий рейтинг и заработать большую сумму из-за экспоненциальной природы вознаграждения за уважение относительно уровня. Вместо этого, чтобы подняться по кривой, вы должны в среднем получать высокий уровень в течение долгого времени. Это должно значительно снизить социальные издержки сговора/ошибки в одной группе.

Это также означает, что вы можете заработать что-то даже в те недели, когда не посещаете собрания. Ваш средний показатель снизится, если вы включите 0-й уровень, но вы все равно получите некоторую компенсацию. В итоге количество "Уважения", выделяемого человеку от недели к неделе, становится гораздо более стабильным.

На диаграмме ниже показано, сколько бы зарабатывалось каждую неделю, если бы кто-то появился и начал достигать наивысшего Уровня (8) каждую неделю в течение 26 недель, а затем ушел и получил Уровень (0). Обратите внимание, что после 12 недель непосещения кто-то перестал бы быть членом клуба, и его доход упал бы до 0. Этот график не учитывает потерю членства, которая имела бы приоритет, но предназначен для представления относительной формы кривой.

Среднее рассчитывается как NEW_AVERAGE = (CURRENT_AVERAGE * 5 + NEW_LEVEL)/6. Это скользящее взвешенное среднее является приближением, которое легко рассчитать, но существует ряд различных видов средних, которые могут работать подобным образом. Чистое скользящее оконное среднее будет подниматься от 0 до максимума всего за 6 недель и опускаться от максимума до 0 за 6 недель, в то время как эта функция имеет больше импульса, который, как я полагаю, может лучше отобразить репутацию.

Распределение токенов

Один из наиболее часто задаваемых нам вопросов - "какова токеномика", поскольку токеномика является одним из наиболее важных аспектов при оценке стоимости. Биткойн имеет токеномику, которая гарантирует, что когда-либо будет только 21 миллион токенов, а скорость эмиссии будет падать на 50% каждые 4 года. Эта простая модель позволяет спекулянтам легко оценить спрос и предложение.

Модель, представленная в Белой бумаге Фракталли, зависела от многих переменных, таких как количество членов сообщества, принимающих участие в каждую конкретную неделю. Это усложняет моделирование скорости эмиссии, которая может радикально измениться со временем.

Согласно первоначальному проекту, когда сообщество достигает максимального размера, скорость эмиссии становится постоянной, а уровень инфляции приближается к 0% APR. Это означает, что сообщество не размывает ценность старых вкладов по сравнению с текущими вкладами, и в конечном итоге токен будет стагнировать из-за недостаточного финансирования необходимых мероприятий по поддержанию сообщества.

Кроме того, распределение токенов изначально не направлено на ранних последователей, которые берут на себя наибольший риск, что означает, что эти ранние последователи будут быстро разбавлены массой поздних последователей, которые появятся, когда риск значительно снизится.

Учитывая эти два факта, мы предлагаем такой темп эмиссии, который снижается на 50% в год (непрерывно), пока годовой уровень инфляции не достигнет 5% APR, после чего он остается постоянным. Эта цифра в 5% соответствует моей теории универсального наследования ресурсов (изложенной в моей книге "Более равные животные"), где ресурсы мира справедливо распределяются во времени от одного поколения к другому.

Мы также предлагаем, чтобы начальный курс составлял 1 миллион токенов в неделю. Учитывая эти параметры, можно построить тривиальный график предложения токенов в течение следующих 24 лет.

Ключевое различие между инфляцией, выделяемой фрактальным управлением, и инфляцией других валют заключается в том, что фрактальное управление с большей вероятностью распределит инфляцию среди тех, кто производит общественные блага, которые увеличивают стоимость валюты, а не присваиваются инсайдерами и коррупционерами.

Учитывая, что эта токеномика является фиксированной, нам нужен способ привязать динамическое количество уважения от еженедельного посещения собраний к этому фиксированному предложению. Это достигается путем деления общего количества токенов, распределяемых на пропорциональной основе, на общее количество уважения, распределяемого на собраниях. В более общем виде это можно смоделировать как две валюты, одна из которых распределяет доли инфляции в другой валюте. Доли инфляции сгорают при конвертации во вновь выпущенную валюту с фиксированным курсом.

Затем сообщество может динамически регулировать распределение долей инфляции между еженедельными встречами, командами, производителями блоков, контентом в социальных сетях, вознаграждениями за ликвидность и стейкингом, не влияя на общую картину стабильного и предсказуемого предложения валюты.

Миграция Genesis Fractal

Фрактал Genesis работает уже несколько недель, и я бы предложил, чтобы предложение валюты, указанное в приведенной выше модели за этот период времени, было пропорционально распределено между держателями уважения, которые участвовали до сих пор. Затем мы можем использовать новую модель, которая более адекватно признает ранних последователей, которые делают все это возможным. При большем уважении к первопроходцам у людей будет больше стимулов присоединиться раньше и помочь нам найти наиболее жизнеспособные способы сотрудничества для нашей общей выгоды.

Отказ от ответственности

Все в этом посте находится в стадии разработки и представлено исключительно в целях обсуждения. Окончательное распределение токенов будет зависеть от консенсуса Генезис Фрактала.