Ispravljači tamo, razni ormarići, – govorio je Hlebovvodov, – to nam je drug vrio prilično dobro objasnio. Jednog nam nije objasnio: činjenice nam nije objasnio. A postoji neosporena činjenica da kada joj postaviš pitanje, odmah dobiješ odgovor. U pisanoj formi. I čak i kada ne njoj, nego nekom drugom postaviš pitanje, ipak dobiješ odgovor od nje. A vi kažete, druže vrio, da nema ničeg neobjašnjivog. Ne slažu se kod vas krajevi. Nije nam jasno šta nauka kaže povodom toga. – Nauka je u moje lice izgubila govor.

A. i B. Strugacki, „Bajka o Trojci”.

Kako tržišta predviđanja rade čisto tehnički, nadam se da nam je već jasno. Kako rade sa aspekta, pardon na kalamburu, tržišta — takođe je jasno: ni od čega se principijelno ne razlikuju od kazina i na isti način zarađuju. Eksistencijalno pitanje je sledeće: da li su tržišta predviđanja bilo šta drugo osim kazina? Jednostavnije rečeno, da li je zaista vox populi toliko dobar u predviđanjima da bi futarhija radila i da milioni muva ne bi pogrešile? Konkretnije pitanje je — da li tržišta predviđanja rade bolje od bilo kojih drugih metoda donošenja odluka u različitim situacijama?

Pitanje se svodi na veoma drevni i u izvesnom smislu potpuno nelibertarijanski spor o tome šta je bolje: mišljenje nekoliko najboljih stručnjaka u određenoj oblasti; mišljenje stotina ljudi koji se, u principu, razumeju u tu oblast; ili mišljenje miliona ljudi čiji je prosečan nivo inteligencije ispod nule? Komunisti sa svojom idejom Sovjeta, kao što je poznato, teorijski su se oslanjali upravo na treću opciju (iako je u praksi sve ipak odlučivalo Politbiro), tako da je marksističkog (ili čak anarho-sindikalističkog) u konceptu tržišta predviđanja isto onoliko koliko i libertarijanskog i racionalističkog. U istoriji su poznati desetine slučajeva kada su odluke donosene (i donose se) na sličan način: počevši od procedure ostracizma u Grčkoj, pa sve do porote, kada obični ljudi izabrani nasumično donose presudu u meri svog razumevanja — da li je optuženi kriv ili ne. Tržišta predviđanja ne dodaju ništa radikalno ovoj proceduri, sve što ona daje jeste odličan podsticaj apsolutno svakom pojedincu da se izjasni o bilo kojoj temi („Vasi, zamisli, ako pogodiš prihod od „Odiseje“ sa crnom Elenom tokom prvog vikenda — dobićeš gomilu novca besplatno!“) i matematički aparat koji omogućava jasno konvertovanje sigurnosti mase u događaju u bajesijansko-ramzijevsku verovatnoću njegovog nastupa.

Sa problemima koji su povezani sa agregacijom i konvertovanjem mišljenja mase u nešto čitljivo, veoma je dobro upoznata sasvim druga oblast nauke: matematička teorija izbora. Hajde da vidimo šta nam ona govori o glasu narodnom. Matematička teorija izbora bavi se jasno definisanim problemom. Dato je određeno skup kandidata. Dato je određeno skup birača. U glavi svakog birača postoje ocene za svakog kandidata (situacija se pogoršava time što ocene ne moraju biti tranzitivne: čovek može sasvim verovati da će političar Vasja biti bolji lider od Petje, Petja bolji od Kolje, a Kolja bolji od Vasje). Zadatak matematičke teorije izbora je da konstruiše funkciju koja mapira skup ocena svakog pojedinca u jednu integralnu ocenu (koja se naziva funkcija socijalnog izbora), koja govori ko je naš predsednik. Naravno, ova funkcija mora zadovoljavati stroge kriterijume, konkretno, da bude jednoznačna, optimalna (na primer, u Pareto smislu), nemanipulativna, nediktatorska i da zadovoljava minimalne kriterijume poštenosti. Za detalje upućujemo radoznalog čitaoca na bilo koju ozbiljnu knjigu o matematičkoj teoriji izbora, nama je važno samo da ocrtamo okvire igre. Naravno, glasanje po principu „Podignite ruke ko je za predsednika“ ne zadovoljava nijedan od ovih kriterijuma, zbog čega je izmišljeno mnoštvo ozbiljnijih metoda, konkretno STAR Voting, Approval Voting, Simpson-Kramer, Copeland, Schulze, Ranked Pairs i slično. One su kvalitativne (često čak i veoma kvalitativne) i primenjuju se u različitim gejkerskim glasanjima, na primer pri izborima u Wikipediji ili Linux Foundation, ali nikada u stvarnoj politici (upravo zato što je njima ekstremno teško manipulisati, iako nije nemoguće).

Nažalost, matematička teorija izbora ima dve fundamentalne teoreme koje značajno ograničavaju mogućnosti za istinski efikasnu agregaciju mišljenja.

Gibbard-Satterthwaite teorema:

Pretpostavimo da je skup mogućih ishoda glasanja Q konačan i sastoji se od najmanje tri elementa, svi ishodi se realizuju funkcijom socijalnog izbora f(θ) = Q i svaki agent može realizovati bilo koji racionalni skup preferencija. Tada je f istinski realizovable u dominantnim strategijama tada i samo tada kada je diktatorska.

Arrow teorema:

Pretpostavimo da je skup mogućih ishoda glasanja Q konačan i sastoji se od najmanje tri elementa, svi ishodi se realizuju funkcijom socijalnog izbora f(θ) = Q, svaki agent može realizovati bilo koji racionalni skup preferencija. Tada je bilo koja f, Pareto optimalna i zadovoljava uslov parne nezavisnosti, neizbežno diktatorska.

Jednostavnim jezikom, ove dve teoreme nam govore važnu činjenicu. Nijedan matematički metod izbora pobednika glasanja ne može istovremeno biti:

1. Optimalan (tj. da izabere najboljeg kandidata sa stanovišta preferencija).
2. Nemanipulativan.
3. Nediktatorski.
4. Da zadovoljava minimalne uslove ferencije i ne dovodi do paradoksa u duhu Kondorca.

Očigledno je da to značajno narušava veru ljudi u demokratiju. Tačnije, narušilo bi, kada bi prosečan birač uopšte išta razumeo u matematičkoj teoriji optimalnog izbora. Zajedno se nazivaju i nemogućim teoremama o demokratiji, jer dokazuju da je jedini način da se izbegnu paradoksi glasanja, manipulacije i dođe do optimalnog izbora — diktatura. Sve ostale funkcije izbora će neizbežno imati neke nedostatke. U stvarnom životu se obično žrtvuje nemanipulativnost, dobijajući sistem glasanja koji je fer, nediktatorski i ne dovodi do paradoksa, ali je nestabilan u odnosu na dogovore birača ili njihovo taktičko ponašanje. Ako, naprotiv, želimo da dobijemo sistem otporan na strategije, gubimo, na primer, odsustvo paradoksa. Ukratko, matematička teorija izbora je prilično pesimistična stvar.

Šta ona kaže povodom futarhije? Ništa dobro. Futarhija ne uklanja Arrowov paradoks, već ga samo prenosi. Umesto glasanja za kandidate, dobijamo glasanje za funkciju korisnosti, a funkcija korisnosti je takođe izbor. Problem uopšte nije nestao. Slično je i sa Gibbarovom teoremom, koja nas uči da je bilo koji mehanizam kolektivnog izbora ili diktatorski ili strateški ranjiv, bez obzira na konkretni matematički oblik tog mehanizma. Futarhija je takođe mehanizam kolektivnog izbora, stoga ona takođe ne može izbeći fundamentalna ograničenja.

Prvo, kod futarhije je uopšte nejasno ko tačno bira funkciju korisnosti. Na primer, cilj je maksimizovati BDP. Sjajno. Ali kakvi su granični uslovi za to? Ako se u procesu poveća kriminal, umre ekologija, smanji stopa nataliteta, nestane kultura ili se dogodi mnoštvo drugih, teško predvidljivih događaja? U izvesnom smislu ovde vidimo problem sličan čuvenoj racionalističkoj zastrašujućoj priči o „Optimizatoru spajalica“. Suština je jednostavna: izumljeni je hipotetički Snažni AI, kojem se za proveru njegovog rada na bezbednom nivou daje trivijalni zadatak, recimo, upravljanje fabrikom za proizvodnju spajalica, i ugrađuje mu se jedan osnovni nadcilj — postići optimizaciju proizvodnje spajalica (kako ga ne bi vodila dominacija nad ljudskom rasom). Snažni AI briljantno rešava problem: sve ostale fabrike spajalica u svetu su uništene, naša je postala monopolista, mi smo glavni proizvođači spajalica na svetu, a paralelno je rešio naše probleme sa rakom, globalnim zagrevanjem, kriminalom itd. itd. Na kraju, on je izabran za predsednika sveta, kolonizuje Mesec i Mars, sve ide sjajno, čovečanstvo je na vrhuncu razvoja… a onda su milijarde njegovih samoreprodukujućih dronova preradile sve ljude i sve u univerzumu u spajalice, jer uopšte nije zaboravio svoju osnovnu direktivu, samo je išao ka njoj dugoročno. Futarhija bi mogla ispasti isti takav zlonamerni džin-doslovitelj, koji će podići BDP na račun uništenja celokupnog nesposobnog za rad stanovništva ili nečeg sličnog. Naravno, u stvarnosti se to neće desiti (ko će ludacima sa tržišta predviđanja dati takvu moć!), ali ovaj mentalni eksperiment pokazuje suštinu problema. Gudhartov zakon je nemilosrdan: ako metrika postane cilj, ona prestaje da bude dobra metrika, a ona to neizbežno postaje čim se pretvori u apsolut. Počeli smo da merimo KPI — nakon nekoliko godina svi rade za KPI, a ne za rezultat.

Drugo, Arrow i Gibbard su nam objasnili da su i tržišta podložna manipulaciji, kao i svaka politička mašina. Ako neko kontroliše banke, medije, velike fondove — on je, bez sumnje, sposoban da utiče i na tržišna očekivanja, i naša politička mašina se pretvara u finansijsku mašinu. A kako nam je poznato, finansijska mašina ide bolje što više novca imaš. Apstraktna smitsonijanska / hajekovska / rotbardijska tržišta rade savršeno, kao na papiru, samo ako postoji neka spoljna sila koja veštački kontroliše koliko veliki i bogati kontragenti mogu postati. Ako na tržištu postoji 1.000.000 učesnika sa 10 dolara u džepu — to je prelepo, savršeno tržište. Ako na takvom tržištu postoji makar jedan učesnik sa 10.000.000 dolara u džepu — on će, poput crne rupe, izobličiti sve što uđe u njegovu orbitu, i nema načina (osim spoljnog pritiska, na primer antimonopolskog zakonodavstva) da se on spreči u takvim izobličenjima. Na kraju, u futarhiji isto tako vlada efekat skale: što je igrač veći, to dobija više prednosti i što je teže poljuljati njegov monopol na moć. Organizacija ili osoba koja ima nekoliko milijardi dolara za uloge u futarhiji može kupovati ugovore na gomile, igrati se cenama i iluzijama očekivanja, provocirati tržište na bilo koju potrebnu odluku itd. Praktično samo menjamo naziv pločice na stolu Najvišeg Šefa iz „Diktator“ u „Izvršni direktor“.

Finalni problem je taj što daleko nisu sve posledice uopšte merljive unapred. Na primer, možemo zabraniti drogu (da, to nije libertarijanski, ali imamo futarhiju: na šta narod kladi se, to i radimo; vrlo je verovatno da masa može uložiti i u još neke gluposti). Šta će se desiti sa posledicama toga — da li će porasti kriminal, poboljšati se zdravlje, promeniti se kultura, porasti korupcija, biće potrebni dodatni organi kontrole, naduvanu će se budžeti? Svaka odluka ima desetine posledica, i ne mogu sve biti izračunate na licu mesta. Šta tačno tržište na kraju treba da predviđa i koliko daleko? Za godinu dana? Za deset? Za pedeset godina? I ovaj problem takođe nije algoritamski rešiv.

Tako vidimo da u najopštijem slučaju, odnosno kod upravljanja putem tržišta predviđanja, ona nemaju nikakve prednosti u odnosu na bilo koji drugi sistem, od fordisma do komunizma (zapravo, ovo je intuitivno jasno svakom matematičaru: u ovoj nauci ne samo da ne postoje, već principijelno ne mogu postojati srebrne kuglice koje rešavaju bilo šta i dokazuju bilo koju tvrdnju). Šta onda učiniti sa posebnim slučajevima? Pa, kod svakog Microsofta one ipak rade, a i svi Trampovi izbori se kao predviđaju? Da, u takvim slučajevima MP može biti koristan, ali on ima ograničenja.

Prvo, događaj koji se predviđa mora imati apsolutno objektivan (idealno binaran) i lako proverljiv odgovor za svakog čoveka. Pitanja poput „Da li će republikanci steći većinu u Kongresu?“ ili „Da li će Intel bankrotirati do kraja 2026. godine?“ su dobra. Pitanja poput „Da li je predložena reforma obrazovanja dobra?“, „Da li predsednik vodi međunarodne odnose na ispravan način?“ i slična su loša. Drugi zakon: informacija mora biti raspoređena, a ne koncentrisana. To se zove agregacija informacija, i upravo tu su tržišta skoro nepobediva u preciznosti. Dobro pitanje: „Hoće li ovogodišnja žetva biti bolja od prethodne?“ Farmer poznaje svoje polje; inženjer poznaje proizvodnju đubriva; logističar poznaje probleme transporta; meteorolog poznaje vreme; ekonomista poznaje potražnju. Svaka osoba poseduje mali deo znanja, stoga MP poboljšava preciznost za nekoliko redova u poređenju sa anketiranjem jednog ili dva eksperta. Loše pitanje: „Hoćemo li razviti antigravitaciju do kraja 2050. godine?“ O tome kako napreduju istraživanja u oblasti poljske i kvantne fizike zna ograničen krug vrhunskih naučnika duboko urobljenih u tu temu; pitati nekoga van tog kruga je potpuno uzaludna aktivnost.

Treći zakon: događaj ne sme zavisiti od samog prognoza. Postoje egzogeni i endogeni događaji. Na pitanje da li će se desiti pomračenje sunca, samo tržište ne utiče — to je egzogeni događaj. Na pitanje da li će akcije NVIDIA porasti u sledećem kvartalu, tržište utiče, i to kako: to je endogeni događaj u kojem prognoza menja stvarnost. Ako je tržište uveren da će bankrotirati sa verovatnoćom većom od 50%, najverovatnije će ljudi krenuti da podižu novac odatle, i verovatnoća će porasti na 99% (ako se ne umeša neka druga sila). Ponekad tržište izaziva krizu koju je sama predvidela. Četvrti zakon: ne može se predvideti ono što se može kupiti. Ovde se loše pitanje postavlja, recimo, ovako: da li će Sony pobediti kompaniju HBO u konkurentskoj borbi filmova? Ako Sony ima dovoljno novca, oni mogu, smejući se svim prognozama, jednostavno kupiti HBO, i tržište po tom pitanju neće moći ništa da kaže. Peti zakon: događaj mora imati kratak horizont. U prognozama u proseku do 1–2 meseca, RP su sjajni (uzimajući u obzir prethodna ograničenja), do 10–12 meseci — dobri, do 5 godina — loši, preko 5 godina — beskorisni, kao bacanje novčića. Neizvesnost raste otprilike eksponencijalno, i sa svakim mesecom broj nepoznatih faktora postaje ogroman.

Uz ovo se nadovezuje šesto pravilo: svet mora biti stacionaran. Jednostavnije rečeno, ako je prethodnih 20 godina na inflaciju uticalo pet faktora, među kojima nije bilo ni rata ni pandemije, a ove godine se dogodilo nešto od toga, — RP neće predvideti inflaciju. Svet se promenio, sve prethodne informacije su postale beskorisne. Sedmo pravilo: ne mogu se predvideti jedinstveni događaji. To su oni isti Talebovi „crni labudovi“ — default Jelcinove Rusije, raspad SSSR-a, pad asteroida, COVID-19, krah dot-com kompanija, izum nuklearne bombe. Takvi događaji nikada ranije nisu postojali, i tržište ne zna kako da proceni verovatnoće preciznije nego u viceu o susretu sa dinosaurusom: 50% — ili ćeš ga sresti, ili nećeš. Zapravo, niko: ni stručnjaci, ni pojedinci, ni korporacije (koje su u analizu uložile milione) — nije predvideo ništa od ovoga, a oni koji su zaradili na „crnim labudovima“ — su ili insajderi (kao potencijalno kod COVID-19), ili su jednostavno imali sreće. Poslednje pravilo: predviđanje mora biti neosvojivo za insajdere (ovo, delimično, već proizilazi iz prethodnih, ali se može reći i zasebno). Jednostavnije rečeno, tržište ne može reći ništa o većini političkih i ekonomskih događaja, poput preuzimanja Madura u Venecueli, jer na to opklade postavljaju (i monstruozno zarađuju) sami učesnici preuzimanja i donosioci odluka. Ako postoji rizik od kontaminacije tržišta insajderima — ono neće moći da radi kao mašina za predviđanje (a takav rizik postoji kod mnoštva događaja). Pri tome postoje dva tipa insajdera, i za tržište su opasni samo oni — oni koji formiraju pozitivnu povratnu informaciju (a oni koji je ne formiraju, naprotiv, korisni su). Ako insajder samo konstatuje događaj (Maskovi inženjeri znaju da će sutra loše zavaren rezervoar eksplodirati sa verovatnoćom od 99% i raketa nigde neće poleteti), — on unapređuje tržište prodajući akcije i time otkrivajući informacije o događaju, za šta je RP i namenjen, preciznost prognoze raste. Ako pak insajder utiče na događaj (opklada se da će Maduro biti svrgnut sutra, dok već učitava rakete u AH-64 Apache), tada on iskrivljuje prognozu samoispunjavajućim se proročanstvom i odlazi sa bankom.

Dakle, može se formulisati finalni zaključak. Da, tržišta predviđanja funkcionišu. Ne, ona ne mogu upravljati društvom. Ona imaju mnogo ograničenja unutar kojih su njihove prognoze — praktično maksimalna tačnost predviđanja koju bilo koja razumna agregacija informacija uopšte može dostići. Izvan tih okvira, ona ili rade na nivou bacanja dva šestostranog kockića (2D6), ili uopšte služe kao alat za spekulaciju ili uticaj na svet, a ne za njegovo predviđanje. Razlikovati ove situacije bez istreniranog oka i iskustva (kao i razumevanja matematike), prilično je teško. Kao rezultat toga, za 99% ljudi, tržišta predviđanja efektivno zamenjuju kazino i omogućavaju prilično respektabilniju realizaciju njihove ludomanije, preusmeravajući novac pametnijim i bogatijim ljudima — vlasnicima isplativih lotova. Tržišta predviđanja stvorena sa analitičkim ciljevima su sasvim funkcionalna stvar i prilično korisna, ako su stvorena uzimajući u obzir goreopisane zakone. Ako kreiramo tržište predviđanja za klađenje na Svetsko prvenstvo 2026 — to je dobro, kvalitetno tržište koje ispunjava sva ograničenja i daje najbolju prognozu. Ako kreiramo tržište predviđanja da pogodimo kada će Tramp postići mir sa ajatolama — to je loše tržište koje služi za izbacivanje novca iz naivaca. Nijedno tržište predviđanja ne može postati osnova univerzalnog sistema upravljanja i donošenja odluka (kao u ružičastim snovima Judkovskog).

Kratko esej o libertarijanstvu, racionalizmu, ludomaniji i matematici

Sperry UNIVAC

Of Dice and Men

Čoveka, kao vrstu, izdvaja među ostalima, između svega, želja za igranjem za novac. Ako to preformulišemo malo preciznije, moglo bi se reći ovako: raznovrsne igre (pa čak i veoma apstraktne, poput jurnjave okrugle i besne ribe fuge od strane delfina) sreću se kod mnogih životinja, ali samo kod čoveka su poprimile izuzetno specifičan oblik, koji se sastoji u tome što on nudi nešto što je za njega vredno, zatim spoljni svet sprovodi neku proveru, i ako dođe do podudaranja, čovek dobija povećanu vrednost.

To je svojevrsna racionalizovana težnja ka „besplatnom“ i istovremeno legalan način da se ona zadovolji. Podsvesno, svi žele da šetaju ulicom i pronađu zlatnu štapu, samo što tako sreće veoma malo ljudi. Na ovom jazu između potpuno totalne želje i izuzetno retke njene realizacije rade apsolutno sve igre na sreću. Ključni trenutak im je deljenje besplatnog novca, ali pošto firme moraju od nečega da žive, to poprima oblik tipične piramide: 1000 ljudi uplaćuje po 1$, nasumično izabrani jedan dobija nazad 900$, a preostalih stotinu uzima firma. Ovaj generalizovani princip važi potpuno za svaku igru: od automata do pokera i sportskog klađenja. Ova želja je toliko totalna i sveobuhvatna da kladionice svih vrsta stabilno i obilno cvatu, kao i razne kazina, kockarnice i obični kockari na ulici. Ukupni promet svetskog klađenja u 2025. godini dostigao je 112–114 milijardi dolara, od čega je oko 10–17 milijardi dolara čist prihod, dok je prihod kazina za istu godinu iznosio 146–245 milijardi dolara sa profitom od oko 22–35 milijardi dolara (prema podacima o Gross Gaming Revenue). Na predstojećem Svetskom prvenstvu 2026, prema predviđanjima banke Macquarie, obim klađenja iznosiće oko 50 milijardi dolara, što je rekord sa velikim razmakom (pri čemu su to samo klasične opklade putem sajtova i fizičkih kladionica). U SAD se zakoni o klađenju postepeno ublažavaju, a granica između dva tržišta se ubrzano briše. Skoro svi najveći svetski igrači (od američkog MGM/BetMGM do evropskih Bet365 i Entain) danas predstavljaju hibridne platforme, gde korisnik u jednoj aplikaciji može i da se opkladi na fudbalsku utakmicu i da zavrti rulet.

U MKБ-11, poznatoj po svojoj toleranciji prema psihičkim bolestima, i dalje postoji odeljak, pažljivo nazvan „opasne igre i klađenje“, koji opisuje poremećaj, po učestalosti uporediv sa alkoholizmom (i često mu prateći) i jednako destruktivan — ludomaniju, nepodnošljivu težnju da se protreba sav novac na opklade. Društvo u celini osuđuje ludomaniju otprilike isto kao i alkoholizam (a u terminalnoj fazi ona dovodi do gotovo istih posledica), i baš kao što su barovi u vreme brojnih suvozakona i liga uzdržanja, kazina i klađenje periodično uništavani, zabranjivani i izbacivani. Naravno, baš tako je i porok ostajao večan i nepobediv, ali sam proces pokazuje da kladioničari moraju biti oprezni i pokušavati da svoje zanat predstavljaju kao nešto što izaziva manji emocionalni odjek.

Kazina i majmuni

Najplemenitiji vid klađenja u očima običnog čoveka predstavljaju brojni finansijski tržišta, i to uprkos tome što rad trejdera ni od čega ne razlikuje od kazina. Godine 1973, ekonomista Berton Malkiel je napisao: „Majmun sa povezom preko očiju, koji baca strelice u finansijske stranice novina, može izabrati portfelj koji će se pokazati ne gorim od portfelja koji su pažljivo odabrali stručnjaci“.

Prvi pristup problemu bio je eksperiment WSJ Investment Dartboard Contest novina The Wall Street Journal, koji su sprovodili tokom celih 14 godina — od 1988. do 2002. godine. Pravila su bila maksimalno jednostavna. Svakog meseca (a kasnije svakih šest meseci) redakcija je priređivala duel. Portfelj profesionalaca sastav odraz tim stručnjaka i profesionalnih menadžera fondova, koristeći sav dostupan matematički aparat sveta. Zaposleni u novinama su, s druge strane, kačili na zid finansijsku stranicu sa berzanskim kursovima akcija i bacali u nju strelice. Četiri kompanije u koje bi pogodili formirale su majčinski portfelj. Po isteku roka, rezultati prinosa oba tima poredili su se međusobno, kao i sa prinosom celog tržišta — indeksom Dow Jones Industrial Average. Ukupno je sprovedeno 142 runde. Ako se porede portfelji profesionalaca i majmuna, stručnjaci su pobedili u 61% slučajeva. Međutim, kada su rezultati stručnjaka upoređeni sa običnim pasivnim indeksom Dow Jones, ispostavilo se da su ljudi uspeli da nadmaše tržište samo u polovini slučajeva (71 runda od 142). To znači da su šanse analitičara da pogode kretanje tržišta bile bukvalno kao bacanje novčića. Na kraju, istraživači sa Univerziteta u Pensilvaniji detaljno su proučili ovaj konkurs i otkrili važan detalj. Čim bi WSJ objavio listu akcija koje su izabrali stručnjaci, hiljade malih investitora bi odmah krenulo da ih otkupuje. To je veštački podizalo cenu akcija u prvim danima runde i dalo stručnjacima prednost. Ovaj fenomen je nazvan efektom objave, i ako se on uzme u obzir, rezultati portfelja profesionalaca i majmuna postajali su identični.

Pre toga, hipoteza o efikasnom tržištu Bertona Malkiela i radovi nobelovca Džina Fama ostali su univerzitetska teorija, ali nakon WSJ Investment Dartboard Contest, ljudi su shvatili da je ponašanje tržišta slučajnost. Konkurs je prekinut, inače zvanično zato što je format zastareo, a nezvanično zato što su novine pod teškim pritiskom autoritativnih ljudi sa Vol Strita, kojima je bilo dosta toga što su ih 14 godina zaredom prikazivali kao idiote i prevarante. Ipak, eksperiment je uradio svoje: danas se trilioni dolara širom sveta investiraju upravo pasivno — u indeksne fondove i ETF.

U januaru 1999. godine, u samom jeku dot-com bumena, petogodišnja šimpanza Raven je bukvalno realizovala Malkielovu metaforu. Dali su joj strelice i ona ih je bacala u listu od 133 tehnološke kompanije. Od akcija koje je izabrala kreiran je indeks MonkeyDex, koji je do kraja godine pokazao prinos od 213%. Nadmašila je više od 6000 profesionalnih menadžera fondova i ušla u Ginisovu knjigu rekorda. 2008. godine magazin „Finance“ sproveo je svoj eksperiment u Rusiji. Sirkusu šimpanzi Luši ponuđeno je da izabere 8 kockica sa nazivima različitih akcija. Nakon godinu dana, Lušin portfolio je pokazao prinos veći od 94% ruskih investicionih fondova. Tajna uspeha je bila u tome što je Luša potpuno slučajno izabrala akcije banaka koje je država kasnije morala spasavati tokom krize, zbog čega su one snažno skočile. Britanski list The Observer je 2012. godine organizovao takmičenje koje je trajalo godinu dana. Protiv tima od tri profesionalna finansijska menadžera i tima studenata postavljen je crvenokosi mačak Orlando. Mačak je vršio svoj izbor bacajući svoju omiljenu igračku miša na mrežu sa nazivima kompanija. U početku su profesionalci vodili, okruženi tonama grafikona, „japanskih sveća“ i druge zamršene analitike, ali je do četvrtog kvartala stigao crni labud, baš kao što je opisao Nassim Taleb. Mačak je nekoliko puta uspešno bacio miša i na kraju godine ostvario prinos od 11% naspram svega 3,5% kod tima ljudi. „Car-trejder“ je postao legendarni hamster Mr. Goxx — zvezda kripto tržišta. 2021. godine dva stručnjaka iz Nemačke su za običnog sirijskog hamstera po imenu Max izgradila visokotehnološki kavez Goxx Capital. Hamster je okretao točak koji je birao jednu od 30 kriptovaluta. Zatim je prolazio kroz jedan od dva tunela: „Kupi“ ili „Prodaj“. Sistem je to očitavao i automatski izvršavao stvarnu transakciju na berzi. Tokom nekoliko meseci svoje karijere, Mister Goxx je povećao svoj portfolio skoro za 20%. Nadmašio je po prinosu ne samo indeks S&P500, već i legendarnog investitora Warrena Buffetta, kao i Cathie Wood fund. Nažalost, krajem 2021. godine plišasti trejder je uginuo i fond je ugašen.

Oko biznisa različitih finansijskih instrumenata, tokom par stotina godina, trudom samih finansijaca izgrađena je terminologija i atmosfera koja podseća na Hegelovu „Nauku logike“, tj. gusti, kao sirup, pseudonaučni besmisao, i na kraju, kakve god regulative i osude da padaju na kazino, berzu niko ne dira. Nešto manje počasna ludologija su popularne kriptoinvesticije u poslednjih 10 godina, ali najzanimljivija je treća stvar, čija je koncepcija istovremeno jednostavna i genijalna. Reč je o tržištima predviđanja, koja ćemo i istraživati.

Šta je to tržište predviđanja?

Kladioničari su odavno razmišljali kako na najbolji i najjednostavniji način da ukršte ježa i zmaja: tako nekompatibilne stvari kao što su nizak prag ulaska, uzbuđenje i jednostavnost opklada (kao u sportu) i sofisticirani sjaj nečeg uzvišenog, pametnog i aristokratskog iz finteka. Igra na berzi je svima dobra (naročito zbog suma koje se tamo gube), loša je samo po tome što joj je prag ulaska previsok, a uzbuđenje premalo. Malo ko je spreman svakog sata sa zanosom da proverava kako idu omiljene akcije „Pyaterochke“, da li su porasle sa 65,6 r. bar na 67,8 r. i kada se može isplatiti čak 21,4 r. profita. Uzbuđenje trgovanja akcijama SpaceX sa 20–30 hiljada dolara tipičnom običnoj osobi iz radničke klase je nedostupno zbog nedostatka takvog novca. Pored toga, klasično klađenje pruža i osećaj pripadnosti, nezamisliv za berzu otkad je, umesto toplog, intimnog okruženja gde se gura laktovima, maše opcijama i pokušava preglasati masu istih trejdera, postala sterilna, onlajn i neinteresantna. Kada se klađite na sport, vikati GOOOOOOOL!! sa komšijama u baru postaje sto puta zabavnije, a pivo sto puta ukusnije.

Počev od 2022. godine, tržišta predviđanja su naglo uvela u naš život, i u ovom trenutku njihov promet iznosi milijarde dolara. Zanimljivo je da su mnogi ludomani, koji su došli do banalnog klađenja na sport (uključujući i trenutno Svetsko prvenstvo), to učinili upravo pod uticajem tržišta predviđanja. I ovde nije reč samo o novim modernim mehanikama koje su stigle u klađenje iz finteka i kripto sveta — zanimljivo je da su tržišta privukla potpuno novu publiku koja ranije uopšte nije kladila. Ljudi tamo ne idu samo zbog dolara, već i jer osećaju želju da spoznaju „konsenzus tržišta“, postanu pametniji (ahaha) i racionalniji. Pri tome, značajan deo korisnika se u procesu korumpira i rado prelazi u najobičnije klađenje. Tako je moderna industrija klađenja dobila zanimljiv alat kojim može da dohvati publiku koja joj je ranije bila principijelno nedostupna. Jer klađenje na sport u onlajn kazinima je ludomanija, skufovi, pivo i alkoholizam i sramota. A klađenje na sport na Polymarket-u ili Kalshi-ju je inteligencija, racionalnost, banana smoothie i hoodie sa kapuljačom pravo iz Silicijumske doline, skoro kao kod pravih vukova sa Vol Strita.

Naravno, tamo se može kladiti ne samo na sport, u tome je i poenta. To se može raditi u širokim granicama onoga što se smatra pristojnim u društvu i zakonskim u SAD (jer se trude da uđu pod njihovu jurisdikciju kako bi postali debeli i ozbiljni). Može se kladiti od toga koliko će tvitova Musk napisati danas, do toga šta će se pre desiti — Isusovo drugo dolazak ili izlazak Half-Life 3.

Prema klasici, oni rade u 3 faze (u slučaju da neko nije u toku).

1. Kreiranje ugovora (Izdavanje akcija)

Organizator tržišta jasno formuliše pitanje i uslove njegovog rešavanja. Ugovor je obično strukturiran po principu binarnog opciona (iako postoje i multivariantni tržišta), gde je ukupna suma isplata prema krajnjem rezultatu uvek jednaka određenoj fiksnoj vrednosti (ponovo, klasično to je $1 ili ekvivalent od $1 u kriptovaluti). Kreiraju se dva tipa akcija, identičnih u svemu osim u značenju: „DA“ po završetku ugovora donosi $1 ako se događaj dogodio, „NE“ — odgovarajuće, ako se nije dogodio. Cena je uvek normisana na jedinicu, u bilo kom trenutku cena skupa „DA“ + „NE“ = $1. To je neophodno kako bi se ovaj skup mogao interpretirati kao verovatnoća događaja. Za multivariantna tržišta važi isto, samo se zadržava normisanje, samo se izdaju akcije „Ishod 1“, „Ishod 2“ … „Ishod N“. Njihova ukupna vrednost je takođe uvek jednaka $1.

2. Trgovanje.

Akcije se stavljaju u prodaju i svako ih može kupiti, cena varira u opsegu od 0 do 1. Ako se akcije za opciju „DA“ tretiraju po $0,65, onda akcije „NE“ automatski dobijaju cenu od $0,35, a odnos cena varira u zavisnosti od toga ko je koliko akcija kupio. Grubo rečeno, postavimo pitanje: hoće li Iran izvući reparacije od Trampa tokom sledeće nedelje? Izbacujemo na tržište akcije po ceni koju prvobitno određuje LMSR algoritam (ili sličan, o njemu više detalja niže). Većina ljudi je, recimo, uverena da je odgovor da, i počinje da kupuje akcije „DA“, njihova cena za sat vremena skače na 0,90, a cena „NE“ automatski pada na 0,1. Zatim dolaze neki insajderi koji su uvereni da je odgovor ne, i počnu da kupuju „NE“, pa njihova cena na kraju skoči na 0,4. Sve ovo funkcioniše preko automatskog marketmejkera (na primer, pomenuti LMSR — Logarithmic Market Scoring Rule), koji dinamički menja cenu akcija u zavisnosti od strukture potražnje.

3. Rešavanje tržišta (Obračun).

Kada nastupi utvrđeni datum ili se događaj zvanično desi, tržište se zatvara. Organizator fiksira finalni rezultat na osnovu autoritativnih izvora. Držaoci akcija tačnog ishoda dobijaju po $1 za svaku akciju. Držaoci akcija pogrešnog ishoda ne dobijaju ništa.

Nije teško zaključiti da je ovakva šema nastala kombinacijom prilično klasičnih (i dokumentovanih otprilike od 16. veka) opklada za pobedu kandidata na izborima (praksa koja je dostigla vrhunac krajem 19. — početkom 20. veka, a zatim je u direktnom obliku skoro svuda zabranjena) i univerzitetskih istraživanja matematike prognoza i verovatnoće. Pored toga, ulogu je odigrala i čuvena američka tradicija klađenja, koju su ljudi sklapali na bilo šta bez ikakve državne kontrole.

Libertarijanci, racionalisti i matematičari

Za nas je najzanimljivije to što su tržišta predviđanja istovremeno „sveta krava“ kako libertarijanaca, tako i racionalista. Za ekonomsku stranu pitanja, prirodno, odgovaraju Ludvig fon Mizes (mala knjiga iz 1920. „Economic Calculation in the Socialist Commonwealth“) i Fridrih Hajek (članak iz 1945. „The Use of Knowledge in Society“). Mizes je počeo postavljanjem libertarijanske osnove da bez privatnog vlasništva nema slobodne razmene; bez razmene nije moguće formiranje tržišnih cena; bez cena nije moguće nikakvo ekonomsko predviđanje; bez predviđanja nije moguće razumeti da li će biti isplativo izgraditi kafić ili pab baš ovde, a samim tim, niko neće ništa uložiti i ekonomskog rasta neće biti. Hajek je razvio Mizesove ideje i pristupio je, naravno, takođe iz ekonomije, postavljajući pitanje čime se u ankapizmu može zameniti Gosplan. Na kraju je izgradio koncept „raspršene znanosti“, koja se ne može izvesti naučnim putem, već samo agregacijom mišljenja na licu mesta. Takav agregator, koji funkcioniše idealno i automatski, za njega predstavlja Sveta Slobodna Tržišna Cena. Tržišta predviđanja uzimaju ovu tezu i primenjuju je na informacije: ne možete saznati pravu verovatnoću događaja putem anketa ili komisija stručnjaka, potreban vam je slobodni tržišni razmenjivač mišljenja.

U 1950-im je nastupila blažena era državnog kapitalizma, a klađenje na događaje je postalo marginalno, otišavši duboko u akademsko podzemlje. Nakon Drugog svetskog rata, u SAD i Evropi je zakonodavstvo protiv igara na sreću postalo strože, pa je klađenje na društveno važne događaje bilo izjednačeno sa ilegalnim kazinima ili nezakonitom trgovinom derivatima, pri čemu su kazina i berze barem već imale pravni okvir da bi se legalizovale, dok se niko nije trudio da to učini za klađenje na događaje. Pored toga, još 1928. godine na Univerzitetu u Ajovi (zapamtite to mesto, još će nam trebati) Džordž Galap je odbranio rad „Objektivna metoda određivanja interesovanja čitalaca za novinske materijale“. Tokom 1930-ih radio je kao novinar i reklamacioni stručnjak i bio jedan od prvih koji je primenio ankete klijenata za istraživanje tržišta. Posao je napredovao tako da je 1935. godine Galap osnovao Američki institut za javno mnjenje, koji se već sledeće godine proslavio organizacijom prve ankete javnog mnjenja za Ruzveltovu kampanju. Godine 1958. institut je transformisan u Gallup Organization, i počeo je uspon naučne sociologije. Ankete javnog mnjenja počele su da se doživljavaju kao jedini progresivni i respektabilni način da se sazna budućnost. Predviđanja za novac počela su da se povezuju sa prljavim kladionicama i marginalcima.

Jedan od retkih legalnih načina da se uspostavi odnos između klađenja i ozbiljnog poslovanja postale su hedž fondovi koji rade sa kockarskom industrijom, a u periodu od 1960-ih do 1980-ih, napori većine matematičara i biznismena zainteresovanih za ludomaniju bili su usmereni upravo tamo. Pionir je bio Edvard Torp, profesor teorije verovatnoće sa MIT-a, koji je 1962. godine napisao čuvenu knjigu o igri blackjack pod nazivom „Beat the Dealer: A Winning Strategy for the Game of Twenty-One“. Blackjack je jedna od najpopularnijih igara u svetskim kazinima, i Torp se posvetio tome da precizno izračuna njegove kombinacije koristeći neverovatnu inovaciju tog vremena — institutska IBM 704 mejnfrim kompjuter. Torp se celog života predstavljao kao nesebični akademski naučnik, ali on to, naravno, nije bio. Nakon proračuna, pozajmio je 10 hiljada dolara od bivšeg kladioničara i profesionalnog igrača Menija Kimela i otišao u Las Vegas, gde je za vikend podigao 10% od te sume (po merilima 1960-ih — solidan novac). Kako bi izbegao otkrivanje u više kazina, Torp je majstorski koristio maskiranje: veštačku bradu, naočare, perike itd. Pored igre blackjack, Torp je sastavio tim za baccarat koji je takođe pobeđivao. Pored toga, Torp je namamio poznatog informatičara Kloda Šenona da mu napravi mašinu za dobijanje u ruletu; on ju je sklopio za godinu dana, i 1961. godine su zajedno testirali kompjuter u Las Vegasu, izazivajući nekoliko kazina.

Nakon toga mu je zabranjen ulazak u sve kockarske objekte u zemlji u bilo kom obliku i za bilo koju igru, ali Torp je već postigao ono što je želeo. Širenje knjige na vrhuncu slave bio je još jedan strateški potez — rasprodala se za nekoliko nedelja u tiražu od 700 hiljada primeraka i učinilo profesora milionerom. O Kimelu u knjizi nije pisao. Godine 1969, na vrhuncu slave, osnovao je Princeton Newport Partners — prvi uspešni kvantitativni hedž fond u istoriji, izumivši sam taj fenomen. U većini kazino igara (na primer, u ruletu ili slot mašinama), svaki sledeći krug ne zavisi od prethodnog, i matematičko očekivanje za igrača je uvek stabilno malo negativno (inače kazino ne bi moglo da zaradi). U blackjacku je drugačije: karte odlaze u odlaganje i ne vraćaju se u špil do kraja partije. Prilično je očigledno da kako se karte troše, preostali špil postaje predvidljiviji, ali kazino to ne primećuje do kraja runde i mešanja (pre Torpa nisu primećivali, a nakon toga su pravila naglo promenili). Na kraju je on jednostavno izračunao trenutke za različite kombinacije karata kada će verovatnoća skrenuti u njegovu korist, i povećavao uloge.

Sa hedž fondovima je smislio sličnu šemu zarade na greškama drugih, uzimajući u obzir da je berza isto tako kazino i da mora da se pridržava zakona teorije verovatnoće. Pre Torpa, ljudi su mislili da cena opcije zavisi od toga koliko će akcija porasti u budućnosti (što znači da je bilo potrebno pogoditi pravac tržišta, što je bilo nerealno). Torp je shvatio da to uopšte nije potrebno i da cena opcije uglavnom zavisi od rizika (tj. volatilnosti) same akcije. Pretpostavio je da verovatnoća odstupanja vrednosti akcije od trenutne cene podleže zakonu normalne distribucije, tj. Gausovoj krivoj (što je u celini prilično logično: normalna distribucija je normalna upravo zato što joj podleže veoma mnogo slučajnih procesa, a pored toga, imajući mnoštvo berzanskih tabela iz različitih godina i kompjuter, nije teško to dokazati statistički). Što više vremena prolazi, taj zvono postaje šire, odnosno što je veća neizvesnost. Na kraju, 1973. godine, Blejk i Šulc su u članku „The Pricing of Options and Corporate Liabilities“ izveli svoju legendarnu jednačinu (Black–Scholes Option Pricing Model, OPM, za koju su dobili Nobelovu nagradu za ekonomiju 1997. godine), koja omogućava procenu tačne vrednosti opcije u određenom modelu ponašanja tržišta.

Thorp je to uradio statistički 4 godine pre njih i upravo je zarađivao na razlici između onoga što ljudi misle o ceni opcije i onoga koliko će ona koštati prema njegovoj teoriji tržišta. Štaviše, sama suština hedge fonda je u izvlačenju stabilne dobiti, tako da je Thorp pronalazio neslaganja između optimalne i realne cene, a zatim prodavao varante i kupovao akcije u izračunatom odnosu. Ako je tržište padalo, akcija je poskupela (Thorp je gubio novac), ali je varant gubio na vrednosti mnogo brže i jače (Thorp je zarađivao na shortu). Dobit od varanta je pokrivala gubitak od akcije. Ako je tržište raslo, akcija je donosila kolosalnu dobit koja je sa viškom pokrivala gubitak od shorta na varrantu. Kasnije je ovaj pristup primenio na konvertibilne obveznice. Ukratko, od 1970-ih fundamentalni manifest celog kvantitativnog i arbitražnog trejdinga je da ljudi sa akcijama igraju kazino, a da je hedge fond zapravo kazino koje uzima dobit od previše kockara. Pri tome, i samo kazino može biti surovo kažnjeno stvarnošću. Najpoznatiji hedge fond 1990-ih bio je Long-Term Capital Management (LTCM). U njegovom upravnom odboru sedeli su sami Fischer Black i Myron Scholes — autori formule i nobelovi laureati, milioneri. Koristili su apsolutno iste principe arbitraže i hedžovanja, i njihovi modeli su pokazivali da je rizik od kolapsa nula. Ali 1998. godine dogodio se default u Rusiji, i sva imovina koja se istorijski kretala u različitim pravcima (i osiguravala jedna drugu), srušila se istovremeno. Zbog gigantskog kredita (leverage), fond je zamalo povukao za sobom čitav finansijski sistem SAD, i morao je biti spasen od strane konzorcijuma banaka. Lekcija nije bila poučna, i kasnije su se srušile dot-com kompanije, a na kraju se dogodio 2008. godinu. Zanimljivo je da je godinu ranije bivši trejder Nassim Taleb objavio programsku knjigu „The Black Swan: The Impact of the Highly Improbable“, u kojoj je pokazao da je svaki hedge fond zapravo samo kazino drugog reda, koje gubi jednom u 10–15 godina, ali apsolutno i potpuno katastrofalno. Još jedan problem, inače, je računarska snaga: kada svaki fond može virtuelno da spekuliše stotinama miliona, provlačeći se kroz prozor od 0,001 sekunde između ažuriranja kotacija, u proračun se uračunava čak i dužina kabla od računara do računara, pri čemu su lagovi i deadlock-ovi u takvim sistemima nekoliko puta doveli do epskih neuspeha od po nekoliko stotina miliona.

Dok je Torp gradio Wall Street, drugi matematičari su odlučili primeniti njegov pristup na sportske opklade. Pojavili su se profesionalni sindikati koji su delovali tačno kao hedž fondovi: prikupljali su novac investitora, zapošljavali programere i kreirali statističke modele. Tokom 1980-ih, nuklearni fizičar Majkl Kent napisao je program za izračunavanje ishoda utakmica američkog fudbala. Zajedno sa Ivanom Kinskijem, osnovali su Computer Group i prvi počeli da tretiraju opklade kao tržište hartija od vrednosti, otkupljujući jeftine koeficijente pre nego što bi kladionice stigle da ih koriguju. Tokom 1990-ih, australijski igrač iz porodice hrvatskih emigranata Željko Ranogaec i njegov partner Dejvid Volš osnovali su jedan od najvećih sindikata u istoriji za opklade na konjičke trke. Koristili su kolosalne količine istorijskih podataka i računarstvo kako bi pronašli mikroskopske povoljne koeficijente širom sveta, obrćući milijarde dolara. Godine 2000. pojavila se britanska platforma Betfair — prva berza opklada, što je potpuno promenilo pravila igre. Sada igračima nije bilo potrebno da se klade protiv kladionice. Mogli su da se klade jedni protiv drugih, a koeficijenti su se kretali baš kao i nalog za trgovinu na NYSE. Kao rezultat toga, za hedž fondove je ovo postalo signal: opklade su se pretvorile u punopravno finansijsko tržište, i tako je rođen pojam sportskog trejdinga. Kvantni fondovi su shvatili da sportski tržišta poseduju kolosalne prednosti u poređenju sa akcijama. Prvo, nula korelacije sa ekonomijom. Ako se sutra desi svetska finansijska kriza ili pukne dot-com balon, ljudi će i dalje gledati fudbal, a lopta će biti okrugla. To je idealna imovina za diversifikaciju portfolija. Drugo, visoka kratkoročna likvidnost: transakcija (utakmica) se zatvara za 90 minuta, i novac nije zamrznut u dugim pozicijama. Na kraju, od sredine 2000-ih, najveći kvantni hedž fondovi počeli su da otvaraju specijalizovane sportske jedinice ili da kupuju gotove sindikate. Jedan od najupečatljivijih primera bio je Toni Blum, još jedan matematičar, ovog puta iz Kembridža. Osnovao je kompaniju Starlizard, koja zvanično nudi usluge sportske analitike, ali je strukturalno čistokrvni hedž fond. Starlizard koristi najkompleksnije algoritme koji uzimaju u obzir čak i vremensku prognozu i raspoloženje igrača kako bi pronašao odstupanja na tržištima opklada u Aziji, a od prihoda fonda Blum je na kraju kupio engleski fudbalski klub „Brighton“ i izveo ga u Premijer ligu. Slično tome, matematičar iz Oksforda Metju Benhem, koji je prvobitno radio za Bluma, osnovao je svoju analitičku kompaniju Smartodds i kupio klub „Brentford“ (izgleda da je to kod Engleza neka vrsta hobija).

Danas na kockarskim tržištima ozbiljno rade mnoštvo matematičara i Data Science stručnjaka. Giganti kazina i klađenja (Flutter, Entain, Evolution Gaming) su, u suštini, tehnološke IT kompanije. Matematičari su ovde potrebni da pišu algoritme za automatsko postavljanje kvota (doslovno: lopta prođe kroz polje — verovatnoća gola se promenila za 0,2%), kao i da izračunavaju previše pametne igrače i banuju ih. Protiv industrije rade sindikati kladioničara i sportski hedž fondovi koji otkupljuju nedovoljno procenjene opklade i zarađuju na tome. Njihovi algoritmi prikupljaju terabajte statistike — od podataka sa satelita do trenera na telima sportista, nakon čega počinje potraga za arbitražom. Brzina ažuriranja kvota kod različitih kladionica razlikuje se u delićima sekunde. Matematičari pišu robote koji uspeju da izvrše operaciju pre nego što tržište postane u ravnoteži. Zanimljivo je da za ceo taj životni spektakl plaćaju upravo oni skufovi sa pivom u ruci koji vrište GOOOOOL!! i stežu u rukama uplatnice najbliže kladionice, i plaćaju kraljevski — iz celog sveta pristiže, kao što smo već rekli, više od 100 milijardi dolara godišnje (kada pretvorite na nivou planete, računajte da svako dete, čak i novorođenče, svaka žena iz Zimbabvea i svaki ujgurski deda jednom mesečno daje kladioničarima minimum 1 dolar).

Sociologija protiv tržišta

Dakle, o klasičnim, respektabilnim i manje respektabilnim metodama prepuštanja ludomaniji ili zarađivanja na njoj smo razgovarali, vratimo se na tržište predviđanja. Napredna dešavanja u ovoj oblasti nastavila su da vri u alma mater Gallupa, u Iovi. Godine 1988, u eri sajberpanka i uspona naprednih tehnologija (kao i rejganomike, kraja Hladnog rata i vrha društvene napetosti), tri ekonomiste sa Univerziteta u Iovi — Džordž Nojman, Robert Forsajt i Forest Nelson — sedeli su u baru i žalili što su tradicionalna sociološka istraživanja potpuno zakazala, ne uspevši da predvide neočekivanu pobedu Džesija Džeksona na primarima Demokratske stranke u Mičiganu. Odlučili su da provere Hajekovu hipotezu u praksi i kreirali Iowa Political Stock Market (kasnije preimenovan u Iowa Electronic Markets — IEM), dedu svih modernih tržišta predviđanja.

Profesore su zaobišli zakon, pozicionirajući platformu striktno kao nekomercijalni naučni eksperiment, i izvukli od američke Komisije za trgovinu robnim fjučersima (CFTC) jedinstveno regulatorno olakšanje (tako zvani no-action letter). Prema njemu, običnim ljudima je bilo dozvoljeno da uplaćuju male iznose na platformu (limit od $5 do $500), a samo tržište nije bilo regulisano kao finansijska berza. Rezultati IEM-a su šokirali akademski svet. Tokom predsedničkih izbora 1988, 1992. i 1996. godine, sićušno tržište, u kojem je učestvovalo svega nekoliko stotina studenata i profesora sa modemima, u 75% slučajeva je dalo tačnije prognoze od višemilionskih profesionalnih anketa Gallup Organization.

Kada su računari postali potpuno personalizovani, a internet relativno razvijen i široko rasprostranjen, do kraja 1990-ih unutrašnji skriveni tržišta predviđanja pojavili su se za zaposlene u kompanijama Hewlett-Packard, Google i Microsoft. Na njima se moglo postaviti male opklade na to da li će neki proizvod propasti ili će uspeti da završe izdanje na vreme. Tačnost je bila sasvim zadovoljavajuća. Revolucija je nastupila 2001. godine. U Irskoj (jednoj od najliberalnijih zemalja prema igračima na klađenju i uopšte zemlje sa veoma otvorenom ekonomijom) kreirana je prva legalna komercijalna platforma Intrade, koja je omogućavala klađenje na politiku širom sveta. Zanimljivo je da su baš tamo boravili rani racionalisti, i oni su, posle libertarijanaca, poslužili kao druga potpora tržištima predviđanja. Intrade je funkcionisala ručno, još nije bilo nikakvih naprednih algoritama, pa je efikasnost (u smislu zarađivanja novca) bila mala.

Bum dotcom kompanija i eksplozivna širenje informacionih tehnologija početkom 2000-ih dovele su do svojevrsnog drugog talasa sajberpanka. U mreži se pojavilo mnoštvo gejkerskih grupa koje su komunicirale, po pravilu, putem lista (Extropians, SL4) i na ranim forumima. Glavne teme mladih, odgajanih na obilnoj kulturi 90-ih i veri u neograničeni progres, bili su transhumanizam, večni život, kriogenika, singularitet i kognitivna nauka. Jedan od najupečatljivijih gejkera postao je dvadesetogodišnji Eliezer Yudkowsky — samouki momak koji nije završio čak ni srednju školu, ali je posedovao moćan i specifičan intelekt. Godine 2000. osnovao je SIAI (Singularity Institute for Artificial Intelligence), koji se kasnije pretvorio u MIRI (Machine Intelligence Research Institute). Dalje se proces odvijao paralelno.

Robin Hanson, radikalni profesor ekonomije na Univerzitetu George Mason, početkom 2000-ih je tržištima predviđanja pružio nedostajući link. On je prvi pretvorio Hayekovu kvalitativnu filozofiju o ceni kao nosiocu informacija u matematički model. Glavni problemi Intrade su bili niska likvidnost (ako na tržištu ima malo učesnika, nema kome trgovati i cena ne odražava stvarnost) i manipulacije (bogati igrač je mogao lako iskriviti cenu). Hanson je rešio oba problema kreiranjem onog istog LMSR algoritma 2002. godine, na kojem danas rade sva tržišta predviđanja i njegovi naslednici. Umesto da čeka dok se na tržištu ne pojave prodavac i kupac i ne dogovore oko cene, Hanson je uveo u sistem orakla (market makera) koji je spreman da trguje sa bilo kojim učesnikom u bilo kom trenutku. Cene akcija „DA“ i „NE“ računaju se preko eksponencijalne funkcije troška (Cost Function, C(q)), koja zavisi od trenutnog broja kupljenih akcija svake vrste u sistemu (ograničenja formata ne dozvoljavaju da je ovde navedemo, iako nije složena). Važan koeficijent te funkcije je takozvani parametar likvidnosti — od strane organizatora zadat iznos novca koji određuje koliko snažno jedna opklada pomera cenu. Cena akcije za konkretan ishod je parcijalna izvod od C(q) i zahvaljujući svojstvu logaritma automatski se nalazi u opsegu od 0 do 1. Na kraju, Hansonov robot je uspeo da natera tržište da radi čak i sa samo jednim živim učesnikom, a organizator tržišta unapred zna svoj maksimalni gubitak (on je strogo ograničen parametrom b). U suštini, organizator plaća taj kontrolisani „porez“ kako bi saznao istinu od trejdera. Klasično slobodno tržište prema Hayeku funkcioniše zato što ljudi žele da zarade na deficitu robe. Ali na informacionom tržištu stimulansi mogu biti slabiji: zašto trošiti 10 sati na analizu izveštaja da bi zaradio 5 dolara na opkladi o vremenu? Hanson je matematički dokazao da, kako bi se dobili ultra precizni prognoze, organizator tržišta (na primer, država ili korporacija) mora da subvencioniše tržište. LMSR algoritam je postavljen tako da u početku gubi malo novca u korist prvih i najpreciznijih prognozera.

Futarhija i berza ubistava

Formalizujući Hajekove ideje, Hanson je otišao korak dalje i predložio radikalni oblik državnog upravljanja — futarhiju (Futarchy). Predložio je da se politika podeli na dva dela: ljudi (parlament/građani) glasaju samo za metriku sreće (na primer: „Želimo da se za 4 godine BDP poveća za 3%, a nivo kriminala smanji za 10%“). To je definisanje nacionalnih vrednosti, dok tržišta predviđanja odlučuju kako to postići.

Mehanizam futarhije je sledeći. Ako se usvoji zakon (na primer, o smanjenju poreza), otvaraju se dva spekulativna tržišta: „Tržište A. Koliki će biti BDP ako zakon bude usvojen?“ i „Tržište B. Koliki će biti BDP ako zakon ne bude usvojen?“. Trejderi, ekonomisti i insajderi iz celog sveta počinju da ulažu milijarde dolara u ove ishode. Ako se cena-verovatnoća na tržištu A pokaže višom nego na tržištu B, zakon automatski stupa na snagu. Ako tržište pogreši, trejderi će izgubiti svoj novac. Hanson tvrdi da „u futarhiji nas i dalje upravljaju zakoni, ali ti zakoni bivaju izabrani na osnovu nepristrasne analize tržišta koja akumuliraju celo čovečanstvo, a ne na osnovu debata pravnika i lobista“.

Godinu dana nakon kreiranja LMSR-a, Hanson je postao toliko poznat da ga je DARPA angažovala za kreiranje Policy Analysis Market (PAM) — „Tržišta analize politike“. Projekat je nadgledao admiral John Poindexter. Ideja je bila čisto Hajekovska: pokrenuti tržište prognoza za prikupljanje obaveštajnih podataka na Bliskom istoku. Vojni stručnjaci, analitičari i insajderi trebalo je anonimno trgovati ugovorima o geopolitičkim događajima. Ubrzo je izbio ogroman skandal kada su demokratski senatori (među kojima su bile Barbara Boxer i Hillary Clinton) saznali koje su tačno ugovore planirano tamo postavljati. Predlagalo se trgovanje, između ostalog, verovatnoćom terorističkih napada, ubistava vođa država i vojnih udara. Senat je doživeo kolektivni infarkt. Projekat su nazvali „tržištem smrti“ i „kazinom za teroriste“. Senatorica Boxer je izjavila: „U samoj ideji klađenja na terorističke napade postoji nešto duboko bolesno“. Političari su se uplašili da će teroristi sami organizovati terorističke napade kako bi svoje opklade zatvorili u plus. S obzirom na 11. septembar, PAM projekat je skandalozno zatvoren u roku od 24 sata nakon što su o njemu izveštavali mediji. Admiral Poindexter je otišao u penziju, a sama koncept tržišta prognoza dobio je u štampi etiketu „amoralne igre smrti“ (na primer, legendarna platforma Intrade je zatvorena pod pritiskom američkih regulatora 2013. godine) sve do pojavljivanja blockchaina, pametnih ugovora i Eliezera Yudkowskyja.

Zanimljivo je da je po sličnom šematskom modelu trebalo da funkcioniše takozvano Assassination Market, čija je ideja izneta još u knjizi poznatog sajberpanka Timothyja May-a iz 1994. godine „The Cyphernomicon“. Popularizovana je, kao i samo ime, u istoimenom eseju Jima Belle iz 1995. godine. Pokušaji da se popularizuje ideja klađenja na datum smrti neželjene osobe trajali su sve do 2013. godine, kada su Tor i Bitcoin konačno omogućili kreiranje anonimnog sajta koji nudi takvu funkcionalnost. Sve se završilo očekivano: sajt je postojao otprilike do 2018. godine, prikupio nekoliko stotina bitkoinova za ubistvo Obame, ekonomiste Bena Bernanke i bivše ministarke pravde Švedske Beatrice Ask, i tiho nestao u magli, odnesući ih sa sobom.

Dolazak Yudkowskyja

Nakon što se Hanson osramotio u Senatu, ponovo se povukao u senku i pridružio proto-racionalistima. Judkovsky je u tom trenutku upravo proučavao matematiku koja bi mogla biti temelj pokreta racionalizma koji je propagirao. Racionalisti su u izvesnoj meri slični objektivistima, jer je jedan od njihovih stubova (slično kao što je „A je A“) — mapa mora odgovarati terenu, tj. slika sveta u našoj glavi mora odgovarati stvarnom svetu. Njihov drugi stub veoma podseća na kockare, jer je osnova instrumentalnog racionalizma (tj. toga kako po njemu živeti uopšte) — prema Judkovskyjevom opisu — umetnost sistematskog pobeđivanja, tj. donošenje boljih izbora zahvaljujući razumevanju objektivnih mehanizama stvarnosti. Nije iznenađujuće da su, s obzirom na Judkovskyjevu polemičku strast, racionalisti veliki deo vremena morali da se brane optužbama za religijsko sektarstvo tipa sajentologije (samo bez tetana, ali sa donacijama, naravno, MIRI sam sebe neće nahraniti). Na kraju, predviđajući događaje, sve se završilo predvidljivo: Judkovsky se prvo razočarao u mišljenjima sa Hansonom, a od 2023. godine je potpuno izgubio razum i počeo da poziva države da bombarduju sve podatkovne centre pre nego što nas roboti porobe, i na kraju je izgubio i koherentnost govora i publiku. Torch racionalizma je preuzelo umereno krilo koje nije poludelo zbog veštačke inteligencije. 2013. godine psihijatar iz Kalifornije pod pseudonimom Scott Alexander pokrenuo je blog Slate Star Codex (SSC) i spasio situaciju nakon gubitka razuma osnivača pokreta. Dok je Judkovsky pisao agresivno, dogmatski i mentorijski, Scott Alexander se izdvaja humorom, empatijom i smirenošću i uglavnom je fokusiran na sociologiju, medicinu i kulturu. Oko SSC-a je formirala se umerenija i šira frakcija pokreta (često ih nazivaju post-racionalistima).

Judkovsky se u velikoj meri oslanja na napredne radove psihologa i matematičara Daniela Kahnemana (sa različitim koautorima, od kojih je najpoznatiji Amos Tversky), pionira kognitivnih pristrasnosti i različitih grešaka u percepciji. Njegova prva knjiga bila je „Attention and Effort“ iz 1973. godine, posvećena problemu pažnje, zatim čuveno delo o heuristikama i pristrasnostima „Judgment Under Uncertainty: Heuristics and Biases“ iz 1982. godine (na koje se racionalisti veoma često pozivaju), podjednako poznata knjiga o okvirima u mišljenju „Choices, Values and Frames“ iz 2000. godine i najpopularnija na ruskom „Thinking, Fast and Slow“ iz 2011. godine. Tri godine pre smrti, 2021. godine, napisao je poslednju važnu knjigu „Noise: A Flaw in Human Judgment“. Bez Kahnemana i Tverskyja, zajednica racionalista u svom sadašnjem obliku jednostavno ne bi postojala. Njihov opis kognitivnih pristrasnosti je osnova LessWrong-a, čak je i samo ime Judkovsky izabrao prilično zvučno. U racionalističkim praksama CFAR-a se intenzivno koristi Kahnemanova podela mišljenja. Sistem 1 (brz, intuitivan, automatski) stalno greši u verovatnoćama. Sistem 2 (spor, logičan, zahteva napor) je ono što racionalisti pokušavaju da treniraju pomoću bajezijanizma. Sam Kahneman je znao za postojanje zajednice i odnosio se prema njoj sa dubokim poštovanjem. Tokom 2010-ih godina čak je posećivao neke događaje i sastanke racionalista u Berkliju.

Sasvim drugačiji odnos je Judkovski izgradio sa Nasimom Talebom, koji se, kao i uvek, izuzetno oštro izražava o zajednici racionalista kao o intelektualnim idiotima (misleći na formalno pametne ljude koji se razumeju u gomilu složenih stvari, ali pričaju potprave gluposti, poput berzanskih trejdera). S jedne strane, Talebove knjige („Crni labud“, „Prevareni slučajnošću“, „Rizikujući sopstvenom kožom“) su obavezno štivo za svakog racionalistu. S druge strane, sam Taleb pri svakoj prilici javno napada racionaliste na svom Tviteru. I Taleb i racionalisti preziru kancelarijske eksperte, makroekonomiste i zvaničnike koji prave prognoze za složene sisteme ne razumevši kako svet funkcioniše, a Talebova glavna ideja o tome da čovek mora odgovarati novcem ili reputacijom za svoje reči je temelj Hajekovog pristupa i onih samih tržišta predviđanja koja Judkovski promoviše. Oba tabora se slažu da ljudi katastrofalno loše razumeju koncept slučajnosti. Zašto ih on onda smatra idiotima? Zato isto što i trejdere: on tvrdi da su racionalisti zaglavljeni u takozvanom „Srednjem Stanu“, zemlji gde funkcioniše sva ta divna formalna matematika i statistika, uključujući normalnu raspodelu. U stvarnosti, mi živimo u „Ekstremnom Stanu“ — neistraženoj teritoriji sa tačke gledišta verovatnoće, za koju su sve ove Bajezijanske procene prosto smešne. Preciznije, one rade 99% vremena (u čemu se i krije zamka), a zatim, kada ljudi dovoljno poverenju u njih, nastane novi slučaj Enrona, kolaps Lehman Brothers, pandemija COVID ili rat, i sve ode u vetar. Sa Talebove tačke gledišta, pokušaj da se izračuna tačna verovatnoća da će AI ubiti čovečanstvo (čime se Judkovski bavi poslednjih godina) je pseudonaučna besmislice i gledanje u šolju za kafu, jer nemamo aprijorne podatke za takva izračunavanja.

Glavna i konceptualna linija razilaženja kod Taleba i Judkovskog je takozvani Lindy efekat (Lindy Effect) i granice njegove primenljivosti. Ovaj efekat, prvobitno šaljiv, primetili su bredvonski komičari koji su se okupljali u restoranu Lindy’s u Njujorku 1960-ih. Primetili su da što duže neki šou traje, to će verovatnije i dalje trajati. Ako uzmemo muzički za koji se igra već godinu dana, skoro je sigurno da će se igrati i sledeće godine, a ako uzmemo šou koji traje tek nedelju dana, vrlo je verovatno da će biti ugašen sledeće nedelje. Lindy efektu su, očigledno, podložni samo meme (informacije, kultura, institucije, kao i tehnologije) ili najopštije koncepcije (na primer, čovečanstvo, a ne pojedinci). Taleb je iz toga izvukao dalekosežne zaključke. Sa njegove tačke gledišta, to što čovečanstvo postoji stotine hiljada godina znači da će isto toliko i opstati, dok je verovatnoća da će AI, koji ima 15 godina, završiti ne apokalipsom, već neuspehom u narednih 20 godina — veoma velika. On navodi kao primer „Ilijadu“ — ako se štampa već 2000 godina, najverovatnije nikada neće izgubiti popularnost (kao i „Biblija“), dok se lista bestselera NYT obično zaboravi za godinu dana.

Način na koji Taleb tretira Lindy efekat izaziva vatru ispod stolice racionalista. Glavni cilj Judkovskog je da spreči propast čovečanstva od snažne veštačke inteligencije (AGI). Za njih je AI apsolutno bezpresedencijalna pretnja koja menja sva pravila igre. Taleb to smatra dečijim vrtićem i kaže da je čovečanstvo preživelo milion pretnji tokom stotina hiljada godina, te da je pravljenje matematičkih modela apokalipse na osnovu tehnologije koja postoji tek kratko vreme — glupost. Racionalisti odgovaraju da ga Lindy efekat zaslepljuje pred licem egzistencijalnog pomaka. Činjenica da su Indijanci hiljadama godina uspešno preživljavali na svom kontinentu (prema Lindiju, trebalo je da nastave tako i dalje), ni na koji način im nije pomogla kada je Kolumbo stigao sa barutom i oçom. Racionalisti tvrde da je snažna AI Talebov sopstveni „crni labud“, kojeg sam Taleb odbija da vidi zbog slepe vere u Lindija. Posebno ih nervira to što Taleb koristi Lindy efekat za odbranu konzervativizma, religije i drevnih ljudskih navika: po njegovom mišljenju, ako su ljudi 10.000 godina molili bogove, onda treba tako i nastaviti, jer u tome nešto leži, dok su sve moderne stvari poput neoetičkih teorija prolazna glupost koju će Lindy efekat uskoro isprati u lavabo istorije. Racionalisti veruju da ljudski um, pomoću bajezijanskog razmišljanja, može i treba da stvara nove, mnogo efikasnije sisteme i institucije, ne čekajući da ih evolucija filtrira kroz hiljade godina metodom pokušaja, grešaka i miliona leševa. Zapravo, naravno, Lindy efekat funkcioniše samo u sistemima sa Pareto distribucijom (zakonom stepenovanja), ali stvarni svet je složeniji. Ponekad se stare institucije (na primer, monarhije početkom 20. veka) čine večnim prema Lindiju, a zatim se uruše za jedan dan, jer je temelj ispod njih istrulio.

Šta je bajezijanska matematika

Dakle, vreme je da razgovaramo o tome zbog koje matematike je Judkovski poludeo i kako se ona odnosi na tržišta predviđanja. Reč je o bajesijanskoj verovatnoći koja, prema čuvenom Arnoldovom principu imenovanja matematičkih entiteta, nema nikakve veze sa revidovanim Bejsom. Čime se Bejs uopšte bavio? Ničim naročito revolucionarnim. Njegov rad „An Essay towards Solving a Problem in the Doctrine of Chances“ objavljen je 1763. godine, dve godine nakon smrti samog Bejsa, ali je prošao nezapaženo sve dok čuveni Laplas 1812. godine nije izložio savremeni pristup verovatnoći u monumentalnom tomu „Théorie analytique des probabilités“. Tamo je takođe naveo strožu i moderniju verziju teoreme. Suština je prilično jednostavna: Bejsova teorema omogućava da na osnovu dogodile se događaja procenimo verovatnoću da je on nastao kao rezultat nekog prethodnog događaja (pod uslovom da smo, naravno, nekako uspeli da negde nabavimo apriorne, tj. početne, verovatnoće različitih prethodnih događaja). Kanoničan primer se nalazi direktno na Vikipediji i toliko je jednostavan da nema šta da se doda niti oduzme.

Na primer, suočeni smo sa činjenicom: auto nam nije upalio. Pitanje: šta nije u redu sa njim? Očigledno je da je verovatnoća da se auto neće upaliti ako u njemu nema benzina = 100%, ili 1. A zatim počinje ona ista nerazumljiva magija — pretpostavimo (!), da je verovatnoća da slučajno naiđeni auto nije dopunjen sa 1%, ili 0,01. Odakle smo to izveli? Niotkuda, Bejsova teorema nam ništa o tome ne govori, ona radi samo sa aposteriornim (tj. krajnjim) verovatnoćama, a za to odakle dolaze apriorne (tj. početne) verovatnoće — nju je duboko briga. Zapamtimo ovaj trenutak, kasnije će nam trebati.

Dalje nam je potrebna još jedna takva apriorna verovatnoća — da se slučajno naiđeni auto ne pali, recimo da je ona 2%, ili da je verovatnoća jednaka 0,02 (da, i ona je takođe data od oka). Sada, znajući ove tri brojke (1, 0,01 i 0,02), možemo već izneti smislenu tvrdnju: ako se auto koji smo sreli nije upalio, onda je sa verovatnoćom od 50%, ili 0,5, krivac nedostatak benzina!

Strogo gledano, ovo je izračunato upravo pomoću Bajesove formule: P(A|B) = P(B|A)P(A)/P(B). Kod nas je A hipoteza da je gorivo nestalo, B je činjenica da se auto ne pali, P(B|A) = 1 je verovatnoća da se auto neće pokrenuti sa praznim rezervoarom, P(A) je aprijorna (odnosno proizvoljno uzeta) verovatnoća da je rezervoar prazan (koju smo postavili na 0,01), a P(B) je aprijorna verovatnoća da se slučajno sreten auto nije uspeo pokrenuti (koju smo postavili na 0,02). P(A|B) je pak smislen zaključak: izračunata verovatnoća da slučajno sreten auto koji se ne pali ima prazan rezervoar.

Za sada ovo zvuči kao nešto ne baš impresivno, ali primere korisnih (uključujući i rad neuronskih mreža) varijanti Bajesovog izbora možete pronaći na Guglu i bez mene. Kao što vidite, korišćenje ove formule udara u jednu veliku zamku — mi ne znamo ništa o aprijornim verovatnoćama, koliko su one iznos? I tu se suočavamo sa filozofskim problemom: šta je verovatnoća uopšte i šta ona odražava? Matematičari generalno priznaju samo jednu definiciju, koju je 1933. godine uveo genijalan sovjetski matematičar Aleksandar Kolmogorov u svom temeljnom delu „Osnovni pojmovi teorije verovatnoća“. Nažalost, Kolmogorovova aksiomatika savršeno omogućava rad sa čistom matematikom, ali na fundamentalno pitanje (pa, šta je verovatnoća u životu, jednostavno, narodskim jezikom?) ne daje odgovor, jer je matematičarima (uz retke marginalne izuzetke) takva pitanja nebitna (u suprotnom se ne bi bavili matematikom, već nečim drugim).

Jednostavnih ljudskih interpretacija verovatnoće obično se navode tri (situacija je ovde donekle slična kvantnoj mehanici: sva njena matematika je savršeno razvijena i odlično se primenjuje u praksi, ali pitanje njene filozofske interpretacije je predmet beskrajnih rasprava; Judkovski je, inače, i ovde ubacio svoje mišljenje). Prema istorijskom i klasičnom pristupu, verovatnoća je granični odnos dobijen eksperimentalno: bacili ste novčić 10, 100, 1000 puta i izbrojali broj ishoda. Ako se taj broj kreće oko polovine — dodeljujemo glavi i pismo po 0,5. Sve je jednostavno.

Ovo funkcioniše u mnogim slučajevima, ali se malo kome dopada jer ljudi žele da idu dublje i iskopaju: zašto novčić tako pada? Odavde se pojavljuje takozvana interpretacija „sklonosti“. Neke verovatnoće su deo našeg sveta. Reći da novčić ispada krsticom u pola slučajeva znači izneti gole činjenice o novčiću. Bacani novčić ima fundamentalnu sklonost da ispadne krsticom u 50% slučajeva. I kada kažemo da novčić ima 50% verovatnoće da ispadne krstica, mi govorimo upravo o toj sklonosti. Interpretacija „sklonosti“ je najprirodnija za ljudsku intuiciju, jer se mnogima čini da je slučajnost urođena osobina novčića, ali kasnije sve ponovo ode u lavirinte filozofije.

Najzanimljivija opcija je treća, koja se upravo naziva bajezovska, ne zato što ima veze sa Bajesom, već zato što, da bismo koristili njegovu formulu, moramo nekako odrediti te iste ulazne a priori verovatnoće. Ako je reč o novčiću, njihovo određivanje je prilično jednostavno frekventnim metodom, ali se u stvarnosti veoma često radi o stvarima za koje je prikupljanje statistike otežano ili nemoguće. Čak ni sa automobilima nećemo hodati po parkingu, razbijati stakla i upadati u svaki automobil kako bismo na osnovu 10.000 eksperimenata izračunali koliko njih ne pali i zašto. Najverovatnije ćemo u glavi generalizovati otprilike 3 godine posedovanja sopstvenog automobila i sećanje na to kako nije upalio, kao i možda iskustvo poznatih vozača. Zato sam i koristio gore grub oblik opisa a priori verovatnoća — tek tako, jer su one strogo subjektivne i zavise od konkretne osobe. Pošto je glavno mesto gde se one pojavljuju Bajesova teorema, subjektivne verovatnoće su na kraju počele da se nazivaju bajezovskim. Grubo govoreći, to je mera vaše lične, personalne, nepoznatog porekla, sigurnosti u neki čin, a izmeriti je u brojevima je vrlo jednostavno. Koliko novca od 100 dolara ste spremni da uložite na to da će vaš automobil odbiti da upali za 5 minuta? 1 dolar, jer obično ne pravi takve probleme? Evo vam verovatnoće od 1%. Već osećate miris tržišta predviđanja, zar ne?

Naravno, između pristalica frekventističkog i subjektivnog pristupa često se vode brojni holivari. O samoj mogućnosti dodeljivanja verovatnoća na osnovu neodređenog osećaja „osećam u leđima“ prvi je napisao poznati matematičar Frenk Ramzi u delu „The Foundations of Mathematics“ još 1931. godine; on je takođe pokazao da je to matematički nedosledno i, u suštini, zadovoljava ono što matematičari pod verovatnoćom podrazumevaju (tj. može se raditi sa njima na potpuno isti način), tako da bi ih, radi pravednosti, trebalo nazvati Ramzijevskim. Kolmogorov povodom toga nije ništa rekao, jer je matematičarima dao jedinstven interfejs za rad sa samim konceptom verovatnoće, a šta se tu nalazi „ispod haube“ sa filozofske tačke gledišta — za interfejs je apsolutno nebitno, čak i da tamo sedi Maksvelov demon. Statističar Bruno de Fineti je 1937. godine u velikom članku „La prévision: ses lois logiques, ses sources subjectives“ za cenjeni časopis „Annales de l’Institut Henri Poincaré“ razvio Ramzijev pristup i primenio ga na stvarne proračune. Na kraju je ovaj pogled konačno legalizovao 1954. godine jedan od najpoznatijih statističara i ekonomista 20. veka Leonard Sevidž (bavio se teorijom donošenja odluka i teorijom igara u ekonomiji i sarađivao sa nepoznatim Fridmanom) u knjizi „The Foundations of Statistics“.

Dok sve ovo zvuči relativno normalno, ali u isto vreme, u one divlje i lude 1950-te, tačnije 1957. godine, profesor statističke mehanike i kvantne fizike Edvin Džejns napisao je članak u dva dela „Information Theory and Statistical Mechanics“, čime je osnovao takozvanu digitalnu fiziku i kvantno bajezijanstvo (poznato i kao QBism). Stepen ludosti u koju je to na kraju izronilo može se proceniti, na primer, ovde: „Kvantni pankompjuterizam protiv digitalne fizike. Sve iz bita ili sve iz kubita?“. Do 2003. godine, Džejnsovi radovi su posthumno objavljeni u ogromnom tomu „Probability Theory: The Logic of Science“, koji je „razneo mozgove“ racionalistima i transhumanistima (uključujući i Judkovskog). Džejns je tvrdio da verovatnoća nije ni svojstvo fizičkog sveta, niti samo slučajna kaprica uma, već mera strogo logičkog i nepotpunog znanja subjekta o sistemu uz prisustvo određenog skupa podataka. U filozofske aspekte svega ovoga, naravno, nećemo ulaziti, već ćemo samo napomenuti da su primenjeni MCMC algoritmi (Markov Chain Monte Carlo), koji su omogućili praktičnu obradu proračuna sa složenim bajezijanskim (odnosno remzijanskim) verovatnoćama, nastali početkom 1990-ih (baš kada su stigli procesori nivoa Pentium I) i veoma brzo su postali sasvim legitimno i važno sredstvo u genetici, astrofizici, lingvistici i kriptografiji.

Manje u pogrešnom

Judkovski je uzeo one delove čitavog tog aparata koje je razumeo i do 2006. godine pretvorio ih u vodič za svakodnevni život i higijenu uma, nazvan racionalizam. U novembru te godine, zajedno sa Hensonom, osnovao je blog Overcoming Bias („Prevazilaženje pristrasnosti“, da, Bias je bukvalno „naklonost/pomeraj“, a Bayes je prezime Bejza, slični su, štaviše, bias se čita kao „bajez“, dok se Bayes čita kao „bejs“, što stvara dodatne probleme govornicima ruskog). Blog je osmišljen kao platforma za diskusiju o tome kako prevazilaziti kognitivne distorzije (te iste „biases“) radi boljeg razumevanja nauke i društva. Međutim, Henson i Judkovski su se razlikovali u svojim stavovima. Henson je smatrao da se za traženje istine moraju koristiti institucije i tržišta (ona ista tržišta predviđanja). Judkovski je, s druge strane, verovao da pojedinac može istrenirati svoj um da bude individualno efikasan bajezijanac.

Godine 2009. Judkovsky se odvojio i stvorio kultnu platformu LessWrong („Manje u pogrešnom“). Godine 2010. počeo je na njoj da objavljuje čuvenu ogromnu seriju međusobno povezanih eseja, obično nazivanih „lančanim nizovima“, koji su kasnije izdati u obliku masivnog toma „Rationality: From AI to Zombies“. Oko ovih tekstova formalo se jezgro fanova — programera, matematičara i gekova. Počeli su da se sastaju uživo (prve ćelije pojavile su se u Berkliju, Njujorku i Londonu). Iste 2010. godine, Judkovsky je, kao pravi gek, počeo da piše epski fanfik o Hariju Poteru, poznati „Harry Potter and the Methods of Rationality“ (HPMOR), koji je uopšte stvorio čitavu kulturu takozvanih „racionalni-fikova“ — knjiga u kojima je naglasak na direktnoj demonstraciji inteligencije glavnog heroja, a njegove odluke su uvek utemeljene (iako ne uvek tačne, ovde je važno pokazati princip zaključivanja i njegovu primenu) i racionalne. „Probability Theory: The Logic of Science“ postala je Biblija za Judkovskog i, shodno tome, za njegov pokret, tačnije, Stari zavet, dok je Novi postao „Rationality: From AI to Zombies“.

Istovremeno sa tim objavljeno je nekoliko knjiga koje na razne načine promovišu stvaranje tržišta predviđanja. Najpoznatije među njima su delo Džejmsa Surovjetskog (kod nas se najčešće koristi divlja transkripcija Šurovjeski) iz 2004. godine „The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies, Societies and Nations“ i knjiga Kasa Sanstajna „Infotopia: How Many Minds Produce Knowledge“. To je već bila generacija ne matematičara i naučnika, već novinara, kolumnista The New Yorker-a i pravnika koji zauzimaju uslovno libertarijanske pozicije. Ovaj napad je malo ublažio skandal sa „kazinom za teroriste“, i 2004. godine otvorena je prva američka legalna berza prognoza HedgeStreet (kupljena od strane britanske kompanije IG Group i preimenovana u Nadex 2007, pa preprodata Crypto.com u 2021). Pomoglo je i to što je 2005. godine u časopisu Nature Big Pharma Eli Lilly and Company priznala da je koristila interna tržišta predviđanja kako bi saznala koja se u razvoju lekova mogu imati najbolje šanse da prođu klinička ispitivanja. Iste godine je Google priznao da koristi takvu praksu (predviđanje datuma lansiranja proizvoda, otvaranja novih kancelarija itd.), a nakon njega — HP, Microsoft i drugi. Judkovsky je, uprkos tome što se razišao sa Hansonom, fanatično podržavao pokret tržišta predviđanja i čak se više puta pozivao na njih, smatrajući ih najracionalnijim načinom predviđanja.

Godine 2015. pojavio se pokret CFAR (Center for Applied Rationality), organizacija koja sprovodi oflajn kampove i treninge gde se ljudi uče primeni bajezovskog razmišljanja u svakodnevnom životu i karijeri, i Efektivni altruizam (Effective Altruism). U zajednicu je stigao ogroman novac od milijardera iz Silicijumske doline (u racionaliste i MIRI su velikodušno ulagali Piter Til, Dastin Moskovic, Vitalik Buterin, a u svoje vreme čak i Sem Bankman-Frid). Od 2010. godine računarska snaga je počela da omogućava pokretanje naprednih AI modela, što su, naravno, zainteresovali i Pentagon i Big Tech; gejkeri su u isto vreme kreirali vojni AI Palantir, dok su Til i Altman svečano donirali stotine miliona dolara za istraživanja bezbednosti AI. Zapravo, lideri najvećih AI kompanija, kao što su OpenAI i Anthropic, ili su sami potekli iz ove scene, ili su duboko prožeti njenim idejama. Ironično je što je Judkovski sredinom 2020-ih proznao da niko zapravo ne namerava da kreira bezbedni AI, i krenuo je na svoje bivše donatore sa strašnom kritikom, na šta je podjednako odozan Til, poklonik hiperkapitalizma u duhu Nika Bostroma i fašizma Karla Šmita, nedavno nazvao Judkovskog Antihristom, uporedivši ga sa Gretom Tunberg.

Do 2010-ih, tržišta predviđanja su bila efektivno ograničena sa tri problema. Prvo, otpornošću na cenzuru i izbegavanjem svemoćne američke jurisdikcije. Svako tržište je bio centralizovani sajt sa serverom, bankovnim računom i pravnim licem. Glavni regulator SAD — Komisija za trgovinu robnim derivatima (CFTC) — metodično je uništavao takve projekte, izjednačavajući ih sa ilegalnom trgovinom derivatima. Drugo, učesnici tržišta su se suočavali sa ogromnim rizikom posrednika: šta ako kreatori sajta uzmu sav novac i odu na Bahame? Ili šta ako banka zamrzne račune platforme zbog sumnje u ilegalno klađenje? Na kraju, najranjiviji element svakog tržišta predviđanja je potvrda ishoda. Ko odlučuje da li se događaj desio ili nije? Ako to odlučuje administrator sajta, njega se može podkupiti, zastrašiti ili izvršiti pritisak putem zakona. Rešenje za sve ovo postala je tehnologija koja je, baš kao i moderni neuronski mreže, pojavila se još početkom 1980-ih, ali je uzletela tek nakon 30 godina — blokčejn.

Prvi put protokol sličan blockchainu predložio je američki kriptograf David Chaum u svojoj disertaciji iz 1982. godine „Computer Systems Established, Maintained, and Trusted by Mutually Suspicious Groups“, ali nikakvih poteza sa tom idejom nije bilo sve do 1991. godine, kada su Stuart Haber i Scott Stornetta u članku „How to Time-Stamp a Digital Document“ opisali način da se dokaže da je digitalni dokument (na primer, tekstualni fajl, ugovor ili nacrt) postojao u određenom trenutku i da nije izmenjen naknadno. Umesto da veruju nekom pojedinačnom serveru ili notaru (kojeg je moguće podmititi ili hakovati), oni su smislili da povežu hešove dokumenata u lanac. Shvativši komercijalni potencijal tehnologije, 1995. godine su osnovali kompaniju Surety, koja zarađuje na zaštiti vremenskih pečata dokumenata. Svako joj može pristupiti, nakon čega će njegov dokument biti dodat u zajednički blockchain. Postavlja se pitanje: kako pouzdano čuvati heš celog lanca dokumenata? Haber i Stornetta su problem rešili veoma originalno — počeli su jednom nedeljno da objavljuju niz heša u oglasnom delu novina The New York Times. Na taj način, ako sutra neko izjavi: „Izumio sam ovaj uređaj 1995. godine, evo mog digitalnog dokumenta!“, sistem Surety će proveriti heš tog dokumenta. Ako se on poklapa sa lancem koji vodi do heša objavljenog u novinama NYT iz 1995. godine, to znači da je dokument stvaran. Hakeri ne mogu naknadno promeniti heš u lancu, jer bi za to morali da povuku i ponovo odštampaju milione papirnih izdanja The New York Times širom sveta tokom poslednjih 30 godina. Opisujući Bitcoin protokol 2008. godine u članku „Bitcoin: A Peer-to-Peer Electronic Cash System“, Satoshi Nakamoto je uputio mnogo referenci na rad Habera i Stornettea.

Godine 2009. pojavila se prva implementacija Bitcoin klijenta, a 2015. Buterin pokreće Ethereum, u koji je dodat punopravni mehanizam pametnih ugovora na blockchainu. Broj transakcija u Bitcoin mreži dostigao je značajnu količinu do 2013. godine, dok je do 2017. godine dostigao trenutni prosečan broj; za Ethereum je on skočio u svemir do 2018. godine i odatle se srušio do 2019. godine, i od tada ga drmaju kao pijanog, za razliku od stabilnijeg Bitcoina. Pionir korišćenja blockchaina za tržište predviđanja bio je projekat Augur 2015. godine, ali moderna rešenja su se pojavila tek 2022. godine — to su poznati Polymarket i Kalshi. Kako su u njima rešeni pomenuti problemi? Prvo, prešli su na kriptovalute, koje je mnogo teže kontrolisati nego bankovne transfere. Drugo, oni su decentralizovani i izmakli su pod američku jurisdikciju, tako da ih je zatvoriti teže nego Silk Road (iako je i on zatvoren). Opklade predstavljaju pametne ugovore na blockchainu, na primer na Ethereum-u ili Polygon-u, i prema tome se izvršavaju potpuno automatski. U suštini, tržište predviđanja uopšte ne zahteva ljudsko učešće, to je jedinstvena platforma za klađenje koja može da radi sama od sebe. Sve što je potrebno su blockchain, algoritam trgovanja i oracle koji proverava događaje iz stvarnog sveta i prenosi informacije u pametne ugovore, koji automatski šalju novac svim pobednicima. Čak i ako američke vlasti blokiraju pristup sajtu (tj. interfejsu) stanovnicima SAD (kao što se dogodilo sa Polymarketom), sam pametni ugovor na blockchainu nastavlja da živi i praktično ga je nemoguće zatvoriti. Najranjiviji element svakog tržišta predviđanja je potvrda ishoda. Ko odlučuje da li se događaj desio ili ne? Za potvrdu činjenica iz stvarnog sveta, tržišta koriste decentralizovane oracle (na primer, UMA ili Chainlink).

Rezultat ovih inovacija je fenomen Polymarket, gde se obime trgovine na ovoj platformi mere u milijardama dolara. Države su se, malo radi pristojnosti, borile sa sistemom, a zatim su odlučile da ga preuzmu, kao i obično. U oktobru 2024. godine, tržište predviđanja Kalshi pobedilo je u sudskom procesu protiv Komisije za trgovinu robnim derivatima, što mu je omogućilo da legalno postavlja svoje prognoze, samo što je to dovelo do toga da on sada podleže zakonima SAD. Dakle, tržišta predviđanja su bila libertarijanska utopija 1940-ih, zatim su postala gejkerska utopija 2000-ih i, na kraju, u 2020-ima su se pretvorila u utopiju za ludomane. Tržišta klađenja su verovatno postala treća globalna onlajn revolucija poslednjih godina, nakon AI i brojnih kriptovaluta. Od sada svaka osoba može ponosno da izjavi: „Ja nisam skuf, alkoholičar i kladioničar, ja sam racionalista i istraživač. Ja se ovde ne bavim glupostima i ne trošim novac uzalud, već spoznajem upravljanje svetom“. Koliko su tržišta predviđanja adekvatna upravo kao matematički prognostički model i da li su korisna za bilo šta drugo osim toga da milioni na njima gube, a hiljade zarađuju, to ćemo razmotriti odvojeno u odgovarajućem epilogu.

Postscriptum

Ispravljači tamo, razni ormarići, – govorio je Hlebovvodov, – to nam je drug vrio prilično dobro objasnio. Jednog nam nije objasnio: činjenice nam nije objasnio. A postoji neosporena činjenica da kada joj postaviš pitanje, odmah dobiješ odgovor. U pisanoj formi. I čak i kada ne njoj, nego nekom drugom postaviš pitanje, ipak dobiješ odgovor od nje. A vi kažete, druže vrio, da nema ničeg neobjašnjivog. Ne slažu se kod vas krajevi. Nije nam jasno šta nauka kaže povodom toga. – Nauka je u moje lice izgubila govor.

A. i B. Strugacki, „Bajka o Trojci”.

Kako tržišta predviđanja rade čisto tehnički, nadam se da nam je već jasno. Kako rade sa aspekta, pardon na kalamburu, tržišta — takođe je jasno: ni od čega se principijelno ne razlikuju od kazina i na isti način zarađuju. Eksistencijalno pitanje je sledeće: da li su tržišta predviđanja bilo šta drugo osim kazina? Jednostavnije rečeno, da li je zaista vox populi toliko dobar u predviđanjima da bi futarhija radila i da milioni muva ne bi pogrešile? Konkretnije pitanje je — da li tržišta predviđanja rade bolje od bilo kojih drugih metoda donošenja odluka u različitim situacijama?

Pitanje se svodi na veoma drevni i u izvesnom smislu potpuno nelibertarijanski spor o tome šta je bolje: mišljenje nekoliko najboljih stručnjaka u određenoj oblasti; mišljenje stotina ljudi koji se, u principu, razumeju u tu oblast; ili mišljenje miliona ljudi čiji je prosečan nivo inteligencije ispod nule? Komunisti sa svojom idejom Sovjeta, kao što je poznato, teorijski su se oslanjali upravo na treću opciju (iako je u praksi sve ipak odlučivalo Politbiro), tako da je marksističkog (ili čak anarho-sindikalističkog) u konceptu tržišta predviđanja isto onoliko koliko i libertarijanskog i racionalističkog. U istoriji su poznati desetine slučajeva kada su odluke donosene (i donose se) na sličan način: počevši od procedure ostracizma u Grčkoj, pa sve do porote, kada obični ljudi izabrani nasumično donose presudu u meri svog razumevanja — da li je optuženi kriv ili ne. Tržišta predviđanja ne dodaju ništa radikalno ovoj proceduri, sve što ona daje jeste odličan podsticaj apsolutno svakom pojedincu da se izjasni o bilo kojoj temi („Vasi, zamisli, ako pogodiš prihod od „Odiseje“ sa crnom Elenom tokom prvog vikenda — dobićeš gomilu novca besplatno!“) i matematički aparat koji omogućava jasno konvertovanje sigurnosti mase u događaju u bajesijansko-ramzijevsku verovatnoću njegovog nastupa.

Sa problemima koji su povezani sa agregacijom i konvertovanjem mišljenja mase u nešto čitljivo, veoma je dobro upoznata sasvim druga oblast nauke: matematička teorija izbora. Hajde da vidimo šta nam ona govori o glasu narodnom. Matematička teorija izbora bavi se jasno definisanim problemom. Dato je određeno skup kandidata. Dato je određeno skup birača. U glavi svakog birača postoje ocene za svakog kandidata (situacija se pogoršava time što ocene ne moraju biti tranzitivne: čovek može sasvim verovati da će političar Vasja biti bolji lider od Petje, Petja bolji od Kolje, a Kolja bolji od Vasje). Zadatak matematičke teorije izbora je da konstruiše funkciju koja mapira skup ocena svakog pojedinca u jednu integralnu ocenu (koja se naziva funkcija socijalnog izbora), koja govori ko je naš predsednik. Naravno, ova funkcija mora zadovoljavati stroge kriterijume, konkretno, da bude jednoznačna, optimalna (na primer, u Pareto smislu), nemanipulativna, nediktatorska i da zadovoljava minimalne kriterijume poštenosti. Za detalje upućujemo radoznalog čitaoca na bilo koju ozbiljnu knjigu o matematičkoj teoriji izbora, nama je važno samo da ocrtamo okvire igre. Naravno, glasanje po principu „Podignite ruke ko je za predsednika“ ne zadovoljava nijedan od ovih kriterijuma, zbog čega je izmišljeno mnoštvo ozbiljnijih metoda, konkretno STAR Voting, Approval Voting, Simpson-Kramer, Copeland, Schulze, Ranked Pairs i slično. One su kvalitativne (često čak i veoma kvalitativne) i primenjuju se u različitim gejkerskim glasanjima, na primer pri izborima u Wikipediji ili Linux Foundation, ali nikada u stvarnoj politici (upravo zato što je njima ekstremno teško manipulisati, iako nije nemoguće).

Nažalost, matematička teorija izbora ima dve fundamentalne teoreme koje značajno ograničavaju mogućnosti za istinski efikasnu agregaciju mišljenja.

Gibbard-Satterthwaite teorema:

Pretpostavimo da je skup mogućih ishoda glasanja Q konačan i sastoji se od najmanje tri elementa, svi ishodi se realizuju funkcijom socijalnog izbora f(θ) = Q i svaki agent može realizovati bilo koji racionalni skup preferencija. Tada je f istinski realizovable u dominantnim strategijama tada i samo tada kada je diktatorska.

Arrow teorema:

Pretpostavimo da je skup mogućih ishoda glasanja Q konačan i sastoji se od najmanje tri elementa, svi ishodi se realizuju funkcijom socijalnog izbora f(θ) = Q, svaki agent može realizovati bilo koji racionalni skup preferencija. Tada je bilo koja f, Pareto optimalna i zadovoljava uslov parne nezavisnosti, neizbežno diktatorska.

Jednostavnim jezikom, ove dve teoreme nam govore važnu činjenicu. Nijedan matematički metod izbora pobednika glasanja ne može istovremeno biti:

1. Optimalan (tj. da izabere najboljeg kandidata sa stanovišta preferencija).
2. Nemanipulativan.
3. Nediktatorski.
4. Da zadovoljava minimalne uslove ferencije i ne dovodi do paradoksa u duhu Kondorca.

Očigledno je da to značajno narušava veru ljudi u demokratiju. Tačnije, narušilo bi, kada bi prosečan birač uopšte išta razumeo u matematičkoj teoriji optimalnog izbora. Zajedno se nazivaju i nemogućim teoremama o demokratiji, jer dokazuju da je jedini način da se izbegnu paradoksi glasanja, manipulacije i dođe do optimalnog izbora — diktatura. Sve ostale funkcije izbora će neizbežno imati neke nedostatke. U stvarnom životu se obično žrtvuje nemanipulativnost, dobijajući sistem glasanja koji je fer, nediktatorski i ne dovodi do paradoksa, ali je nestabilan u odnosu na dogovore birača ili njihovo taktičko ponašanje. Ako, naprotiv, želimo da dobijemo sistem otporan na strategije, gubimo, na primer, odsustvo paradoksa. Ukratko, matematička teorija izbora je prilično pesimistična stvar.

Šta ona kaže povodom futarhije? Ništa dobro. Futarhija ne uklanja Arrowov paradoks, već ga samo prenosi. Umesto glasanja za kandidate, dobijamo glasanje za funkciju korisnosti, a funkcija korisnosti je takođe izbor. Problem uopšte nije nestao. Slično je i sa Gibbarovom teoremom, koja nas uči da je bilo koji mehanizam kolektivnog izbora ili diktatorski ili strateški ranjiv, bez obzira na konkretni matematički oblik tog mehanizma. Futarhija je takođe mehanizam kolektivnog izbora, stoga ona takođe ne može izbeći fundamentalna ograničenja.

Prvo, kod futarhije je uopšte nejasno ko tačno bira funkciju korisnosti. Na primer, cilj je maksimizovati BDP. Sjajno. Ali kakvi su granični uslovi za to? Ako se u procesu poveća kriminal, umre ekologija, smanji stopa nataliteta, nestane kultura ili se dogodi mnoštvo drugih, teško predvidljivih događaja? U izvesnom smislu ovde vidimo problem sličan čuvenoj racionalističkoj zastrašujućoj priči o „Optimizatoru spajalica“. Suština je jednostavna: izumljeni je hipotetički Snažni AI, kojem se za proveru njegovog rada na bezbednom nivou daje trivijalni zadatak, recimo, upravljanje fabrikom za proizvodnju spajalica, i ugrađuje mu se jedan osnovni nadcilj — postići optimizaciju proizvodnje spajalica (kako ga ne bi vodila dominacija nad ljudskom rasom). Snažni AI briljantno rešava problem: sve ostale fabrike spajalica u svetu su uništene, naša je postala monopolista, mi smo glavni proizvođači spajalica na svetu, a paralelno je rešio naše probleme sa rakom, globalnim zagrevanjem, kriminalom itd. itd. Na kraju, on je izabran za predsednika sveta, kolonizuje Mesec i Mars, sve ide sjajno, čovečanstvo je na vrhuncu razvoja… a onda su milijarde njegovih samoreprodukujućih dronova preradile sve ljude i sve u univerzumu u spajalice, jer uopšte nije zaboravio svoju osnovnu direktivu, samo je išao ka njoj dugoročno. Futarhija bi mogla ispasti isti takav zlonamerni džin-doslovitelj, koji će podići BDP na račun uništenja celokupnog nesposobnog za rad stanovništva ili nečeg sličnog. Naravno, u stvarnosti se to neće desiti (ko će ludacima sa tržišta predviđanja dati takvu moć!), ali ovaj mentalni eksperiment pokazuje suštinu problema. Gudhartov zakon je nemilosrdan: ako metrika postane cilj, ona prestaje da bude dobra metrika, a ona to neizbežno postaje čim se pretvori u apsolut. Počeli smo da merimo KPI — nakon nekoliko godina svi rade za KPI, a ne za rezultat.

Drugo, Arrow i Gibbard su nam objasnili da su i tržišta podložna manipulaciji, kao i svaka politička mašina. Ako neko kontroliše banke, medije, velike fondove — on je, bez sumnje, sposoban da utiče i na tržišna očekivanja, i naša politička mašina se pretvara u finansijsku mašinu. A kako nam je poznato, finansijska mašina ide bolje što više novca imaš. Apstraktna smitsonijanska / hajekovska / rotbardijska tržišta rade savršeno, kao na papiru, samo ako postoji neka spoljna sila koja veštački kontroliše koliko veliki i bogati kontragenti mogu postati. Ako na tržištu postoji 1.000.000 učesnika sa 10 dolara u džepu — to je prelepo, savršeno tržište. Ako na takvom tržištu postoji makar jedan učesnik sa 10.000.000 dolara u džepu — on će, poput crne rupe, izobličiti sve što uđe u njegovu orbitu, i nema načina (osim spoljnog pritiska, na primer antimonopolskog zakonodavstva) da se on spreči u takvim izobličenjima. Na kraju, u futarhiji isto tako vlada efekat skale: što je igrač veći, to dobija više prednosti i što je teže poljuljati njegov monopol na moć. Organizacija ili osoba koja ima nekoliko milijardi dolara za uloge u futarhiji može kupovati ugovore na gomile, igrati se cenama i iluzijama očekivanja, provocirati tržište na bilo koju potrebnu odluku itd. Praktično samo menjamo naziv pločice na stolu Najvišeg Šefa iz „Diktator“ u „Izvršni direktor“.

Finalni problem je taj što daleko nisu sve posledice uopšte merljive unapred. Na primer, možemo zabraniti drogu (da, to nije libertarijanski, ali imamo futarhiju: na šta narod kladi se, to i radimo; vrlo je verovatno da masa može uložiti i u još neke gluposti). Šta će se desiti sa posledicama toga — da li će porasti kriminal, poboljšati se zdravlje, promeniti se kultura, porasti korupcija, biće potrebni dodatni organi kontrole, naduvanu će se budžeti? Svaka odluka ima desetine posledica, i ne mogu sve biti izračunate na licu mesta. Šta tačno tržište na kraju treba da predviđa i koliko daleko? Za godinu dana? Za deset? Za pedeset godina? I ovaj problem takođe nije algoritamski rešiv.

Tako vidimo da u najopštijem slučaju, odnosno kod upravljanja putem tržišta predviđanja, ona nemaju nikakve prednosti u odnosu na bilo koji drugi sistem, od fordisma do komunizma (zapravo, ovo je intuitivno jasno svakom matematičaru: u ovoj nauci ne samo da ne postoje, već principijelno ne mogu postojati srebrne kuglice koje rešavaju bilo šta i dokazuju bilo koju tvrdnju). Šta onda učiniti sa posebnim slučajevima? Pa, kod svakog Microsofta one ipak rade, a i svi Trampovi izbori se kao predviđaju? Da, u takvim slučajevima MP može biti koristan, ali on ima ograničenja.

Prvo, događaj koji se predviđa mora imati apsolutno objektivan (idealno binaran) i lako proverljiv odgovor za svakog čoveka. Pitanja poput „Da li će republikanci steći većinu u Kongresu?“ ili „Da li će Intel bankrotirati do kraja 2026. godine?“ su dobra. Pitanja poput „Da li je predložena reforma obrazovanja dobra?“, „Da li predsednik vodi međunarodne odnose na ispravan način?“ i slična su loša. Drugi zakon: informacija mora biti raspoređena, a ne koncentrisana. To se zove agregacija informacija, i upravo tu su tržišta skoro nepobediva u preciznosti. Dobro pitanje: „Hoće li ovogodišnja žetva biti bolja od prethodne?“ Farmer poznaje svoje polje; inženjer poznaje proizvodnju đubriva; logističar poznaje probleme transporta; meteorolog poznaje vreme; ekonomista poznaje potražnju. Svaka osoba poseduje mali deo znanja, stoga MP poboljšava preciznost za nekoliko redova u poređenju sa anketiranjem jednog ili dva eksperta. Loše pitanje: „Hoćemo li razviti antigravitaciju do kraja 2050. godine?“ O tome kako napreduju istraživanja u oblasti poljske i kvantne fizike zna ograničen krug vrhunskih naučnika duboko urobljenih u tu temu; pitati nekoga van tog kruga je potpuno uzaludna aktivnost.

Treći zakon: događaj ne sme zavisiti od samog prognoza. Postoje egzogeni i endogeni događaji. Na pitanje da li će se desiti pomračenje sunca, samo tržište ne utiče — to je egzogeni događaj. Na pitanje da li će akcije NVIDIA porasti u sledećem kvartalu, tržište utiče, i to kako: to je endogeni događaj u kojem prognoza menja stvarnost. Ako je tržište uveren da će bankrotirati sa verovatnoćom većom od 50%, najverovatnije će ljudi krenuti da podižu novac odatle, i verovatnoća će porasti na 99% (ako se ne umeša neka druga sila). Ponekad tržište izaziva krizu koju je sama predvidela. Četvrti zakon: ne može se predvideti ono što se može kupiti. Ovde se loše pitanje postavlja, recimo, ovako: da li će Sony pobediti kompaniju HBO u konkurentskoj borbi filmova? Ako Sony ima dovoljno novca, oni mogu, smejući se svim prognozama, jednostavno kupiti HBO, i tržište po tom pitanju neće moći ništa da kaže. Peti zakon: događaj mora imati kratak horizont. U prognozama u proseku do 1–2 meseca, RP su sjajni (uzimajući u obzir prethodna ograničenja), do 10–12 meseci — dobri, do 5 godina — loši, preko 5 godina — beskorisni, kao bacanje novčića. Neizvesnost raste otprilike eksponencijalno, i sa svakim mesecom broj nepoznatih faktora postaje ogroman.

Uz ovo se nadovezuje šesto pravilo: svet mora biti stacionaran. Jednostavnije rečeno, ako je prethodnih 20 godina na inflaciju uticalo pet faktora, među kojima nije bilo ni rata ni pandemije, a ove godine se dogodilo nešto od toga, — RP neće predvideti inflaciju. Svet se promenio, sve prethodne informacije su postale beskorisne. Sedmo pravilo: ne mogu se predvideti jedinstveni događaji. To su oni isti Talebovi „crni labudovi“ — default Jelcinove Rusije, raspad SSSR-a, pad asteroida, COVID-19, krah dot-com kompanija, izum nuklearne bombe. Takvi događaji nikada ranije nisu postojali, i tržište ne zna kako da proceni verovatnoće preciznije nego u viceu o susretu sa dinosaurusom: 50% — ili ćeš ga sresti, ili nećeš. Zapravo, niko: ni stručnjaci, ni pojedinci, ni korporacije (koje su u analizu uložile milione) — nije predvideo ništa od ovoga, a oni koji su zaradili na „crnim labudovima“ — su ili insajderi (kao potencijalno kod COVID-19), ili su jednostavno imali sreće. Poslednje pravilo: predviđanje mora biti neosvojivo za insajdere (ovo, delimično, već proizilazi iz prethodnih, ali se može reći i zasebno). Jednostavnije rečeno, tržište ne može reći ništa o većini političkih i ekonomskih događaja, poput preuzimanja Madura u Venecueli, jer na to opklade postavljaju (i monstruozno zarađuju) sami učesnici preuzimanja i donosioci odluka. Ako postoji rizik od kontaminacije tržišta insajderima — ono neće moći da radi kao mašina za predviđanje (a takav rizik postoji kod mnoštva događaja). Pri tome postoje dva tipa insajdera, i za tržište su opasni samo oni — oni koji formiraju pozitivnu povratnu informaciju (a oni koji je ne formiraju, naprotiv, korisni su). Ako insajder samo konstatuje događaj (Maskovi inženjeri znaju da će sutra loše zavaren rezervoar eksplodirati sa verovatnoćom od 99% i raketa nigde neće poleteti), — on unapređuje tržište prodajući akcije i time otkrivajući informacije o događaju, za šta je RP i namenjen, preciznost prognoze raste. Ako pak insajder utiče na događaj (opklada se da će Maduro biti svrgnut sutra, dok već učitava rakete u AH-64 Apache), tada on iskrivljuje prognozu samoispunjavajućim se proročanstvom i odlazi sa bankom.

Dakle, može se formulisati finalni zaključak. Da, tržišta predviđanja funkcionišu. Ne, ona ne mogu upravljati društvom. Ona imaju mnogo ograničenja unutar kojih su njihove prognoze — praktično maksimalna tačnost predviđanja koju bilo koja razumna agregacija informacija uopšte može dostići. Izvan tih okvira, ona ili rade na nivou bacanja dva šestostranog kockića (2D6), ili uopšte služe kao alat za spekulaciju ili uticaj na svet, a ne za njegovo predviđanje. Razlikovati ove situacije bez istreniranog oka i iskustva (kao i razumevanja matematike), prilično je teško. Kao rezultat toga, za 99% ljudi, tržišta predviđanja efektivno zamenjuju kazino i omogućavaju prilično respektabilniju realizaciju njihove ludomanije, preusmeravajući novac pametnijim i bogatijim ljudima — vlasnicima isplativih lotova. Tržišta predviđanja stvorena sa analitičkim ciljevima su sasvim funkcionalna stvar i prilično korisna, ako su stvorena uzimajući u obzir goreopisane zakone. Ako kreiramo tržište predviđanja za klađenje na Svetsko prvenstvo 2026 — to je dobro, kvalitetno tržište koje ispunjava sva ograničenja i daje najbolju prognozu. Ako kreiramo tržište predviđanja da pogodimo kada će Tramp postići mir sa ajatolama — to je loše tržište koje služi za izbacivanje novca iz naivaca. Nijedno tržište predviđanja ne može postati osnova univerzalnog sistema upravljanja i donošenja odluka (kao u ružičastim snovima Judkovskog).

Подели ово:

• Tweet
• Telegram