Quando falamos pela primeira vez sobre descentralizar a IA, focamos na computação, dados e modelos de governança – e isso ainda é importante.
No entanto, à medida que os agentes autónomos operam em ambientes do mundo real, como negociar ativos, gerir cadeias de abastecimento e moderar comunidades, a confiança é o desafio que se destaca.
Não é o tipo suave e humano como, "Sinto-me bem com esta marca," ou "O marketing deles é convincente."
Nas economias de máquinas, a confiança tem de ser verificável, quantificável e aplicável à velocidade do protocolo.
Sem isso, a IA descentralizada corre o risco de se tornar uma arena de alto rendimento para alucinações, spam, exploração e falências em cascata.
Este não é um problema que possamos resolver com mais computação ou conjuntos de dados mais limpos. É um problema de como decidimos quem pode agir.
Da confiança informal às regras do protocolo
No Web 2.0, a confiança era como ler avaliações de restaurantes – boa para escolher o jantar, mas sem sentido quando milhares de agentes autónomos estão a tomar decisões rápidas e de alto impacto.
Esses sinais são fáceis de falsificar, impossíveis de auditar em grande escala e não têm consequências embutidas para os maus atores.
Em redes de IA descentralizadas, isso não é suficiente. Os agentes não são mais scripts isolados a correr num servidor de um entusiasta.
São entidades que solicitam recursos, executam negociações, votam em DAOs e orquestam outros agentes.
O dano é imediato e muitas vezes irreversível se alguém agir de forma maliciosa ou incompetente.
A resposta que está emergindo da comunidade de pesquisa é tornar a confiança parte da infraestrutura.
Uma proposta que está ganhando força é a ideia de tokens AgentBound – credenciais não transferíveis que atuam como um histórico para agentes de IA, proposta inicialmente pelo pesquisador Tomer Jordi Chaffer.
ABT – Passaportes para máquinas
Um ABT é um credential criptográfico não transferível que regista o comportamento de um agente ao longo do tempo.
Pense nisso como um passaporte para máquinas - carimbado não com vistos, mas com trabalhos verificados concluídos, resultados entregues e falhas registradas.
Ao contrário dos saldos de carteira ou montantes de participação, os ABTs não podem ser comprados, vendidos ou delegados.
Eles são ganhos através de ações, atualizados com base no desempenho verificado e reduzidos por má conduta – prova de conduta.
Isto muda o padrão de pagar para jogar para provar para agir.
Os saldos de tokens podem controlar os humanos, mas nas economias de máquinas, eles precificam mal o risco – os agentes são clonados a baixo custo, podem emprestar capital e operar a velocidade das máquinas, criando externalidades muito além da sua participação.
Os ABTs fecham essa lacuna ao tornar o desempenho verificado um recurso escasso ao longo do tempo.
Em sistemas ponderados por tokens, bolsos profundos compram acesso – em sistemas ABT-Gated, apenas um histórico durável e transparente desbloqueia papéis de maior impacto.
A fiabilidade torna-se a garantia operacional.
Através de um ciclo em tempo real de cinco etapas, os ABTs transformam o comportamento do agente em capital operacional que pode crescer, decair ou ser cortado.
Considere uma rede de logística descentralizada. Um novo agente de roteamento com uma ABT de reputação zero começa sob supervisão em pequenas remessas.
Cada trabalho verificado ganha atestações – a confiança se constrói até que ele opere uma região de forma autônoma.
Uma atualização com erros causa atrasos – os validadores a sinalizam e o ABT é penalizado, retornando o agente para tarefas de baixo risco.
Após um período de experiência limpo, a sua reputação recupera.
Isso é confiança como um sistema vivo, ganha, perdida e recuperada de uma forma que as máquinas podem entender e os protocolos podem impor.
Construindo sobre a ideia de soulbound
Se isso soa conceitualmente próximo de tokens Soulbound, é.
No seu artigo de 2022, ‘Sociedade Descentralizada – Encontrando a Alma da Web 3.0,’ Glen Weyl, Puja Ohlhaver e Vitalik Buterin propuseram os SBTs como credenciais não transferíveis para a identidade humana – diplomas, afiliações, licenças.
