Vitalik Buterin propose des agents IA pour un vote décentralisé

• Vitalik Buterin suggère que des agents d’IA personnels puissent voter au nom des utilisateurs dans les DAO.

• Des agents de conversation publics pourraient agréger les opinions en utilisant des modèles de langage de grande taille (LLMs) et des preuves à divulgation zéro.

• La computation multipartite et les environnements d’exécution sécurisés (TEEs) pourraient sécuriser les entrées privées dans des décisions de gouvernance complexes.

Le cofondateur d’Ethereum, Vitalik Buterin, a présenté une nouvelle approche de la gouvernance utilisant l’IA lors d’une discussion récente. Il a soutenu que des modèles de langage de grande taille personnels pourraient aider les utilisateurs à gérer des milliers de décisions dans des organisations décentralisées. Ce faisant, l’IA donnerait du pouvoir aux participants plutôt que de concentrer le pouvoir entre quelques délégués, répondant ainsi aux limitations de l’attention et de l’expertise de longue date.

Agents de gouvernance personnels pour gérer les votes

Buterin a suggéré que des agents d’IA personnels pourraient voter en se basant sur les écrits, conversations et préférences déclarées des utilisateurs. Si l’agent n’est pas sûr de la position d’une personne et que la question est importante, il invite directement l’individu.

Cela garantit que les participants restent informés tout en conservant une influence sur les décisions importantes. Il a souligné que ce modèle évite le désenchantement souvent observé dans les systèmes de délégation standard.

Ces agents personnels pourraient s’aligner en permanence sur les valeurs des utilisateurs, filtrant les décisions pertinentes tout en conservant le jugement humain. Contrairement aux modèles de délégation actuels, les supporters gardent une influence au-delà d’un seul vote. Le système réduit également la charge cognitive, rendant la participation dans des organisations autonomes décentralisées complexes plus réalisable.

Les agents de conversation publics agrègent les opinions collectives

Buterin a également abordé le défi d’agréger l’information à travers les groupes. Il a proposé des agents de conversation publics qui résument les points communs dans les contributions des participants sans révéler de données privées.

Les systèmes améliorés par des LLM pourraient convertir les points de vue personnels en formats partageables tout en protégeant l’anonymat. Les preuves à divulgation zéro pourraient renforcer la sécurité des identités des participants lors des discussions, permettant une contribution collective tout en préservant la vie privée.

Cette méthode améliore la prise de décision au-delà des modèles de vote linéaires, qui échouent souvent à prendre en compte la connaissance distribuée. Les agents d’IA des participants pourraient répondre en se basant sur des insights agrégés, permettant une construction de consensus plus précise et éclairée. L’approche comble le fossé entre opinions privées et délibérations au niveau du groupe.

La computation multipartite soutient les décisions confidentielles

Enfin, Buterin a exploré la computation multipartite pour gérer des décisions impliquant des informations privées. Les agents d’IA personnels pourraient traiter des entrées sensibles dans des environnements sécurisés, tels que des TEEs ou des systèmes cryptographiquement garantis, et ne produire que la décision.

Ni les participants ni d’autres ne voient les données sous-jacentes, ce qui préserve la confidentialité. Cette méthode s’applique aux négociations, litiges et décisions de compensation, en assurant la confidentialité à la fois des identités des participants et du contenu.

Cette approche en couches combine l’IA personnelle, la synthèse collective et la sécurité cryptographique, offrant une feuille de route potentielle pour faire évoluer la gouvernance démocratique dans les systèmes décentralisés.