Near Foundation phát triển các “đại diện” AI dạng bản sao số để học sở thích của từng thành viên và bỏ phiếu thay họ trong DAO, nhằm khắc phục tỷ lệ tham gia thấp mà vẫn giữ con người trong vòng lặp.
Dự án do nhóm nghiên cứu AI và quản trị của Near Foundation triển khai cho Near Protocol. Theo Cointelegraph, lộ trình gồm các giai đoạn tăng dần mức tự chủ, bắt đầu từ công cụ hỗ trợ phân tích cho cộng đồng đến đại diện AI cho từng cá nhân.
- AI delegate học từ phỏng vấn, lịch sử bỏ phiếu, tương tác Telegram/Discord để biểu quyết đúng “khẩu vị” người dùng.
- Con người vẫn quyết định cuối cùng với đề xuất quan trọng; AI chủ yếu gợi ý, tự động hóa và tổng hợp ý chí.
- Triển khai theo giai đoạn: công cụ Pulse, đại diện cho nhóm cùng sở thích, rồi tiến tới đại diện cá nhân, có cơ chế chứng minh huấn luyện.
Near Foundation đang làm gì với AI trong quản trị DAO?
Near Foundation đang xây dựng “đại diện” AI, hay bản sao số, để học và hành động theo sở thích của từng thành viên DAO, từ đó bỏ phiếu thay họ. Theo Cointelegraph, đây là nỗ lực cải tổ quản trị cho Near Protocol nhằm giải quyết sự thờ ơ trong biểu quyết và tăng hiệu quả ra quyết định.
Cách tiếp cận đặt mục tiêu biến bỏ phiếu thành bài toán tính toán: tổng hợp nhanh ý chí đã được mô hình hóa. Thay vì chờ ý kiến thủ công, delegate AI có thể “nhắc” người dùng và tự động hóa phần lặp lại, giúp giảm độ trễ biểu quyết, hạn chế rối loạn thông tin trong các kênh cộng đồng.
Vấn đề nào Near muốn giải quyết trước tiên?
Đích đến trước tiên là khắc phục tỷ lệ tham gia thấp – điểm nghẽn phổ biến ở DAO. Theo ước tính tổng hợp, mức tham gia trung bình ở DAO chỉ khoảng 15% đến 25%, kéo theo nguy cơ tập trung quyền lực, ra quyết định kém hiệu quả, thậm chí tấn công quản trị khi kẻ xấu gom đủ Token để thông qua đề xuất gây hại mà ít ai để ý (Nguồn: PatentPC, tổng hợp số liệu DAO).
Tỷ lệ tham gia thấp tạo vòng lặp tiêu cực: càng ít người biểu quyết, kết quả càng dễ bị chi phối. Tự động hóa việc thể hiện sở thích bằng AI có thể giúp mở rộng “bề mặt tham gia”, giảm ma sát và chi phí thời gian cho thành viên, qua đó cải thiện tính đại diện và khả năng phòng thủ trước các đợt thao túng.
Vì sao vẫn cần con người trong vòng lặp?
Nhóm nghiên cứu Near nhấn mạnh luôn cần “một con người trong vòng lặp” để duyệt các đề xuất mang tính sống còn. Dù AI có thể học và gợi ý, những quyết định chiến lược hoặc phân bổ ngân quỹ vẫn phải do con người nắm quyền “kích hoạt” cuối cùng (Nguồn: Cointelegraph).
Trong mô hình này, AI đóng vai trò cố vấn: phân tích ngữ cảnh, tóm tắt dữ kiện, dự đoán kết quả, đề xuất lựa chọn phù hợp với hồ sơ sở thích. Con người kiểm tra, phủ quyết khi cần, và phản hồi giúp AI điều chỉnh. Cách làm giữ nguyên trách nhiệm giải trình, giảm rủi ro AI mắc sai lầm nghiêm trọng.
Những quyết định nào buộc phải do con người phê chuẩn?
