通过基于 DAO 的审议与投票实现民主治理，以在人工智能模型中包容性决策

这对日常技术用户为何重要

当我们让人工智能绘制图片或回答问题时，很少能看到是谁决定了该系统应如何表现。本文探讨了一种新方法，旨在让普通人——尤其是通常被排除在外的群体——真正参与到人工智能模型的设计与更新中来。作者测试了一种基于区块链的民主制度，让多元社区能够辩论、投票并直接影响 AI 在处理诸如图像中刻板印象等敏感问题时的行为，而不是由科技公司在闭门之中独自制定所有规则。

隐藏决策带来的问题

现代人工智能系统由庞大的数据集和复杂的代码构建，但围绕它们的决策过程往往不透明。这种缺乏透明性导致了歧视、错误表征，甚至隐私或知识产权的侵犯。这些伤害并非均等分布：残障人士和全球南方社区既往往是 AI 的早期使用者，也是当系统出现问题时受影响最严重的群体。传统的公众听取工具——例如调查和焦点小组——难以跟上快速发展的 AI，也不易支持深入讨论、达成共识或持续性的意见反馈。

一种新的数字市政厅形式

作者建议将去中心化自治组织（DAO）作为一种面向 AI 治理的数字市政厅。DAO 是基于区块链的系统，允许人们在透明规则和智能合约下集体决策，而无需中央权威。在这项研究中，DAO 结构支持一个多步骤流程：参与者先用自然语言围绕价值相关的问题进行讨论，然后看到 AI 模型可能的具体行为选择，最终对他们偏好的选项进行投票。案例研究聚焦于一个常见问题——文本到图像模型中的性别偏见，例如在中性提示下总是将护士绘成女性、将首席执行官绘成男性。

如何与代表性不足的群体开展研究

为检验该民主框架在实践中的可行性，研究者进行了在线实验，招募了 177 名参与者，来自两个服务不足的群体：全球南方的人群和美国的盲人或视力受损用户。参与者首先与一个 AI 助手互动，了解偏见图像情境，然后在在线论坛中与他人讨论，最后对改变文本到图像模型行为的提案进行投票。研究团队比较了四种治理设置，既改变了偏好合并的方式（一种是简单的排序方法，另一种是二次投票法，允许人们通过投入更多投票“预算”来表达更强烈的观点），也改变了个人的决策权重（人人平等与倾斜的 20/80 分配）。

人们对更公平图像生成的期望

尽管存在文化差异，参与者就更公平的 AI 图像达成了若干共同期望。许多人希望获得更多用户控制权，例如自定义性别或其他可见特征的选项，或能生成多张不同图像后由用户自行选择最符合需求的一张。他们既关心社会适当性，也重视统计准确性：一些人接受在其本地语境中多数护士为女性的现实，而另一些人则强调应避免强化刻板印象。全球南方的参与者常倾向于一种“中间路线”，即在保证足够多样性以免让用户困惑的同时保持清晰，而许多美国参与者对有偏见或模糊的输出容忍度较低。各组别中，残障人士强调包容性呈现的重要性以及狭隘或理想化图像的风险。

哪种投票系统最具民主感

参与者普遍表示，该过程令人愉快、富有意义且值得信赖，他们相信自己的意见会被用来改善 AI 模型。被认为最公平的组合是二次投票法与人人平等的决策权。在这种设置下，人们觉得自己的声音更能被反映，政治平等性更高，流程在保持秩序的同时也更具包容性。该方法似乎能放大少数群体中强烈持有的观点，而不会简单地把更多影响力交给更有资源的人。但作者也提醒，这类机制在某些情境下可能会过度代表较小群体，因此未来的系统需要针对具体议题和社区调节治理设置。

这对未来 AI 规则意味着什么

研究表明，有可能超越自上而下的公司政策，朝着民主化、计算化的 AI 治理迈进。通过结合结构化讨论、透明的投票规则和区块链支持的决策记录，基于 DAO 的系统可以为边缘化群体提供切实可信的方式来影响 AI 的行为。对日常用户而言，这最终可能表现为产品内功能，允许人们对具体输出提出质疑、参与审议并对模型变更进行投票。作者主张，这类参与性框架——在仔细设计以保护隐私并防止权力操纵的前提下——是使 AI 与更广泛人类价值对齐（而不仅仅是开发者和高管的价值观）的有前景路径。

引用: 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

关键词: 人工智能治理, 民主投票, 算法偏见, 去中心化组织, 文本到图像模型