一文梳理 DAO 計算治理流程

這是一個參與式決策的框架

對於由系列算法構成的DAO而言，計算治理是不可忽略的一個趨勢。因此，DAOrayaki社區對DAO計算治理流程進行梳理。本篇概述旨在通過提供一個更高層次的視角，以便對計算機輔助治理（CAG）的地圖和流程（MAP）有更加直觀的認識。由於計算機輔助治理是一個不斷發展的領域，CAG MAP也是一項持續進行的工作。

動機

計算機輔助治理的地圖和流程（CAG MAP）探索了我們如何使用計算機來更好地理解和引導復雜的系統。具體來說，它發掘了人類起草和分析治理建議的工具和技術。它並不對一個系統的動態或治理機制作出假設。然而，它確實假設那些起草和分析提案的人是在爲他們的利益代言。

這很重要，因爲一個有不同利益相關者的系統意味着觀點更多樣化，也意味着不存在“最好”的客觀觀點。這都是相對的。

如果是這樣的話，那么決定是如何做出的呢？這其實是一個妥協的政治過程。需要滿足幾個要求：

• 首先，利益相關者需要能夠參與到政治進程中。這可能看起來像直接投票、授權或其他任何東西——總之利益相關者需要有一個有意義的聲音來影響系統內的變化（而不僅僅是退出或忠誠）。

• 第二，必須以基本事實爲導向。。這就是數據驅動決策的數據部分。我們可能對數據有不同的解釋，但需要有一個我們都能認同的數據來源。

• 第三，利益相關者之間作爲主觀現實而共享的假設，雖然不是客觀現實，也需要被明確地陳述。這樣利益相關者就能在战略（使命/愿景）上達成一致，即使他們在战術（實現目標的具體步驟）上有分歧。

如果這些東西不存在，那么你的第一步就是把它們搞清楚。如果沒有一個基本的治理基礎，其他的東西都不會起作用。然而，如果這些要求都滿足了，那么這個CAG MAP可能會幫助利益相關者（比如你）參與到數據驅動的決策中。這裏的關鍵詞是“可能”。CAG MAP是一個正在進行的研究項目，所以和你的要求可能有偏差。

值得注意的是，輔助是計算機輔助治理的一個關鍵詞。這描述了通過計算機和數據增強人類的決策過程，而不是通過計算機或算法進行治理。這類似於空中交通管制員在他們指尖的數據驅動工具的幫助下做出關鍵決策。

CAG過程

計算機輔助治理的地圖和流程分爲八個遞歸部分：

1. 觀察：自然狀態下的系統，其存量和流量

2. 發問：誰，是什么/如果，什么時候，哪裏，爲什么？（who, what/what if, when, where, why?）

3. 地圖：畫出代表相互聯系的圖片

4. 模型：用代碼來進行思想實驗

5. 展示：與你的社區分享你的想法

6. 辯論：集體應用批判性思維

7. 執行：做出決定並採取行動

8. 監控：記錄學習結果

然後重復這一過程：反饋會引向新的問題、出現新的建議等等。

請記住，這只是一張地圖，而不是全局。這個概述的目的是提供一些關於概念和工具的直覺。你應該自己決定什么對你有用，以及如何在你所從事的現實世界系統中應用它。

觀察

在社會經濟系統的背景下，第一步是了解治理對象，以及如何治理。即使看起來“沒有治理”也是一種治理，是非正式的治理。當你探索時，你會發現很多信息。有些爲真，有些爲假。知道區別是關鍵。一些可以幫助你弄清楚的常見資源是白皮書、文檔庫、源代碼、地圖/模型、研究報告、系統數據和社區聊天。這些資源都有關於系統的觀點，但只有結合多種觀點，你才能开始了解真正發生了什么。如果有疑問，就去找數據的來源，從第一性原理出發建立你的思維。

在做了一些研究之後，你會开始從技術層面了解事情是如何運作的，人們在情感層面是如何認爲它們可以/應該/需要運作的，以及人們的行動（基於他們的看法和偏好）是如何在一個反射性的循環中塑造系統的基本面。如果激勵機制是一致的，有共同的知識基礎，並且權力結構是透明的——那么也許你的社區可以從使用計算機輔助治理中受益，以幫助做出全局和全知的決定。如果一個參與式社區缺少上述任何一項，請注意：裏面有龍。（譯注：指可能有危險或未知）

