Khi DAO có 90% người không bỏ phiếu, giải pháp của Vitalik là cung cấp cho mỗi người một trợ lý AI

Vitalik đề xuất sử dụng mô hình ngôn ngữ lớn cá nhân kết hợp chứng minh không kiến thức (Zero-Knowledge Proofs - ZKP) để giải quyết các vấn đề về thờ ơ của cử tri và bất đối xứng thông tin trong quản trị DAO.
(Trước đó: V神 vạch rõ “Trung lập thuộc về giao thức, nguyên tắc thuộc về con người”: bạn không cần phải đồng ý tôi vẫn có thể tự do sử dụng Ethereum)
(Bổ sung nền tảng: Vitalik kêu gọi đổi hợp đồng thông minh ETH sang ngôn ngữ mới trong vòng 5 năm tới: xây dựng Ethereum cyberpunk không xấu xí)

Mục lục bài viết

Chuyển đổi

• Ba điểm yếu cấu trúc của quản trị DAO
• Giải pháp của Vitalik: LLM cá nhân + mật mã học
  • Quản trị phi tập trung có thông tin riêng tư
• AI là động cơ, con người là vô lăng

Vitalik tối qua đã đăng một bài viết giải thích cách sử dụng công nghệ mật mã (ZK, MPC) kết hợp với LLM để bù đắp những thiếu sót của quản trị dân chủ. Ông cho rằng thay vì để AI thống trị con người, tốt hơn là để AI trở thành thư ký số của mỗi người, giúp lọc thông tin, đại diện phát ngôn thay bạn:

“AI trở thành chính phủ” là viễn tưởng phản địa đàng: khi AI còn yếu, nó dẫn đến sụp đổ quản trị; còn khi AI mạnh, nó tối đa hóa rủi ro hủy diệt. Nhưng nếu sử dụng đúng cách, AI có thể trao quyền cho con người và thúc đẩy giới hạn của mô hình quản trị dân chủ/phi tập trung.

Ba điểm yếu cấu trúc của quản trị DAO

Chúng ta biết rằng, lý tưởng của tổ chức tự trị phi tập trung DAO rất đẹp, nhưng thực tế gặp nhiều khó khăn.

Thứ nhất là thờ ơ của cử tri. Tỷ lệ bỏ phiếu trung bình của các DAO chính là từ 17% đến 25%, có đề xuất chỉ có dưới 10% người tham gia là chủ token. Điều này không phải do chủ token không quan tâm, mà vì một DAO hoạt động sôi nổi có thể có hàng trăm đề xuất mỗi năm, mỗi đề xuất liên quan đến nâng cấp hợp đồng thông minh, phân phối tài chính, điều chỉnh tham số, v.v., đều là các nội dung kỹ thuật cao.

Với một người bình thường sở hữu token, việc đọc từng đề xuất và bỏ phiếu sẽ tốn thời gian vượt xa giá trị của token quản trị của họ.

Thứ hai là sự tập trung quyền lực. Trong Compound, 10 người bỏ phiếu lớn nhất kiểm soát 57.86% quyền biểu quyết; trong Uniswap là 44.72%. Hệ thống bỏ phiếu dựa trên token vốn dĩ thiên về tập trung vốn, và thờ ơ của cử tri càng làm tăng sự chênh lệch này.

Thứ ba là bất đối xứng thông tin. Phần lớn chủ token không có thời gian hay năng lực chuyên môn để đánh giá một đề xuất liên quan đến thiết kế oracle hoặc tham số của pool thanh khoản.

Kết quả là: thờ ơ hợp lý, thiểu số độc đoán, và các lỗ hổng bị khai thác bởi kẻ tấn công quản trị.

