Vitalik Buterin schlägt KI-Agenten für dezentrale Abstimmungen vor

• Vitalik Buterin schlägt vor, persönliche KI-Agenten zu nutzen, um im Namen der Nutzer in DAOs abzustimmen.

• Öffentliche Gesprächsagenten könnten Ansichten mithilfe von LLMs und Zero-Knowledge-Proofs aggregieren.

• Multi-Party Computation und TEEs könnten private Eingaben bei komplexen Governance-Entscheidungen sichern.

Ethereum-Mitbegründer Vitalik Buterin skizzierte in einer aktuellen Diskussion einen neuen Ansatz für Governance unter Einsatz von KI. Er argumentierte, dass persönliche Large Language Models den Nutzern helfen könnten, Tausende von Entscheidungen in dezentralen Organisationen zu verwalten. Dadurch würde KI die Teilnehmer stärken, anstatt die Macht auf wenige Delegierte zu konzentrieren, und so langjährige Einschränkungen bei Aufmerksamkeit und Fachwissen überwinden.

Persönliche Governance-Agenten für die Abstimmung

Buterin schlug vor, dass persönliche KI-Agenten im Namen der Nutzer abstimmen könnten, basierend auf deren Schriften, Gesprächen und erklärten Präferenzen. Wenn der Agent unsicher ist, wie eine Person zu einer Sache steht, und das Thema bedeutend ist, fragt er die Person direkt.

Dies stellt sicher, dass die Teilnehmer informiert bleiben und gleichzeitig Einfluss auf wichtige Entscheidungen behalten. Er betonte, dass dieses Modell die Entmachtung vermeidet, die bei herkömmlichen Delegationssystemen häufig auftritt.

Diese persönlichen Agenten könnten kontinuierlich mit den Werten der Nutzer übereinstimmen, relevante Entscheidungen filtern und menschliches Urteilsvermögen bewahren. Im Gegensatz zu aktuellen Delegationsmodellen behalten Unterstützer Einfluss über eine einzelne Abstimmung hinaus. Das System reduziert zudem die kognitive Belastung und macht die Teilnahme an komplexen dezentralen autonomen Organisationen praktikabler.

Öffentliche Gesprächsagenten aggregieren kollektive Ansichten

Buterin sprach auch die Herausforderung an, Informationen innerhalb von Gruppen zu bündeln. Er schlug öffentliche Gesprächsagenten vor, die Gemeinsamkeiten in den Eingaben der Teilnehmer zusammenfassen, ohne private Daten offenzulegen.

Mit LLM-gestützten Systemen könnten persönliche Standpunkte in teilbare Formate umgewandelt werden, während die Anonymität gewahrt bleibt. Zero-Knowledge-Proofs könnten zudem die Identitäten der Teilnehmer während der Diskussionen sichern, sodass kollektive Beiträge möglich sind, ohne die Privatsphäre zu gefährden.

Dieses Verfahren verbessert die Entscheidungsfindung im Vergleich zu linearen Abstimmungsmodellen, die oft das verteilte Wissen nicht berücksichtigen. Die KI-Agenten der Teilnehmer könnten auf Basis der aggregierten Erkenntnisse reagieren, was eine genauere und informierte Konsensbildung ermöglicht. Der Ansatz überbrückt die Kluft zwischen privaten Meinungen und gruppenbezogenen Überlegungen.

Multi-Party Computation unterstützt vertrauliche Entscheidungen

Abschließend untersuchte Buterin den Einsatz von Multi-Party Computation, um Entscheidungen mit sensiblen Informationen zu treffen. Persönliche KI-Agenten könnten in sicheren Umgebungen, wie TEE oder kryptografisch garantierten Systemen, sensible Eingaben verarbeiten und nur die Entscheidungen ausgeben.

Weder die Teilnehmer noch andere sehen die zugrunde liegenden Daten, was die Vertraulichkeit wahrt. Diese Methode eignet sich für Verhandlungen, Streitigkeiten und Entschädigungsentscheidungen und gewährleistet den Schutz der Privatsphäre sowohl der Identitäten als auch der Inhalte der Beteiligten.

Dieser mehrschichtige Ansatz kombiniert persönliche KI, kollektive Zusammenfassung und kryptografische Sicherheit und bietet eine potenzielle Blaupause für die Skalierung demokratischer Governance in dezentralen Systemen.