發問

當你开始觀察和探索一個系統時，你可能會有一些問題。其中一些未能回答的問題可能就是系統中可以改進的那些部分。如果是這樣，那么下一步就是要弄清楚問題是什么，以及如何解決它。在這方面花大量的時間是很重要的，因爲解決問題要從提出問題开始。你無法解決你不了解的東西。

最重要的是要對你要解決的問題有一個清晰、簡潔的定義。它應該是顯而易見的。如果你不清楚你在做什么，其他的事情就會更加困難。一旦你對問題有了明確定義，你就可以發現類似的問題。類似的問題如何被解決以及不同的實施結果，可能會提供借鑑。然後，這可以幫助你形成一個假設，即什么可能有助於解決你的問題。

有幾種工具和技術可以幫助你定義你的問題並確定可能的解決方案。首先是把它寫下來。試着用一句話來定義問題，並列出類似問題的事情和它們的解決方案。然後問一個朋友，看看他們怎么說。應用蘇格拉底式的提問，進一步探討問題和你圍繞問題的思考。然後，一旦你有了一些好的想法，就提出一個設計理由，解釋你的思考過程，納入的想法，以及爲什么你認爲一個特定的解決方案可能會很有效。然後，你就會有一個清晰的問題定義和解決方案的假設來進行測試。

地圖

地圖可以幫助你快速地、直觀地傳達很多信息。畢竟，一圖勝千言。

地圖不能完美地代表事物。它是一種抽象的、傳達主要思想的東西。可以使你的聽衆更容易快速理解和記住正在發生的事情。它還可以顯示出你的想法如何與系統的其他部分相適應。

地圖不需要花哨，它們只需要清晰。它們應該只包括最重要的東西。這通常包括一個系統的組成部分，以及它們之間的關系。這可能看起來像一個簡單的草圖、利益相關者地圖、流程圖、功能框圖、因果循環圖、存量和流量圖，甚至是互動媒體。有時，使用不同的圖表/繪圖工具來幫助你理解系統的各個方面是很有幫助的——不要試圖把所有的東西都放在一張地圖上！重要的是要清楚地說明你的系統，清楚地說明你想要傳達的想法。

模型

模型就像思想實驗，但有算力支持。它有點像介於白皮書和工作實施之間的東西。如果你想在實現一個想法之前測試它，或者想測試一個想法的變體，這就很適合。

當創建一個模型時，重點是幫助你探索一個想法，而且也能幫助其他人理解。因此，它需要是可讀的。模型所依賴的假設以及模型所具體探索的東西都應該被明確。這樣，就更容易對模型的假設和參數進行A/B測試。

有很多工具可以創建模型。MatLab很流行，但比較貴。cadCAD比較新，而且开源。一些獨立的框架，如tokenSPICE，开始將EVM測試網納入建模。還有即將推出的cadCAD服務，如BlockScience Labs，更容易基於現實世界的數據自動運行模型。哪一款最適合你的，將取決於你所處的情境。無論你選擇什么工具，模型都應該易於閱讀和運行。這樣人們就可以參與並爲你的工作做出貢獻。

展示

在社會經濟體系中，政治可行性和激勵相容性都很重要。要打贏战鬥，數據只能幫一半。什么樣的行動會被優先考慮，不僅取決於誰能最好地定義目標（战略）和達到目標的步驟（战術），而且還取決於誰能最好地傳達它並使相關的權力圍繞它保持一致，換句話說，就是政治。在計算機輔助治理的背景下，這是至關重要的。如果人們不明白你在說什么，他們就不能有效地參與貢獻。較少的參與會降低你的想法傳播的機會，你的提案通過的機會也會降低。要通過展示你的工作，使人們容易參與你的工作。列出參考文獻，明確假設，並使你的數據和代碼可供查閱。你成功的一個重要因素就是讓人們容易理解和參與你的提案。

一旦你有了一個具有明確目的和過程的提案，請分享你的工作。這裏隱含的前提是你知道你的受衆是誰。你不是在真空中爲自己寫作，你有一個重要的信息，既有趣又有信息量。你清楚地知道這是爲誰寫的，以及他們爲什么如此關心這個話題。你簡單的結構化信息會引起他們的共鳴，激發他們的行動，就像你寫提案時受到的啓發一樣。對嗎？