Os ABTs estendem esta lógica às máquinas.
Mas onde os SBTs são principalmente estáticos ("esta pessoa se formou em X"), os ABTs são dinâmicos, atualizando com cada ação verificada.
Eles se preocupam menos com quem é um agente, e mais com como ele se comporta ao longo do tempo – e o elemento temporal é crítico.
Um histórico impecável do ano passado significa pouco se o modelo do agente tiver degradado ou sido comprometido desde então.
Os ABTs capturam essa evolução, tornando-os um sinal vivo em vez de um distintivo único.
DAOs de Reputação como uma camada de governança
Os ABTs gerenciam os dados, o registro imutável do que aconteceu, mas alguém tem que estabelecer as regras.
O que é um bom ou mau comportamento? Que peso têm várias ações? Como lidar com disputas?
As DAOs de reputação são entidades de governação descentralizadas que definem, mantêm e auditam a camada de reputação.
Eles decidem quais validadores podem atualizar ABTs, quais métricas são importantes para um determinado domínio e como a reputação decai ou se recupera ao longo do tempo.
Eles também podem definir níveis de risco em ambientes de alto risco - um agente de moderação de conteúdo precisa de um histórico para agir de forma autónoma.
Em contraste, um bot de negociação pode precisar de outro. Ao descentralizar essas decisões, o sistema evita tanto a captura por uma única autoridade quanto a rigidez de regras codificadas.
As DAOs de reputação são o elemento humano no ciclo de confiança descentralizada – não micromanageando cada ação – mas orientando as normas e parâmetros que mantêm a camada de máquina honesta.
Desafios em tornar a confiança programável
Nada disso é trivial de implementar. Os problemas mais complexos são sociais e técnicos ao mesmo tempo.
Os ataques Sybil são a ameaça óbvia – gerando milhares de novos agentes para acumular reputação em funções de baixo risco, e depois implantando-os em contextos de maior risco.
Prevenir isso requer vincular ABTs a identidades descentralizadas fortes – e às vezes a hardware ou ambientes de execução que não podem ser replicados de forma barata.
A lavagem de reputação é outro risco.
Sem salvaguardas, um sistema ABT poderia tornar-se uma festa de disfarces de alto risco, onde agentes maliciosos colocam a máscara de outra pessoa para entrar na sala VIP.
A não transferibilidade a nível de protocolo, o vínculo criptográfico às chaves e as regras rigorosas de anti-delegação são essenciais.
Há também a troca entre privacidade e auditabilidade. Para confiar em um agente, você precisa saber como ele tem se comportado.
No entanto, a publicação de registos de decisão completos pode expor dados sensíveis ou métodos proprietários.
ZKPs (provas de conhecimento zero) e métricas aggreGate são maneiras promissoras de resolver esse problema.
E então há a captura de governança - se um pequeno grupo de validadores controla a maioria das atualizações, eles podem aprovar atores mal-intencionados ou punir rivais.
Conjuntos de validadores abertos, rotação e penalizações por colusão ajudam a distribuir esse poder.
Por que isso importa agora
Estamos no ponto em que a IA descentralizada é limitada menos pela tecnologia e mais pela legitimidade.
Sem decidir quais agentes podem ser confiáveis para quais papéis, as redes ou centralizam o controle ou aceitam risco constante.
Os ABTs e os DAOs de reputação oferecem um terceiro caminho – uma forma de codificar a confiança diretamente na infraestrutura, tornando-a tão nativa ao sistema quanto o consenso.
Eles respondem a essa pergunta publicamente, transformando ‘quem controla a IA?’ em ‘como é definido, concedido e revogado o controle?’
A primeira onda do Web 3.0 ensinou-nos a confiar em estranhos com dinheiro.
O próximo deve ensinar-nos a confiar em estranhos com decisões à velocidade das máquinas, com consequências que nenhum humano pode reverter a tempo.
