„Ethereum“ įkūrėjas Vitalikas Buterinas įvardijo žmogaus dėmesio ribas kaip pagrindinę problemą, kamuojančią decentralizuotas autonomines organizacijas (DAO) ir demokratines valdymo sistemas.
Santrauka
- Buterinas teigia, kad ribotas žmonių dėmesys yra pagrindinė DAO valdymo klaida.
- Asmeniniai AI agentai galėjo balsuoti naudodami vartotojo nuostatas ir kontekstą.
- Pasiūlymų rinka ir MPC gali pagerinti privatumą ir sprendimus.
Rašydamas apie X, Buterinas teigė, kad dalyviai susiduria su tūkstančiais sprendimų įvairiose kompetencijos srityse, neturėdami pakankamai laiko ar įgūdžių tinkamai juos įvertinti.
Įprastas delegavimo sprendimas sukuria teisių atėmimą, kai maža grupė kontroliuoja sprendimų priėmimą, o rėmėjai neturi jokios įtakos paspaudę delegavimo mygtuką.
Buterinas pasiūlė asmeninius didžiosios kalbos modelius kaip dėmesio problemos sprendimą ir pasidalijo keturiais būdais. Asmeninio valdymo agentai, viešųjų pokalbių agentai, pasiūlymų rinka ir privatumą išsaugantys kelių šalių skaičiavimai jautriems sprendimams priimti.
Asmeniniai LLM gali balsuoti pagal pageidavimus
Asmeninio valdymo agentai atliktų visus būtinus balsavimus, remdamiesi asmeninio rašymo, pokalbių istorijos ir tiesioginių pareiškimų pasirinkimais.
Kai agentas susiduria su netikrumu dėl balsavimo nuostatų ir mano, kad problema yra svarbi, jis turėtų paklausti vartotojo tiesiogiai, kartu pateikdamas visą atitinkamą kontekstą.
Viešųjų pokalbių agentai apibendrins daugelio dalyvių informaciją, prieš suteikdami kiekvienam asmeniui arba jų LLM galimybę atsakyti.
Sistema apibendrintų atskirus rodinius, konvertuotų juos į bendrinamus formatus, neatskleidus privačios informacijos, ir nustatytų bendrumus tarp įvesties, panašių į LLM patobulintas Polis sistemas.
Buterinas pažymėjo, kad gerų sprendimų negali priimti „linijinis procesas, kai atsižvelgiama į žmonių požiūrį, pagrįstą tik jų pačių informacija, ir jų vidurkinimas (net kvadratiniu). „Procesai pirmiausia turi apibendrinti kolektyvinę informaciją, tada leisti pateikti informuotus atsakymus.
Pasiūlymų rinkos galėtų pateikti aukštos kokybės pasiūlymus
Valdymo mechanizmai, vertinantys aukštos kokybės įvestį, galėtų įgyvendinti prognozavimo rinkas, kuriose bet kas teikia pasiūlymus, o dirbtinio intelekto agentai lažinasi dėl žetonų. Kai mechanizmas priima įvestį, jis išmokamas žetonų turėtojams.
Šis metodas taikomas pasiūlymams, argumentams ar bet kokiems pokalbių vienetams, kuriuos sistema perduoda dalyviams. Rinkos struktūra sukuria finansines paskatas vertingiems įnašams gauti.
Decentralizuotas valdymas žlunga, kai svarbiems sprendimams reikia slaptos informacijos, teigė Buterinas. Organizacijos paprastai sprendžia prieštaringus konfliktus, vidinius ginčus ir sprendimus dėl kompensacijų, skirdamos didelę galią turinčius asmenis.
Daugiašalis skaičiavimas naudojant patikimą vykdymo aplinką gali apimti daugelio žmonių įvestis nepažeidžiant privatumo.
„Jūs pateikiate savo asmeninį LLM į juodąją dėžę, LLM mato privačią informaciją, pagal tai priima sprendimą ir pateikia tik tą sprendimą“, – paaiškino Buteris.
Privatumo apsauga tampa svarbi, nes dalyviai pateikia didesnius duomenis, kuriuose yra daugiau asmeninės informacijos. Anonimiškumui reikia nulinių žinių įrodymų, kurie, pasak Buterio, turėtų būti įtraukti į visas valdymo priemones.
