Виталик Бутерин предложил использовать ИИ для укрепления управления в DAO
Сооснователь Ethereum Виталик Бутерин заявил, что искусственный интеллект может помочь создавать более эффективные модели децентрализованного управления и позволить участникам принимать более обоснованные решения.
В воскресенье в посте в X он отметил, что одна из главных проблем демократических и децентрализованных моделей управления, включая DAO, — это «ограниченность человеческого внимания»: многие решения требуют разных компетенций и времени, которых у большинства нет.
По его словам, типичное решение в виде делегирования часто лишает участников реального влияния: после передачи голоса небольшая группа делегатов фактически контролирует принятие решений, а поддержавшие их люди уже не участвуют в процессе.
По оценкам, средний уровень участия в голосованиях DAO составляет 15–25%, что может приводить к концентрации власти и неэффективным решениям. В худших случаях это открывает путь к атакам на управление, когда злоумышленник скупает достаточно токенов, чтобы провести вредоносное предложение, пока остальные участники этого не замечают.
ИИ-ассистенты, которые голосуют за пользователя
Бутерин предлагает использовать персональных ассистентов на базе больших языковых моделей (LLM), чтобы решить проблему внимания: такие системы могли бы собирать и выдавать пользователю информацию, необходимую для голосования.
Он пояснил, что если механизм управления требует множества решений, персональный агент может голосовать вместо человека, опираясь на предпочтения, которые он выводит из текстов пользователя, истории общения и прямых заявлений.
Если агент не уверен, как именно пользователь проголосовал бы по вопросу, но считает его важным, то должен обратиться к нему напрямую и предоставить весь релевантный контекст, добавил Бутерин.
Сохранение приватности как ключевой вопрос
Еще одна сложность в сильно децентрализованном управлении, по словам Бутерина, возникает, когда важные решения завязаны на приватной или чувствительной информации — например, в переговорах, внутренних спорах или при выборе финансирования.
Обычно организации решают это, назначая людей с широкими полномочиями, отметил он.
В качестве альтернативы Бутерин описал подход, при котором пользователь «помещает» свой персональный LLM в «черный ящик»: модель получает доступ к приватным данным, делает вывод и выдает только итоговое решение, не раскрывая саму информацию ни пользователю, ни другим участникам.
Он подчеркнул, что такие методы подразумевают использование большего объема персональных данных и более крупных входных данных, поэтому защита приватности становится еще более важной.