- Buterin afferma che i limiti di attenzione riducono la partecipazione degli elettori nelle DAO, quindi gli agenti personali possono agire per loro conto.
- Avverte che la delega concentra il potere poiché i sostenitori perdono voce dopo un solo clic.
- Sostiene la privacy tramite anonimato ZK e output MPC che rivelano i giudizi ma non i dati.
Vitalik Buterin ha affermato che l'intelligenza artificiale potrebbe aiutare a correggere le debolezze strutturali nella governance decentralizzata, sostenendo che agenti AI personali possono permettere agli utenti di partecipare in modo più efficace alle decisioni delle DAO. In un post su X di domenica, ha descritto i limiti di attenzione e la bassa partecipazione come ostacoli persistenti. Ha avvertito che la delega concentra il potere, mentre un controllo AI incontrollato rischia esiti distopici.
Ha dichiarato che i sistemi democratici e decentralizzati spesso faticano perché molte decisioni richiedono tempo e competenze che la maggior parte dei partecipanti non possiede. Di conseguenza, la partecipazione alla governance nelle DAO di solito varia tra il 15% e il 25%.
Ha aggiunto che la bassa affluenza può creare rischi, tra cui la centralizzazione e attacchi alla governance, dove un singolo attore acquisisce abbastanza token da far passare proposte dannose senza essere notato.
Agenti AI Personali e il Problema dell’Attenzione
Buterin ha scritto che uno dei problemi fondamentali nella governance delle DAO sono i “limiti dell’attenzione umana.” Molte proposte richiedono conoscenze tecniche o attenzione sostenuta. La maggior parte degli utenti non può seguire ogni voto.
Ha sostenuto che la delega, la soluzione comune, indebolisce l’influenza degli utenti. “La soluzione abituale, la delega, è privativa di potere,” ha scritto. Ha detto che la delega permette a un piccolo gruppo di delegati di controllare gli esiti mentre i sostenitori perdono influenza dopo aver assegnato il loro voto.
Invece, ha proposto agenti AI personali addestrati sui messaggi, opinioni e decisioni passate dell’utente. Questi modelli voterebbero in linea con come agirebbe l’individuo. Questo approccio, ha detto, potrebbe colmare le lacune di partecipazione senza trasferire l’autorità a un gruppo centrale.
Ha messo in guardia contro l’affidamento estremo sull’AI. “L’AI che diventa il governo è distopica,” ha scritto, aggiungendo che un’AI debole produce risultati scadenti, mentre un’AI potente potrebbe creare rischi maggiori. Ha presentato l’AI come uno strumento piuttosto che un’autorità di governo.
Agenti di Conversazione Pubblica e Mercati delle Proposte
Oltre al voto individuale, Buterin ha introdotto gli “agenti di conversazione pubblica.” Ha scritto che buone decisioni non possono emergere da un processo lineare che media opinioni isolate. “Prendere buone decisioni spesso non può derivare da un processo lineare che prende le opinioni delle persone… e le fa una media,” ha dichiarato.
Ha suggerito sistemi che aggregano le informazioni dei partecipanti e poi permettono a ciascun utente, o al suo AI, di rispondere basandosi su quell’insieme più ampio di dati. Questi sistemi riassumerebbero i pareri individuali in formati adatti alla condivisione pubblica, proteggendo al contempo le informazioni private.
Ha anche proposto “mercati delle proposte.” In questo modello, i partecipanti presentano proposte o argomentazioni, e gli agenti AI le sostengono con token. Se il meccanismo di governance accetta il contributo, i detentori dei token ricevono una ricompensa. Questa struttura collega incentivi finanziari alla qualità delle idee.
Correlato: Vitalik Buterin collega FOCIL ed EIP-8141 per una rapida inclusione delle Tx
Privacy e Decisioni Sicure
Buterin ha affrontato le sfide nelle situazioni che coinvolgono informazioni confidenziali, come negoziazioni, risoluzione delle controversie e decisioni sui compensi. I sistemi decentralizzati spesso faticano in questi casi.
Ha suggerito il calcolo multiparte e strumenti crittografici per consentire ai modelli AI di esaminare dati privati in modo sicuro e produrre solo giudizi. Ha inoltre invocato le zero-knowledge proof per proteggere l’anonimato dei partecipanti.
Ha distinto tra anonimato e privacy dei contenuti. L’anonimato protegge le identità, mentre la privacy dei contenuti previene la divulgazione non necessaria dei dati personali. Ha sostenuto che gli strumenti di governance dovrebbero integrare queste tutele fin dall’inizio.
