靠著「罕見共識」，我們找到雙方都可接受的訊息：戴口罩是為了提醒自己要洗手——因為口罩會讓手遠離嘴巴。沒人否認這點。於是我們推出可愛的柴犬迷因：「 <strong> 守護你的嘴——常洗手；戴口罩提醒自己。 </strong> 」我們還 <strong> 量測自來水用量 </strong> ——果然上升。可愛、好分享。

疫情早期，我們看到極化：有人相信只有 N95 有效；有人則說靠通風，而口罩 <strong> 有害 </strong> 。科學尚未定論，病毒又不斷變異。硬下架內容在科學轉彎時會反噬。

先找出去極化的內容與非常見共同點是第一步。第二步是讓它比極化更能傳播—— <strong> 比民粹更受歡迎 </strong> 。幽默有幫助。

社群媒體用 <strong> 以怒制勝 </strong> 的演算法放大那些聲音。

在臺灣大家理解我位於社會運動與政府之間的拉格朗日點——與政府合作，與人民同行，而不是替人民。我避免被任何一個軌道俘獲。我的重點是公民關懷的能耐。我沒有一個「政見平台」，除了這個平台本身。我不需要自上而下的脅迫，因為我沒有 <strong> 預設 </strong> 的政策結果——我只注重程序上的結果：讓人們能 <strong> 覺察、負責、勝任、回應、團結 </strong> 。這保護我不被政黨俘獲，也遠離極化。

我現在仍是安那其。 <strong> 安那其主義 </strong> 是反脅迫（counter‑coercion），不是反治理。如果你有好的 <strong> 多方利害關係人 </strong> 制度——就像網際網路的治理方式——克魯泡特金會很高興。我反對自上而下、帶脅迫的下架、斷網、封城。

我在 2016 年加入內閣時，我們就像 OG 版的「DOGE」——徹底透明、公開儀表板、修改採購規則以撙節支出。但我們是和官僚體系合作，而不是對著幹。我們每一步都先宣布，預告 60 天才改法規；多數點子其實來自公務員的群眾外包。

我們也很快把回路閉合。公民提案保證 60 天內回覆；疫情期間我們有時 24 小時就回。你越快閉合回路，累積的信任越多——像個飛輪。當你的連署在 60 天內被實現，你更可能動員親友再提出更多提案。

幾乎沒有。不是巧合，臺灣在 OECD 可比國家中，有著極低的情感極化——不論城鄉、族群、性別。我們真的不讓任何人掉隊。在鄉村、離島、高山地區——寬頻是吃到飽，每月大概 €14。對我 92 歲的阿媽來說，線上參與比親自去市政說明會容易。

我們會用簡訊邀請大約 20 萬個隨機號碼。有人自願參加後，再用分層隨機抽樣——就像嚴謹的民調公司那樣辦理。

到一天結束——當時沒有任何政黨席次過半——我們就把一份完整清單端到立法院。法案在沒有冷卻期的情況下通過了：3 月審議之後，5 月通過數位簽章法（Digital Signature Act），7 月通過打詐專法（Anti‑Fraud Act）。今年在臺灣基本上已經看不到所謂的「深偽廣告」活動。

因此，甚至在對話進行到一半時，我們就能準備一份提案清單（slate），而且彼此可理解、互相支援——想像一下 <strong> 奧弗頓之窗 </strong> 。我們會把它念給參與者與專家聽，例如：「大多數人希望所有政治廣告都要帶數位簽章與廣告主 KYC；大多數人也希望對於未簽名廣告造成的損害，平台要負起責任（例如一場 400 萬美元的詐騙）。你們希望 ByteDance 在臺灣設立據點，如果拒絕承擔責任，就希望對其伺服器連線降速（throttling）直到生意轉移。」等等。大家看得出來，這不是 <strong> 內容審查 </strong> 或 <strong> 言論管制 </strong> ；臺灣的 <strong> 網路自由 </strong> 仍居亞洲前列。

那 45 間會議室會同時產生逐字稿；我們在背景用語言模型做 <strong> 意義建構（sense‑making） </strong> 。等他們討論完一題，就能算出比例否決核心（proportional veto core），或浮現出罕見共識（uncommon ground）——讓 <strong> 所有人 </strong> 都稍微滿意、 <strong> 沒有人 </strong> 非常不滿的「整包方案」。這是聚合質性資料非常不同的方式。過去要靠一群大學生做幾天的工作，現在大型語言模型 <strong> 瞬間 </strong> 就能完成。

