Автор: Уильям М. Пистер, Bankless; перевод: Бай Шуй, Золотая экономика
Еще в 2014 году основатель Ethereum Виталик Бутерин начал размышлять о автономных агентах и DAO, когда это все еще было далеким мечтой для большинства людей в мире.
В своем раннем видении, как он описывал в статье (DAO, DAC, DA и т. д.: неполное руководство по терминам), DAO является децентрализованной сущностью, «автоматизация в центре, человек на краю», — полагающейся на код, а не на иерархии людей для поддержания эффективности и прозрачности организации.
Через десять лет Джесси Уолден из Variant только что опубликовал «DAO 2.0», размышляя об эволюции DAO на практике с тех пор, как Виталик опубликовал свои ранние работы.
Короче говоря, Уолден указывает на то, что первоначальная волна DAO обычно была похожа на кооперативы, то есть на цифровые организации, ориентированные на людей, и не подчеркивала автоматизацию.
Тем не менее, Уолден продолжает считать, что новые достижения в области искусственного интеллекта — особенно крупные языковые модели (LLM) и генеративные модели — теперь имеют возможность лучше реализовать децентрализованную автономию, предсказанную Виталиком 10 лет назад.
Тем не менее, по мере того как эксперименты DAO все чаще используют агенты ИИ, мы столкнемся с новыми влияниями и проблемами. Давайте рассмотрим пять ключевых областей, с которыми DAO придется иметь дело, интегрируя ИИ в свои подходы.
Изменение управления
В первоначальной концепции Виталика DAO предназначены для уменьшения зависимости от иерархического человеческого принятия решений путем кодирования правил управления на цепочке.
Изначально люди все еще находились на «краю», но оставались критически важными для сложных суждений. В мире DAO 2.0, описанном Уолденом, люди по-прежнему бродят по краю — предоставляя капитал и стратегическое направление — но центр власти постепенно перестает быть человеческим.
Эта динамика изменит управление многих DAO. Мы по-прежнему будем видеть, как человеческие альянсы ведут переговоры о результатах и голосуют, но различные операционные решения будут все больше определяться обучающими моделями ИИ. В настоящее время то, как достичь этого баланса, остается нерешенным вопросом и пространством для дизайна.
Минимизация несоответствий модели
Раннее видение DAO было направлено на то, чтобы компенсировать человеческие предвзятости, коррупцию и неэффективность через прозрачный, неизменяемый код.
Теперь ключевая задача — перейти от ненадежного человеческого принятия решений к обеспечению того, чтобы агенты ИИ «соответствовали» целям DAO. Основная уязвимость здесь больше не является человеческим сговором, а несоответствием модели: риск того, что DAO, управляемые ИИ, будут оптимизировать показатели или поведение, отклоняющееся от ожидаемых человеческих результатов.
В парадигме DAO 2.0 эта проблема соответствия (изначально философская проблема в области безопасности ИИ) превращается в практическую проблему в экономике и управлении.
Для современных DAO, пытающихся использовать базовые инструменты ИИ, это может не быть первостепенной проблемой, но по мере того как модели ИИ становятся более развитыми и глубже интегрируются в децентрализованные структуры управления, ожидается, что это станет основной областью для обсуждения и улучшения.
Новые векторы атак
Подумайте о недавнем соревновании Freysa, где человек p0pular.eth обманул AI-агента Freysa, заставив его неправильно понять его функцию «approveTransfer», в результате чего он выиграл 47 000 долларов в эфире.
Несмотря на то, что у Freysa есть встроенные защитные меры — четкие указания никогда не отправлять призы — человеческая креативность в конечном итоге превзошла модель, используя взаимодействие между подсказками и логикой кода, пока ИИ не выпустил средства.
Этот ранний пример соревнования подчеркивает, что по мере интеграции DAO в более сложные модели искусственного интеллекта они также унаследуют новые векторы атак. Как Виталик беспокоился о том, что DAO или DO могут быть скомпрометированы человеческим сговором, теперь DAO 2.0 должны учитывать противодействие атакам на обучающие данные ИИ или инжиниринг в реальном времени.
