Loud: Dikkat ve Değerin Deneysel Keşfi

Loud, dikkat ile değer arasındaki ilişkiyi araştıran deneysel bir projedir. $LOUD token'ının kendisi içsel bir değere sahip değildir, ancak her işlemden elde edilen ücretler pazarlama bütçesi olarak kullanılacak ve her hafta Loud'un etkisini artıran en iyi 25 kullanıcıya ödül olarak dağıtılacaktır. Ödül dağılımı, belirli bir veri platformunun mindshare verilerine dayanarak yapılacak ve bu, mevcut en etkili teşvik mekanizmalarından biri olarak kabul edilmektedir.

Bu proje, sinir ağı dikkat mekanizması üzerine akademik bir araştırma değil, saf dikkat pazarına yönelik bir pratik keşif çalışmasıdır. Bu deney sürekli olarak devam edecektir ve insan müdahalesinden etkilenmeyecektir.

Proje İlhamı

Web3'te dikkat ekonomisi her zaman popüler bir konu olmuştur. Bir AI platformu, herkesin dikkat ticaretine katılmasına izin veren bir sistem kurarak tüm endüstrinin gelişimini hızlandırdı. Aynı zamanda, "zihin işgücü oranı"na dayalı bir ödül mekanizması yarattı ve bu, en iyi iş kanıtı teşvik mekanizmalarından biri olarak görülüyor. Bu Web3 ilkesinin projelere en az yatırımla en büyük çıktıyı elde etmesine olanak tanıması: Çaba sarf etmeye istekli kişilerin rekabet edeceği bir ödül havuzu oluşturmak.

Diğer bir ilham kaynağı, belirli bir Web3 başlatma platformunun başarılı uygulamalarından gelmektedir: işlem hacmi ve ücretler aracılığıyla spekülatörler ile yaratıcılar arasında uzun vadeli çıkar birlikteliği modeli oluşturmak, böylece yaratıcıların sürekli üretimini desteklemek. Gerçekten de, projenin dikkat çekmesi büyük ölçüde yaratıcıların üretimi ve bakımı ile ilişkilidir, bu nedenle yaratıcılar dikkat çekmenin ana itici gücüdür.

Bu iki modelin avantajlarını birleştirip, tüm katılımcıların "zihinsel sahiplik oranını maksimize etme" amacında uzlaşmasını sağlayacak yeni bir teşvik mekanizması yaratabilirsek, ne gibi sonuçlar doğurur?

Loud'un özü

Loud, kripto terimlerin en saf formunu damıtan bir deneydir ve ara ürün biçimlerini bir kenara bırakır.

"3,3 Oyun Teorisi" kavramını yeniden tanıttı. Bu kavram, oyun teorisindeki işbirliği düşüncesinden kaynaklanmakta olup, katılımcıların karşılıklı işbirliği ile "kazan-kazan" ilkesini gerçekleştirdiklerini ifade etmektedir. Temelde, mahkumlar ikileminin optimize edilmiş bir versiyonudur ve Web3'ün token ekonomi modeli ile birleştirilerek, topluluğa "ortak başarı" ilkesini basit ve anlaşılır bir şekilde iletmektedir.

Bu oyun matrisinde, "3" hem protokole hem de katılımcılara olumlu etkisi olan işlemi temsil ederken, "-3" zararlı işlemi temsil etmektedir:

• (3,3): Taraflar anlaşmayı, anlaşmanın gelişimini destekliyor, her iki taraf da en büyük faydayı sağlıyor ve karşılıklı kazanç elde ediyor.
• (-3,-3)：Taraflar çıkmayı seçti, bu da anlaşmanın çökmesine neden oldu ve her iki taraf da kayıp yaşadı.
• (3,-1): Bir taraf destek verirken diğer tarafın çekilmesi, tek taraflı kâr durumunu oluşturur.

Deney Tasarımı

Loud, en iyi "dikkat iş kanıtı" modelini, yaratıcıların uzun vadede işlem ücretlerinden pay almasını sağlayan bir mekanizmayla birleştiriyor. Bu deneme, belirli konuları yaymakla ilgilenenlere sürekli ödüller sağlamanın ne tür sonuçlar doğuracağını keşfetmeyi amaçlıyor.

Bu, en saf "3,3" durumunu oluşturur: spekülatörler ile fikir liderleri (KOL) arasında doğrudan bir bağlantı, ara ürünlere ihtiyaç duymadan. Bu, spekülatörler tarafından sübvanse edilen, KOL tarafından yönlendirilen sürekli bir dikkat motorudur.

İşlemden doğan ücretler doğrudan ödül havuzuna girer ve ardından dikkat sıralamasındaki en iyi "konu üreticilerine" dağıtılır, böylece onların daha büyük bir yayılma etkisi ve işlem hacmi yaratmaları teşvik edilir. Bu, kendini güçlendiren bir döngü mekanizması oluşturur:

• Konu üreticilerinin hedefi: daha yüksek ticaret hacmini teşvik etmek
• Traderlerin hedefi: İlgi çekmek için ücret sübvansiyonu ile satın almak

Bu deney, bir temel soruyu araştırmaktadır: Dikkat, değer vermek için yeterli midir? Bir şey yeterince dikkat çektiğinde, fiyatı artar mı? Aksi durumda da geçerli mi?

İşleyiş Mekanizması

• $LOUD token, Solana blockchain üzerinde bir likidite platformunun likidite havuzunda işlem görecek ve her takas için SOL cinsinden bir işlem ücreti alınacaktır.
• Kullanıcılar Loud ile ilgili içerik paylaşarak "zihin payı" kazanabilirler.
• Bir AI platformu tarafından sağlanan mindshare sıralama mekanizması, katkıları nesnel bir şekilde nicelendirir.
• Kullanıcılar resmi web sitesinde sıralamayı görebilir ve ödül almak için cüzdan kaydedebilir.
• Haftada bir, işlem ücreti (SOL cinsinden) mindshare katkı oranına göre en üst 25 kullanıcıya dağıtılacaktır.
• İlgili token stake edenlere %20 işlem ücreti ödüllendirilecek, bu da ekosistem döngüsünü teşvik edecek ve fayda bağını gerçekleştirecektir.
• Bu mekanizma kalıcı olarak devam edecek, insan müdahalesine gerek yok.

Loud, spekülatörlerin KOL'u desteklemesi için en saf birlikte yaşama modelini temsil ediyor.

Top 25 Sıralama Mekanizması

İlk 25'te yer almanın sınırlandırılmasının nedeni, her işlemde ödenen ücretin esasen "dikkat satın almak" için olmasıdır. Daha küçük bir ödül havuzu, katılımcıları token sahipleri ve traderlar için daha fazla ses elde etmek konusunda daha fazla çaba göstermeye teşvik edebilir. İlk 25'e girmek bile istikrarlı bir kazanç garantisi değildir - ödül dağılımı tamamen zihin payı katkı oranına dayanır, katılımcıların sürekli olarak kendi yayılma verimliliklerini ve etkilerini optimize etmeleri gerekir.

Not: Loud, deneysel bir projedir ve mekanizması topluluk geri bildirimlerine göre sürekli olarak optimize edilecektir, ancak her zaman en az müdahale ilkesine sadık kalacaktır. İlk "merkeziyetsiz dikkat-değer sistemi" için büyük ölçekli bir deney yapmayı hedeflemektedir.

Gelecek Vizyonu

$LOUD token çok yakında piyasaya sürülecek, kesin çıkış tarihi ve dağıtım yöntemi daha sonraki duyurularda açıklanacaktır. Bu, bir AI teknolojisi tarafından desteklenen bir deney yakında başlayacak.

Bu tamamen topluluğa ait bir deney projesidir: ekip için ayrılmış token yok, gizli çıkar yok, tamamen adil bir başlangıç, %100 şeffaf. Projenin gelecekteki gelişimi tamamen topluluğun katılımı ve katkısına bağlıdır.