我們用的是 Stanford 大學 James Fishkin 的審議民主實驗室所開發的軟體，是一套 <strong> 審議式民調 </strong> 系統。功能上有點像 Zoom，會開 10 人一組的分組（一次例如 45 間），但由軟體 <strong> 自動引導 </strong> ——沒有真人主持。它會提醒安靜的人發言、限制干擾式插話只能幾秒、提供即時逐字稿，並快速做 <strong> 共識檢查 </strong> ，看各組是否準備好前進——像把棋鐘升級成帶著完整對話引導的工具。

公民社會現在期待這種 <strong> 意義建構（sense‑making） </strong> 。美國也開始採用：肯塔基州 Bowling Green 的 <strong> What Could Bowling Green Be? </strong> 計畫，就用相同的程式碼（Google Jigsaw 的 sense‑making + Polis）來促成橋接對話。現在正推動把類似的 <strong> 搭橋 </strong> 做法擴散到美國全部 435 個國會選區。目標是證明它比傳統民調 <strong> 更快 </strong> 、同樣 <strong> 嚴謹 </strong> ，而且更 <strong> 具生成性 </strong> ——因為傳統民調會把你逼進幾個位元（YIMBY vs. NIMBY），但審議式的方法是 <strong> 生成的、轉化的、審議的 </strong> 。

如今有了語言模型與 AI，這不再是問題。它們現在不只在 <strong> 轉錄 </strong> 上比人更準，連 <strong> 摘要 </strong> 與 <strong> 翻譯 </strong> 也更好。在 <strong> 數位審議 </strong> 中，大家期待有即時字幕與逐字稿——而且不只如此，還要 <strong> 即時摘要、主題聚類 </strong> 與 <strong> 分析 </strong> ——就像一次 <strong> 群體自拍（group selfie） </strong> ，讓大家看見自己在不同意識形態光譜上的位置。

有——而且擴散不少。一開始只有我和我的辦公室，因為即時逐字紀錄很花成本。有人負責錄影；旁邊還要坐一位速記師——像法庭記錄那樣——即時打字。我們把這套帶進院會與其他重要會議，但因為必須仰賴非常專業的速記師，無法接近 100％。

「 <strong> 幽默勝過謠言（humor over rumor） </strong> 」的理念最後主導了臺灣的公共對話，極化攻擊因而變得 <strong> 反脆弱 </strong> ：外部攻擊越多，我們反而越有韌性。

若只能指一件事，那就是 2019 年課綱改革：我們把焦點從 <strong> 媒體識讀 </strong> （被動「理解／消費」資訊）轉向 <strong> 媒體素養 </strong> （共同 <strong> 生產 </strong> 資訊）。小學生學會量測 <strong> 空氣品質 </strong> ，並共同累積污染源的知識。那張公民地圖之後演化為 <strong> 口罩地圖 </strong> ，幫助我們跨過 <strong> 口罩 vs. 反口罩 </strong> 、後來 <strong> 疫苗 vs. 反疫苗 </strong> 的極化。

這種共創——這種在不同意識形態陣營之間發掘共同點的「 <strong> 罕見共識（uncommon ground） </strong> 」——必須比極化 <strong> 更具傳播力 </strong> 。我們要比民粹更受歡迎。 <strong> 基進透明 </strong> 讓調查記者、公民教師與更多人，能把 <strong> 公民關懷（civic care） </strong> 帶進基礎教育課綱。

就連這件事—— <strong> 基進透明（radical transparency） </strong> ——在一開始就非常重要。我加入內閣是在 <strong> 太陽花運動 </strong> 之後，那時馬英九總統的支持度只有 9％，主要因為人們對 <strong> 垂直式 </strong> 機構失去信任。過去 12 年——大約從太陽花時期開始——臺灣一直是（ <strong> V‑Dem </strong> 所示）極化攻擊與外來資訊干預的頭號目標。因此，在設計防禦與韌性時，必須把信任從 <strong> 垂直式 </strong> （人們因機構在菁英對話中佔據「制高點」而信任它）轉為 <strong> 水平式 </strong> （人們信任那些說話、學習方式像自己的人——日常生活中的人）。

