“人工智能成为政府”是反乌托邦式的：当人工智能较弱时，它会导致混乱，而一旦人工智能变得强大，它就会导致厄运最大化。但使用得当的人工智能可以赋予权力，并推动民主/分散治理模式的前沿。 民主/去中心化治理模式（包括以太坊上的DAO）的核心问题是对人类注意力的限制：有成千上万的决策需要做出，涉及许多专业领域，大多数人甚至没有时间或技能成为其中一个领域的专家，更不用说所有领域了。通常的解决方案，即授权，是剥夺权力：它导致一小群代表控制决策，而他们的支持者在按下“授权”按钮后，根本没有影响力。那么我们能做什么呢？我们使用个人LLMs来解决注意力问题！以下是一些想法： 个人治理代理人 如果治理机制依赖于你做出大量决定，个人代理人可以根据从你的个人写作、对话历史、直接陈述等推断出的偏好为你进行所有必要的投票。 如果代理人（i）不确定你将如何对一个问题进行投票，并且（ii）确信这个问题很重要，那么它应该直接问你，并给你所有相关的背景。 公共对话代理 做出好的决定往往不能来自一个线性过程，即只基于人们自己的信息来获取他们的观点，并对其进行平均（甚至是二次方）。需要一种流程来聚合许多人的信息，然后给每个人（或他们的法学硕士）一个基于该信息做出回应的机会。 这包括： *推断和总结你自己的观点，并将其转换为可以公开共享的格式（并且不会暴露你的私人信息） *总结人们输入（以单词表示）之间的共性，类似于各种LLM+http://pol.is想法 建议市场 如果治理机制重视任何类型的“高质量投入”（这可能是提案，甚至可能是论点），那么你就可以有一个预测市场，任何人都可以提交投入，人工智能可以押注代表该投入的代币，如果该机制“接受”投入（接受提案，或将其作为对话的“单元”接受，然后传递给参与者），它将向代币持有者支付X美元。 请注意，这基本上与https://firefly.social/post/x/2017956762347835488 利用私人信息进行去中心化治理 高度分散/民主治理的最大弱点之一是，当需要使用秘密信息做出重要决策时，它不能很好地发挥作用。 常见情况： （i） 参与对抗性冲突或谈判的组织 （ii）内部争议解决 （iii）补偿/资金决定。 通常，组织通过任命有权承担这些任务的个人来解决这个问题。 但是，对于多方计算（目前我已经看到用TEE完成了这项工作；我希望至少能看到用乱码电路解决两党案件https://vitalik.eth.limo/general/2020/03/21/garbled.html因此，我们可以为其获得纯粹的加密安全保证），我们实际上可以考虑许多人的输入来处理这些情况，而不会损害隐私。基本上：你将你的个人LLM提交到一个黑盒子里，LLM会看到私人信息，并据此做出判断，然后只输出该判断。你看不到私人信息，也没有人看到你个人LLM的内容。 隐私的重要性 所有这些方法都涉及每个参与者利用更多关于自己的信息，并可能提交更大尺寸的输入。因此，保护隐私变得更加重要。有两种隐私很重要： *参与者匿名：这可以通过ZK来实现。总的来说，我认为所有的治理工具都应该内置ZK *内容的隐私：这有两个部分。首先，个人法学硕士应该尽其所能避免泄露不需要泄露的关于你的私人信息。其次，当你的计算结合了多个LLM或多个人的信息时，你需要多方技术来私下计算。两者都很重要。