早在 2014 年，以太坊創始人 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構來保持效率和透明度的組織。

十年后，Variant 的 Jesse Walden 剛剛發表了「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，即以人為中心的數字組織，并不強調自動化。

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

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對的五個關鍵領域。

轉變治理

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

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

這種動態將重新定義許多 DAO 的治理。我們仍然會看到人類聯盟對結果進行談判和投票，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。目前，如何實現這種平衡是一個懸而未決的問題和設計空間。

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有內置的保護措施——明確指示永遠不要發送獎品——但人類的創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了，隨著 DAO 融入更復雜的人工智能模型，它們也將繼承新的攻擊面。正如 Vitalik 擔心 DO 或 DAO 被人類勾結一樣，現在 DAO 2.0 必須考慮對 AI 訓練數據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、為其提供誤導性的鏈上數據或巧妙地影響其參數可能會成為「治理接管」的新形式，其中戰場將從人類多數投票攻擊轉向更微妙和復雜的人工智能利用形式。

新的中心化問題

DAO 2.0 的演變將重要的權力轉移給那些創建、訓練和控制特定 DAO 底層人工智能模型的人，這種動態可能會導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知識和基礎設施，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 如何應對模型更新、參數調整和硬件配置等問題將會很有趣。

戰略與戰略運營角色和社區支持

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

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：下一波人工智能驅動的 DAO 會發生什么，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向更類似于人工智能管理的自主經濟機器的方式?

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，維持社區的支持可能會成為一個持續的挑戰。

DAO 如何保持積極主動

好消息是，上述所有挑戰都可以積極應對。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。
• 關于不一致——通過將一致性檢查視為一項經常性運營費用（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，而是一項持續的責任。
• 關于中心化——DAO 可以投資于社區成員更廣泛的技能建設。隨著時間的推移，這將減輕少數「人工智能奇才」控制治理的風險，并促進技術管理的去中心化方法。
• 關于支持——隨著人類成為更多 DAO 中的被動利益相關者，這些組織可以加倍努力講故事、共同使命和社區儀式，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開創一種新的融資機制。

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作的交叉正在加速。隨著新機制的到來和成熟，我們可以預期 DAO 會越來越多地適應和擴展這些人工智能理念。這些創新將帶來獨特的挑戰，因此現在是開始準備的時候了。

到此這篇關于AI驅動的DAO正在興起：值得關注的5個挑戰的文章就介紹到這了,更多相關AI未來發展內容請搜索以前的文章或繼續瀏覽下面的相關文章，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。

現在，一個關鍵的挑戰是從不可靠的人類決策轉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，而是模型失調：人工智能驅動的 DAO 針對偏離人類預期結果的指標或行為進行優化的風險。

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構，預計它會成為審查和完善的主要領域。