Governance democratica tramite deliberazione e voto basati su DAO per decisioni inclusive nei modelli di intelligenza artificiale

Perché questo è importante per gli utenti comuni della tecnologia

Quando chiediamo a un'IA di disegnare un'immagine o rispondere a una domanda, raramente vediamo chi ha deciso come quel sistema debba comportarsi. Questo articolo esplora un nuovo modo per dare alle persone comuni — in particolare a chi è solitamente escluso — una voce reale nella progettazione e nell'aggiornamento dei modelli di IA. Invece di lasciare che le aziende tecnologiche stabiliscano tutte le regole a porte chiuse, gli autori sperimentano un sistema democratico basato su blockchain che permette a comunità diverse di discutere, votare e influenzare direttamente il modo in cui l'IA gestisce questioni sensibili come gli stereotipi nelle immagini.

Problemi legati a decisioni nascoste nell'IA

I sistemi di IA moderni si costruiscono su enormi set di dati e codice complesso, ma il processo decisionale che li guida è spesso opaco. Questa mancanza di trasparenza ha portato a discriminazioni, errate rappresentazioni e persino violazioni della privacy o della proprietà intellettuale. I danni non sono distribuiti in modo uniforme: le persone con disabilità e le comunità del Sud del mondo sono spesso sia utenti precoci dell'IA sia quelle più colpite quando qualcosa va storto. Gli strumenti tradizionali per ascoltare il pubblico — come sondaggi e focus group — faticano a stare al passo con un settore in rapida evoluzione e non supportano facilmente discussioni approfondite, costruzione di consenso o contributi continuativi.

Una nuova sorta di aula civica digitale

Gli autori propongono l'uso delle Organizzazioni Autonome Decentralizzate, o DAO, come una sorta di assemblea civica digitale per la governance dell'IA. Le DAO sono sistemi basati su blockchain che permettono alle persone di prendere decisioni collettive usando regole trasparenti e smart contract invece di un'autorità centrale. In questo studio, la struttura DAO supporta un processo a più fasi: le persone discutono prima domande cariche di valori in linguaggio naturale, poi vedono scelte concrete su come un modello di IA potrebbe comportarsi e infine votano le opzioni che preferiscono. Lo studio di caso si concentra su un problema noto — il bias di genere nei modelli testo-in-immagine, come il tendenza a disegnare sempre un'infermiera come donna e un amministratore delegato come uomo dato un prompt neutro.

Come è stato condotto lo studio con gruppi sottorappresentati

Per verificare se questo quadro democratico potesse funzionare nella pratica, i ricercatori hanno condotto un esperimento online con 177 partecipanti provenienti da due gruppi svantaggiati: persone del Sud del mondo e utenti ciechi o ipovedenti negli Stati Uniti. I partecipanti hanno prima interagito con un assistente IA su uno scenario di immagine bias, poi hanno discusso con altre persone in un forum online e infine hanno votato proposte per modificare il comportamento del modello testo-in-immagine. Il team ha confrontato quattro configurazioni di governance, variando sia il metodo di aggregazione delle preferenze (un metodo di classificazione semplice rispetto a un metodo quadratico che permette di esprimere preferenze più forti investendo di più del proprio "budget" di voto) sia la distribuzione del potere decisionale (uguale per tutti versus una divisione sbilanciata 20/80).

Cosa volevano le persone da una generazione di immagini più equa

Nonostante differenze culturali, i partecipanti hanno convergito su diverse aspettative condivise per immagini di IA più eque. Molti desideravano maggiore controllo da parte dell'utente, come opzioni per personalizzare il genere o altri tratti visibili, o la possibilità di ricevere più immagini diverse e poi scegliere quella che meglio soddisfaceva le loro esigenze. Interessava loro sia l'appropriatezza sociale sia l'accuratezza statistica: alcuni accettavano che nella loro realtà locale la maggior parte delle infermiere fosse donna, mentre altri sottolineavano la necessità di evitare di rafforzare stereotipi. I partecipanti del Sud del mondo prediligevano spesso una "via di mezzo", con sufficiente diversità da non confondere gli utenti, mentre molti partecipanti statunitensi erano meno tolleranti verso output parziali o ambigui. Tra i gruppi, le persone con disabilità hanno evidenziato l'importanza di una rappresentazione inclusiva e i rischi legati a immagini ristrette o idealizzate.

Quali sistemi di voto sono sembrati più democratici

I partecipanti in generale hanno riferito che il processo è risultato piacevole, significativo e affidabile, e che credevano che il loro contributo sarebbe stato usato per migliorare il modello di IA. La combinazione che è risultata più equa è stata il voto quadratico abbinato a un potere decisionale uguale per tutti. In questo assetto, le persone hanno percepito meglio la riflessione della propria voce, una maggiore uguaglianza politica e un processo che mantiene ordine pur restando inclusivo. Questo metodo sembra amplificare visioni fortemente sentite dalle minoranze senza semplicemente dare più influenza a chi dispone di più risorse. Al contempo, gli autori avvertono che tali meccanismi possono sovra-rappresentare gruppi più piccoli in alcuni contesti, quindi i futuri sistemi dovranno calibrare le impostazioni di governance in base a temi e comunità specifiche.

Che cosa implica per il futuro delle regole sull'IA

Lo studio dimostra che è possibile andare oltre le politiche aziendali dall'alto verso il basso e tendere verso una governance computazionale e democratica dell'IA. Combinando discussioni strutturate, regole di voto trasparenti e registri decisionali supportati dalla blockchain, i sistemi basati su DAO possono offrire ai gruppi marginalizzati un modo credibile per influenzare il comportamento dell'IA. Per gli utenti comuni, questo potrebbe tradursi in funzionalità integrate nei prodotti che consentono di contestare output specifici, partecipare a deliberazioni e votare sui cambiamenti del modello. Gli autori sostengono che tali quadri partecipativi — progettati con cura per proteggere la privacy e prevenire prese di potere — rappresentano una strada promettente per allineare l'IA a una gamma più ampia di valori umani, anziché solo a quelli di sviluppatori e dirigenti.

Citazione: Sharma, T., Potter, Y., Park, J. et al. Democratic governance through DAO-based deliberation and voting for inclusive decision making in AI models. Sci Rep 16, 11792 (2026). https://doi.org/10.1038/s41598-026-40180-8

Parole chiave: governance dell'IA, voto democratico, pregiudizi algoritmici, organizzazioni decentralizzate, modelli testo-in-immagine