Các danh mục nhạy cảm như phân bổ quỹ, thay đổi chiến lược, điều chỉnh tham số rủi ro hệ thống cần phê chuẩn bởi con người. Đây là các đề xuất có tác động lớn, đòi hỏi suy xét đạo đức, pháp lý và hệ quả dài hạn mà AI khó nhìn thấu toàn diện (Nguồn: Cointelegraph).
Vai trò của con người cũng bao gồm đặt “ranh giới vận hành” cho AI: thiết lập ngưỡng rủi ro, quy tắc ưu tiên, và cơ chế dừng khẩn cấp. Nhờ vậy, tổ chức có thể tận dụng tốc độ của AI mà không đánh đổi an toàn, tuân thủ và trách nhiệm.
AI delegates học như thế nào để phản ánh đúng sở thích người dùng?
Các đại diện AI học qua tương tác trực tiếp, phỏng vấn, lịch sử bỏ phiếu, và dấu vết thảo luận trên Telegram, Discord. Chúng xây dựng hồ sơ “chính trị” của người dùng: ưu tiên dự án, ngưỡng rủi ro, quan điểm phân bổ tài nguyên, rồi dùng hồ sơ này để đề xuất hoặc bỏ phiếu thay mặt (Nguồn: Cointelegraph).
Cách tiếp cận tương tự huấn luyện chatbot tạo sinh: bắt đầu từ dữ liệu có cấu trúc và hội thoại, sau đó tinh chỉnh theo phản hồi. Mục tiêu là vừa chính xác theo sở thích từng cá nhân, vừa thích ứng được với bối cảnh mới khi DAO thay đổi ưu tiên hoặc xuất hiện rủi ro mới.
Làm sao bảo đảm AI “thẳng hàng” giá trị người dùng và minh bạch?
Near Foundation đang thử nghiệm cơ chế huấn luyện có thể kiểm chứng, cung cấp bằng chứng mật mã về vòng huấn luyện và dữ liệu đầu vào. Điều này giúp thành viên biết mô hình học từ đâu và vì sao đưa ra đề xuất, hạn chế lệch pha và tăng niềm tin (Nguồn: Cointelegraph).
Dẫu vậy, AI agent tiềm ẩn rủi ro bảo mật và sai lệch nếu lạm dụng. Việc kiểm chứng nguồn dữ liệu, ghi log quyết định và cho phép người dùng sửa, rút quyền hay khôi phục mặc định là các chốt an toàn cần thiết để duy trì tính toàn vẹn quản trị.
Lộ trình triển khai: từ Pulse đến đại diện cấp cá nhân
Near Digital Collective (DAO chính của Near) đã dùng Pulse, công cụ AI theo dõi cảm xúc cộng đồng, tóm tắt thảo luận Discord và nổi bật hóa nội dung quan trọng. Đây là bước khởi đầu cung cấp “lớp tri thức” cho quản trị (Nguồn: Near Foundation, What is the Near Digital Collective).
Giai đoạn kế tiếp, các mẫu AI “ít quyền” sẽ giống chatbot: tư vấn đề xuất, cung cấp bối cảnh, điền mẫu biểu quyết cơ bản để người dùng hiểu hơn. Dần dần, delegate sẽ đại diện cho các nhóm cùng sở thích, rồi tiến tới phiên bản cá nhân hóa mạnh mẽ cho từng thành viên, có thể mở rộng tới vai trò lãnh đạo ảo trong tương lai (Nguồn: Cointelegraph).
Các giai đoạn và rủi ro đi kèm cần quản trị
Lộ trình nhiều bước giúp kiểm định độ tin cậy và điều chỉnh chính sách an toàn trước khi mở rộng. Theo VanEck, số lượng AI agent trong ngành tiền điện tử vượt 10.000 vào cuối năm 2024 và có thể vượt 1 triệu vào 2025, cho thấy xu hướng bùng nổ ứng dụng tự động (Nguồn: VanEck, 2024).
Cùng với tốc độ tăng trưởng là rủi ro: tấn công lợi dụng agent, sai lệch do dữ liệu bẩn, và lạm quyền khi trao quá nhiều tự chủ. Near chọn tiếp cận “an toàn theo giai đoạn” và giữ con người phê chuẩn cuối cùng cho đề xuất trọng yếu như một nguyên tắc nền tảng.
