Vitalik Buterin Propõe Agentes de IA para Votação Descentralizada

• Vitalik Buterin sugere agentes de IA pessoais para votar em nome dos utilizadores em DAOs.

• Os agentes de conversa pública poderiam agregar opiniões usando LLMs e provas de conhecimento zero.

• A computação multi-partida e TEEs podem garantir a privacidade das entradas em decisões de governação complexas.

O cofundador do Ethereum, Vitalik Buterin, delineou uma nova abordagem à governação usando IA numa discussão recente. Argumentou que modelos de linguagem de grande dimensão pessoais poderiam ajudar os utilizadores a gerir milhares de decisões em organizações descentralizadas. Assim, a IA empoderaria os participantes em vez de concentrar o poder entre alguns delegados, abordando limitações de atenção e de especialização de longa data.

Agentes de Governação Pessoal para Gerir Votações

Buterin sugeriu que agentes de IA pessoais poderiam votar com base na escrita, conversas e preferências declaradas dos utilizadores. Se o agente não tiver certeza da posição de uma pessoa e a questão for importante, solicita diretamente ao indivíduo.

Isto garante que os participantes permanecem informados enquanto mantêm influência sobre decisões importantes. Ele enfatizou que este modelo evita o empobrecimento de poder frequentemente observado nos sistemas de delegação padrão.

Estes agentes pessoais poderiam alinhar-se continuamente com os valores dos utilizadores, filtrando decisões relevantes enquanto preservam o julgamento humano. Ao contrário dos modelos de delegação atuais, os apoiantes mantêm influência além de um único voto. O sistema também reduz a carga cognitiva, tornando a participação em organizações autónomas descentralizadas mais viável.

Agentes de Conversa Pública Agregam Opiniões Coletivas

Buterin também abordou o desafio de agregar informações entre grupos. Propôs agentes de conversa pública que resumem as semelhanças nas entradas dos participantes sem revelar dados privados.

Sistemas potenciados por LLM poderiam converter pontos de vista pessoais em formatos partilháveis enquanto protegem o anonimato. Provas de conhecimento zero poderiam ainda garantir a identidade dos participantes durante as discussões, permitindo contributos coletivos enquanto salvaguardam a privacidade.

Este método melhora a tomada de decisão além dos modelos lineares de votação, que muitas vezes não consideram o conhecimento distribuído. Os agentes de IA dos participantes poderiam responder com base em insights agregados, possibilitando uma construção de consenso mais precisa e informada. A abordagem preenche a lacuna entre opiniões privadas e deliberação a nível de grupo.

Computação Multi-Partida Apoia Decisões Confidenciais

Por fim, Buterin explorou a computação multi-partida para lidar com decisões que envolvem informações privadas. Agentes de IA pessoais poderiam processar entradas sensíveis em ambientes seguros, como TEEs ou sistemas garantidos criptograficamente, e apenas emitir decisões.

Nem os participantes nem outros veriam os dados subjacentes, preservando a confidencialidade. Este método aplica-se a negociações, disputas e decisões de compensação, garantindo a privacidade tanto das identidades quanto do conteúdo dos participantes.

Esta abordagem em camadas combina IA pessoal, sumarização coletiva e segurança criptográfica, oferecendo um possível modelo para escalar a governação democrática em sistemas descentralizados.