DAOに90％の人が投票しない場合、Vitalikの解決策は、各人にAIの補佐役を1人ずつつけることです。
ビタリックは、個人の大規模言語モデルとゼロ知識証明を組み合わせて、DAOのガバナンスにおける投票者の無関心と情報の非対称性の問題を解決しようと提案している。
（前提：V神は「中立は協定に属し、原則は人に属する」と線を引いた：あなたは私に賛同しなくても、自由にイーサリアムを使える）
（補足：ビタリックは5年以内にETHのスマートコントラクトを新しい言語に置き換えると宣言：醜くないサイバーパンク的イーサリアムを目指す）
本文目次
トグル
- DAOガバナンスの三つの構造的欠陥
- ビタリックの解決策：個人LLM＋暗号学
- プライバシーを保つ分散型ガバナンス
- AIはエンジン、人間はハンドル
ビタリックは昨晩、密かに投稿を行い、暗号学技術（ZK、MPC）とLLMを用いて民主的ガバナンスの欠点を補う方法について語った。彼は、AIに人類を支配させるのではなく、AIを各人のデジタル秘書とし、情報をフィルタリングし、代弁させる方が良いと考えている。
「AIが政府になる」ことはディストピア的だ：AIが弱いときはガバナンスの崩壊を招き、強力になると破滅のリスクを最大化する。しかし、適切に運用すれば、AIは人類に力を与え、民主主義や分散型ガバナンスの境界を押し広げることができる。
DAOガバナンスの三つの構造的欠陥
私たちは、理想的な分散型自治組織DAOは素晴らしいが、実際の運用には多くの困難が伴うことを知っている。
第一は投票者の無関心。主要なDAOの平均投票率は17%から25%であり、一部の提案にはトークン所有者の10%未満しか参加しないこともある。これは、トークン保有者が関心がないからではなく、活発なDAOでは年間数百件の提案があり、それぞれがスマートコントラクトのアップグレードや財務配分、パラメータ調整など高度な技術内容を含むためだ。
普通のトークン所有者にとって、これらを一つ一つ読んで投票する時間コストは、そのガバナンストークンの価値を大きく超える。
第二は寡頭化。Compoundの上位10名の投票者は57.86%の投票権を握り、Uniswapは44.72%。トークン加重投票制度は資本集中を自然に促進し、投票者の無関心はこの偏りをさらに加速させる。
第三は情報の非対称性。多くのトークン保有者は、予言機の設計や流動性プールのパラメータに関わる提案を評価する時間や専門知識を持たない。
結果として、理性的な無関心、少数者の独断、そしてガバナンス攻撃者による脆弱性が生まれる。
ビタリックの解決策：個人LLM＋暗号学
ビタリックの提案する解決策は三層構造だ。
第一層は個人のガバナンス代理。各人が自分専用のエージェントを動かし、そのエージェントはあなたの書き込みや対話履歴、直接の表明からあなたの個人的な嗜好を推測する。言い換えれば、あなたの私的なガバナンス補佐役であり、300件の提案を素早く読み込み、あなたにとって重要なものを三つのポイントで伝える。
第二層はAI支援の市民対話メカニズム。エージェントがあなたの意見を要約し、公開可能な内容に変換し、pol.isやCommunity Notesのような構造化された議論を作り出す。異なる意見の間で合意点を見つけ、対立を緩和する。
第三層はAI統合の予測市場。ガバナンスメカニズムが高品質な入力（提案や論点）を重視するなら、予測市場を構築できる。誰でも入力を提出でき、AIはその入力を代表するトークンに対して賭けを行う。もしそのメカニズムが「採用」した場合、その入力に関わるトークン所有者に$Xを支払う。
プライバシーを保つ分散型ガバナンス
ビタリックは、極めて分散化・民主的なガバナンスの最大の弱点の一つは、秘密情報に依存する重要決定の運用がうまくいかないことだと指摘している。具体的な場面例は以下の通り。
- 組織の対立や交渉における秘密情報のやり取り
- 内部の紛争調整
- 報酬や資金配分の決定
そこで彼は、ゼロ知識証明（ZKP）を用いて投票資格を証明しつつ身元を隠す、信頼できる実行環境（TEE）を使って個人のLLMをブラックボックス内で判断させる、多者安全計算（MPC）を用いて機密情報を扱うガバナンス決定を行うことを提案している。
要するに、この仕組みの目的は、AIを使って人間の判断を排除することではなく、むしろAIを通じて人間の判断の質を高めることにある。
AIはエンジン、人間はハンドル
ビタリックの「AIはエンジン、人間はハンドル」という比喩は優雅だが、ハンドルの重さは握る人次第だ。もし90%のトークン所有者がハンドルを完全に自分のLLMに委ね、そのLLMもまた同じ訓練データと類似の推論パターンを使っているとしたら、最終的に分散型ガバナンスは人間の投票よりも効率的なAIの合意形成に変わり、システム的に騙されやすくなる。
このビジョンの実現可能性は、根本的な前提に依存している。それは、「どれだけの人が、ガバナンスの質を高めるために、自分のAI代理を訓練・調整する時間を割くか」という点だ。もし答えが「今の投票に参加する人と同じ少数」なら、個人のLLMによるガバナンスは、最終的に鯨魚のAIアシスタントに置き換わるだけだ。
しかし少なくとも、ビタリックは正しい問いを提起している。分散型ガバナンスの壁は技術ではなく、注意力の問題にある。AIが判断を奪うのではなく、注意を分配する手助けをするなら、その方向性は真剣に検討に値する。
関連記事