在区块链和开源领域，高效的资金分配一直是个难题。如今,一个名为DeepFunding的创新项目正试图用人工智能和去中心化评审来解决这个问题。这个由VitalikButerin提供25万美元初始资金支持的项目,不仅计划解决当前以太坊生态系统中的资源分配难题，更要为未来公共物品的资金分配开创新模式。

01、DeepFundingDeepFunding是什么？

DeepFunding是一个通过AI和去中心化评审机制优化公共物品资金分配的创新项目，旨在解决以太坊生态系统中资源分配效率低下的问题。项目目标是构建一个公平、透明、高效的资金分配系统，支持以太坊及其依赖的关键开源项目，实现长期可持续发展。

官方网址：https://deepfunding.org/

想解决什么问题？

当前，以太坊公共物品资金分配存在以下问题：

人类决策的非理性：面对复杂且抽象的问题时，人类往往难以做出合理判断。偏好表层项目：基于选举的资助机制倾向于资助表面上显而易见的项目，而忽略深层次的技术依赖和复杂贡献。

这导致了一些对以太坊生态至关重要但“隐藏”的基础设施得不到足够支持，同时也可能浪费资源在短期内看似重要但长期价值有限的项目上。

用什么样的思路在解决问题？

DeepFunding提出的解决方案包括：

1.构建DeepGraph

DeepGraph是一个动态依赖图，展示项目之间的依赖关系，并为每个依赖分配权重。通过这种方式，公共物品的贡献和实际价值得以可视化，解决了“隐形贡献”难以衡量的问题。

2.AI模型加权和评估

数据输入：基于开源项目的各种信息（例如star数量、贡献者活动、更新时间等）。这个需要发挥你的想象和对于开源项目价值的理解。权重分配：AI模型根据依赖的重要性和实际影响分配权重，动态调整资金分配。验证与优化：通过评审团（jury）对模型进行抽查，确保权重合理性。

3.评审团评审机制

评审团由专家组成，通过回答“项目A和B，哪个更重要？”等问题，为模型提供训练数据。之所以选择这种问题，是因为它对于人来说比较容易分辨和回答。人类与AI的合作模式：人类负责方向与价值判断，AI提供数据分析支持。之后将选择多个不错比较贴合人类共识的模型进行应用。

4.公平分配资金

根据项目的贡献比例分配资金，也会有一部分对获奖模型的激励。

DeepFunding将不只仅仅用于开源软件的权重构建和分配，这种模式将可以用于任何带有依赖和分配的场景。例如：论文、音乐、影视作品等等。开源软件只是一个最初的尝试，DeepFunding希望变成适用于各种场景的解决方案。

02、DeepFunding竞赛

目前DeepFunding第一次的比赛聚焦在GitHubrepo和开源项目这个方向，通过开源项目的依赖关系构建一个加权的Graph，得到每个仓库应该获得的捐赠额度。然后聚焦在Ethereum这个标签之下的开源项目，尤其是客户端。

DeepFunding项目目前的进展包括：

赞助与资金：VitalikButerin提供了初始赞助$250,000。数据准备：收集以太坊依赖关系图，涉及约40,000+条边的数据。目前已经准备好了。机制设计：开展AI模型竞赛（会在Kaggle），目前正在招募AIModel。试点评估：通过jury抽查验证模型有效性；将依赖权重模型应用于以太坊相关项目并查看实际效果。

其中250K的奖金，$170k将根据依赖图的权重分配给项目，$40k将奖励给在评审抽查中表现最好的模型，$40k将奖励给开源提交的模型，这些模型的创新性将由专家评审团评估后决定。

目前还有很多需要应对的挑战评审公平性与激励机制：如何保证评审团中立性和长期参与积极性？如何构建一个公平有效的评审团？AI模型的有效性：如何准确加权深层依赖，避免模型被滥用或游戏化？动态调整机制：如何平衡自我评估和外部评审，避免偏见？资金来源与激励方式：如何吸引更多资金参与分配，尤其是针对非代码类贡献？

我们将逐步的进行讨论和探索。