«ویتالیک بوترین»، هم‌بنیان‌گذار اتریوم، معتقد است هوش مصنوعی می‌تواند به بهبود کارایی مدل‌های حاکمیت غیرمتمرکز کمک کند و تصمیم‌گیری کاربران را آگاهانه‌تر سازد.

بوترین روز یکشنبه در شبکه اجتماعی X نوشت که یکی از مشکلات اصلی مدل‌های دموکراتیک و غیرمتمرکز مانند DAOها (سازمان‌های خودگردان غیرمتمرکز)، «محدودیت توجه انسان» است. به گفته او، بسیاری از تصمیمات نیازمند دانش تخصصی یا صرف زمان قابل‌توجه هستند؛ چیزی که اغلب کاربران در اختیار ندارند.

او توضیح داد:

در این رابطه بخوانید‌ : معامله مارجین چیست؟(margin trading)

«راه‌حل معمول، یعنی واگذاری اختیار (Delegation)، عملاً تضعیف‌کننده است؛ چون در نهایت یک گروه کوچک از نمایندگان کنترل تصمیم‌گیری را در دست می‌گیرند و حامیان آن‌ها پس از فشردن دکمه واگذاری، دیگر عملاً هیچ نفوذی ندارند.»

مشارکت پایین؛ چالش جدی DAOها

برآورد می‌شود میانگین نرخ مشارکت در رأی‌گیری‌های DAO بین ۱۵ تا ۲۵ درصد باشد. این موضوع می‌تواند منجر به مشکلات زیر شود:

• تمرکز قدرت
• تصمیم‌گیری‌های ناکارآمد
• حملات حاکمیتی

در بدترین سناریو، یک بازیگر مخرب می‌تواند با خرید مقدار کافی توکن، پیشنهادی زیان‌بار را بدون جلب توجه سایر اعضا به تصویب برساند.

دستیارهای هوش مصنوعی که به‌جای شما رأی می‌دهند

بوترین پیشنهاد می‌کند استفاده از مدل‌های زبانی بزرگ (LLM) به‌عنوان دستیار شخصی می‌تواند «مشکل توجه» را حل کند. این دستیارها می‌توانند اطلاعات مرتبط با هر رأی را پردازش کرده و بر اساس ترجیحات کاربر تصمیم‌گیری کنند.

او می‌گوید:

«اگر یک سازوکار حاکمیتی از شما بخواهد تعداد زیادی تصمیم بگیرید، یک عامل شخصی می‌تواند تمام رأی‌های لازم را بر اساس ترجیحاتی که از نوشته‌ها، تاریخچه گفتگوها و اظهارات مستقیم شما استخراج کرده، به‌جای شما ثبت کند.»

بوترین اضافه کرد که اگر این ایجنت هوشمند در مورد یک موضوع مهم دچار تردید شود، باید مستقیماً از کاربر سؤال بپرسد و تمام اطلاعات مرتبط را ارائه دهد.

سال گذشته نیز «لین رتینگ»، پژوهشگر بنیاد Near در حوزه هوش مصنوعی و حاکمیت، گفته بود که این بنیاد روی ایده‌ای مشابه کار می‌کند: دوقلوهای دیجیتال مبتنی بر هوش مصنوعی که برای افزایش مشارکت، به‌جای اعضای DAO رأی می‌دهند.

حفظ حریم خصوصی؛ اولویت کلیدی

بوترین همچنین به چالش دیگری در حاکمیت غیرمتمرکز اشاره کرد: زمانی که تصمیمات مهم به اطلاعات خصوصی یا حساس وابسته هستند. مانند مذاکرات داخلی، اختلافات سازمانی یا تخصیص بودجه.

او توضیح داد:

همچنین بخوانید : آزمون تورینگ (Turing Test) چیست؟

«معمولاً سازمان‌ها این مشکل را با انتصاب افرادی قدرتمند برای انجام این وظایف حل می‌کنند.»

اما به گفته او، راهکار جایگزین می‌تواند این باشد که کاربران مدل زبانی شخصی خود را در یک “جعبه سیاه” قرار دهند. به‌طوری‌که این مدل به اطلاعات خصوصی دسترسی داشته باشد، تصمیم‌گیری کند و تنها نتیجه نهایی را خروجی دهد بدون آنکه اطلاعات محرمانه برای دیگران افشا شود.

بوترین تأکید کرد:

«تمام این رویکردها مستلزم استفاده هر فرد از اطلاعات بسیار بیشتری درباره خودش است و احتمالاً ورودی‌های بزرگ‌تری نیز ارسال می‌شود؛ بنابراین حفاظت از حریم خصوصی اهمیت بیشتری پیدا می‌کند.»

ترجمه شده توسط مجله خبری نیپوتو