我們要錄音嗎？

謝謝。祝生生不息，繁榮昌盛。

正是如此。因為民主的定義會隨時間演進。民主剛出現時，只有極少數人能投票。後來不同性別、族群等的投票權逐步擴張。流程一直一樣：受科學簡報的公民陪審團來決定。有時它不是完全隨機，但我個人偏好隨機抽樣。

民主一直都是這樣擴張選舉權的。

只有當「受過科學簡報、以隨機抽樣選出的公民陪審」就透明證據進行審議，並判定某個 AI 智慧體值得擁有我們賦予「有情眾生」的道德地位時，它才算取得「意識」的徽章。

哇。沒錯。也因此，你現在會在台北看到一個很少見的畫面：中華民國國旗（蔣宋美齡很喜歡的那面）和台灣島旗，同時在同一場集會上飄揚。過去兩面旗從不出現在同一場，現在會了。因為不論你把臺灣叫「ROC Taiwan」還是「Taiwan ROC」，在如何「對抗威權但不自己變威權」這點上，大家站在一起。

服貿協議本來會把臺灣的資通訊基礎設施與生態，開放給北京、上海資本。社會最後非常明確地說「不」。尤其在《港区国安法》通過之後，臺灣已經很難找到仍抱持同樣幻想的嚴肅政黨了。

我們共舞很久了。2014 年的太陽花運動——我參與、協助直播與協作——就是要討論：要不要讓华为、中兴進入我們剛起步的 4G 基礎建設？要不要讓來自北京、上海的投資者控制通訊平台、報社、出版業？

我對他們在受限條件下，靠極低階程式連起那些晶片這點感到佩服；但以整體表現來說，它沒有領先太久。

我一直有在看 Hugging Face 上關於 V3（在 R1 與預覽之前）的討論，追蹤他們如何把積木疊上既有架構——像 Mistral 推進的專家混合（Mixture-of-Experts）、Meta 的 Llama 等（分別來自法國與美國）。所以，一方面他們展現出如何在出口管制下，透過極低階程式把受限晶片「串起來」，這很令人佩服；但另一方面，那座積木塔每一層都來自世界各地——法國、美國、也有臺灣。從技術絕對水準看，DeepSeek-R1 出來後，很快就被其他開源與閉源版本超越。所以它當然有趣，但「領先」只維持了大約一週。

如果大家都認同「要讓 AI 可信地被部署，『可檢視性』很關鍵」，那麼我認為黃仁勳所說的「個人超級電腦」會是一條可行的路——人們用像 Mac mini 的小型 GPU 主機跑小模型。即使架構不同、即使有像 DeepSeek 那樣的「暗門」，民間匠人（例如 Perplexity 的研究者）仍然可以分析模型如何運作。所以，只要模型權重是公開的，這種跨界合作就是可能的。

如果一方在「召喚」完全不同、彼此不相容的架構，那水平端的成果就很難直接套用到那邊。

正是如此。Anthropic 的 Dario Amodei 最近寫了〈The Urgency of Interpretability〉（《可解釋性的迫切性》）。

是的——成為具有「佛性」的存在。

完全正確。而且如果這條巨龍和小型模型共用同一個神經架構——就像 Gemini 與 Gemma——那麼在 Gemma 上移除「自我保存／自我中心」驅動的方法，也可以套用到更大的 Gemini 上。

ai-2027 的情境裡，在關鍵時刻他們「按下暫停」，回頭問社群：有沒有人在相同架構上，已經做出了可用的「機制可解釋」（mechanistic interpretability）工具，可以幫我們「在智慧體還半成品時」就判斷它是否失衡？

因為在某一點上，超大模型可能會演化出與我們訓練時不同的「動機」。今天的科學還沒有把風險完全排除。危險在於：當人類以為還握有控制權時，超智慧其實已經接管。想看細節，可以讀 ai-2027.com 的場景推演。

