Demokratisk styrning genom DAO-baserad deliberation och omröstning för inkluderande beslutsfattande i AI-modeller

Varför detta spelar roll för vardagsteknikens användare

När vi ber en AI rita en bild eller svara på en fråga ser vi sällan vem som bestämde hur systemet ska bete sig. Denna artikel undersöker ett nytt sätt att ge vanliga människor—särskilt dem som ofta lämnas utanför—ett verkligt inflytande över hur AI-modeller utformas och uppdateras. Istället för att teknikföretag ska göra alla regler bakom stängda dörrar testar författarna ett demokratiskt, blockkedjebaserat system som låter mångfacetterade samhällen debattera, rösta och direkt forma hur AI hanterar känsliga frågor som stereotypa bilder.

Problem med dolda beslut i AI

Moderna AI-system byggs av enorma datamängder och komplex kod, men beslutsfattandet runt dem är ofta otransparent. Denna brist på insyn har lett till diskriminering, felaktig återgivning och till och med kränkningar av privatliv eller immateriella rättigheter. Skadorna fördelas inte jämnt: personer med funktionsnedsättningar och samhällen i det globala södern är ofta både tidiga användare av AI och de som drabbas mest när det går fel. Traditionella verktyg för att lyssna på allmänheten—såsom undersökningar och fokusgrupper—har svårt att hålla jämna steg med snabb AI-utveckling och stödjer inte enkelt djup diskussion, konsensusbyggande eller kontinuerlig återkoppling.

En ny typ av digitalt “kommunalhus”

Författarna föreslår att använda decentraliserade autonoma organisationer, eller DAOs, som en slags digitalt kommunalhus för AI-styrning. DAOs är blockkedjebaserade system som låter människor fatta kollektiva beslut med transparanta regler och smarta kontrakt istället för en central auktoritet. I denna studie stödjer DAO-strukturen en flerstegsprocess: människor diskuterar först värdeladdade frågor i naturligt språk, ser sedan konkreta val för hur en AI-modell kan bete sig, och röstar slutligen på vilka alternativ de föredrar. Fallstudien fokuserar på ett välkänt problem—genderbias i text-till-bild-modeller, exempelvis att alltid rita en sjuksköterska som kvinna och en VD som man när prompten är könsneutral.

Hur studien genomfördes med underrepresenterade grupper

För att undersöka om denna demokratiska ram kunde fungera i praktiken genomförde forskarna ett online-experiment med 177 deltagare rekryterade från två utsatta grupper: personer från det globala södern och blinda eller synskadade användare i USA. Deltagarna interagerade först med en AI-assistent om ett partiskt bildscenario, diskuterade sedan med andra i ett onlineforum och röstade slutligen om förslag för att ändra text-till-bild-modellens beteende. Teamet jämförde fyra styrningsupplägg, där de varierade både hur preferenser kombinerades (en enkel rankad metod kontra en kvadratisk metod som låter människor uttrycka starkare känslor genom att satsa mer av sin röstbudget) och hur mycket beslutsmakt varje person hade (lika för alla kontra en snedfördelad 20/80-fördelning).

Vad människor ville ha för rättvisare bildgenerering

Trots kulturella skillnader enades deltagarna om flera gemensamma förväntningar för rättvisare AI-bilder. Många ville ha mer användarkontroll, exempelvis möjligheter att anpassa kön eller andra synliga egenskaper, eller att få flera olika bilder och sedan välja den som passade deras behov. De brydde sig både om social lämplighet och statistisk noggrannhet: vissa accepterade att majoriteten av sjuksköterskor är kvinnor i deras lokala kontext, medan andra betonade vikten av att undvika att förstärka stereotyper. Deltagare från det globala södern föredrog ofta en ”mittenväg”, med tillräcklig mångfald för att inte förvirra användare, medan många amerikanska deltagare var mindre toleranta mot partiska eller oklara resultat. I samtliga grupper framhöll personer med funktionsnedsättningar vikten av inkluderande representation och riskerna med snäva eller idealiserade bilder.

Vilka omröstningssystem upplevdes som mest demokratiska

Deltagarna rapporterade generellt att processen kändes njutbar, meningsfull och trovärdig, och att de trodde att deras insats skulle användas för att förbättra AI-modellen. Kombinationen som framstod som mest rättvis var kvadratisk omröstning tillsammans med lika beslutsmakt för alla. I detta upplägg kände människor att deras röst bättre reflekterades, att politisk jämlikhet var högre, och att processen upprätthöll ordning samtidigt som den förblev inkluderande. Denna metod verkade förstärka starkt hållna åsikter från minoriteter utan att helt enkelt ge extra inflytande åt dem med fler resurser. Samtidigt varnar författarna för att sådana mekanismer i vissa sammanhang kan överrepresentera mindre grupper, och att framtida system därför behöver finjustera styrningsinställningarna för specifika ämnen och gemenskaper.

Vad detta betyder för AI-reglers framtid

Studien visar att det är möjligt att gå bortom top-down-företagspolicys och mot demokratisk, beräkningsbaserad styrning av AI. Genom att kombinera strukturerad diskussion, transparenta röstningsregler och blockkedjebackade beslutsregister kan DAO-baserade system ge marginaliserade grupper en trovärdig väg att påverka hur AI beter sig. För vardagliga användare skulle detta så småningom kunna se ut som funktioner i produkten som låter människor utmana specifika utdata, delta i deliberationer och rösta om modellförändringar. Författarna menar att sådana deltagande ramverk—noggrant utformade för att skydda integritet och förhindra maktkoncentration—är en lovande väg för att anpassa AI till ett bredare spektrum av mänskliga värden, snarare än enbart utvecklares och företagsledares.»

Citering: 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

Nyckelord: AI-styrning, demokratisk omröstning, algoritmisk partiskhet, decentraliserade organisationer, text-till-bild-modeller