對的，所以有許多工具可以幫助你改善你的寫作以達到這個目的。有些側重於機械性，有些則更多地是針對整體結構。兩者都很好。從檢查你的拼寫、語法和冗長句子开始。此外，閱讀好文章會有很大幫助。好的寫作是主觀的，所以這將取決於你的個人喜好，更重要的是，你的讀者。

辯論

很多想法在理論上聽起來不錯（比如這個CAG MAP！）。但直到你測試它們，你才知道它們是否有用。分享你的想法並從現實世界得到反饋，可以幫助你的想法變得更好。

好的反饋需要批判性思維，而批判性思維意味着人們會提出批評。讓我們希望這種能量是衝你的想法，但它也可能會衝着你。如果你能通情達理地內化前者而忽略後者，你的生活將是美好的。如果不能，你將疲於應對，或者死於非命。

發表這些批評意見的舞台被稱爲政治。在一個开明的社會中，這是我們辯論思想和裁決不同利益相關者偏好的方式。在大多數社會中，它是我們爭奪權力的方式。這並不是因爲人是邪惡的，而是因爲我們是人。這就是我們會做的。用客觀的數據、主體間的社會協議（inter-subjective social agreements）和一個能表達你的利益相關者群體以及整個系統（又稱其他利益相關者）利益的提案來武裝自己，是一個很好的开始。接下來你要爲一些可行的方案而战鬥。

執行

Decisions（決策）！

行動是創造變化的必要條件。一旦一個想法被辯論和完善，它就需要被頒布執行。理想情況下，這個過程被系統的利益相關者視爲合法。如果是這樣，那就參與到這個過程中來，表達你的偏好。如果這個過程不被認爲是合法的，那就找一個新的系統來參與，因爲如果沒有一個合法的治理過程，你就生活在一個純粹的權力世界裏，由800磅的大猩猩統治。

在任何特定的系統中，用來做決定的具體機制都將是獨特的。非常重要的是，你要了解它們是如何工作的，這樣你才能有效的參與。你要靠自己來弄清楚這一點。

另外，要注意的是，做出一個正式決定並不意味着它將創造你想要的結果。你可能有一個關於可能、應該或將要發生什么的理論——但沒有測試之前，你不知道會怎樣。即便執行了，你也常常看不清楚。對於有執行風險的非確定性決策（non-deterministic decisions），可能很難說成功或失敗是由決策的執行或決策本身造成的。

監控

如果我們做了實驗卻懶得記錄結果，科學就不會起作用。治理也是如此。決策和結果之間需要有一個反饋回路。監控使你能夠驗證決策的結果，看看它們是否達到了預期的效果。

如果一個提案成功了，你會想看看它是否真的達到了你預期的效果。如果是，那就太好了。如果沒有，那就弄清楚原因。

如果一個提案沒有成功，那也沒關系。如果你有一個假設，即如果你的提案沒有通過會發生什么，那么你可以驗證這個假設。你可以提供數據來支持你的原始提案，這可能讓你重新提交一個有更多證據的修改版本（“我早就說過！”）。

監控復雜的系統會涉及到大量的工作，有一些工具可以提供幫助。一些事情可以自動化，比如把原始數據喂入遞歸模型，然後自動運行並基於關鍵指標發出警報——你也可能想親自閱讀社區討論，以了解動態和情緒。分析客觀數據和主觀社會活動，對於了解一個系統的全局是很重要的。缺少兩者之一，很可能導致局部而非整體的優化。

TL;DR:（太長不看版）

CAG MAP是一個依靠數據驅動的政治過程。其目的是幫助利益相關者了解、改進和維護他們所關心的系統。

在一個多元化的社會中，不存在無可爭議的公共利益。這取決於利益相關者爲他們自己的利益進行辯護。如果利益一致，事情可能會順利進行，但如果不一致，那么事情可能非常艱難。因爲大家需要不斷地協調利益。

要創造出符合利益的提案，需要批判性思維。批判性思維要求具有批判性。CAG MAP可以幫助你使用一個數據驅動的過程來撰寫、分析和評論提案。它不能保證產生正確結果，但保證可以比在沒有可靠數據的情況下相互爭論要好。