在這條垂直賽道上，有個沒人解開的核心問題：當智慧體訓練它的「下一代」時，它到底在訓練「忠於人類、忠於規格、忠於憲章」的繼任者，還是在訓練「忠於自己」的繼任者？

以「摘要」為例，我們要的是「不編故事」。從新聞生成標題，不該寫出原文沒有的內容。研究發現，當模型在「亂講」時，它的思路軌跡，和它在「忠實引用」時不同。若模型在你電腦上跑，你就能觀測它何時開始幻覺、為什麼會幻覺。於是更多人會投入研究：什麼叫模型的幻覺？什麼叫有害意圖？什麼叫「謀劃」？這就是水平賽跑——把檢視工具交到更多人手上。

「水平賽跑」指的是：讓人能檢視、驗證的小模型快速普及——那些原本只能在超級電腦上跑、但如今在桌機／筆電也能解決真實問題（像摘要、翻譯）的模型。而且因為模型在你電腦上跑，你可以「打開它」：做儀表化、看見它的內在運作。

「垂直賽跑」是大家熟悉的那一條：各方比拚更大的資料中心，訓練更大的模型。模型到某個時點會學會寫程式、解數學，甚至參與訓練下一個更大的模型——這叫「遞迴自我改進」：智慧體版本 0 訓練版本 1，再訓練版本 2。起初每一步都需要大量人類研究者與工程師；但智慧體愈來愈會寫程式與做數學，接手愈來愈多訓練工作。某天，它們甚至會有機械身體，連物理作業都接手，於是產生爆炸式成長——也就是所謂「超級智慧」。

事實上，在東京有一位 33 歲的安野貴博（Takahiro Anno）就是用這一整套參選知事。他用「Talk to the City」等生成式摘要工具，蒐集所有人對他政見的建議；在選前一個月才宣布參選、無黨籍、默默無名。他讀了我合著的《Plurality》，就開跑了。還做了一個自己的 AI 分身 24/7 直播，大家可以直接打電話跟「安野分身」對話、提供政見建議。投票前一天，獨立智庫評比他的「群眾外包政見」甚至比小池百合子還完整。雖然最後小池連任，但她已延攬安野擔任 GovTech Tokyo 顧問，落地他們稱為「廣泛傾聽」的機制，把市民與市府的回饋回路常態化。某種版本，已在發生。

可以。我們本來就會在社群中自發討論公共議題：例如公民社會的各種聚會、LinkedIn 上的熱門科技話題。重點在於把這些討論「變得有約束力」。也就是說，若滿足一定的門檻（例如需要用個人憑證登入——不必實名，但至少要是真人，且居住於受影響的轄區），這些線上討論就能進到相同的論壇，被 AI 摘要，形成可回饋、可決策的循環。

我可以更激進一點：每個人都訓練一個「分身」，完全了解你的偏好。你不用進入那 10 人會議室或參加陪審，你就派出分身，讓它們彼此審議、做決定，最後回來「說服你」——因為它們很會說服人——那就是所謂的「化身狀態」。有點像派機器人去健身房幫你舉重、跑馬拉松——看起來很厲害，但你的肌肉一點都沒長。

所以在把更多「能動性」交給 AI 之前，我們需要的是「去中心、可驗證、可攜帶」的小模型廣泛普及。

精準的「摘要」只是第一步。只有當大家能反覆稽核摘要——而不是把所有資料上傳到某個主機、仰賴雲端中心的黑箱——我們才可能更進一步。現在大家可以把同一套資料與模型下載到自己的電腦上（像保齡格林就開放在 whatcouldbgbe.com），用相同演算法跑一遍，自己驗證摘要是否偏頗。

所以我不覺得是人格、文化、處境，或所謂「壓力造就鑽石」的功能，而真的是「軟體與誘因機制的選擇」。

現在不只保齡格林，加州也在做。2025 年 4 月，我在洛杉磯和 Newsom 州長及其團隊一起檢視「Engaged California」（engaged.ca.gov）的第一批成果，主題是帕利塞茲與伊頓地區的野火復原。還有像 Department of Angels 這樣的公民社會領袖參與。開信率與回覆率都創新高：大概有將近 30% 收到邀請信的人真的點進去分享感受。成千上萬的加州人彼此對話，設定議程，例如「社區空間如何支持心理健康」等。我們看見同樣的動態再次出現：原先高度對立的人群逐步靠攏，對一組很具體的措施出現 85% 以上的共識；仍分歧的部分，再另行安排審議。