Изучение DAO-AI: Как агентные системы трансформируют коллективное принятие решений

С ростом децентрализованного управления возникла структурная парадокс: DAO обещают коллективный интеллект, но большинство членов не могут справиться с потоком предложений, дебатов и данных. Обычно менее одного из десяти держателей токенов участвуют в голосованиях. Проблема не в апатии, а в когнитивной перегрузке. Форумы управления переполняются информацией, предложения становятся все более техническими, а темп обсуждения превышает человеческое внимание.

Агентный подход к пониманию предложений

“DAO-AI,” разработанный исследователями из Университета Колумбия и IBM Research, представляет собой агентную систему принятия решений, предназначенную для интерпретации предложений, анализа дискуссий и формулирования своей собственной прозрачной позиции. Вместо того чтобы действовать как предсказательный оракул, система функционирует как аналитическая линза — структурированный способ отражать и тестировать логику, заложенную в общественных дебатах.

Чтение, рассуждение и голосование в масштабе

DAO-AI построен на платформе IBM Agentics, которая представляет информацию через типизированные структуры, известные как ATypes. Эти объекты кодируют текст, метрики и контекстуальные сигналы, полученные из форумов управления и данных на блокчейне. Логические трансдукции связывают эти сигналы для захвата смысла.

Модульные композируемые программы (MCPs) затем собирают эти сигналы в потоки рассуждений от начала до конца. Они собирают метаданные предложений, синтезируют тенденции обсуждений, анализируют исторические прецеденты и оценивают рыночные реакции. Система выдает голос — за, против или воздержался — и сопоставляет его с объяснением и мерой уверенности.

На основе 3,383 предложений от Aave, Lido, Uniswap и других, DAO-AI согласовывался с результатами человеческого голосования примерно в 92–93% случаев. Даже в спорных случаях, когда человеческие настроения были разделены, модель оставалась последовательной и интерпретируемой. Ее аргументация также показала корреляцию с положительной постголосовой производительностью, что предполагает, что агентный анализ может отражать как основную экономическую логику, так и настроение сообщества.

Границы и неопределенности согласования

Авторы подчеркивают, что согласование не подразумевает превосходства. DAO-AI не доказывает, что искусственные агенты принимают лучшие решения; он лишь демонстрирует, что они могут приближаться к коллективному рассуждению с прозрачностью. Его тренировочное окно и конфигурация были ограничены, и исследование не утверждает о причинной валидности.

Будущая работа будет включать расширение на дополнительные экосистемы управления, создание эталонов для спорных решений и внедрение аудита с участием человека для оценки расхождения между человеческой и агентной логикой. Такие исследования могут в конечном итоге поддержать причинное тестирование — определение того, улучшает ли агентное участие качественное управление.

От автоматизации до интерпретации

Что отличает DAO-AI, так это не автоматизация, а перевод. Он превращает обширные, неструктурированные обсуждения в последовательные объяснения. Вместо того чтобы заменять избирателей, агентовые системы могут стать прозрачными консультантами, которые помещают каждое предложение в более широкий контекст исторического рассуждения сообщества, включая предыдущие компромиссы и прецеденты.

Этот подход указывает на концепцию «deleGate паспортов», где как люди, так и автономные агенты строят репутационные профили на основе того, насколько хорошо их рассуждения согласуются с коллективными результатами. Достоверность становится связанной с согласованностью, а не с конформизмом. Советники помогают участникам рассуждать, не подрывая ответственность; deleGates представляют собой непрерывность общего логического процесса, а не авторитет.

Путь к эволюции коллективного интеллекта

DAO-AI предполагает, что будущее децентрализованного управления зависит от сотрудничества между человеческим суждением и синтетическим рассуждением. Цель состоит не в том, чтобы передать решения машинам, а в том, чтобы разработать системы, в которых обе формы интеллекта усиливают прозрачность, интерпретацию и общее предназначение.

Когда принятие решений становится объяснимым, управление выходит за рамки подсчета голосов и входит в область, где важны причины, стоящие за этими голосами. Агентные системы управления указывают на будущее, где обсуждение масштабируется, не теряя целостности — новая форма коллективного разума для децентрализованных сообществ.