早在 2014 年，以太坊創(chuàng)始人 Vitalik Buterin 就開始考慮自治代理和 DAO，當時這對于世界上大多數(shù)人來說仍然是一個遙遠的夢想。

在他的早期愿景中，正如他在DAO、DAC、DA 等：不完整的術(shù)語指南一文中所描述的那樣，DAO 是去中心化的實體，「自動化在中心，人類在邊緣」——依賴于代碼而不是人類的層次結(jié)構(gòu)來保持效率和透明度的組織。

十年后，Variant 的 Jesse Walden 剛剛發(fā)表了「DAO 2.0」，反思了自 Vitalik 早期著作以來 DAO 在實踐中的演變。

簡而言之，Walden 指出，最初的 DAO 浪潮通常類似于合作社，即以人為中心的數(shù)字組織，并不強調(diào)自動化。

盡管如此，Walden 繼續(xù)認為，人工智能的新進展——尤其是大型語言模型 (LLM) 和生成模型——現(xiàn)在有望更好地實現(xiàn) Vitalik 10 年前預(yù)見的去中心化自治。

然而，隨著 DAO 實驗越來越多地采用人工智能代理，我們將在這里面臨新的影響和問題。下面，讓我們來看看 DAO 在將人工智能納入其方法時必須應(yīng)對的五個關(guān)鍵領(lǐng)域。

轉(zhuǎn)變治理

在 Vitalik 最初的框架中，DAO 旨在通過在鏈上編碼治理規(guī)則來減少對分層人類決策的依賴。

最初，人類仍處于「邊緣」，但對于復(fù)雜的判斷仍然至關(guān)重要。在 Walden 描述的 DAO 2.0 世界中，人類仍然徘徊在邊緣——提供資本和戰(zhàn)略方向——但權(quán)力的中心逐漸不再是人類。

這種動態(tài)將重新定義許多 DAO 的治理。我們?nèi)匀粫吹饺祟惵?lián)盟對結(jié)果進行談判和投票，但各種運營決策將越來越多地受到人工智能模型的學習模式的指導(dǎo)。目前，如何實現(xiàn)這種平衡是一個懸而未決的問題和設(shè)計空間。

新的攻擊面

想想最近的 Freysa 競賽，人類 p0pular.eth 欺騙 AI 代理 Freysa 誤解其「approveTransfer」功能，從而贏得 47,000 美元的以太獎金。

盡管 Freysa有內(nèi)置的保護措施——明確指示永遠不要發(fā)送獎品——但人類的創(chuàng)造力最終超越了模型，利用提示和代碼邏輯之間的相互作用，直到人工智能釋放資金。

這個早期的競賽示例強調(diào)了，隨著 DAO 融入更復(fù)雜的人工智能模型，它們也將繼承新的攻擊面。正如 Vitalik 擔心 DO 或 DAO 被人類勾結(jié)一樣，現(xiàn)在 DAO 2.0 必須考慮對 AI 訓練數(shù)據(jù)或即時工程攻擊進行對抗性輸入。

操縱法學碩士的推理過程、為其提供誤導(dǎo)性的鏈上數(shù)據(jù)或巧妙地影響其參數(shù)可能會成為「治理接管」的新形式，其中戰(zhàn)場將從人類多數(shù)投票攻擊轉(zhuǎn)向更微妙和復(fù)雜的人工智能利用形式。

新的中心化問題

DAO 2.0 的演變將重要的權(quán)力轉(zhuǎn)移給那些創(chuàng)建、訓練和控制特定 DAO 底層人工智能模型的人，這種動態(tài)可能會導(dǎo)致新形式的中心化阻塞點。

當然，訓練和維護先進的人工智能模型需要專門的專業(yè)知識和基礎(chǔ)設(shè)施，因此在未來的一些組織中，我們將看到方向表面上掌握在社區(qū)手中，但實際上掌握在熟練專家手中。

