原文タイトル：AIが予測市場をどのように拡大させるか：LLMをブロックチェーンにロックして裁定のためのケースを提起する
原著者：Andrew Hall，a16zcrypto
翻訳：Peggy，BlockBeats

Editor's Note: The value of prediction markets lies not in "betting," but in whether they can sustainably provide reliable price signals. However, as transaction volume grows, the most easily overlooked yet most fatal bottleneck is emerging: how contracts settle. From the undetectable nature of the Venezuela general election, to manipulation and conflicts of interest brought about by map updates, website updates, and token voting, controversies often arise not from the prediction itself, but from "who arbitrates."

In this article, author Andrew Hall (@ahall_research) proposes a more radical approach: encoding a specific version of a large language model (LLM) and prompts onto the blockchain, enabling AI to serve as an auditable and predictable adjudication mechanism, replacing governance and gaming with engineering. It may not be perfect, but perhaps it is a threshold that prediction markets must overcome to scale.

The following is the original text:

Last year, the results of the Venezuelan presidential election brought in over $6 million in contract volume to prediction markets. However, when the vote count was completed, the market found itself in an almost intractable situation: the government announced Nicolas Maduro’s victory, while the opposition and international observers accused electoral fraud. So, should the contract settlement of the prediction market be based on "official information" (Maduro's victory) or on the "trusted consensus of reports" (opposition winning)?

In this Venezuelan election case, observers’ accusations ranged from allegations that the rules were ignored, participants' "money was stolen," to describing the protocol used to handle disputed contracts as a "stage for a high-stakes political drama with 'judges, juries, and executioners,'" and some directly called it "heavily manipulated."

This is not an isolated incident, but a symptom that I believe will recur frequently in the process of scaling prediction markets and may even be one of the biggest bottlenecks: contract resolution.

The stakes here are very high. If settlement is done correctly, people will trust your market, be willing to trade in it, and prices will become socially meaningful signals. If settlement is done wrong, the trading experience becomes frustrating and unpredictable. Participants may slowly leave, liquidity faces the risk of drying up, and prices no longer reflect an accurate prediction of a "stable target." Instead, prices begin to embody a mixture of things: not only the probability of the actual event occurring but also traders' judgment on "how the distorted settlement mechanism will ultimately adjudicate."

ベネズエラの論争は非常に目立っていますが、各プラットフォームでより隠れた失敗が頻繁に発生しています：

ウクライナの地図操作事件は、攻撃者が清算メカニズムを直接「操作」できることを示しています。土地の支配権に関する契約が、オンライン地図の1枚に従って清算されることが規定されています。ある人物がこの地図を編集し、契約の最終結果に影響を与えたと非難されています。「真実の出所」そのものが操作され得る場合、あなたの市場も操作され得るということになります。

政府シャットダウン契約事件は、清算情報ソースが不正確であり、少なくとも予測できない結果をもたらす可能性があることを示しています。この契約では、市場がアメリカ合衆国行政管理局（OPM）ウェブサイトによる「シャットダウン終了」と表示される時間に基づいて清算されることになっています。トランプ大統領が11月12日に予算法を署名しましたが、なぜかOPMウェブサイトは11月13日まで更新されませんでした。12日にシャットダウンが終了すると正確に予測した取引者たちは、最終的にはウェブサイト管理者の遅延によって負けることになりました。

ゼレンスキー・スーツ市場は、利益相反の懸念を引き起こしました。契約では、ウクライナ大統領ゼレンスキーがあるイベントでスーツを着るかどうかを尋ねています — 些細な問題のように見えますが、2億ドル以上の賭けを呼び起こしました。ゼレンスキーがNATOサミットに出席し、BBCやニューヨークポストなどのメディアが「スーツ」と呼んだ服を着用していたとき、市場は最初「Yes」と清算されました。しかし後に、UMAトークンの保有者が結果に異議を唱え、清算は「No」と逆転しました。

この記事では、大規模な言語モデル（LLM）と暗号技術を巧みに組み合わせることで、我々がスケーラブルな清算方法を作成し、それがほとんど操られないものであり、正確で完全に透明であり、かつ信頼できる中立的なものになるかどうかを探求します。

これは単なる予測市場の問題ではありません

同様の問題は金融市場でも発生しています。国際スワップおよびデリバティブ協会（ISDA）は、信用デフォルトスワップ（CDS）市場で長年にわたり清算/確定の問題と闘ってきました — この種の契約は、企業や国が債務不履行に陥ったときに支払いをするものです。ISDAは、2024年の検討報告書でこれらの問題を非常に率直に説明しています。彼らの「確定委員会」は、主要な市場参加者からなり、投票によって「信用イベント」が発生したかどうかを判断します。しかし、この過程は常に不透明であり、利益相反がある可能性があり、結果が一貫していないと非難されており、これはUMAのプロセスと非常に似ています。

