尊敬的國會議員、平（Taira）大臣、安野（Anno）委員、Team Mirai 的成員，以及所有媒體朋友，大家早安，感謝各位給我這個機會。

如各位所知，我們生活在一個高 PPM 的時代。我指的不是碳濃度的百萬分之一（parts per million），而是「每分鐘的極化程度」（polarization per minute），每當我們打開社群媒體，就會受那些旨在讓我們保持憤怒的內容影響。

十年前，網路上發生了深刻的變化。平臺從顯示朋友發布的內容，轉變為「為你推薦」的資訊流，這種轉變在人與人之間植入了「寄生型 AI」（parasitic AI）。這些 AI 透過最大化分歧來最大化注意力，發現了一種「以激怒換取互動」的商業模式，漸漸地，我們全球共享的現實感開始崩解。

然而，如果我們不使用 AI 來傳播極化的立場，而是將它作為一種工具，來進行大規模傾聽，幫助我們找到共同點呢？

在臺灣，我們正面迎擊了這個挑戰。我們協助設計了 Polis 等工具，來創造數位空間，刻意與社群媒體的極化角落區隔開來：那裡沒有回覆按鈕，所以不可能進行惡意挑釁（trolling）；也沒有轉發按鈕，所以憤怒無法被放大。人們只會看到來自其他公民的一個想法，他們可以同意、不同意或跳過，然後就會看到下一個陳述。僅此而已。

這個演算法還有更重要的作用：它激勵讓所有群體向上提升、連結更多共識的橋接性陳述。透過這種方式，演算法為跨越左右兩翼群體的「上翼」（up-wing）創造了動力，甚至是共同創造喜悅。

接著，我們有一個即時視覺化介面，顯示每個人的虛擬化身聚集在一起。人們可以實際看到一張意見的「集體自拍」，讓每個人的視角都被看到——在同一個畫面中，展示彼此立場分歧之處，以及意見共同之處。透過大規模傾聽，我們不僅「找到」了共同點、我們更「創造」了共同點，發現了人們以前不知道存在的、令人驚訝的共識領域。

所以今天，我將花大約 15 分鐘展示幾個實際運作的例子，分享我們過去十年學到的經驗，最後，為在座想要開始行動的領導者們提供一些實用的想法。

十年前，我們對 Polis 的第一次重大測試，是當共享乘車服務與我們的計程車產業發生衝突時。一方支持 Uber 帶來的創新和選擇，而另一方則奮力保護計程車司機的生計，在社群媒體上，這場辯論演變成了一場零和賽局。但在 Polis 上，動態卻完全不同：人們提出了具體的想法，其他人表示同意或不同意，但沒有嘲諷，也沒有一擁而上。

在三週內，我們浮現了九個獲得廣泛支持的橋接共識點。例如，其中一個是：允許在尖峰時段實施浮動加成計費，但防止在離峰時段削價競爭低於跳表費率。創新與公平，兩者兼得，這成為後續法規更新的基礎，衝突並沒有消失——它被轉化了。就像地熱發電，我們將衝突的熱度，轉化成讓每個人都稍微滿意一些，且沒有人深感不滿的動力。

這就是 vTaiwan 的精神，一個將大規模開放傾聽與結構化審議相結合的過程。雖然 vTaiwan 始於公民社會，但政府很快將其制度化，納入「公共政策網路參與平臺」——並精心將其命名為 Join.gov.tw，以表明其功能。在 Join 平臺上，任何獲得 5,000 人連署的提案，相關部會就必須回應。簡而言之：讓人人更容易形塑對他們真正重要的政府政策。

舉例來說，2017 年，兩個對立的連署案各自獲得了 8,000 名支持者。一個說，讓我們將臺灣的時區移至 GMT+9，與日本一致。另一個說，讓我們維持在 GMT+8。我們討論的不是妥協，因為妥協方案會是 GMT+8.5——將時鐘撥快 30 分鐘，這不僅成本高昂，而且沒有人會滿意。

所以我們所做的是尋找那不尋常的共同點。我們傾聽了雙方的意見，發現了真正的動機，其實是表達臺灣獨特的認同。一旦這一點被闡明，參與者就腦力激盪出更好、更便宜的方式來實現這一目標，例如：為全球開源貢獻者設立臺灣就業金卡，或舉辦像「總統盃黑客松」這樣備受矚目的創新活動。於是，時區的辯論消解了，不是因為衝突消失了，而是因為潛在的共同點找到了更明智的出口。

另一個例子出現在去年，當時我們在社群平台上看到大量深偽（deepfake）投資詐騙。這些詐騙利用像輝達（NVIDIA）執行長黃仁勳（Jensen Huang）等名人的肖像，充斥在我們的資訊流中。但如果個別詢問民眾，他們會告訴你他們不想要審查制度，也不想限制我們擁有的言論自由——臺灣和日本一樣，在網路自由方面是全亞洲最自由的。

因此，我們嘗試了一種不同的方法。我們沒有讓少數人決定選項，而是邀請所有人來協助設定一項稱為「審議式民調」（deliberative poll）的投票選項。我們向全臺灣的 20 萬個隨機號碼發送了簡訊，數千人自願參加線上審議。我們使用與嚴謹民調相同的方式——分層隨機抽樣（stratified random sampling）——選出了大約 400 名反映臺灣人口結構的人，就像我們國家的縮影。

他們在 AI 輔助的 10 人線上小組中討論，以促進平等的發言時間並確保討論不離題。然後，我們對這 40 多個小組的想法進行了跨組交流。只有那些彼此產生共鳴的橋接想法才能進入全體會議。例如，一個小組說：「所有廣告都應被視為潛在詐騙，除非廣告商使用可驗證的憑證對其進行簽署。」另一個小組說：「如果平臺的系統提供了一個未經簽署的詐騙廣告，導致某人損失了數百萬，平臺必須承擔全部損失。」還有一個小組說：「對於拒絕遵守的境外平臺，我們不應直接審查它們，但我們可以減慢它們的內容傳遞速度——例如它們的影片播放速度。言論自由得以保留，但傳播範圍（freedom of reach）則受到調節。」

然後我們進行了投票，超過 85% 的 400 多名代表性樣本同意了核心的立法方案。AI 幫助我們找到了這個不尋常的共同點，並向立法委員證明沒有任何群體對此深感不滿。立法委員們迅速採取行動，該法案在短短幾個月內就通過了。結果是，今年，深偽詐騙廣告已從臺灣的主流社群平台中消失。如此，我們使用 AI 來促進民主進程，這反過來又為 AI 本身設定了界線。

這種方法並非臺灣獨有。在肯塔基州的鮑靈格林市（Bowling Green），我們看到整個城市使用 Polis，透過提升來自不同社區和政治背景的居民都認可的陳述，來為其十年計畫提供資訊。

在加州，我們與州政府合作建立了「Engaged California」平臺，使用這種「橋接優先」的方法進行全州範圍的諮詢，以跨越在土地利用、野火預防等爭議性問題上的「迎臂／鄰避（YIMBY/NIMBY, Yes/Not In My Backyard）」僵局。

我們學到了兩個反覆出現的實用經驗：

首先，首長和立法者非常渴望創新。誰不想要一個有效且讓每個人都更滿意的市民大會呢？但市府工作人員有時分身乏術且規避風險，因此前進的道路，就是選擇一個既能節省時間又不增加風險，或者能降低風險又不浪費時間的議題。也就是說，在兩個面向上都進行改進，而不是進行權衡取捨。我們與現有的廠商、大學合作，他們已經在為政府或立法機構進行民意調查和焦點團體訪談。我們只是告訴他們，利用這些生成式工具，你可以得到更好的「集體自拍」，但你最終產出的執行摘要、格式，與民調或焦點團體訪談完全相同。

第二個經驗是關於代表性。當然，你可以從讓所有感興趣的人自行選擇加入開始。這很有價值，但也可能使結果產生偏差。因此，我們設計了一個雙鑽石模型（double-diamond model）。第一個鑽石的前端，議程設定是開放參與。但是當要匯集共識時，會使用具分層取樣代表性的「微型公眾」（mini-public）。因此，在第一階段，你可以使用像簡訊驗證這樣輕量的方式進行，但在第二階段，你需要一個非常嚴謹的方法來確保統計上的代表性。

最後，我想談談在這種背景下 AI 的使用。在矽谷，關於 AI 的辯論有時會被簡化為兩個立場：加速或停止。但真正的問題不是要踩油門還是煞車；真正的問題是誰握著方向盤？

我們所描述的方法，不是要取代像各位國會議員這樣民選的領導者。相反地，它是要為各位提供更清晰的路線圖——關於政體以及你們社會真正價值觀的高解析度集體自拍。公民最擅長發現新興議題和定義共同價值，但雙鑽石模型的第二個鑽石——制定詳細政策和交付成果——仍然屬於各位領導者。

關於 AI 未來的最後一點說明：我不建議追求一個全知全能、解決一切的超級模型。在東亞，我們有不同的方向，好比在日本就有「地神」（Kami）的概念，也就是守護某個地方及其內部關係的神靈。

因此，這並非賦予單一個體超能力的全能模型，而是要為促進在地關懷服務。它不太像私人教師，而更像團隊教練，這就是我們應該設計 AI 的方式：作為人們的合作者，提供意見摘要、主題建模——強化我們的公民肌力，而不是因為我們將判斷力外包給它們而讓其萎縮。

當我在 2016 年擔任臺灣數位政務委員時，我的中文職稱「數位」，既意味著 digital，也意味著 plural（不只一位）。我想在這裡與各位分享我的工作描述。它是這樣的：

看見「萬物聯網」，我們將智慧聯網。
看見「虛擬實境」，我們將實境共享。
看見「機器學習」，我們將協力學習。
看見「用戶體驗」，我們將體驗人際。
聽說「奇點即將接近」——多元宇宙，已經來臨。

謝謝大家。祝生生不息，繁榮昌盛。