Виталик Бутерин предлагает использовать ИИ-агентов для децентрализованного голосования

Виталик Бутерин предлагает использовать личных ИИ-агентов для голосования от имени пользователей в DAO.

Общедоступные агенты для ведения диалогов могут агрегировать мнения с помощью больших языковых моделей и доказательств с нулевым разглашением.

Многопартийные вычисления и доверенные вычислительные среды (TEE) могут обеспечить безопасность приватных данных при сложных управленческих решениях.

Соучредитель Ethereum Виталик Бутерин в недавней дискуссии изложил новый подход к управлению с использованием ИИ. Он утверждает, что личные большие языковые модели могут помочь пользователям управлять тысячами решений в децентрализованных организациях. Таким образом, ИИ будет расширять возможности участников, а не концентрировать власть у нескольких делегатов, что решает давние ограничения по вниманию и экспертизе.

Личные агенты управления для голосования

Бутерин предложил, что личные ИИ-агенты могут голосовать на основе писем, разговоров и заявленных предпочтений пользователя. Если агент не уверен в позиции человека и вопрос важен, он напрямую запрашивает мнение у пользователя.

Это обеспечивает информированность участников и сохраняет их влияние на важные решения. Он подчеркнул, что эта модель избегает ослабления полномочий, характерного для стандартных систем делегирования.

Такие личные агенты могут постоянно соответствовать ценностям пользователя, фильтруя релевантные решения и сохраняя человеческое суждение. В отличие от существующих моделей делегирования, сторонники сохраняют влияние за пределами одного голосования. Также система снижает когнитивную нагрузку, делая участие в сложных децентрализованных автономных организациях более осуществимым.

Общедоступные агенты для ведения диалогов агрегируют коллективные мнения

Бутерин также затронул проблему агрегирования информации в группах. Он предложил публичных агентов для диалогов, которые суммируют общие моменты во входных данных участников без раскрытия приватных данных.

Системы с использованием больших языковых моделей могут преобразовывать личные точки зрения в формат, пригодный для обмена, при этом защищая анонимность. Доказательства с нулевым разглашением могут дополнительно обеспечить безопасность идентичностей участников во время обсуждений, позволяя коллективный вклад и одновременно защищая приватность.

Этот метод улучшает процесс принятия решений по сравнению с линейными моделями голосования, которые часто не учитывают распределённые знания. Агенты участников могут реагировать на основе агрегированных инсайтов, что способствует более точному и информированному формированию консенсуса. Такой подход соединяет приватные мнения и групповое обсуждение.

Многопартийные вычисления поддерживают конфиденциальные решения

Наконец, Бутерин рассмотрел использование многопартийных вычислений для обработки решений, связанных с приватной информацией. Личные ИИ-агенты могут обрабатывать чувствительные данные в защищённых средах, таких как TEE или криптографически гарантированные системы, и выдавать только итоговые решения.

Ни участники, ни другие стороны не видят исходные данные, что сохраняет конфиденциальность. Этот метод применим к переговорам, спорам и решениям о компенсациях, обеспечивая приватность как идентичностей участников, так и содержимого.

Этот многоуровневый подход сочетает личный ИИ, коллективное суммирование и криптографическую безопасность, предлагая возможную модель масштабирования демократического управления в децентрализованных системах.