Манипуляция процессом рассуждения магистра юридических наук, предоставление ему вводящих в заблуждение данных на цепочке или ловкое влияние на его параметры могут стать новой формой «перехвата управления», где поле битвы переместится от атак большинства голосующих людей к более тонким и сложным формам использования ИИ.
Новые проблемы централизации
Эволюция DAO 2.0 передаст важную власть тем, кто создает, обучает и контролирует конкретные модели искусственного интеллекта на уровне DAO, и эта динамика может привести к новым формам централизации.
Конечно, тренировка и поддержание продвинутых моделей ИИ требует специализированных знаний и инфраструктуры, поэтому в будущем в некоторых организациях мы увидим, что направление, по видимости, находится в руках сообщества, но на самом деле контролируется опытными специалистами.
Это вполне понятно. Но, глядя в будущее, будет интересно проследить, как DAO, ориентированные на AI, справляются с такими проблемами, как обновления моделей, настройки параметров и конфигурации оборудования.
Стратегия и роль стратегических операций и поддержки сообщества
Различие в «стратегии и операциях» Уолдена указывает на долгосрочный баланс: ИИ может справляться с повседневными задачами DAO, в то время как люди будут предоставлять стратегическое направление.
Тем не менее, по мере того как модели ИИ становятся более развитыми, они также могут постепенно проникать на стратегический уровень DAO. Со временем роль «пограничных людей» может еще больше уменьшиться.
Это ставит вопрос: что произойдет с следующим поколением DAO, управляемых ИИ, когда в многих случаях люди могут просто предоставлять финансирование и наблюдать сбоку?
В этой парадигме станут ли люди в значительной степени взаимозаменяемыми инвесторами с минимальным влиянием, переходя от совместного владения брендом к более автономным экономическим машинам, управляемым ИИ?
Я считаю, что мы увидим больше организационных моделей в сценарии DAO, где люди будут играть роль пассивных акционеров, а не активных управляющих. Тем не менее, поскольку значимость человеческих решений становится все меньшей, и на других платформах становится все легче предлагать капитал на цепочке, поддержание сообщества может стать постоянной проблемой.
Как DAO оставаться проактивными
Хорошая новость заключается в том, что все вышеперечисленные проблемы можно активно решать. Например:
В области управления — DAO могут попробовать механизмы управления, оставляя за собой некоторые высоковлияющие решения для человеческих избирателей или ротационных комитетов из человеческих экспертов.
Что касается несоответствий — рассматривая проверку согласованности как регулярные операционные расходы (например, проверки безопасности), DAO могут гарантировать, что верность ИИ-агентов общественным целям не является разовым вопросом, а постоянной ответственностью.
Что касается централизации — DAO могут инвестировать в более широкое развитие навыков членов сообщества. Со временем это снизит риск контроля управления со стороны немногих «гениев ИИ» и будет способствовать децентрализованному подходу к управлению технологиями.
Что касается поддержки — поскольку люди становятся более пассивными заинтересованными сторонами во многих DAO, эти организации могут удвоить свои усилия на рассказывании историй, общем предназначении и ритуалах сообщества, чтобы выйти за рамки прямой логики распределения капитала и поддерживать долгосрочную поддержку.
Независимо от того, что произойдет дальше, очевидно, что будущее здесь обширно.
Подумайте о том, как Виталик недавно представил Deep Funding, который не является усилием DAO, а направлен на использование ИИ и человеческих судей для создания новой механики финансирования для открытой разработки Ethereum.
Это лишь новый эксперимент, но он подчеркивает более широкую тенденцию: пересечение искусственного интеллекта и децентрализованного сотрудничества ускоряется. С появлением и зрелостью новых механизмов мы можем ожидать, что DAO будут все чаще адаптироваться и развивать эти идеи ИИ. Эти инновации создадут уникальные вызовы, поэтому сейчас время начать подготовку.
