預測市場如何成為決策工具：隱私、AI 結算與市場設計的挑戰

值得記下的 5 件事

1. [16:01]
   預測市場的長期目標是輔助決策，而不只是事件投注

   Devansh 提出，讓資訊需求者付費、交易者提供判斷，可探索招募與開源專案評估等用途。他也構想先預測各場演講的出席人數，再據此分配場地，最後以實際人數結算，讓市場訊號參與資源配置。

2. [22:16]
   企業需要的不只是交易隱私，也包括結果選項與賠率的保密

   講者以招募與保險研究為例：公開候選人名單可能洩露求職意圖，公開賠率則讓未付費者共享研究成果。他認為，目前仍缺乏只向流動性提供者或保險公司揭露賠率的技術，非加密產業的用途因此受限於可公開的資訊。

3. [13:39]
   AI 可加速蒐集結算資料，但目前仍需要人工確認可靠性

   講者指出，AI 能快速彙整公開資訊，卻可能受到資料來源偏誤影響，仍須人工或審議機制覆核。現場另有參與者分享，模型曾因資訊截止時間而答錯球賽結果，因此這類結算應直接核對官方來源，不能只詢問 AI。

4. [20:18]
   即使 AI 預測能力提升，市場仍可能協助整合不同模型的判斷

   Devansh 提出，當 Claude 與 OpenAI 對同一事件給出不同估計，可透過預測市場匯聚成單一估計，作為整合模型輸出的方法。他也承認，目前預測準確度表現不一；整合 AI 是他對市場未來角色的構想。

5. [26:34]
   金融風險用途需要合適的市場結構，二元投注並非萬用解方

   講者認為，數值型市場可用來預測波動區間，並有機會提高資本效率，但市場啟動仍需要大量流動性。他同時提醒，部分比特幣價格問題已有更合適的交易產品，預測市場架構不一定是處理這些需求的最佳選擇。