根本的な問題は同じです：巨額の資金が曖昧なイベントの「実際の発生」に依存する場合、どんな清算メカニズムも博弈や攻撃の標的になります。そして、どんな曖昧さも、紛争の引火点になり得ます。

それでは、良い決済メカニズムとはどのようなものでしょうか？

良いソリューションに必要な特性

実現可能な任意のソリューションは、いくつかの主要特性を同時に満たす必要があります：

操縦への耐性
攻撃者がウィキペディアを編集したり、フェイクニュースを広めたり、オラクルを贈賄したり、またはプログラムの脆弱性を悪用して決済に影響を与えることができる場合、市場は「誰が最も操縦するか、誰が勝つか」ではなく、「誰が最も予測するか、誰が勝つか」になります。

合理的な正確性
メカニズムは、ほとんどの場合、ほとんどの時間において正しい決済を提供する必要があります。世界には本来、真の曖昧さが存在しているため、絶対的な正確性は不可能ですが、系統的な偏差や明白な誤りは信頼性を根底から崩壊させます。

事前の透明性
取引参加者は賭けを行う前に、決済方法を明確に知っている必要があります。契約が進行中にルールを変更することは、プラットフォームと参加者の間で最も基本的な契約を破壊することと同じです。

信頼性のある中立性
参加者は、メカニズムがどの取引参加者やどの結果にも偏っていないと信じなければなりません。これが、多くの UMA トークンを保有する人々に自己賭けを判断させることが問題になる理由でもあります。彼らが公正を保持していても、利益相反の「外観」が信頼を損なう可能性が十分にあります。

人工委員会は、特定の特長においては標準を達成できる場合がありますが、抵抗性や中立性の信頼性など、特に規模化した場合には困難な側面もあります。UMAなどのトークン投票システムでは、「クジラ主導」や利益相反など、以前から話題になっている問題が存在します。

それがAIが介入できる場所なのです。

なぜLLMを裁判官として利用するか

予測市場のコミュニティでは、注目を集めている提案の1つは：大規模言語モデルを決済の「裁判官」として配置し、契約作成時に具体的なモデルとプロンプトをブロックチェーンにロックすることです。

基本的な構造は次のようになります：契約作成時に、メーカーは決済基準を自然言語で明記するだけでなく、判定結果に使用されるLLM（タイムスタンプ付きモデルバージョン）と、それに与えられる完全なプロンプトを明確に指定しなければなりません。

この規定は暗号化された形で提出され、ブロックチェーンにバインドされます。トランザクションが開始されると、参加者は全体の決済メカニズムを確認できます－－彼らはどのAIモデルが裁定を行うか、どのプロンプトを受け取るか、どの情報源にアクセスできるかを明確に把握しています。

彼らがこの設定を認識しない場合、取引に参加しません。決済時には、チェーン上で確約されたLLMが確約されたプロンプトを使用して実行され、指定された情報ソースにアクセスし、裁定結果を提供します。この出力が直接補償の受益者を決定します。

この方法は複数の重要な制約を同時に満たすことができます：

強力な操縦に対する抵抗（絶対ではない）
ウィキペディアのページや小規模ニュースサイトとは異なり、一般的なLLMの出力を「書き換える」ことは簡単ではありません。モデルのウェイトは確約時に固定されます。決算を操縦するために、攻撃者はモデルが依存する情報ソースを破壊するか、モデルの訓練データを事前に改ざんする必要があります。占い師を買収したり、地図を編集するよりも、このような攻撃はコストが高く、結果も不確実です。

より高い精度
推論型モデルの能力が急速に向上し、インターネットを介して情報を取得し証拠を補完することができる状況では、LLM裁判は多くの市場に正確に裁定できるはずです。その精度に関する実験も進行中です。

内蔵された透明性
誰もが賭けを行う前に、全体の決算メカニズムは見え、監査可能です。途中で規則を変更することはありませんし、「自由裁量」による緊急判断もありません。参加者は自分が署名したものが何かを明確に理解しています。

信頼性と中立性を大幅に向上
LLMは決算結果に経済的な関心を持ちません。買収されることはなく、UMAトークンを持っていません。バイアスがあるにしても、それはモデル自体の特性によるものであり、利害関係者による緊急の判定ではありません。

