16 октября 2018 bitnovosti.com
Базовые понятия «криптоэкономики»: Если в 2017 г. вы соприкасались с миром криптовалют, вы, вероятно, встречали термин «криптоэкономика». Если нет, то, наверное, вас можно простить за то, что упустили его среди более увлекательных лингвистических изобретений в криптовалютном пространстве. Этот пост Ника Томаино и это видео Виталика Бутерина могут ввести вас в тему.
Если кратко, то криптоэкономика – это комбинация криптографии и экономических стимулов с целью разработки надёжных децентрализованных протоколов и приложений. Согласно данной линии мышления, Биткоин преуспел там, где потерпели неудачу другие децентрализованные протоколы, не из-за доказательства выполнения работы, идеи децентрализованных денег или даже отказоустойчивого консенсуса, но благодаря криптоэкономике, заложенной в его протокол консенсуса. Таким образом, грандиозный план криптоэкономики сводится к экстраполяции этого успеха и внедрению криптоэкономических стимулов везде – в транзакции, вычисления, хранение, прогнозы, управление.
Блокчейны позволяют обеспечить дефицит и способствуют передаче стоимости там, где иначе это было бы невозможно, этим самым радикально расширяя спектр проблем, к которым можно успешно приложить экономические стимулы. С такой точки зрения криптоэкономические системы – это принципиально новые способы мотивирования человеческого поведения. И их потенциал огромен.
Хотя в теории это может казаться простым, проектирование экономических стимулов – сложная задача. Существует даже целая экономическая поддисциплина, посвящённая изучению подходов к разработке протоколов, мотивирующих рациональных участников действовать социально желательными способами. Она носит название дизайн механизмов. Хотя в последнее время теме криптоэкономики было посвящено немало текстов, практически отсутствуют свидетельства внедрения формальных методов дизайна механизмов в разработку большинства новых блокчейн-протоколов (за несколькими примечательными исключениями, которые мы обсудим).
Мягко говоря, это упущенная возможность. Другие формулировали это более жёстко:
«Создавать токены без изучения дизайна механизмов – всё равно что разрабатывать новые криптосистемы, не читая статей о криптовалютах»
Цель настоящей статьи – представить базовые понятия дизайна механизмов и обрисовать их применение в криптовалютном мире. Если вы работаете над блокчейн-протоколом или приложением, здесь вы сможете найти отсылки к вводным ресурсам по дизайну механизмов. Я надеюсь, что после прочтения статьи вы будете:
убеждены, что дизайн механизмов крайне важен для разработки надёжных децентрализованных систем;
вооружены базовыми ресурсами для начала обучения применению инструментов дизайна механизмов в вашей работе. Заметьте, пожалуйста, что я не эксперт ни по криптовалютам, ни по дизайну механизмов, так что буду рад отзывам тех, кто таковыми является.
Для начала я кратко опишу ключевые понятия и определения дизайна механизмов. Цель – максимально доступно представить базовый жаргон дизайна механизмов, чтобы было понятно дальнейшее обсуждение криптовалютных приложений. Задача предоставить формальное введение в дизайн механизмов не ставилась. Для этого лучше ознакомиться с чем-нибудь из следующего:
Эта глава из работы Винсента Коницера; эта статья Мэттью Джексона и его курс в двух частях в сотрудничестве с коллегами; Глава 7 этого вводного текста по теории игр авторства Фанденберга и Тироля.
Заметьте, что это лишь некоторые ресурсы, которые я нашёл полезными для знакомства с темой. Поскольку дизайн механизмов – основательная область экономических исследований, я уверен, что есть много других.
Что такое дизайн механизмов?
В качестве полезной карикатуры можно представить дизайн механизмов как теорию игр наоборот. В теории игр мы принимаем игру как данность и анализируем её результаты согласно выгоде игроков. В дизайне механизмов мы начинаем с определения желательных результатов и движемся в обратном направлении, чтобы создать игру, мотивирующую игроков на достижение этих результатов. Ещё один (также карикатурный) подход – представить теорию игр и дизайн механизмов как две стороны одной монеты.
Допустим, нужно разработать аукцион, где цель – предоставить благо участнику, которому оно будет наиболее полезно. Если благо так или иначе полезно каждому, у участников есть мотивация лгать. Как же создать такую игру, которая будет мотивировать всех правдиво сообщать о своей выгоде? Следует ли использовать открытые или закрытые, понижающиеся или повышающиеся ставки? Должен ли победитель заплатить самую высокую объявленную цену или какую-то другую? Аналогично при проектировании процесса голосования, где всегда избирается кандидат, которого избиратели предпочитают всем другим, следует ли выбирать победителей на основании абсолютного или относительного большинства? Сколько должно быть туров голосования? Должны ли избиратели отдавать один голос или упорядочивать кандидатов по предпочтению? Это типичные вопросы дизайна механизмов.
Некоторые определения
Формально механизм включает конечное множество игроков и множество потенциальных социальных решений. Представьте множество избирателей и группу потенциальных кандидатов, которых может избрать сообщество. Игроки обладают частной информацией, также называемой сигналами или типами. Тип каждого индивида может представлять его предпочтения – такие как предпочтение кандидата А или Б или оценка им товара, выставленного на аукцион, – но также тип может обозначать другие виды частной информации – например, только данный человек знает, высокого или низкого качества продаваемый товар. Также используется понятие общего априорного распределения, т. е. распределения вероятностей между типами. Можно представить это в контексте покера: вы можете не знать расклады игроков, но вы знаете вероятность выпадения каждого расклада в колоде из 52 карт. Поскольку «оптимальное» решение неизбежно зависит от типов индивидов, мы также обычно определяем правило решений, которое сопоставляет типы с социальными решениями.
Таким образом, выгода индивидов будет функцией их сообщаемого типа (т. е. того, что они говорят о своём типе/предпочтениях, что может быть неправдой), их реального типа и результата правила решения. Кроме того, часто применяются трансфертные функции, где используется трансферабельное благо (такое как токен) для мотивации игроков, обычно отображая влияние их действий на других. Таким образом, можно представить функцию социального выбора, которая сопоставляет сообщаемые типы с результатами, как имеющую денежные и неденежные составляющие. Именно это имеется в виду, когда говорят о «квазилинейной полезности», т. е. в денежной/трансфертной составляющей предпочтения линейны.
На практике нужно контролировать выбор механизма, но не игроков или их типы. Такие исходные элементы могут называть условиями. С добавлением механизма такие байесовские условия превращаются в игру (или «игровую форму»). Формально механизм – это пара пространств сообщений/стратегий и функция, сопоставляющая сообщения/стратегии с результирующими социальными решениями и трансфертами. Механизм может быть детерминированным, всегда дающим одинаковое решение и вознаграждение, или вероятностным/рандомизированным согласно какому-нибудь правилу.
Центральная задача дизайна механизмов – определить механизм, мотивирующий рациональных агентов действовать определённым образом, исходя из их частной информации, что ведёт к социально желательным результатам.
Обычно говорят, что механизм «реализует» функцию социального выбора, если, при равновесии, соответствие типов и результатов такое же, какое даёт функция социального выбора (поэтому дизайн механизмов иногда называют «теорией реализации»). Может требоваться, чтобы это была реализация при доминирующих стратегиях (когда это справедливо для агента независимо от стратегий других агентов) или просто реализация при равновесии Байеса – Нэша (когда ни один игрок не имеет выгодных отклонений на основании своих убеждений о типах и стратегиях других игроков). Первый вариант – очевидно намного более сильное (и, следовательно, более ограничивающее) допущение.
Принцип раскрытия
Одним из фундаментальных результатов дизайна механизмов является Принцип Раскрытия. В самых общих чертах, он гласит, что любая функция социального выбора, которая может быть реализована произвольным механизмом, может также быть реализована правдивым механизмом с прямым раскрытием информации с таким же равновесным исходом. Механизм с прямым раскрытием информации – это такой механизм, где агенты просто сообщают механизму свои типы, что ведёт к решению и множеству трансфертов. Механизм с прямым раскрытием информации считается правдивым, если правдивое сообщение предпочтений является доминирующей стратегией (хотя, в общем случае, может требоваться, чтобы это просто было справедливо при равновесии Байеса – Нэша). Такие механизмы могут называть правдивыми, мотивационно совместимыми или неманипулируемыми. Принцип раскрытия имеет особенно впечатляющие следствия. Если кратко, то когда можно доказать справедливость чего-то для этих механизмов, то это доказывает его справедливость для всех механизмов! Чтобы понять, почему это так, представьте себе случайный неправдивый механизм с интерфейсным уровнем, который берёт ваши предпочтения и стратегически взаимодействует с механизмом, чтобы максимизировать ваше вознаграждение (как доверенное лицо). Тогда вы не захотите неправдиво сообщать интерфейсу свои предпочтения, иначе вы получите неоптимальное вознаграждение. В сущности, вам не нужно лгать, потому что механизм делает это за вас! Наблюдение о том, что можно без ущерба обобщению фокусироваться лишь на правдивых механизмах с прямым раскрытием информации, – ключевой результат, делающий дизайн механизмов эффективным. В противном случае пришлось бы доказывать справедливость теорем для больших множеств непрямых или неправдивых механизмов, что сделало бы эту тему практически бесполезной.
Дизайн механизмов как ограниченная оптимизация
Итак, раз мы дали определения базовым понятиям, для достижения какого рода результатов можно использовать дизайн механизмов? Что такое «хороший» механизм, и как убедиться, что мы выбираем именно его? Можно рассматривать это как задачу оптимизации, где вы пытаетесь максимизировать объективную функцию (такую как ваш доход) при определённых ограничениях. Есть смысл представить наиболее распространённые ограничения, с которыми вы можете столкнуться.
Мотивационная совместимость – вероятно, наиболее часто встречающееся ограничение. В числе других распространённых ограничений – индивидуальная рациональность, где никто из агентов не проигрывает от участия в механизме, и эффективность, где сумма индивидуальной полезности максимизируется (не включая денежные трансферты). Бюджетный баланс ограничивает механизм трансфертами, которые в среднем дают нулевую чистую полезность, тогда как слабый бюджетный баланс (также называемый рентабельностью) просто требует, чтобы механизм не отдавал больше, чем получает. Ключевая проблема, возникающая в теории дизайна механизмов, заключается в том, что ограничения, такие как бюджетный баланс, эффективность и индивидуальная рациональность, часто не могут быть одновременно удовлетворены при мотивационной совместимости, и было доказано несколько теорем о невозможности. В целом, свойства механизмов могут быть справедливы ex post(независимо от типов агентов), ex interim (когда для одного агента тип дан, а для других – ожидаются) и ex ante(когда типы всех агентов только ожидаются). Если вернуться к аналогии с покером, то можно представить себе утверждения, которые можно сделать до вытягивания карт из колоды (ex ante), когда вам известен ваш расклад (ex interim) и когда раскрыты все расклады (ex post).
Введение ограничений, как правило, оставляет несколько механизмов, из которых можно выбрать, превращая дизайн механизмов в задачу (ограниченной) оптимизации результатов. Например, в аукционе может существовать необходимость поиска мотивационно совместимого, индивидуально рационального механизма, максимизирующего доход. Может требоваться, чтобы механизм был эффективно вычислимым либо удовлетворял более сложные социальные цели, такие как справедливое распределение стоимости. Это лишь некоторые примеры, и список практически бесконечен. Как мы увидим на примерах, формальная постановка цели механизма может быть одной из самых сложных задач дизайна механизмов.
Механизмы Викри – Кларка – Гровса
Часто встречаются очень действенные механизмы, известные как механизмы Викри – Кларка – Гровса. Чтобы объяснить их, представим себе сначала аукцион, где продаётся один товар. Пожалуй, самым очевидным дизайном будет попросить всех участников написать цену, которую они готовы заплатить, на бумажке. После раскрытия ставок игрок, предложивший самую высокую цену, получит товар и заплатит свою ставку. Очевидно, что это не будет мотивационно совместимо, так как любой игрок, указывающий в ставке свою истинную цену, получает нулевую полезность. Намного лучшим с точки зрения мотивационной совместимости будет такой механизм, где товар отдаётся игроку с самой высокой ставкой, но где тот платит цену второй по величине ставки. Это носит название аукциона Викри. В такой ситуации каждый игрок мотивирован указывать свою настоящую цену за товар.
