Vitalik Buterin propone agentes de IA para votación descentralizada

• Vitalik Buterin sugiere agentes de IA personales para votar en nombre de los usuarios en DAOs.

• Los agentes de conversación pública podrían agregar opiniones utilizando LLMs y pruebas de conocimiento cero.

• La computación multiparte y los entornos de ejecución confiables (TEEs) pueden asegurar las entradas privadas en decisiones de gobernanza complejas.

El cofundador de Ethereum, Vitalik Buterin, presentó un nuevo enfoque de gobernanza usando IA en una discusión reciente. Argumentó que los modelos de lenguaje grandes personales podrían ayudar a los usuarios a gestionar miles de decisiones en organizaciones descentralizadas. De esta manera, la IA empoderaría a los participantes en lugar de concentrar el poder en unos pocos delegados, abordando las limitaciones de atención y experiencia que han existido durante mucho tiempo.

Agentes de Gobernanza Personalizados para Gestionar Votos

Buterin sugirió que los agentes de IA personales podrían emitir votos basados en la escritura, conversaciones y preferencias declaradas de los usuarios. Si el agente no está seguro de la postura de una persona y el asunto es importante, lo consulta directamente con el individuo.

Esto garantiza que los participantes permanezcan informados mientras mantienen influencia sobre decisiones importantes. Enfatizó que este modelo evita la despojo de poder que a menudo se ve en los sistemas de delegación estándar.

Estos agentes personales podrían alinearse continuamente con los valores de los usuarios, filtrando decisiones relevantes y preservando el juicio humano. A diferencia de los modelos de delegación actuales, los apoyos mantienen influencia más allá de un solo voto. El sistema también reduce la carga cognitiva, haciendo más factible la participación en organizaciones autónomas descentralizadas complejas.

Los Agentes de Conversación Pública Agregan Opiniones Colectivas

Buterin también abordó el desafío de agregar información a través de grupos. Propuso agentes de conversación pública que resuman las similitudes en las aportaciones de los participantes sin revelar datos privados.

Los sistemas mejorados con LLM podrían convertir los puntos de vista personales en formatos compartibles, protegiendo al mismo tiempo el anonimato. Las pruebas de conocimiento cero podrían asegurar aún más las identidades de los participantes durante las discusiones, permitiendo aportes colectivos mientras se salvaguarda la privacidad.

Este método mejora la toma de decisiones más allá de los modelos lineales de votación, que a menudo no consideran el conocimiento distribuido. Los agentes de IA de los participantes podrían responder basándose en conocimientos agregados, facilitando una construcción de consenso más precisa e informada. El enfoque cierra la brecha entre opiniones privadas y deliberaciones a nivel grupal.

La Computación Multiparte Apoya Decisiones Confidenciales

Finalmente, Buterin exploró la computación multiparte para gestionar decisiones que involucran información privada. Los agentes de IA personales podrían procesar entradas sensibles en entornos seguros, como TEEs o sistemas garantizados criptográficamente, y solo emitir decisiones.

Ni los participantes ni otros verían los datos subyacentes, preservando la confidencialidad. Este método se aplica a negociaciones, disputas y decisiones de compensación, asegurando la privacidad tanto de las identidades como del contenido de los participantes.

Este enfoque en capas combina IA personal, resumen colectivo y seguridad criptográfica, ofreciendo un posible esquema para escalar la gobernanza democrática en sistemas descentralizados.