Democratisch bestuur via DAO-gebaseerde beraadslaging en stemmen voor inclusieve besluitvorming in AI-modellen

Waarom dit van belang is voor alledaagse technologgebruikers

Als we een AI vragen een afbeelding te tekenen of een vraag te beantwoorden, zien we zelden wie heeft bepaald hoe dat systeem zich moet gedragen. Dit artikel onderzoekt een nieuwe manier om gewone mensen—vooral degenen die meestal worden buitengesloten—een echte stem te geven in hoe AI-modellen worden ontworpen en bijgewerkt. In plaats van dat technologiebedrijven alle regels achter gesloten deuren bepalen, testen de auteurs een democratisch, op blockchain gebaseerd systeem waarmee diverse gemeenschappen kunnen debatteren, stemmen en rechtstreeks invloed uitoefenen op hoe AI omgaat met gevoelige kwesties zoals stereotypen in afbeeldingen.

Problemen met verborgen beslissingen in AI

Moderne AI-systemen zijn opgebouwd uit enorme datasets en complexe code, maar de besluitvorming rond deze systemen is vaak ondoorzichtig. Die gebrekkige transparantie heeft geleid tot discriminatie, verkeerde weergave en zelfs schendingen van privacy of intellectueel eigendom. De schade is niet gelijk verdeeld: mensen met een beperking en gemeenschappen in het mondiale zuiden zijn vaak zowel vroege gebruikers van AI als degenen die het meest worden getroffen wanneer het misgaat. Traditionele middelen om naar het publiek te luisteren—zoals enquêtes en focusgroepen—kunnen moeilijk meekomen met snel veranderende AI en ondersteunen niet gemakkelijk diepgaande discussie, consensusvorming of doorlopende input.

Een nieuw soort digitaal stadhuis

De auteurs stellen voor Decentralized Autonomous Organizations, ofwel DAO’s, te gebruiken als een soort digitaal stadhuis voor AI-governance. DAO’s zijn op blockchain gebaseerde systemen die mensen in staat stellen collectieve beslissingen te nemen met transparante regels en smart contracts in plaats van een centrale autoriteit. In deze studie ondersteunt de DAO-structuur een meerstapsproces: mensen bespreken eerst waardegeladen vragen in natuurlijke taal, zien daarna concrete keuzes voor hoe een AI-model zich zou kunnen gedragen, en stemmen tenslotte over welke opties ze prefereren. De casestudy richt zich op een bekend probleem—genderbias in tekst-naar-beeld modellen, zoals het altijd tekenen van een verpleegkundige als vrouw en een CEO als man bij een neutrale opdracht.

Hoe de studie werd uitgevoerd met ondervertegenwoordigde groepen

Om te onderzoeken of dit democratische raamwerk in de praktijk kon werken, voerden de onderzoekers een online experiment uit met 177 deelnemers uit twee achtergestelde groepen: mensen uit het mondiale zuiden en blinde of slechtziende gebruikers in de Verenigde Staten. Deelnemers gingen eerst in gesprek met een AI-assistent over een bevooroordeeld beeldscenario, bespraken het daarna met anderen in een online forum, en stemden tenslotte over voorstellen om het gedrag van het tekst-naar-beeld model te veranderen. Het team vergeleek vier governance-opstellingen, variërend zowel in hoe voorkeuren werden gecombineerd (een eenvoudige gerangschikte methode versus een kwadratische methode die mensen in staat stelt sterkere gevoelens te uiten door meer van hun stem"budget" te investeren) als in hoeveel beslissingsmacht elke persoon had (gelijk voor iedereen versus een scheve 20/80 verdeling).

Wat mensen wilden voor eerlijkere beeldgeneratie

Ondanks culturele verschillen kwamen deelnemers tot meerdere gedeelde verwachtingen voor eerlijkere AI-afbeeldingen. Velen wilden meer gebruikerscontrole, zoals opties om het geslacht of andere zichtbare kenmerken aan te passen, of om meerdere verschillende afbeeldingen te ontvangen en vervolgens degene te kiezen die aan hun behoefte voldeed. Ze gaven zowel om sociale gepastheid als om statistische nauwkeurigheid: sommigen accepteerden dat de meeste verpleegkundigen in hun lokale context vrouwen zijn, terwijl anderen het benadrukten dat stereotypen niet versterkt mogen worden. Deelnemers uit het mondiale zuiden gaven vaak de voorkeur aan een "middenweg", met voldoende diversiteit zonder gebruikers te verwarren, terwijl veel Amerikaanse deelnemers minder tolerant waren voor bevooroordeelde of ambiguïteit verhogende outputs. Over de groepen heen benadrukten mensen met een beperking het belang van inclusieve representatie en de risico’s van smalle of geïdealiseerde beelden.

Welke stemsystemen het meest democratisch aanvoelden

Deelnemers rapporteerden over het algemeen dat het proces plezierig, betekenisvol en betrouwbaar aanvoelde, en dat ze geloofden dat hun input zou worden gebruikt om het AI-model te verbeteren. De combinatie die als het eerlijkst naar voren kwam, was kwadratisch stemmen in combinatie met gelijke beslissingsmacht voor iedereen. In deze opzet voelden mensen dat hun stem beter werd weerspiegeld, dat politieke gelijkheid hoger was, en dat het proces orde bewaarde terwijl het inclusief bleef. Deze methode leek sterk vasthoudende opvattingen van minderheden te versterken zonder simpelweg extra invloed te geven aan degenen met meer middelen. Tegelijk wijzen de auteurs erop dat zulke mechanismen in sommige contexten kleinere groepen kunnen oververtegenwoordigen, dus toekomstige systemen zullen governance-instellingen op specifieke onderwerpen en gemeenschappen moeten afstemmen.

Wat dit betekent voor de toekomst van AI-regels

De studie laat zien dat het mogelijk is om verder te gaan dan top-down bedrijfsbeleid en toe te werken naar democratische, computationele governance van AI. Door gestructureerde discussie, transparante stemregels en op blockchain vastgelegde beslissingsregistraties te combineren, kunnen DAO-gebaseerde systemen gemarginaliseerde groepen een geloofwaardige manier bieden om te bepalen hoe AI zich gedraagt. Voor alledaagse gebruikers zou dit er uiteindelijk uit kunnen zien als functies in producten waarmee mensen specifieke outputs kunnen aanvechten, deelnemen aan beraadslagingen en stemmen over modelwijzigingen. De auteurs beweren dat dergelijke participatieve kaders—zorgvuldig ontworpen om privacy te beschermen en machtsgrepen te voorkomen—een veelbelovende weg zijn om AI af te stemmen op een bredere reeks menselijke waarden, in plaats van alleen die van ontwikkelaars en leidinggevenden.

Bronvermelding: 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

Trefwoorden: AI-governance, democratisch stemmen, algoritmische vooringenomenheid, gedecentraliseerde organisaties, tekst-naar-beeld modellen