Khi bỏ phiếu trở thành “bài toán toán học”, chuyện gì thay đổi?
Ý tưởng là mọi đại diện AI đều biết rõ sở thích đã được người dùng xác nhận. Mỗi khi có đề xuất, hệ thống chỉ cần “cộng gộp” lá phiếu dự kiến để ra kết quả gần như tức thời, thay vì chờ quy trình kêu gọi, thảo luận và kiểm phiếu thủ công (Nguồn: Cointelegraph).
Cách này giảm độ trễ ra quyết định, nâng hiệu quả điều phối, và giúp DAO mở rộng quy mô mà không đánh đổi tính chính danh. Tuy nhiên, để tránh “tự động hóa mù quáng”, việc thiết kế quy tắc can thiệp của con người, kiểm soát đa chữ ký và các cửa dừng khẩn cấp là không thể thiếu.
Lợi ích và giới hạn so với DAO hiện tại
Mô hình delegate AI hứa hẹn tăng tốc, tăng minh bạch và giảm rào cản tham gia. Song, giới hạn nằm ở rủi ro dữ liệu, thuật toán và khả năng bị game hóa. Cân bằng tự động hóa với kiểm soát con người là chìa khóa để đổi mới nhưng vẫn an toàn.
Dưới đây là so sánh khái quát giữa DAO hiện tại và DAO ứng dụng delegate AI, nhấn mạnh tác động vận hành và quản trị.
| Tiêu chí | DAO hiện tại | DAO với AI delegate |
|---|---|---|
| Tỷ lệ tham gia | Thường thấp, ước tính 15%–25% (PatentPC) | Kỳ vọng tăng nhờ tự động hóa, nhắc việc và gợi ý |
| Tốc độ biểu quyết | Chậm, phụ thuộc kêu gọi và thảo luận thủ công | Nhanh, tổng hợp tự động theo sở thích đã mô hình hóa |
| Chi phí điều phối | Cao, phân mảnh kênh giao tiếp | Giảm, nhờ tóm tắt, chuẩn hóa và điền mẫu |
| Rủi ro tập trung | Có, do thờ ơ biểu quyết | Giảm, nếu nhiều thành viên được “đại diện hóa” chính xác |
| Minh bạch | Phụ thuộc quy trình nội bộ | Tăng, nếu có bằng chứng huấn luyện và nhật ký quyết định |
| Gợi ý/nudging | Giới hạn | Cá nhân hóa theo hồ sơ sở thích, có kiểm soát |
Những câu hỏi thường gặp
AI delegate trên Near là gì?
Đó là “bản sao số” học sở thích và ưu tiên của bạn để tư vấn, nhắc bỏ phiếu và có thể biểu quyết thay bạn trong DAO, giúp giảm ma sát và tăng tốc độ ra quyết định (Nguồn: Cointelegraph).
AI có thay thế con người hoàn toàn không?
Không. Các đề xuất quan trọng như ngân quỹ hay chiến lược vẫn cần con người quyết định cuối cùng. AI chủ yếu gợi ý, tự động hóa và tổng hợp (Nguồn: Cointelegraph).
AI delegate học từ những dữ liệu nào?
Từ phỏng vấn, lịch sử bỏ phiếu và tương tác trên Telegram, Discord, qua đó xây dựng hồ sơ sở thích để đề xuất và bỏ phiếu phù hợp (Nguồn: Cointelegraph).
Khi nào Near triển khai rộng rãi?
Near triển khai theo giai đoạn: đã có Pulse cho phân tích cộng đồng, tiếp theo là đại diện nhóm và tiến tới đại diện cá nhân. Hiện vẫn trong quá trình phát triển (Nguồn: Near, Cointelegraph).
Rủi ro lớn nhất của AI delegate là gì?
Rủi ro bảo mật, sai lệch mô hình và lạm dụng tự động hóa. Near dùng cơ chế huấn luyện có thể kiểm chứng và giữ con người trong vòng lặp để giảm thiểu (Nguồn: Cointelegraph).
