Je viens de tomber sur quelque chose que Vitalik a récemment partagé à propos du financement profond, et c'est en fait assez intéressant. Il parle essentiellement de combiner deux approches différentes - et il vaut la peine de comprendre ce qu'il veut dire ici.

La première partie concerne les graphes de valeur. Au lieu de poser la question impossible « combien X a-t-il contribué à l'humanité », vous inversez : « quelle part de la contribution de Y provient réellement de X ? » Cela peut sembler un petit changement, mais c'est en réalité astucieux. Mesurer la contribution abstraite est notoirement difficile - il y a tout un problème où les gens diront qu'ils paieraient 80 $ pour sauver 2000 oiseaux, mais aussi 80 $ pour sauver 200000 oiseaux. Cela n'a aucun sens. Mais demander « ce qui compte le plus pour C, A ou B ? » - c'est quelque chose auquel les gens peuvent réellement répondre.

La deuxième partie concerne le raffinement du jugement humain par une couche communautaire profonde. En gros, n'importe qui peut proposer des suggestions en utilisant la méthode qu'il souhaite - modèles d'IA, algorithmes, peu importe. Ensuite, vous avez des jurys humains qui vérifient aléatoirement des échantillons de ces suggestions. La soumission qui correspond le mieux à ce que pense le jury devient le résultat.

Ce qui est intéressant ici, c'est la façon dont cela tente de résoudre le problème de l'échelle. Vous ne pouvez pas faire évaluer tout par des humains, mais vous ne pouvez pas non plus faire confiance uniquement à la sortie algorithmique. Ce compromis - combiner les suggestions de l'IA avec une vérification humaine ciblée - est quelque chose que nous allons probablement voir davantage dans les mécanismes de financement à l'avenir.

Vitalik réfléchit à ces mécanismes depuis un certain temps, et cela ressemble à une évolution naturelle de ces idées. À suivre si vous vous intéressez à la façon dont les communautés pourraient allouer les ressources plus efficacement à l'avenir.