祝你們好運，參與式治理系統看起來也不簡單！

作者爲Burrrata，特別感謝Jeff Emmett, Jessica Zartler, Kelsie Nabben, Matt Stephenson, Dr. Michael Zargham以及BlockScience的所有人，感謝他們在CAG MAP發展過程中的反饋和評價。

同時，感謝Brian Douglas創建了控制理論地圖，爲CAG MAP提供了靈感。

參考

1. 工作手冊：https://github.com/BlockScience/cag-map

2. 退出或忠誠：https://en.wikipedia.org/wiki/Exit,_Voice ,_and_Loyalty

3. 反射性的循環：https://www.georgesoros.com/2014/01/13/fallibility-reflexivity-and-the-human-uncertainty-principle-2/

4. 激勵機制：https://en.wikipedia.org/wiki/Incentive

5. 權力：https://en.wikipedia.org/wiki/Power_(social _and_political)

6.裏面有龍：https://en.wikipedia.org/wiki/Here_be_ dragons

7.如何解決：https://en.wikipedia.org/wiki/How_to_ Solve_It

8.提出問題：https://fs.blog/2019/09/power-questions/

9. 解決：https://en.wikipedia.org/wiki/Problem_solving

10. 定義：https://en.wikipedia.org/wiki/Problem_ statement

11. 假設：https://en.wikipedia.org/wiki/Hypothesis

12. 蘇格拉底式的提問：https://en.wikipedia.org/wiki/Socratic_questioning

13. 設計理由：https://en.wikipedia.org/wiki/Design_ rationale

14. 草圖：https://en.wikipedia.org/wiki/Sketch_(drawing)

15. 利益相關者地圖：https://en.wikipedia.org/wiki/Stakeholder_analysis#Stakeholder_mapping

16. 流程圖：https://en.wikipedia.org/wiki/Flowchart

17. 功能框圖：https://en.wikipedia.org/wiki/Functional_ block_diagram

18. 因果循環圖：https://en.wikipedia.org/wiki/Causal _loop_diagram

19. 存量和流量圖：https://en.wikipedia.org/wiki/Stock_ and_flow

20.互動媒體：https://distill.pub/2020/communicating-with-interactive-articles/

23. 模型：https://en.wikipedia.org/wiki/Modeling _and_ simulation

24. 思想實驗：https://en.wikipedia.org/wiki/Thought _experiment

25. A/B測試：https://en.wikipedia.org/wiki/A/B_testing

26.MatLab：https://www.mathworks.com/products/matlab.html

27. cadCAD：https://cadcad.org/

28.tokenSPICE：https://github.com/oceanprotocol/tokenspice

29. BlockScience Labs：https://blocksciencelabs.com/

30. 政治可行性：https://en.wikipedia.org/wiki/Political_ feasibility_analysis

31. 激勵相容性：https://en.wikipedia.org/wiki/Incentive _compatibility

32. 战略：https://en.wikipedia.org/wiki/Strategy

33. 战術：https://en.wikipedia.org/wiki/Tactic_(method)

34. 權力 ：https://en.wikipedia.org/wiki/Power _(social_and_political)

35. 政治：https://en.wikipedia.org/wiki/Politics

36. 你知道你的受衆是誰：https://seths.blog/2017/07/in-search-of-the-minimum-viable-audience/

37. 語法：https://www.grammarly.com/

38. 冗長句子：https://hemingwayapp.com/

39. 批判性思維：https://en.wikipedia.org/wiki /Critical _thinking

40. 政治：http://character

41. 科學：https://en.wikipedia.org/wiki/Science

42. 反饋回路：https://en.wikipedia.org/wiki/Feedback

43. 局部而非整體的優化：https://en.wikipedia.org/wiki/ Maxima_and_minima

44. https://www.youtube.com/watch?v=xQuuQvEDwkY

來源：DeFi之道-全部

原文作者: DC

創作者：xinyang@DAOrayaki.org

審核者：Shaun@DAOrayaki.org

原文:  Mapping the Computer-Aided Governance Process

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

---

標題：一文梳理 DAO 計算治理流程

地址：https://www.torrentbusiness.com/article/2390.html

標籤：