Come progettare una migliore governance on-chain

Il tema della governance on-chain è sempre stato controverso. Mentre la governance off-chain è generalmente percepita come goffa, la governance on-chain ha consentito agli sviluppatori di creare protocolli sempre più complessi consentendo agli utenti di influenzare la direzione di una rete. Ma questi sono essenzialmente tutti giochi che, se mal configurati o forniti con incentivi sbagliati, possono portare la catena verso il disastro.

In “ Che cos'è la Futarchia? — Trading the Future ”, Freiderike Ernst, cofondatrice di Gnosis, evidenzia le metodologie standard del voto on-chain. Poiché il paradigma "ONE voto per persona" è vulnerabile agli attacchi Sybil su reti senza autorizzazione (ONE persona può dividere il proprio capitale su più account ed esprimere più voti), il potere di voto di un utente è solitamente ponderato in base all'importo del token in suo possesso. Le lotterie e i registri curati dai token utilizzano lo stesso metodo per evitare Sybils.

Robin Hanson propone un nuovo modello di governance chiamato futarchia , in cui le decisioni vengono prese non sulla base dei voti, ma sui risultati dei Mercati di previsione sulla misura del benessere dell'organizzazione, che è un indicatore della crescita o della morte della rete. I partecipanti al mercato scommetteranno sul valore futuro della misura di welfare.

Le scommesse vengono solitamente implementate utilizzando gettoni risultato, ognuno dei quali rappresenta ONE particolare risultato del mercato e il cui valore monetario è determinato dall'eventuale misura di benessere. Le buone previsioni vengono premiate e le cattive previsioni comportano perdite.

Utilizzando i token di risultato, i partecipanti possono anche scommettere sul valore della misura di welfare subordinata all’attuazione della Politiche . Ad esempio, un partecipante può fare una scommessa che paga un profitto se la Politiche viene implementata e la misura di welfare aumenta di un certo importo, ma viene annullata se la Politiche non viene implementata.

Per una società quotata in borsa che sceglie il prezzo delle azioni come misura di welfare e sta valutando la possibilità di licenziare il proprio CEO, il risultato è che l’organizzazione ottiene due previsioni, il prezzo futuro delle azioni se il CEO viene licenziato e il prezzo futuro delle azioni se il CEO viene mantenuto. Come puoi vedere dal grafico qui sotto:

Con la futarchia viene attuata la decisione che porta alla misura di welfare più alta possibile. Poiché la previsione finale del prezzo delle azioni subordinata al fatto che il CEO venga eliminato è superiore alla previsione subordinata al mantenimento del CEO, il CEO viene rimosso dalla società. Ciò elimina tutte le emozioni dal processo decisionale e consente all'organizzazione di prendere decisioni razionali basate su quella che viene comunemente definita "saggezza della folla" per migliorare i propri valori.

L’implementazione di un market maker per facilitare gli scambi tra i partecipanti pone alcune sfide. Se vogliamo utilizzare la futarchia per valutare contingenze più complesse, i Mercati raggiungono rapidamente decine di centinaia di token. Qui, il “ problema del mercato sottile ” alza la testa: non ci sono abbastanza partecipanti per correggere adeguatamente le probabilità di così tanti risultati. La soluzione naturale è un market Maker automatizzato (AMM).

Una soluzione semplice è l' implementazione della funzione di costo della regola del punteggio di mercato logaritmico . Sfortunatamente, questa implementazione non consente modifiche ad hoc della liquidità, che di solito si traducono in un mercato troppo superficiale per accogliere tutti i partecipanti o troppo profondo per produrre effettivamente risultati significativi. La regola di punteggio di mercato logaritmico sensibile alla liquidità (LS-LMSR) mitiga questo problema, ma la soluzione introduce nuovi difetti, il più grave dei quali è una vulnerabilità di arbitraggio che si verifica in tutti i market maker di regole di punteggio tranne LMSR .

I market maker con funzione costante Cripto (CFMM) come Balancer gestiscono meglio l'aspetto della liquidità consentendo agli LP di depositare e prelevare dinamicamente liquidità e sono più familiari ai nativi Cripto , ma soffrono dello stesso problema di LS-LMSR. Tuttavia, si scopre che durante i giorni di mercato delle previsioni, Gnosis sembra aver trovato un'implementazione CFMM dell'LMSR che combina il meglio di entrambi i mondi.