Numa economia de agentes, isso não é opcional – é sobrevivência.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
Confiança na Máquina – Por Que a Reputação É o Próximo Primitivo da IA - The Daily Hodl
Postagem de Convidado HodlXEnviar a Sua Postagem
Quando falamos pela primeira vez sobre descentralizar a IA, focamos na computação, dados e modelos de governança – e isso ainda é importante.
No entanto, à medida que os agentes autónomos operam em ambientes do mundo real, como negociar ativos, gerir cadeias de abastecimento e moderar comunidades, a confiança é o desafio que se destaca.
Não é o tipo suave e humano como, "Sinto-me bem com esta marca," ou "O marketing deles é convincente."
Nas economias de máquinas, a confiança tem de ser verificável, quantificável e aplicável à velocidade do protocolo.
Sem isso, a IA descentralizada corre o risco de se tornar uma arena de alto rendimento para alucinações, spam, exploração e falências em cascata.
Este não é um problema que possamos resolver com mais computação ou conjuntos de dados mais limpos. É um problema de como decidimos quem pode agir.
Da confiança informal às regras do protocolo
No Web 2.0, a confiança era como ler avaliações de restaurantes – boa para escolher o jantar, mas sem sentido quando milhares de agentes autónomos estão a tomar decisões rápidas e de alto impacto.
Esses sinais são fáceis de falsificar, impossíveis de auditar em grande escala e não têm consequências embutidas para os maus atores.
Em redes de IA descentralizadas, isso não é suficiente. Os agentes não são mais scripts isolados a correr num servidor de um entusiasta.
São entidades que solicitam recursos, executam negociações, votam em DAOs e orquestam outros agentes.
O dano é imediato e muitas vezes irreversível se alguém agir de forma maliciosa ou incompetente.
A resposta que está emergindo da comunidade de pesquisa é tornar a confiança parte da infraestrutura.
Uma proposta que está ganhando força é a ideia de tokens AgentBound – credenciais não transferíveis que atuam como um histórico para agentes de IA, proposta inicialmente pelo pesquisador Tomer Jordi Chaffer.
ABT – Passaportes para máquinas
Um ABT é um credential criptográfico não transferível que regista o comportamento de um agente ao longo do tempo.
Pense nisso como um passaporte para máquinas - carimbado não com vistos, mas com trabalhos verificados concluídos, resultados entregues e falhas registradas.
Ao contrário dos saldos de carteira ou montantes de participação, os ABTs não podem ser comprados, vendidos ou delegados.
Eles são ganhos através de ações, atualizados com base no desempenho verificado e reduzidos por má conduta – prova de conduta.
Isto muda o padrão de pagar para jogar para provar para agir.
Os saldos de tokens podem controlar os humanos, mas nas economias de máquinas, eles precificam mal o risco – os agentes são clonados a baixo custo, podem emprestar capital e operar a velocidade das máquinas, criando externalidades muito além da sua participação.
Os ABTs fecham essa lacuna ao tornar o desempenho verificado um recurso escasso ao longo do tempo.
Em sistemas ponderados por tokens, bolsos profundos compram acesso – em sistemas ABT-Gated, apenas um histórico durável e transparente desbloqueia papéis de maior impacto.
A fiabilidade torna-se a garantia operacional.
Através de um ciclo em tempo real de cinco etapas, os ABTs transformam o comportamento do agente em capital operacional que pode crescer, decair ou ser cortado.
Considere uma rede de logística descentralizada. Um novo agente de roteamento com uma ABT de reputação zero começa sob supervisão em pequenas remessas.
Cada trabalho verificado ganha atestações – a confiança se constrói até que ele opere uma região de forma autônoma.
Uma atualização com erros causa atrasos – os validadores a sinalizam e o ABT é penalizado, retornando o agente para tarefas de baixo risco.
Após um período de experiência limpo, a sua reputação recupera.
Isso é confiança como um sistema vivo, ganha, perdida e recuperada de uma forma que as máquinas podem entender e os protocolos podem impor.
Construindo sobre a ideia de soulbound
Se isso soa conceitualmente próximo de tokens Soulbound, é.
No seu artigo de 2022, ‘Sociedade Descentralizada – Encontrando a Alma da Web 3.0,’ Glen Weyl, Puja Ohlhaver e Vitalik Buterin propuseram os SBTs como credenciais não transferíveis para a identidade humana – diplomas, afiliações, licenças.