這是可以理解的。但展望未來，追蹤 AI 實驗的 DAO 如何應(yīng)對模型更新、參數(shù)調(diào)整和硬件配置等問題將會很有趣。

戰(zhàn)略與戰(zhàn)略運營角色和社區(qū)支持

Walden 的「戰(zhàn)略與運營」區(qū)別表明了一種長期平衡：人工智能可以處理日常 DAO 任務(wù)，而人類將提供戰(zhàn)略方向。

然而，隨著人工智能模型變得更加先進，它們也可能逐漸侵入 DAO 的戰(zhàn)略層。隨著時間的推移，「邊緣人」的角色可能會進一步縮小。

這就提出了一個問題：下一波人工智能驅(qū)動的 DAO 會發(fā)生什么，在許多情況下，人類可能只是提供資金并在一旁觀看?

在這種范式中，人類是否會在很大程度上成為影響力最小的可互換投資者，從共同擁有品牌的方式轉(zhuǎn)向更類似于人工智能管理的自主經(jīng)濟機器的方式?

我認為我們將在 DAO 場景中看到更多的組織模型趨勢，在這種模型中，人類只是扮演被動股東而不是主動管理者的角色。然而，由于對人類有意義的決策越來越少，而且在其他地方提供鏈上資本變得越來越容易，隨著時間的推移，維持社區(qū)的支持可能會成為一個持續(xù)的挑戰(zhàn)。

DAO 如何保持積極主動

好消息是，上述所有挑戰(zhàn)都可以積極應(yīng)對。例如：

• 在治理方面——DAO 可以嘗試治理機制，為人類選民或人類專家輪流委員會保留某些具有高影響力的決策。
• 關(guān)于不一致——通過將一致性檢查視為一項經(jīng)常性運營費用（如安全審計），DAO 可以確保 AI 代理對公共目標的忠誠度不是一次性問題，而是一項持續(xù)的責任。
• 關(guān)于中心化——DAO 可以投資于社區(qū)成員更廣泛的技能建設(shè)。隨著時間的推移，這將減輕少數(shù)「人工智能奇才」控制治理的風險，并促進技術(shù)管理的去中心化方法。
• 關(guān)于支持——隨著人類成為更多 DAO 中的被動利益相關(guān)者，這些組織可以加倍努力講故事、共同使命和社區(qū)儀式，以超越資本配置的直接邏輯并保持長期支持。

無論接下來發(fā)生什么，很明顯這里的未來是廣闊的。

考慮一下 Vitalik 最近如何推出 Deep Funding，它不是 DAO 的努力，而是旨在利用人工智能和人類法官為以太坊開源開發(fā)開創(chuàng)一種新的融資機制。

這只是一項新實驗，但它凸顯了一個更廣泛的趨勢：人工智能和去中心化協(xié)作的交叉正在加速。隨著新機制的到來和成熟，我們可以預(yù)期 DAO 會越來越多地適應(yīng)和擴展這些人工智能理念。這些創(chuàng)新將帶來獨特的挑戰(zhàn)，因此現(xiàn)在是開始準備的時候了。

到此這篇關(guān)于AI驅(qū)動的DAO正在興起：值得關(guān)注的5個挑戰(zhàn)的文章就介紹到這了,更多相關(guān)AI未來發(fā)展內(nèi)容請搜索以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持！

最大限度地減少模型錯位

DAO 的早期愿景旨在通過透明、不可變的代碼來抵消人類偏見、腐敗和低效率。

現(xiàn)在，一個關(guān)鍵的挑戰(zhàn)是從不可靠的人類決策轉(zhuǎn)向確保人工智能代理與 DAO 的目標「保持一致」。這里的主要漏洞不再是人為勾結(jié)，而是模型失調(diào)：人工智能驅(qū)動的 DAO 針對偏離人類預(yù)期結(jié)果的指標或行為進行優(yōu)化的風險。

在 DAO 2.0 范式中，這種一致性問題（最初是人工智能安全圈中的哲學問題）變成了經(jīng)濟和治理方面的實際問題。

對于當今嘗試基本人工智能工具的 DAO 來說，這可能不是一個首要問題，但隨著人工智能模型變得更加先進并深入融入去中心化治理結(jié)構(gòu)，預(yù)計它會成為審查和完善的主要領(lǐng)域。