Обобщением аукциона Викри является критически важный механизм, известный как механизм Кларка или механизм VCG (хотя VCG иногда может означать более общий класс механизмов). Механизм действует следующим образом. Мы выполняем механизм для каждого индивида без него и выбираем результат, максимизирующий полезность всех других игроков с учётом их сообщаемых типов. Затем мы включаем индивида и снова выполняем механизм с учётом выбранного результата. Каждый игрок платит (или получает) разность между суммой выгоды других игроков в двух случаях. По сути, этот платёж эквивалентен социальным издержкам или выгоде каждого индивида. Поскольку индивид не может повлиять на сумму выгод, имеющих место без него, он фактически пытается максимизировать сумму выгод для себя и всех остальных. Но это то же самое, что максимизировать общую социальную выгоду! Такое согласование стимулов обеспечивает не только мотивационную совместимость, но также эффективность. Также легко найти ex post индивидуально рациональную и слабо бюджетно сбалансированную версии этого механизма с некоторыми незначительными дополнительными допущениями. Мы можем также добавить к вознаграждениям произвольные условия, на которые индивид не может повлиять (например, давать каждому индивиду определённую постоянную сумму независимо от исхода), не меняя базовые стимулы. Такой более общий класс механизмов носит название схем Гровса, и они всегда мотивационно совместимы при доминирующей стратегии. Они также являются единственными эффективными механизмами, где правда – доминирующая стратегия.
Хотя схемы Гровса – явно мощный класс механизмов, они сильно уязвимы к сговору агентов. Позже мы увидим, что это может быть очень проблематично в криптоэкономической среде.
Прямые приложения
Ознакомившись с базовыми составляющими дизайна механизмов, давайте рассмотрим потенциальные применения в криптовалютном мире. Я начну с упоминания (лишь некоторых) прямых приложений, после чего мы углубимся в более сложные области исследований.
Одно из самых очевидных и прямых приложений дизайна механизмов – продажа токенов. Теория аукционов – самая развитая область применения дизайна механизмов. Механизмы аукционов также подробно изучались в информатике, не в последнюю очередь благодаря тому, что такие крупные технологические компании, как eBay и Google, значительную часть своего дохода получают с онлайн-аукционов. Если вы планируете продажу токенов, именно в этой области дизайна механизмов можно найти реальные готовые решения (хотя позже мы встретимся с недостатками традиционной теории аукционов в криптовалютной среде). Найти кое-какие аргументы о конкурентных моделях продажи токенов можно здесь, здесь и здесь. Многие из них могут быть легко сформулированы посредством традиционной теории аукционов.
Рынки предсказаний, недавно увидевшие ряд децентрализованных вариантов, – ещё один пример области, где традиционным исследованиям дизайна механизмов есть что сказать. Здесь целью может быть определение мотивационно совместимых механизмов, выявляющих истинные убеждения агентов о вероятностях различных событий, чтобы делать точные прогнозы. Как и в случае аукционов, теория обладает инструментами для работы с более сложными допущениями, как в ситуациях, когда агенты действуют стратегически и/или могут стремиться манипулировать убеждениями других агентов, чтобы изменить рыночные цены в свою пользу. Существуют также более трудные проблемы, такие как тот факт, что частная информация агентов не всегда легко конвертируется в дискретные вероятности. Допустим, мой друг из тренерского состава баскетбольной команды «Golden State» сообщил мне, что Стеф Карри повредил лодыжку. Неясно, как подобную частную информацию можно конвертировать в точную вероятность победы «Golden State» в следующей игре (P. S. Я не желаю ничего плохого Стефу Карри или его лодыжке). Как и в случае аукционов, при рассмотрении децентрализованной версии этих рынков возникает особый класс проблем. Рекомендую ознакомиться с такими проектами, как Augur или Gnosis, но более теоретическое рассмотрение темы децентрализованных рынков предсказаний можно найти здесь и здесь.
Анализ Namecoin
Эта статья Карлстена и др. – отличный пример применения дизайна механизмов при обсуждении децентрализованных систем. Авторы утверждают, что хотя Namecoin решает критическую техническую проблему (фактически решив задачу треугольника Зуко), система сталкивается с рядом трудных экономических вызовов. Статья показывает, что на момент её написания от силы 0,02% зарегистрированных доменов не принадлежало сквоттерам и отображало нетривиальный контент, тогда как вторичного рынка доменов практически не существовало. Я считаю, что это лишь подкрепляет тот аргумент, что создателю протокола просто нельзя пренебрегать дизайном пользовательских стимулов, независимо от технических достоинств проекта.
Namecoin подходит для дизайна механизмов благодаря характерной редкости значимых для человека доменов, что требует надлежащего процесса распределения ресурсов. Таким образом, авторы применяют подход дизайна механизмов, чтобы объяснить недостатки Namecoin и обсудить цели децентрализованных пространств имён при различных моделях пользовательской выгоды. Это демонстрирует один из самых сложных вызовов дизайна механизмов на практике: определение модели пользовательской выгоды и выведение чётких целей дизайна. Например, если допустить, что агенты имеют фиксированные, независимые предпочтения относительно каждого имени, то аукцион Викри даст эффективный результат (как обсуждается во введении). Если, что более реалистично, мы предположим убывающую предельную полезность имён (например, полезность домена «ДжонДоу» для Джона Доу будет существенно ниже после того, как он уже получил домен «Джон_Доу»), то, вероятно, похожих результатов можно достичь посредством механизма приоритетов. Однако при включении предпочтений, меняющихся со временем, задача дизайна механизмов становится слишком сложной, чтобы хотя бы чётко определить цели системы.
Анализ также рассматривает эффект различных выборов в пространстве дизайна: Насколько сильным должен быть контроль индивида над именем? Как первичный рынок должен распределять имена? Как система должна перераспределять доход с продажи имён? Методичное описание пространства дизайна подобным образом и анализ экономических выгод – незаменимый инструмент при разработке любого приложения на блокчейне. Помимо наглядного примера применения дизайна механизмов к анализу децентрализованных систем, исследование также обнаруживает несколько практических путей совершенствования Namecoin: более высокие комиссии для сдерживания сквоттеров, использование аукционов/алгоритмических схем ценообразования для сокращения разницы между ценой имени и его истинной рыночной стоимостью и механизм возмещения пользователям инвестиций путём возвращения неиспользованных имён на первичный рынок.
Открытые вызовы: Ethereum Foundation
Вероятно, самыми активными исследованиями приложений дизайна механизмов в криптовалютном мире занимается Ethereum Foundation. Имеет смысл кратко рассмотреть здесь предложенные Виталиком Бутериным модели безопасности и используемые допущения.