Os ABTs estendem esta lógica às máquinas.
Mas onde os SBTs são principalmente estáticos ("esta pessoa se formou em X"), os ABTs são dinâmicos, atualizando com cada ação verificada.
Eles se preocupam menos com quem é um agente, e mais com como ele se comporta ao longo do tempo – e o elemento temporal é crítico.
Um histórico impecável do ano passado significa pouco se o modelo do agente tiver degradado ou sido comprometido desde então.
Os ABTs capturam essa evolução, tornando-os um sinal vivo em vez de um distintivo único.
DAOs de Reputação como uma camada de governança
Os ABTs gerenciam os dados, o registro imutável do que aconteceu, mas alguém tem que estabelecer as regras.
O que é um bom ou mau comportamento? Que peso têm várias ações? Como lidar com disputas?
As DAOs de reputação são entidades de governação descentralizadas que definem, mantêm e auditam a camada de reputação.
Eles decidem quais validadores podem atualizar ABTs, quais métricas são importantes para um determinado domínio e como a reputação decai ou se recupera ao longo do tempo.
Eles também podem definir níveis de risco em ambientes de alto risco - um agente de moderação de conteúdo precisa de um histórico para agir de forma autónoma.
Em contraste, um bot de negociação pode precisar de outro. Ao descentralizar essas decisões, o sistema evita tanto a captura por uma única autoridade quanto a rigidez de regras codificadas.
As DAOs de reputação são o elemento humano no ciclo de confiança descentralizada – não micromanageando cada ação – mas orientando as normas e parâmetros que mantêm a camada de máquina honesta.
Desafios em tornar a confiança programável
Nada disso é trivial de implementar. Os problemas mais complexos são sociais e técnicos ao mesmo tempo.
Os ataques Sybil são a ameaça óbvia – gerando milhares de novos agentes para acumular reputação em funções de baixo risco, e depois implantando-os em contextos de maior risco.
Prevenir isso requer vincular ABTs a identidades descentralizadas fortes – e às vezes a hardware ou ambientes de execução que não podem ser replicados de forma barata.
A lavagem de reputação é outro risco.
Sem salvaguardas, um sistema ABT poderia tornar-se uma festa de disfarces de alto risco, onde agentes maliciosos colocam a máscara de outra pessoa para entrar na sala VIP.
A não transferibilidade a nível de protocolo, o vínculo criptográfico às chaves e as regras rigorosas de anti-delegação são essenciais.
Há também a troca entre privacidade e auditabilidade. Para confiar em um agente, você precisa saber como ele tem se comportado.
No entanto, a publicação de registos de decisão completos pode expor dados sensíveis ou métodos proprietários.
ZKPs (provas de conhecimento zero) e métricas aggreGate são maneiras promissoras de resolver esse problema.
E então há a captura de governança - se um pequeno grupo de validadores controla a maioria das atualizações, eles podem aprovar atores mal-intencionados ou punir rivais.
Conjuntos de validadores abertos, rotação e penalizações por colusão ajudam a distribuir esse poder.
Por que isso importa agora
Estamos no ponto em que a IA descentralizada é limitada menos pela tecnologia e mais pela legitimidade.
Sem decidir quais agentes podem ser confiáveis para quais papéis, as redes ou centralizam o controle ou aceitam risco constante.
Os ABTs e os DAOs de reputação oferecem um terceiro caminho – uma forma de codificar a confiança diretamente na infraestrutura, tornando-a tão nativa ao sistema quanto o consenso.
Eles respondem a essa pergunta publicamente, transformando ‘quem controla a IA?’ em ‘como é definido, concedido e revogado o controle?’
A primeira onda do Web 3.0 ensinou-nos a confiar em estranhos com dinheiro.
O próximo deve ensinar-nos a confiar em estranhos com decisões à velocidade das máquinas, com consequências que nenhum humano pode reverter a tempo.
Numa economia de agentes, isso não é opcional – é sobrevivência.
Roman Melnyk é o diretor de marketing da DeXe.