COIN:DAOrayaki:二次方融资与有效利他主义

原文作者:owocki

原文标题:QuadraticFundingxEffectiveAltruism

摘要

这篇文章,主要探讨了有效利他主义和web3.0的交集以及对GitcoinGrants2.0的扩展建议,希望将GitcoinGrants越来越多地引导到最有效的事业上。

在这个过程中使用的方法是:

引入一个数据层,允许对有效性的证明进行汇总;

引入有效利他主义的社会规范。

有效的利他主义

什么是有效利他主义,我一直在学习中,并且对它越来越感到兴奋。

有效利他主义是一种哲学和社会运动,主张"利用证据和理性尽可能地使他人受益,并在此基础上采取行动”。正是因为它是基于证据的,因此一直吸引我进行探索。

当向基于有效利他主义的事业捐赠时,以证据为基础的捐赠意味着每花一美元就能做最多的好事。它不会被用于行政开支,也不会陷入死循环。这对于捐赠事业而言是非常有利的,且影响深远。

数据:过去一年中DAO数量增加8.8倍:6月10日消息,根据Electric Capital工程师Emre Caliskan在推特上分享的Snapshot Labs的数据,DAO的数量已经增加了8.8倍,从2021年5月的700增加到现在的6000。在过去的12个月里,提案数量增加了8.5倍,总票数增加了8.3倍,从44.8万增加到370万。(Cointelegraph)[2022/6/10 4:16:32]

科学和科学方法是以寻求相关证据来证明或反驳各种假设为基础的。

web3建设者对这些想法与我们在Gitcoin的数据集的交集感到兴奋。想象一下,如果我们可以衡量每个Gitcoin赠款对世界的影响,涵盖所有形式的资本,并提供该信息通过Grants2.0协议,让世界各地的人们可以轻松地做出更明智的决定,确定哪些赠款在资助时最有效!

衡量影响

如何衡量哪些项目做了最多的好事?细节决定成败。

Reputation DAO宣布与Arbitrum集成,提供预言机声誉功能:1月25日消息,Reputation DAO 宣布与 Arbitrum 集成,为其提供预言机声誉功能。Reputation DAO 为 DeFi 项目构建开源、可编程的声誉系统。此次集成到 Arbitrum 上的预言机声誉功能将使 Arbirtrum 上协议和合约的用户将能够检查和验证每个合约的数据安全性。这将提高整个 DeFi 社区的预言机透明度和安全意识。[2022/1/26 9:12:47]

成本效益

有些慈善机构比其他慈善机构有效得多,因为慈善机构可能花不同的钱来实现同样的目标,有些慈善机构可能根本就没有实现目标。

有效的利他主义者寻求确定那些具有高度成本效益的慈善机构。例如,健康干预措施是根据其影响来选择的,衡量标准是每一美元延长的生命、每一美元增加的质量调整寿命年或每一美元减少的残疾调整寿命年。

FloorDAO将向NFTX DAO借款500 ETH以完成其Copperlaunch:1月7日消息,据官方消息,去中心化 NFT 做市商 FloorDAO 将向 NFT 去中心化交易平台 NFTX DAO 借款 500 ETH 以完成其 Copperlaunch。FloorDAO 选择用 DAO 取代私人投资者,NFTX DAO 拥有 FLOOR Token 分配权力。

FloorDAO 和 NFTX DAO 之间激励一致性来自于在 NFTX 市场中使用 FloorDAO 的流动性。通过持有 FLOOR,NFTX DAO 将在保留流动性方面拥有发言权。[2022/1/7 8:31:08]

我们现在已经将基于健康的结果的影响量化为一个关键绩效指标:质量调整寿命年。

更多资金的空间

另一个重要标准是获得更多资金的空间。

有效的利他主义组织会考虑资金增加的预期影响,而不是评估所有捐赠给慈善机构的平均价值。这避免了向缺乏“空间”以获得更多资金的组织捐款,因为他们面临着除缺钱之外的瓶颈问题。例如,一个医疗慈善机构可能无法雇用足够的医生或护士来分发更多的医疗用品,或者它可能已经在为其市场上所有的潜在病人提供服务。

Busy为B2C/C2C行业提供DAO解决方案,创造一个公平的全球市场:4月29日17:00,Busy CTO Robert Michalek做客MXC抹茶社区并分享了DAO 平台相关内容。

Robert Michalek 表示:Busy旨在将服务与去中心化金融联系起来。目前,Busy的阶段性产品是自由职业领域,自由职业者的中心化解决方案正面临高收费等诸多问题。而区块链能够以去中心化的方式缓解问题,用户将成为生态系统的一部分,并将被纳入未来的发展中。Busy能为个人自由职业者提供解决方案,创造一个公平的全球市场,未来也会有更多的 DAO 平台建立在 Busy 引擎上。

据资料显示,Busy DAO 是一个基于区块链技术、DeFi、Staking以及NFT等元素的B2C/C2C行业解决方案。[2021/4/29 21:11:21]

我打算用这篇文章的其余部分来谈一谈有效利他主义xweb3的交叉点。

MakerDAO发起行政投票以修改多个系统参数:金色财经报道,据官方博客消息,8月14日,Maker基金会风险小组将一系列执行投票纳入投票系统。具体如下:1.将基本费率从-4%降低至-6%;2.将Dust参数从20 Dai增加到100 Dai;3.将BAT风险溢价从0%调整为4%;4.增加盈余拍卖缓冲(也称“系统盈余”)至200万枚MKR。[2020/8/15]

有效的DAOltruism=有效的利他主义xweb3

我想探讨一下我们如何能将更多的有效利他主义思想带入GitcoinGrants。

这意味着将更多的有效性证据带入GitcoinGrants的数据集。

GitcoinGrants是一个以建设和资助数字公共产品为使命的项目。到目前为止,我们已经资助了价值5200万美元的公共产品,主要是使用一个名为QuadraticFunding的匹配公式。每个季度,GitcoinGrants上都会发生大约50万笔交易,每季度向各种项目分配大约600万美元。上个季度的数据是这样的。

GitcoinGrants的决定是基于30k资助者社区的偏好。每个季度有50万笔交易,这构成了对生态系统中1k个不同项目的支持的表达。

当这些资助者决定资助哪些项目时,他们会得到以下数据:

资助名称

资助说明

项目来自哪个地理区域

项目的网站

项目的推特

项目的团队是谁

我最感兴趣的是开始获取有效的利他主义数据并将其与上述数据混合。想象一下,如果您可以浏览每个赠款在上述有关赠款的信息旁边查看其对世界的影响。

如果你在浏览赠款登记册时,能看到关于该赠款影响的证明,并在以下每个矢量上进行量化,那会怎样?

该系统的数据层可以是这样的

我们试想几个问题:

1.如果能够按照影响来浏览/过滤赠款,会对Gitcoin赠款的体验有什么改变?

2.如果能选择总影响最大的赠款呢?

3.如果能根据那些有你自己信任的人的证明来过滤赠款呢?

4.你将如何过滤掉垃圾邮件?

5.管理部门如何就哪些证明是合法的达成共识?

在系统层面上,这样一个数据集的引入将如何改变每一轮拨款的偏好图?

以下是Gitcoin第12轮赠款的偏好图的样子。网络中的每个节点都是一个用户或一个授予,每个边都是一个交易。

如果我们在GitcoinGrants中引入有效利他主义的数据层,系统中的每个代理是否会做出更明智的决定?

如果是这样,这将如何改变每轮赠款的数据集的总体情况?这将如何改变QuadraticFunding的结果?

在假设的有效利他主义赠款实验的数据中发现的一件有趣的事情是,将利用该赠款计划的社区的偏好映射到多种不同类型的资本中。

例如,可以想象一个基于区块链的赠款计划优化金融和智力资本的世界,但从未对其他载体产生有意义的积极影响。

(X轴:10人的偏好,Y轴:资本的8种形态每个单元格是多少人X关心Y形式的资本。

所有数据都是随机的,仅用于演示目的)就我个人而言,我宁愿生活在一个至少我们的一些赠款计划的共识是对物质资本产生积极影响的世界,如气候变化生物多样性丧失。

一个社区偏好看起来使得我们的世界更加美好。

如果我们去掉个人偏好,只看汇总的偏好:

这里还有一些随机生成的偏好图。

一个关心社会、物质和智力资本的社区

一个关心社会和体验资本的社区

一个关心物质和体验资本的社区

一个关心金融和智力资本的社区

一个除了金融资本什么都不关心的社区

关于有效利他主义与Web3.0,现在,问题多于答案,但当我思考EffectiveDAOtruism时,我对这些问题深感兴奋。

参考文献

Gitcoin的数据集https://docs.google.com/spreadsheets/d/1OsJ_nmN9mN-i_9h3Yj2mDfjvtsP1qvv3B1zcpER62dk/edit#gid=1223173410

资本的八种形式:http://www.appleseedpermaculture.com/8-forms-of-capital/

Grant2.0协议:https://gov.gitcoin.co/t/gitcoin-grants-2-0/9981

有效的利他主义:https://forum.effectivealtruism.org/posts/cN9Zu7dowefAfmNnH/the-effective-altruism-handbook

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金星链

[0:15ms0-0:749ms