Ethereum-ის თანადამფუძნებელმა ვიტალიკ ბუტერინმა ადამიანის ყურადღების ლიმიტები დაასახელა, როგორც ძირითადი პრობლემა, რომელიც აწუხებს დეცენტრალიზებულ ავტონომიურ ორგანიზაციებს (DAOs) და დემოკრატიული მმართველობის სისტემებს. X-ზე წერისას, ბუტერინმა განაცხადა, რომ მონაწილეები ათასობით გადაწყვეტილების წინაშე დგანან ექსპერტიზის მრავალ სფეროში, საკმარისი დროისა და უნარების გარეშე, რათა სათანადოდ შეაფასონ ისინი. დელეგირების ჩვეულებრივი გადაწყვეტა ქმნის უფლებამოსილების ჩამორთმევას, სადაც მცირე ჯგუფი აკონტროლებს გადაწყვეტილების მიღებას, ხოლო მხარდამჭერებს არ აქვთ გავლენა დელეგირების ღილაკზე დაჭერის შემდეგ. ბუტერინმა ყურადღების პრობლემის გადასაჭრელად პირადი დიდი ენობრივი მოდელები (LLM) შესთავაზა და ოთხი მიდგომა გააზიარა. პირადი მმართველობის აგენტები, საჯარო საუბრის აგენტები, წინადადებების ბაზრები და კონფიდენციალურობის დამცავი მრავალმხრივი გამოთვლა მგრძნობიარე გადაწყვეტილებებისთვის. პირადი მმართველობის აგენტები შეასრულებდნენ ყველა საჭირო ხმას პირადი წერილობითი მასალის, საუბრის ისტორიისა და პირდაპირი განცხადებების საფუძველზე გამოვლენილი პრეფერენციების მიხედვით. როდესაც აგენტი ხმის მიცემის პრეფერენციებთან დაკავშირებით გაურკვევლობის წინაშე დგას და საკითხს მნიშვნელოვნად მიიჩნევს, მან პირდაპირ უნდა ჰკითხოს მომხმარებელს, ყველა შესაბამისი კონტექსტის მიწოდებით. „AI ხდება მთავრობა“ დისტოპიურია: ის იწვევს უხარისხობას, როდესაც AI სუსტია, და განწირულების მაქსიმიზაციას, როდესაც AI ძლიერდება. მაგრამ კარგად გამოყენებული AI შეიძლება იყოს გამაძლიერებელი და წინ წაწიოს დემოკრატიული / დეცენტრალიზებული მმართველობის რეჟიმების საზღვრები. საჯარო საუბრის აგენტები შეაგროვებდნენ ინფორმაციას მრავალი მონაწილისგან, სანამ თითოეულ ადამიანს ან მათ LLM-ს მისცემდნენ პასუხის გაცემის შესაძლებლობას. სისტემა შეაჯამებდა ინდივიდუალურ შეხედულებებს, გადააქცევდა მათ გასაზიარებელ ფორმატებად პირადი ინფორმაციის გამჟღავნების გარეშე და გამოავლენდა საერთო მახასიათებლებს შეტანილ მონაცემებს შორის, LLM-ით გაუმჯობესებული Polis სისტემების მსგავსად. ბუტერინმა აღნიშნა, რომ კარგი გადაწყვეტილებები არ შეიძლება მომდინარეობდეს „ადამიანების შეხედულებების ხაზოვანი პროცესიდან, რომლებიც დაფუძნებულია მხოლოდ მათ საკუთარ ინფორმაციაზე და მათი საშუალო არითმეტიკული გამოთვლიდან (თუნდაც კვადრატულად).“ „პროცესებმა ჯერ უნდა მოახდინონ კოლექტიური ინფორმაციის აგრეგირება, შემდეგ კი ინფორმირებული პასუხების დაშვება. მმართველობის მექანიზმებს, რომლებიც აფასებენ მაღალი ხარისხის შეტანილ მონაცემებს, შეეძლოთ განეხორციელებინათ პროგნოზირების ბაზრები, სადაც ნებისმიერი წარადგენს წინადადებებს, ხოლო AI აგენტები ფსონებს დებენ ტოკენებზე. როდესაც მექანიზმი მიიღებს შეტანილ მონაცემებს, ის უხდის ტოკენის მფლობელებს. ეს მიდგომა ვრცელდება წინადადებებზე, არგუმენტებზე ან ნებისმიერ საუბრის ერთეულზე, რომელსაც სისტემა გადასცემს მონაწილეებს. ბაზრის სტრუქტურა ქმნის ფინანსურ სტიმულებს ღირებული წვლილის გამოსავლენად. დეცენტრალიზებული მმართველობა მარცხდება, როდესაც მნიშვნელოვან გადაწყვეტილებებს საიდუმლო ინფორმაცია სჭირდება, განაცხადა ბუტერინმა. ორგანიზაციები, როგორც წესი, უმკლავდებიან კონფლიქტებს, შიდა დავებს და კომპენსაციის გადაწყვეტილებებს დიდი ძალაუფლების მქონე პირების დანიშვნით. მრავალმხრივი გამოთვლა სანდო შესრულების გარემოების გამოყენებით შეეძლო მრავალი ადამიანის შეტანილი მონაცემების ჩართვას კონფიდენციალურობის დარღვევის გარეშე. „თქვენ აგზავნით თქვენს პირად LLM-ს შავ ყუთში, LLM ხედავს პირად ინფორმაციას, ის აკეთებს შეფასებას ამის საფუძველზე და გამოაქვს მხოლოდ ეს შეფასება,“ განმარტა ბუტერინმა. კონფიდენციალურობის დაცვა მნიშვნელოვანი ხდება, რადგან მონაწილეები აგზავნიან უფრო დიდ შეტანილ მონაცემებს, რომლებიც შეიცავს მეტ პირად ინფორმაციას. ანონიმურობას სჭირდება ნულოვანი ცოდნის მტკიცებულებები (zero-knowledge proofs), რომლებიც, ბუტერინის თქმით, უნდა იყოს ჩაშენებული ყველა მმართველობის ინსტრუმენტში.