Giải pháp của Vitalik: LLM cá nhân + mật mã học

Giải pháp của Vitalik chia thành ba tầng:

Tầng 1 là đại diện quản trị cá nhân. Mỗi người vận hành một Agent của riêng mình, cho phép nó dựa trên các bài viết, lịch sử đối thoại, tuyên bố trực tiếp của bạn để suy luận ra sở thích cá nhân. Nói cách khác, nó là thư ký quản trị riêng của bạn, giúp bạn nhanh chóng đọc xong 300 đề xuất, rồi dùng ba câu để nói cho bạn biết những gì đáng để bạn tham gia.

Tầng 2 là cơ chế thảo luận công dân hỗ trợ AI. Để Agent giúp bạn tổng hợp quan điểm của mình, chuyển đổi thành nội dung có thể chia sẻ công khai, tạo ra các cấu trúc thảo luận dạng pol.is và Community Notes, tìm ra điểm đồng thuận giữa các quan điểm khác nhau, giảm đối lập.

Tầng 3 là thị trường dự đoán tích hợp AI. Nếu một cơ chế quản trị coi trọng mọi loại đầu vào chất lượng cao (có thể là đề xuất, hoặc luận điểm), bạn có thể xây dựng thị trường dự đoán: bất kỳ ai cũng có thể gửi đầu vào, AI có thể đặt cược vào token đại diện cho đầu vào đó; nếu cơ chế “chấp nhận” đầu vào, nó sẽ trả cho chủ token một khoản X.

Quản trị phi tập trung có thông tin riêng tư

Vitalik viết rằng một trong những điểm yếu lớn nhất của quản trị dân chủ phi tập trung cao là khi các quyết định quan trọng cần dựa vào thông tin bí mật, hoạt động này không vận hành tốt. Các tình huống phổ biến gồm:

• Tham gia tổ chức trong các xung đột hoặc đàm phán đối kháng
• Giải quyết tranh chấp nội bộ
• Quyết định về trả lương/phân phối quỹ

Vì vậy ông đề xuất dùng chứng minh không kiến thức (ZKP) để xác minh tư cách bỏ phiếu mà không tiết lộ danh tính; dùng môi trường thực thi đáng tin cậy (TEE) để cho phép LLM cá nhân tham gia đánh giá trong hộp đen; dùng tính toán an toàn đa bên (MPC) để xử lý các quyết định quản trị liên quan đến thông tin mật.

Nói đơn giản, kiến trúc này không nhằm dùng AI để loại bỏ sự phán đoán của con người, mà để AI giúp nâng cao chất lượng từng quyết định của con người.

AI là động cơ, con người là vô lăng

So sánh của Vitalik “AI là động cơ, con người là vô lăng” rất tinh tế, nhưng trọng lượng của vô lăng phụ thuộc vào người cầm. Nếu 90% chủ token giao toàn bộ vô lăng cho LLM của họ, và các LLM này đều dùng cùng một dữ liệu huấn luyện và mô hình suy luận tương tự, thì cuối cùng quản trị phi tập trung có thể biến thành một cuộc đồng thuận AI đồng dạng, hiệu quả hơn bỏ phiếu của con người, nhưng dễ bị hệ thống tấn công mang tính hệ thống.

Viễn cảnh này có thể khả thi hay không phụ thuộc vào một giả thiết nền tảng: có bao nhiêu người sẵn sàng dành thời gian huấn luyện và tinh chỉnh AI đại diện của mình để nâng cao chất lượng quản trị? Nếu câu trả lời là “bằng số người hiện tại bỏ phiếu”, thì cuối cùng, quản trị bằng LLM cá nhân chỉ là thay thế các cá mập lớn bằng các trợ lý AI của họ.

Nhưng ít nhất, Vitalik đã đặt ra câu hỏi đúng: điểm nghẽn của quản trị phi tập trung không nằm ở công nghệ, mà ở chỗ chú ý. Nếu AI có thể giúp phân phối sự chú ý thay vì thay thế phán đoán, thì hướng đi này đáng để chúng ta nghiêm túc xem xét.