-
维塔利克·布特林建议在DAO中使用个人AI代理代表用户投票。
-
公众对话代理可以利用大语言模型（LLMs）和零知识证明汇总观点。
-
多方计算和可信执行环境（TEEs）可能保障复杂治理决策中的私密输入。
以太坊联合创始人维塔利克·布特林在最近的讨论中提出了一种利用AI进行治理的新方法。他认为，个人大型语言模型可以帮助用户管理去中心化组织中的数千个决策。这样，AI将赋能参与者，而不是将权力集中在少数代表手中，从而解决长期存在的注意力和专业知识限制问题。
个人治理代理处理投票
布特林建议，个人AI代理可以根据用户的书写、对话和声明的偏好进行投票。如果代理不确定某人的立场且问题重要，它会直接向个人发出提示。
这确保了参与者保持信息灵通，同时对重要决策仍有影响力。他强调，这种模型避免了传统委托制度中常见的权力下放不足的问题。
这些个人代理可以持续与用户的价值观保持一致，筛选相关决策，同时保留人类判断力。与当前的委托模型不同，支持者在单次投票之外仍然拥有影响力。该系统还减轻了认知负担，使参与复杂的去中心化自治组织（DAO）变得更加可行。
公众对话代理汇总集体观点
布特林还提到在群体中汇总信息的挑战。他提出，公共对话代理可以总结参与者输入的共性，而不泄露私密数据。
借助大语言模型增强的系统，可以将个人观点转化为可分享的格式，同时保护匿名性。零知识证明可以在讨论过程中进一步保障参与者身份的安全，允许集体输入同时维护隐私。
这种方法改善了超越线性投票模型的决策过程，后者常常未能考虑分布式知识。参与者的AI代理可以基于汇总的见解做出回应，从而实现更准确、更有信息的共识构建。这一方法弥合了私密意见与群体讨论之间的差距。
多方计算支持机密决策
最后，布特林探讨了多方计算在处理涉及私密信息的决策中的应用。个人AI代理可以在安全环境中处理敏感输入，例如可信执行环境（TEEs）或加密保障系统，并仅输出决策结果。
参与者和其他人都无法看到底层数据，从而保障了机密性。这种方法适用于谈判、争端和补偿决策，确保参与者身份和内容的隐私。
这种多层次的方法结合了个人AI、集体总结和密码学安全，为在去中心化系统中扩展民主治理提供了潜在的蓝图。