もちろん、LLM裁判には制限がありますが、以下でさらに説明します。

LLM裁判の制限

モデルには誤りがあります
LLMはニュースを誤解する可能性があり、事実を捏造する可能性があり、同様なケースで一貫性のない裁定ロジックを使用する可能性があります。ただし、取引者が事前に自分の賭けに対応するモデルを知っていれば、これらの「欠点」を価格設定に組み込むことができます。モデルが完璧である必要はありませんが、予測可能である必要があります。

操縦は不可能ではありませんが、より困難です
プロンプトが特定のニュースソースを指定している場合、攻撃者はそのニュースソースに「記事を植え付けよう」と試みるかもしれません。大手メディアではコストが高くつきますが、小規模メディアでは可能かもしれません。これは「地図の編集」の問題が別の形で再現されることになります。したがって、プロンプトの設計は非常に重要です。単一の情報源に依存するよりも、複数の情報源と余剰情報に依存するメカニズムの方が頑強です。

毒入れ攻撃は理論上存在する
十分なリソースを持つ敵対者は、将来の決定をバイアスするためにトレーニングデータに影響を与えようと試みるかもしれません。しかし、これは契約が登場する前に事前に行動することが必要であり、リターンは不確かでコストが非常に高いため、特定の委員会メンバーを贿賄するよりはるかにハードルが高くなります。

LLM レファリーの多様化により調整の問題が発生する可能性があります
異なる市場クリエイターが異なるモデルとプロンプトを約束した場合、流動性が分断される可能性があります。トレーダーは契約を横断して比較することが難しく、市場間で情報をまとめることが難しくなります。標準化は価値がありますが、市場が試行錯誤し、最適な LLM+prompt の組み合わせを見つけることも価値があります。合理的なアプローチは、両者を組み合わせることです：実験を許可する一方で、コミュニティが徐々に検証済みのデフォルトソリューションに収束する仕組みを構築することです。

ビルダーの次のステップは？

要約すると：AI レギュレーションは、本質的に問題のセット（人間の偏見、利益相反、不透明性）を別の問題のセット（モデルの能力制限、プロンプトエンジニアリングの難問、情報源の脆弱性）に置き換えるものです。ただし、後者はより制御可能で工学的に扱いやすい場合があります。次のステップは何でしょうか？プラットフォームは次のようにすべきです：

低リスクな契約で実験を開始する
低リスクな市場で LLM レギュレーションをテストし、実績を築きます。どのモデルが最も優れていますか？どのようなプロンプト構造がより堅実ですか？実際にはどのような障害モードが発生しますか？

標準化を推進する
ベストプラクティスが次第に浮かび上がってくると、コミュニティはデフォルトの標準LLM+promptの組み合わせとして採用すべきものを推進すべきです。これはイノベーションを妨げるものではありませんが、流動性が「みんながルールを理解している市場」に集中するのに役立ちます。

透明性のあるツールを構築する
例えば、インターフェースを開発し、トレーダーがベットを行う前に容易に決済メカニズム全体を確認できるようにします—モデル、プロンプト、情報源を含む。決済ルールは、長たらしい規則の中に隠れているべきではありません。

持続的なガバナンス
AIレファリーを導入しても、人間はまだ「メタレベルの意思決定」を行う必要があります：どのモデルを信頼すべきか？モデルが明らかに間違った回答を出した場合はどうすればよいか？デフォルトのソリューションはいつ更新されるべきか？目標は、人間を完全にシステムから排除することではなく、仮の、ケースバイケースの裁定から人間を引き離し、体系化されたルール作りに移行することです。

予測市場には、多様な世界を理解するのに役立つ巨大な潜在能力があります。しかし、その潜在能力は信頼に依存しており、信頼は公正な契約の決済に依存しています。私たちは決済メカニズムが失敗した際に何が起こるかをすでに見てきました：混乱、怒り、トレーダーの離脱。私は、ある結果が「彼らのベットした精神に違反した」と感じ、騙されたと感じた人々が直ちに憤慨し、以後、予測市場に再び足を踏み入れなくなったことを目撃しました。彼らがかつてそのようなプラットフォームを愛していたにもかかわらずです。これは、予測市場の価値を引き出し、より広範囲に活用する機会を失ったことを意味します。

LLM 判定は完璧ではありません。ただし、暗号技術と組み合わせると、透明性、中立性を実現し、人間中心のシステムに長らく悩まされてきた操作手法に対抗することができます。予測市場がガバナンスメカニズムのイテレーションよりも速く拡大する時代において、これが我々が必要としているものかもしれません。

[Original Link]

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia