用 AI、可信執行環境與區塊鏈探索長尾事件預言機

值得記下的 5 件事

1. [1:39]
   長尾避險的門檻，不只是下注，還包括消化大量資訊

   以航班延誤導致錯失面試為例，使用者得估算誤點機率、錄取機會與薪資增幅，才能衡量預期損失。講者認為，個人 AI 代理有望分擔這些認知工作，但這仍是代理用途的構想，而非完整的避險服務。

2. [2:41]
   結合智慧判斷與可信承諾，是這套設計的核心目標

   講者指出，人能判斷模糊情境，卻無法證明腦中執行了哪項計算；區塊鏈能讓各方共同確認紀錄，卻不擅長解讀外界。他主張結合 AI、可信執行環境與區塊鏈，讓判斷具備可驗證的承諾，而非保證答案必然符合事實。

3. [3:52]
   概念驗證由可信執行環境呼叫外部 AI，而非將整個模型放入其中

   使用者在鏈上提交提示，中繼承諾到期回答，再由環境內的程式取得外部伺服器回覆。講者稱提示與結果可防竄改，並可在鏈上驗證執行環境及輸入輸出；外部模型與資料來源的可信保障仍有待釐清。

4. [4:44]
   去中心化協作的成本，也包括找人、判斷可信度與安排契約

   講者以不透過 Amazon、改在網路上尋找交易對象並用區塊鏈付款為例，說明開放系統仍讓使用者承擔繁重的協調工作。他期待 AI 降低這些認知成本，讓長尾協作更可行，而非宣稱去中心化服務已能取代既有平台。

5. [6:47]
   市場設計還得處理延後下注的誘因，結果驗證只是其中一環

   講者指出，簡單的獎池分配會鼓勵參與者等待更多資訊才下注，並提及對數市場評分規則（LMSR），希望下注能反映真實信念。至於提問者擔心下注者主動干預事件、讓結果對自己有利，仍是這場討論留下的待解問題。