В традиционных исследованиях отказоустойчивости часто используется модель честного большинства, предполагающая, что как минимум 51% участников принципиально честны. Виталик и компания утверждают, что такое допущение может быть проблематично. Следовательно, исследователям вместо этого стоит рассуждать о безопасности, используя специфичные допущения об:
уровне координации между участниками;
бюджете злоумышленника (максимальной сумме, которую должен будет заплатить злоумышленник);
издержках злоумышленника (реальных издержках, понесённых злоумышленником).
Соответственно, можно рассмотреть несколько разных моделей безопасности, помимо честного большинства. После этого можно рассмотреть отказоустойчивость и криптоэкономический запас безопасности (т. е. экономические издержки нарушения определённых гарантий протокола) для каждой модели.
Модели нескоординированного большинства предполагают, что участники протокола принимают независимые решения и ни один агент не контролирует больше определённого процента сети (здесь участники действуют в собственных интересах и не обязательно честны). Модели скоординированного выбора, с другой стороны, предполагают, что большинство или все агенты договариваются посредством кого-либо из агентов или коалиции агентов, хотя иногда может допускаться свободный вход агентов, не участвующих в сговоре. В модели подкупающего злоумышленника агенты принимают независимые решения, но существует злоумышленник, способный мотивировать других агентов на совершение определённого выбора посредством условной взятки. В качестве иллюстрации Виталик использовал в своих презентациях пример Shellingcoin. Если кратко, то в модели, где выплаты проводятся только агентам, голосующим с большинством, злоумышленник может гарантировать фиксированную выплату, превышающую выплату за голосование с текущим консенсусом, тем, кто отклонится от консенсуса и примкнёт к меньшинству. Таким образом, злоумышленник фактически может коррумпировать игру с помощью высокого бюджета, но фактически с нулевыми издержками, так как все подкупленные перебежчики в итоге окажутся в большинстве. Биткоин и другие протоколы доказательства выполнения работы, по крайней мере теоретически, уязвимы к подобной атаке (хотя нужно ещё убедительно продемонстрировать возможность такого огромного бюджета).
Введение в кооперативную теорию игр
Мне также показалась особенно интересной эта статья Влада Замфира. В ней изложена история эволюции мышления в исследованиях доказательства владения долей, которая привела разработчиков к текущей криптоэкономической методике, а также механизму гарантийных депозитов и штрафов в текущей версии Casper. Я особенно рекомендую четвёртую и пятую части серии, где обсуждается кооперативная теория игр. Самым интересным мне показалось наблюдение о том, что «архитектура блокчейна – это дизайн механизмов для олигопольных рынков». Что бы вы ни думали на эту тему, сложно утверждать, что централизация криптовалютных резервов и вычислительной мощности не является реалистичным допущением на практике. С точки зрения моделирования невероятную трудность представляет то, что большинство работ по дизайну механизмов, которые вы найдёте, рассматривают ситуации из некооперативной теории игр. В частности, некоторые из наиболее широко изученных механизмов (такие как представленный выше механизм Гровса) несостоятельны при допущении о сговоре агентов.
К счастью, кооперативная/коалиционная теория игр – хорошо разработанная область, и в сети можно найти много хороших введений в неё. В целом, цель – проанализировать, какие типы коалиций могут быть созданы, какие вознаграждения будут при каждом из них (посредством так называемой характеристической функции), и как коалиция должна распределять вознаграждения для достижения таких целей, как стабильность. Часто мы думаем о большой коалиции, в которой участвуют все агенты (например, все, кто майнит в самой длинной цепочке консенсуса) и о распределении вознаграждений по трансфертной схеме/концепции решений, известной как вектор Шепли, где каждый получает свой предельный вклад в коалицию. Мы можем также часто думать о «базовом» множестве вменённых значений (индивидуально рациональных и эффективных платежей), где у коалиции агентов нет мотивации, чтобы отклоняться, и анализировать стабильность исходя из того, является ли это множество пустым или не пустым, уникальным или нет. Вслед за Виталиком и др. мы можем рассматривать стимулы в двух широких категориях. Первая – это платежи, такие как вознаграждения за майнинг (что хорошо согласуется с нашим представлением о трансфертах), а вторая – это привилегии, позволяющие их обладателям получать ренту, такую как комиссии с транзакций.
Приложения для смарт-контрактов
Помимо анализа уровня консенсуса, Виталик обсуждает прямые приложения дизайна механизмов для смарт-контрактов. К примеру, аукцион Викри, о котором мы сказали много хорошего, в криптовалютных условиях может сталкиваться с трудностями. Например, пользователи могут делать несколько ставок и выборочно раскрывать те, которые гарантируют наивысшее вознаграждение. Можно предложить внесение залога для сдерживания таких агентов. Но тогда необходимо задать в механизме размер залога относительно размера ставки, что может уничтожить ключевые свойства аукциона с закрытой ставкой и второй ценой. Виталик идентифицирует проблему в том, что дизайн механизмов часто полагается на доверенного посредника, чтобы обеспечить точность и конфиденциальность игроков. Блокчейн способен гарантировать точность, но не конфиденциальность.
В криптоэкономических условиях обычно также нужно определить больше факторов, чем в традиционных приложениях дизайна механизмов. В централизованных условиях мы часто думаем о центральном агенте, управляющем механизмом так, чтобы максимизировать доход, в соответствии с определёнными ограничениями. В таком случае анализ намного проще. Однако в децентрализованных условиях может понадобиться определение алгоритмического агента, «управляющего» механизмом, и тщательно проанализировать поведение этого агента в механизме, а также последствия для денежной политики протокола. Например, если мы ожидаем нарушения механизмом бюджетного баланса, должен ли агент перераспределять доход игрокам? Стоит ли убрать из обращения излишек валюты? Должен ли агент иметь возможность создавать новую валюту при совершении трансфертов игрокам? Эти вопросы требуют пристального внимания, поскольку решения могут вводить в стимулы игроков нежелательные деформации (например, максимизация перераспределяемой суммы может стать нетривиальной составляющей их выгоды).
В заключение
Хотя дизайн механизмов стал ключевым элементом компьютерных исследований, мало кто из предпринимателей и разработчиков продуманно применяет подобный подход к разработке блокчейн-протоколов. И ещё меньше академических экономистов начали серьёзно изучать теоретико-игровые свойства блокчейн-протоколов.
Тем не менее, я уверен, что когда огромные возможности, предоставляемые криптоэкономикой, станут более ясны, эти разнородные сообщества начнут сближаться. Надеюсь, эта статья стала для вас полезным знакомством с инструментами и открытыми вопросами, определяющими возможности криптоэкономического дизайна механизмов. Кроме того, здесь вы можете ознакомиться с хорошим материалом о теории механизмов.
Если кратко, то криптоэкономика – это комбинация криптографии и экономических стимулов с целью разработки надёжных децентрализованных протоколов и приложений. Согласно данной линии мышления, Биткоин преуспел там, где потерпели неудачу другие децентрализованные протоколы, не из-за доказательства выполнения работы, идеи децентрализованных денег или даже отказоустойчивого консенсуса, но благодаря криптоэкономике, заложенной в его протокол консенсуса. Таким образом, грандиозный план криптоэкономики сводится к экстраполяции этого успеха и внедрению криптоэкономических стимулов везде – в транзакции, вычисления, хранение, прогнозы, управление.
Блокчейны позволяют обеспечить дефицит и способствуют передаче стоимости там, где иначе это было бы невозможно, этим самым радикально расширяя спектр проблем, к которым можно успешно приложить экономические стимулы. С такой точки зрения криптоэкономические системы – это принципиально новые способы мотивирования человеческого поведения. И их потенциал огромен.
Хотя в теории это может казаться простым, проектирование экономических стимулов – сложная задача. Существует даже целая экономическая поддисциплина, посвящённая изучению подходов к разработке протоколов, мотивирующих рациональных участников действовать социально желательными способами. Она носит название дизайн механизмов. Хотя в последнее время теме криптоэкономики было посвящено немало текстов, практически отсутствуют свидетельства внедрения формальных методов дизайна механизмов в разработку большинства новых блокчейн-протоколов (за несколькими примечательными исключениями, которые мы обсудим).
Мягко говоря, это упущенная возможность. Другие формулировали это более жёстко:
«Создавать токены без изучения дизайна механизмов – всё равно что разрабатывать новые криптосистемы, не читая статей о криптовалютах»
Цель настоящей статьи – представить базовые понятия дизайна механизмов и обрисовать их применение в криптовалютном мире. Если вы работаете над блокчейн-протоколом или приложением, здесь вы сможете найти отсылки к вводным ресурсам по дизайну механизмов. Я надеюсь, что после прочтения статьи вы будете:
убеждены, что дизайн механизмов крайне важен для разработки надёжных децентрализованных систем;
вооружены базовыми ресурсами для начала обучения применению инструментов дизайна механизмов в вашей работе. Заметьте, пожалуйста, что я не эксперт ни по криптовалютам, ни по дизайну механизмов, так что буду рад отзывам тех, кто таковыми является.
Для начала я кратко опишу ключевые понятия и определения дизайна механизмов. Цель – максимально доступно представить базовый жаргон дизайна механизмов, чтобы было понятно дальнейшее обсуждение криптовалютных приложений. Задача предоставить формальное введение в дизайн механизмов не ставилась. Для этого лучше ознакомиться с чем-нибудь из следующего:
Эта глава из работы Винсента Коницера; эта статья Мэттью Джексона и его курс в двух частях в сотрудничестве с коллегами; Глава 7 этого вводного текста по теории игр авторства Фанденберга и Тироля.
Заметьте, что это лишь некоторые ресурсы, которые я нашёл полезными для знакомства с темой. Поскольку дизайн механизмов – основательная область экономических исследований, я уверен, что есть много других.
Что такое дизайн механизмов?
В качестве полезной карикатуры можно представить дизайн механизмов как теорию игр наоборот. В теории игр мы принимаем игру как данность и анализируем её результаты согласно выгоде игроков. В дизайне механизмов мы начинаем с определения желательных результатов и движемся в обратном направлении, чтобы создать игру, мотивирующую игроков на достижение этих результатов. Ещё один (также карикатурный) подход – представить теорию игр и дизайн механизмов как две стороны одной монеты.
Допустим, нужно разработать аукцион, где цель – предоставить благо участнику, которому оно будет наиболее полезно. Если благо так или иначе полезно каждому, у участников есть мотивация лгать. Как же создать такую игру, которая будет мотивировать всех правдиво сообщать о своей выгоде? Следует ли использовать открытые или закрытые, понижающиеся или повышающиеся ставки? Должен ли победитель заплатить самую высокую объявленную цену или какую-то другую? Аналогично при проектировании процесса голосования, где всегда избирается кандидат, которого избиратели предпочитают всем другим, следует ли выбирать победителей на основании абсолютного или относительного большинства? Сколько должно быть туров голосования? Должны ли избиратели отдавать один голос или упорядочивать кандидатов по предпочтению? Это типичные вопросы дизайна механизмов.
Некоторые определения
Формально механизм включает конечное множество игроков и множество потенциальных социальных решений. Представьте множество избирателей и группу потенциальных кандидатов, которых может избрать сообщество. Игроки обладают частной информацией, также называемой сигналами или типами. Тип каждого индивида может представлять его предпочтения – такие как предпочтение кандидата А или Б или оценка им товара, выставленного на аукцион, – но также тип может обозначать другие виды частной информации – например, только данный человек знает, высокого или низкого качества продаваемый товар. Также используется понятие общего априорного распределения, т. е. распределения вероятностей между типами. Можно представить это в контексте покера: вы можете не знать расклады игроков, но вы знаете вероятность выпадения каждого расклада в колоде из 52 карт. Поскольку «оптимальное» решение неизбежно зависит от типов индивидов, мы также обычно определяем правило решений, которое сопоставляет типы с социальными решениями.
Таким образом, выгода индивидов будет функцией их сообщаемого типа (т. е. того, что они говорят о своём типе/предпочтениях, что может быть неправдой), их реального типа и результата правила решения. Кроме того, часто применяются трансфертные функции, где используется трансферабельное благо (такое как токен) для мотивации игроков, обычно отображая влияние их действий на других. Таким образом, можно представить функцию социального выбора, которая сопоставляет сообщаемые типы с результатами, как имеющую денежные и неденежные составляющие. Именно это имеется в виду, когда говорят о «квазилинейной полезности», т. е. в денежной/трансфертной составляющей предпочтения линейны.
На практике нужно контролировать выбор механизма, но не игроков или их типы. Такие исходные элементы могут называть условиями. С добавлением механизма такие байесовские условия превращаются в игру (или «игровую форму»). Формально механизм – это пара пространств сообщений/стратегий и функция, сопоставляющая сообщения/стратегии с результирующими социальными решениями и трансфертами. Механизм может быть детерминированным, всегда дающим одинаковое решение и вознаграждение, или вероятностным/рандомизированным согласно какому-нибудь правилу.
Центральная задача дизайна механизмов – определить механизм, мотивирующий рациональных агентов действовать определённым образом, исходя из их частной информации, что ведёт к социально желательным результатам.
Обычно говорят, что механизм «реализует» функцию социального выбора, если, при равновесии, соответствие типов и результатов такое же, какое даёт функция социального выбора (поэтому дизайн механизмов иногда называют «теорией реализации»). Может требоваться, чтобы это была реализация при доминирующих стратегиях (когда это справедливо для агента независимо от стратегий других агентов) или просто реализация при равновесии Байеса – Нэша (когда ни один игрок не имеет выгодных отклонений на основании своих убеждений о типах и стратегиях других игроков). Первый вариант – очевидно намного более сильное (и, следовательно, более ограничивающее) допущение.
Принцип раскрытия
Одним из фундаментальных результатов дизайна механизмов является Принцип Раскрытия. В самых общих чертах, он гласит, что любая функция социального выбора, которая может быть реализована произвольным механизмом, может также быть реализована правдивым механизмом с прямым раскрытием информации с таким же равновесным исходом. Механизм с прямым раскрытием информации – это такой механизм, где агенты просто сообщают механизму свои типы, что ведёт к решению и множеству трансфертов. Механизм с прямым раскрытием информации считается правдивым, если правдивое сообщение предпочтений является доминирующей стратегией (хотя, в общем случае, может требоваться, чтобы это просто было справедливо при равновесии Байеса – Нэша). Такие механизмы могут называть правдивыми, мотивационно совместимыми или неманипулируемыми. Принцип раскрытия имеет особенно впечатляющие следствия. Если кратко, то когда можно доказать справедливость чего-то для этих механизмов, то это доказывает его справедливость для всех механизмов! Чтобы понять, почему это так, представьте себе случайный неправдивый механизм с интерфейсным уровнем, который берёт ваши предпочтения и стратегически взаимодействует с механизмом, чтобы максимизировать ваше вознаграждение (как доверенное лицо). Тогда вы не захотите неправдиво сообщать интерфейсу свои предпочтения, иначе вы получите неоптимальное вознаграждение. В сущности, вам не нужно лгать, потому что механизм делает это за вас! Наблюдение о том, что можно без ущерба обобщению фокусироваться лишь на правдивых механизмах с прямым раскрытием информации, – ключевой результат, делающий дизайн механизмов эффективным. В противном случае пришлось бы доказывать справедливость теорем для больших множеств непрямых или неправдивых механизмов, что сделало бы эту тему практически бесполезной.
Дизайн механизмов как ограниченная оптимизация
Итак, раз мы дали определения базовым понятиям, для достижения какого рода результатов можно использовать дизайн механизмов? Что такое «хороший» механизм, и как убедиться, что мы выбираем именно его? Можно рассматривать это как задачу оптимизации, где вы пытаетесь максимизировать объективную функцию (такую как ваш доход) при определённых ограничениях. Есть смысл представить наиболее распространённые ограничения, с которыми вы можете столкнуться.
Мотивационная совместимость – вероятно, наиболее часто встречающееся ограничение. В числе других распространённых ограничений – индивидуальная рациональность, где никто из агентов не проигрывает от участия в механизме, и эффективность, где сумма индивидуальной полезности максимизируется (не включая денежные трансферты). Бюджетный баланс ограничивает механизм трансфертами, которые в среднем дают нулевую чистую полезность, тогда как слабый бюджетный баланс (также называемый рентабельностью) просто требует, чтобы механизм не отдавал больше, чем получает. Ключевая проблема, возникающая в теории дизайна механизмов, заключается в том, что ограничения, такие как бюджетный баланс, эффективность и индивидуальная рациональность, часто не могут быть одновременно удовлетворены при мотивационной совместимости, и было доказано несколько теорем о невозможности. В целом, свойства механизмов могут быть справедливы ex post(независимо от типов агентов), ex interim (когда для одного агента тип дан, а для других – ожидаются) и ex ante(когда типы всех агентов только ожидаются). Если вернуться к аналогии с покером, то можно представить себе утверждения, которые можно сделать до вытягивания карт из колоды (ex ante), когда вам известен ваш расклад (ex interim) и когда раскрыты все расклады (ex post).
Введение ограничений, как правило, оставляет несколько механизмов, из которых можно выбрать, превращая дизайн механизмов в задачу (ограниченной) оптимизации результатов. Например, в аукционе может существовать необходимость поиска мотивационно совместимого, индивидуально рационального механизма, максимизирующего доход. Может требоваться, чтобы механизм был эффективно вычислимым либо удовлетворял более сложные социальные цели, такие как справедливое распределение стоимости. Это лишь некоторые примеры, и список практически бесконечен. Как мы увидим на примерах, формальная постановка цели механизма может быть одной из самых сложных задач дизайна механизмов.
Механизмы Викри – Кларка – Гровса
Часто встречаются очень действенные механизмы, известные как механизмы Викри – Кларка – Гровса. Чтобы объяснить их, представим себе сначала аукцион, где продаётся один товар. Пожалуй, самым очевидным дизайном будет попросить всех участников написать цену, которую они готовы заплатить, на бумажке. После раскрытия ставок игрок, предложивший самую высокую цену, получит товар и заплатит свою ставку. Очевидно, что это не будет мотивационно совместимо, так как любой игрок, указывающий в ставке свою истинную цену, получает нулевую полезность. Намного лучшим с точки зрения мотивационной совместимости будет такой механизм, где товар отдаётся игроку с самой высокой ставкой, но где тот платит цену второй по величине ставки. Это носит название аукциона Викри. В такой ситуации каждый игрок мотивирован указывать свою настоящую цену за товар.
Обобщением аукциона Викри является критически важный механизм, известный как механизм Кларка или механизм VCG (хотя VCG иногда может означать более общий класс механизмов). Механизм действует следующим образом. Мы выполняем механизм для каждого индивида без него и выбираем результат, максимизирующий полезность всех других игроков с учётом их сообщаемых типов. Затем мы включаем индивида и снова выполняем механизм с учётом выбранного результата. Каждый игрок платит (или получает) разность между суммой выгоды других игроков в двух случаях. По сути, этот платёж эквивалентен социальным издержкам или выгоде каждого индивида. Поскольку индивид не может повлиять на сумму выгод, имеющих место без него, он фактически пытается максимизировать сумму выгод для себя и всех остальных. Но это то же самое, что максимизировать общую социальную выгоду! Такое согласование стимулов обеспечивает не только мотивационную совместимость, но также эффективность. Также легко найти ex post индивидуально рациональную и слабо бюджетно сбалансированную версии этого механизма с некоторыми незначительными дополнительными допущениями. Мы можем также добавить к вознаграждениям произвольные условия, на которые индивид не может повлиять (например, давать каждому индивиду определённую постоянную сумму независимо от исхода), не меняя базовые стимулы. Такой более общий класс механизмов носит название схем Гровса, и они всегда мотивационно совместимы при доминирующей стратегии. Они также являются единственными эффективными механизмами, где правда – доминирующая стратегия.
Хотя схемы Гровса – явно мощный класс механизмов, они сильно уязвимы к сговору агентов. Позже мы увидим, что это может быть очень проблематично в криптоэкономической среде.
Прямые приложения
Ознакомившись с базовыми составляющими дизайна механизмов, давайте рассмотрим потенциальные применения в криптовалютном мире. Я начну с упоминания (лишь некоторых) прямых приложений, после чего мы углубимся в более сложные области исследований.
Одно из самых очевидных и прямых приложений дизайна механизмов – продажа токенов. Теория аукционов – самая развитая область применения дизайна механизмов. Механизмы аукционов также подробно изучались в информатике, не в последнюю очередь благодаря тому, что такие крупные технологические компании, как eBay и Google, значительную часть своего дохода получают с онлайн-аукционов. Если вы планируете продажу токенов, именно в этой области дизайна механизмов можно найти реальные готовые решения (хотя позже мы встретимся с недостатками традиционной теории аукционов в криптовалютной среде). Найти кое-какие аргументы о конкурентных моделях продажи токенов можно здесь, здесь и здесь. Многие из них могут быть легко сформулированы посредством традиционной теории аукционов.
Рынки предсказаний, недавно увидевшие ряд децентрализованных вариантов, – ещё один пример области, где традиционным исследованиям дизайна механизмов есть что сказать. Здесь целью может быть определение мотивационно совместимых механизмов, выявляющих истинные убеждения агентов о вероятностях различных событий, чтобы делать точные прогнозы. Как и в случае аукционов, теория обладает инструментами для работы с более сложными допущениями, как в ситуациях, когда агенты действуют стратегически и/или могут стремиться манипулировать убеждениями других агентов, чтобы изменить рыночные цены в свою пользу. Существуют также более трудные проблемы, такие как тот факт, что частная информация агентов не всегда легко конвертируется в дискретные вероятности. Допустим, мой друг из тренерского состава баскетбольной команды «Golden State» сообщил мне, что Стеф Карри повредил лодыжку. Неясно, как подобную частную информацию можно конвертировать в точную вероятность победы «Golden State» в следующей игре (P. S. Я не желаю ничего плохого Стефу Карри или его лодыжке). Как и в случае аукционов, при рассмотрении децентрализованной версии этих рынков возникает особый класс проблем. Рекомендую ознакомиться с такими проектами, как Augur или Gnosis, но более теоретическое рассмотрение темы децентрализованных рынков предсказаний можно найти здесь и здесь.
Анализ Namecoin
Эта статья Карлстена и др. – отличный пример применения дизайна механизмов при обсуждении децентрализованных систем. Авторы утверждают, что хотя Namecoin решает критическую техническую проблему (фактически решив задачу треугольника Зуко), система сталкивается с рядом трудных экономических вызовов. Статья показывает, что на момент её написания от силы 0,02% зарегистрированных доменов не принадлежало сквоттерам и отображало нетривиальный контент, тогда как вторичного рынка доменов практически не существовало. Я считаю, что это лишь подкрепляет тот аргумент, что создателю протокола просто нельзя пренебрегать дизайном пользовательских стимулов, независимо от технических достоинств проекта.
Namecoin подходит для дизайна механизмов благодаря характерной редкости значимых для человека доменов, что требует надлежащего процесса распределения ресурсов. Таким образом, авторы применяют подход дизайна механизмов, чтобы объяснить недостатки Namecoin и обсудить цели децентрализованных пространств имён при различных моделях пользовательской выгоды. Это демонстрирует один из самых сложных вызовов дизайна механизмов на практике: определение модели пользовательской выгоды и выведение чётких целей дизайна. Например, если допустить, что агенты имеют фиксированные, независимые предпочтения относительно каждого имени, то аукцион Викри даст эффективный результат (как обсуждается во введении). Если, что более реалистично, мы предположим убывающую предельную полезность имён (например, полезность домена «ДжонДоу» для Джона Доу будет существенно ниже после того, как он уже получил домен «Джон_Доу»), то, вероятно, похожих результатов можно достичь посредством механизма приоритетов. Однако при включении предпочтений, меняющихся со временем, задача дизайна механизмов становится слишком сложной, чтобы хотя бы чётко определить цели системы.
Анализ также рассматривает эффект различных выборов в пространстве дизайна: Насколько сильным должен быть контроль индивида над именем? Как первичный рынок должен распределять имена? Как система должна перераспределять доход с продажи имён? Методичное описание пространства дизайна подобным образом и анализ экономических выгод – незаменимый инструмент при разработке любого приложения на блокчейне. Помимо наглядного примера применения дизайна механизмов к анализу децентрализованных систем, исследование также обнаруживает несколько практических путей совершенствования Namecoin: более высокие комиссии для сдерживания сквоттеров, использование аукционов/алгоритмических схем ценообразования для сокращения разницы между ценой имени и его истинной рыночной стоимостью и механизм возмещения пользователям инвестиций путём возвращения неиспользованных имён на первичный рынок.
Открытые вызовы: Ethereum Foundation
Вероятно, самыми активными исследованиями приложений дизайна механизмов в криптовалютном мире занимается Ethereum Foundation. Имеет смысл кратко рассмотреть здесь предложенные Виталиком Бутериным модели безопасности и используемые допущения.
В традиционных исследованиях отказоустойчивости часто используется модель честного большинства, предполагающая, что как минимум 51% участников принципиально честны. Виталик и компания утверждают, что такое допущение может быть проблематично. Следовательно, исследователям вместо этого стоит рассуждать о безопасности, используя специфичные допущения об:
уровне координации между участниками;
бюджете злоумышленника (максимальной сумме, которую должен будет заплатить злоумышленник);
издержках злоумышленника (реальных издержках, понесённых злоумышленником).
Соответственно, можно рассмотреть несколько разных моделей безопасности, помимо честного большинства. После этого можно рассмотреть отказоустойчивость и криптоэкономический запас безопасности (т. е. экономические издержки нарушения определённых гарантий протокола) для каждой модели.
Модели нескоординированного большинства предполагают, что участники протокола принимают независимые решения и ни один агент не контролирует больше определённого процента сети (здесь участники действуют в собственных интересах и не обязательно честны). Модели скоординированного выбора, с другой стороны, предполагают, что большинство или все агенты договариваются посредством кого-либо из агентов или коалиции агентов, хотя иногда может допускаться свободный вход агентов, не участвующих в сговоре. В модели подкупающего злоумышленника агенты принимают независимые решения, но существует злоумышленник, способный мотивировать других агентов на совершение определённого выбора посредством условной взятки. В качестве иллюстрации Виталик использовал в своих презентациях пример Shellingcoin. Если кратко, то в модели, где выплаты проводятся только агентам, голосующим с большинством, злоумышленник может гарантировать фиксированную выплату, превышающую выплату за голосование с текущим консенсусом, тем, кто отклонится от консенсуса и примкнёт к меньшинству. Таким образом, злоумышленник фактически может коррумпировать игру с помощью высокого бюджета, но фактически с нулевыми издержками, так как все подкупленные перебежчики в итоге окажутся в большинстве. Биткоин и другие протоколы доказательства выполнения работы, по крайней мере теоретически, уязвимы к подобной атаке (хотя нужно ещё убедительно продемонстрировать возможность такого огромного бюджета).
Введение в кооперативную теорию игр
Мне также показалась особенно интересной эта статья Влада Замфира. В ней изложена история эволюции мышления в исследованиях доказательства владения долей, которая привела разработчиков к текущей криптоэкономической методике, а также механизму гарантийных депозитов и штрафов в текущей версии Casper. Я особенно рекомендую четвёртую и пятую части серии, где обсуждается кооперативная теория игр. Самым интересным мне показалось наблюдение о том, что «архитектура блокчейна – это дизайн механизмов для олигопольных рынков». Что бы вы ни думали на эту тему, сложно утверждать, что централизация криптовалютных резервов и вычислительной мощности не является реалистичным допущением на практике. С точки зрения моделирования невероятную трудность представляет то, что большинство работ по дизайну механизмов, которые вы найдёте, рассматривают ситуации из некооперативной теории игр. В частности, некоторые из наиболее широко изученных механизмов (такие как представленный выше механизм Гровса) несостоятельны при допущении о сговоре агентов.
К счастью, кооперативная/коалиционная теория игр – хорошо разработанная область, и в сети можно найти много хороших введений в неё. В целом, цель – проанализировать, какие типы коалиций могут быть созданы, какие вознаграждения будут при каждом из них (посредством так называемой характеристической функции), и как коалиция должна распределять вознаграждения для достижения таких целей, как стабильность. Часто мы думаем о большой коалиции, в которой участвуют все агенты (например, все, кто майнит в самой длинной цепочке консенсуса) и о распределении вознаграждений по трансфертной схеме/концепции решений, известной как вектор Шепли, где каждый получает свой предельный вклад в коалицию. Мы можем также часто думать о «базовом» множестве вменённых значений (индивидуально рациональных и эффективных платежей), где у коалиции агентов нет мотивации, чтобы отклоняться, и анализировать стабильность исходя из того, является ли это множество пустым или не пустым, уникальным или нет. Вслед за Виталиком и др. мы можем рассматривать стимулы в двух широких категориях. Первая – это платежи, такие как вознаграждения за майнинг (что хорошо согласуется с нашим представлением о трансфертах), а вторая – это привилегии, позволяющие их обладателям получать ренту, такую как комиссии с транзакций.
Приложения для смарт-контрактов
Помимо анализа уровня консенсуса, Виталик обсуждает прямые приложения дизайна механизмов для смарт-контрактов. К примеру, аукцион Викри, о котором мы сказали много хорошего, в криптовалютных условиях может сталкиваться с трудностями. Например, пользователи могут делать несколько ставок и выборочно раскрывать те, которые гарантируют наивысшее вознаграждение. Можно предложить внесение залога для сдерживания таких агентов. Но тогда необходимо задать в механизме размер залога относительно размера ставки, что может уничтожить ключевые свойства аукциона с закрытой ставкой и второй ценой. Виталик идентифицирует проблему в том, что дизайн механизмов часто полагается на доверенного посредника, чтобы обеспечить точность и конфиденциальность игроков. Блокчейн способен гарантировать точность, но не конфиденциальность.
В криптоэкономических условиях обычно также нужно определить больше факторов, чем в традиционных приложениях дизайна механизмов. В централизованных условиях мы часто думаем о центральном агенте, управляющем механизмом так, чтобы максимизировать доход, в соответствии с определёнными ограничениями. В таком случае анализ намного проще. Однако в децентрализованных условиях может понадобиться определение алгоритмического агента, «управляющего» механизмом, и тщательно проанализировать поведение этого агента в механизме, а также последствия для денежной политики протокола. Например, если мы ожидаем нарушения механизмом бюджетного баланса, должен ли агент перераспределять доход игрокам? Стоит ли убрать из обращения излишек валюты? Должен ли агент иметь возможность создавать новую валюту при совершении трансфертов игрокам? Эти вопросы требуют пристального внимания, поскольку решения могут вводить в стимулы игроков нежелательные деформации (например, максимизация перераспределяемой суммы может стать нетривиальной составляющей их выгоды).
В заключение
Хотя дизайн механизмов стал ключевым элементом компьютерных исследований, мало кто из предпринимателей и разработчиков продуманно применяет подобный подход к разработке блокчейн-протоколов. И ещё меньше академических экономистов начали серьёзно изучать теоретико-игровые свойства блокчейн-протоколов.
Тем не менее, я уверен, что когда огромные возможности, предоставляемые криптоэкономикой, станут более ясны, эти разнородные сообщества начнут сближаться. Надеюсь, эта статья стала для вас полезным знакомством с инструментами и открытыми вопросами, определяющими возможности криптоэкономического дизайна механизмов. Кроме того, здесь вы можете ознакомиться с хорошим материалом о теории механизмов.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба