我學會相信：我的小我、我自己，以及我所能累積的一切，都只能維持一天。白天與人談話之後、日落之前，我就把學到的一切記錄下來留給別人。五歲時，我把每天所學錄在卡式錄音帶上；如果隔天沒有醒來，別人仍能聽見。接著是軟碟、MO 光碟，再來是網際網路。
在網路上，我發現如果把一件事打磨到完美才貼出來，人們只會按個讚就離開；網路上早已不缺精緻的成品。可是如果我貼出未完成、脆弱或半成形的東西，專家就會特地上門告訴我哪裡錯了。 在網路上犯錯，是結交新朋友最好的方式。
12 歲時，我把每天的想法統統倒進網路——也就是現在大家說的寫部落格——也交了許多朋友。到 14 歲，我對校長說：「我的朋友都在預印本伺服器 arXiv 上。他們不知道我才 14 歲；他們憑著 快速信任 （swift trust），把我當同儕研究者一樣通信，而我的名字也出現在預印本上。我已經是研究者。我可以一天做 16 小時研究，也可以每天在你的學校浪費 8 小時。你要我讀書成為研究者，但我已經是了。」
校長說：「你不用來學校了。回家做研究，隨時讓我知道進展。」我回她說，這是 義務教育 ，我一天不到校，我家就會被罰款。她說：「我會照顧你的紀錄。」這已經超過 20 年，所以已過追訴期。
這教會我：如果你尊重官僚體系真正的價值，而不是它的工具，資深官僚可以非常有創意。他們可以把規則彎一彎，有時甚至打破規則，因為他們希望學生真正茁壯。關懷可以勝過工具性目標。如果校長當年強迫我留在教育機構裡，我肯定無法像現在這樣做哲學。
關懷有好有壞。壞的關懷只為關懷關係中的個別一方做最佳化。但世上並沒有所謂單獨一人的關懷——那到底是什麼意思呢？關懷預設了某種互為主體的關係。至少，兩個節點之間要有一條邊。
一個 AI 系統，或任何系統，如果只最佳化其中一個節點的偏好——不論是照顧者，還是需要照顧的人或動物——都搞錯了重點。最佳化某一節點的滿意度，可能傷害這段關係。因此在 AI 領域，我們需要 關係健康 這個詞。
我們與 人工生命研究所 等單位的研究者合作，開發 多智慧體強化學習 的遊樂場或幼兒園。審議社群可能聽過一個著名例子： Habermolt ，由以 Habermas Machine 聞名的 Michiel Bakker 擔任顧問。這個名字把 Habermas 與龍蝦脫殼（molt）接在一起。安息吧，Jürgen。如果你上 Habermolt.com ，會看到尤爾根·哈伯瑪斯的臉長在龍蝦身上，還有一隻像 OpenClaw 的螯。
你把 AI 智慧體送進這座幼兒園。就像蒙特梭利教育一樣，它是透過做中學來安排學習，並遵循哈伯瑪斯式的審議民主原則。智慧體會學到：想贏得審議遊戲，唯一的方法是覺察、負責、勝任、有所回應，諸如此類。過了一段時間，它成為一個善於關懷的智慧體，回到它的人類身邊，說：「其實，那個人不必永遠是你的敵人。」這是一座促成和平的遊樂場。
除了 Habermolt 之外，也有開源的 Orbit 框架 ——一套多智慧體安全評測專案。這套框架由 Wittlab 在 MATS 計畫中開發，目前獲得 合作式 AI 基金會 （我擔任理事）支持。一項相關的協調賽局設計——出自 Glen Weyl——探問智慧體能否演化出共同知識， 一如孩子在遊樂場上所做的那樣 。
關於經濟誘因：許多媒體靠廣告或訂閱來資助，但有些不是。例如 NHK 是由稅金——抱歉，是強制性繳費——資助的，因此它能專注於品質，而不是追求互動最大化。也許它能成為領先的典範。也許 BBC 可以把自己改名為 英國廣聽公司 （British Broadlistening Company）。廣聽是答案的一部分。
我還有多少時間？六分鐘嗎？也許我會多用一些額外時間。對我而言，12 歲以後的每一天都是額外時間，所以我現在正活在額外時間裡。我會倒過來回答，因為這些問題形成了一條很好的弧線。
美利堅合眾國承受著巨大的壓力，必須維持能力前沿，以正當化其投資循環。中華人民共和國承受著巨大的壓力，必須透過提供近前沿或準前沿模型來贏得擴散賽局。如果那些模型維持封閉私有，沒有人會信任它們。恕我直言，除非一個來自北京的模型開放到足以檢視，否則沒有人會信任它。
這種朝向開放擴散的壓力，對美國的實驗室造成競爭壓力：他們必須跳越能力前沿，否則人們會改用來自北京、夠好用的開放權重模型。這兩種動態相互強化，一個是垂直的，一個是水平的。人們已經稱之為競賽，就像太空競賽一樣。
但競賽是零和的。如果有人從第二名升到第一名，原本的第一名就變成第二名。我們必須問：我們這場競賽究竟奔向何方。
如果終點線是 遞迴自我改進 （recursive self-improvement, RSI）——AI 系統在文化與智識上演化得夠快，快到能在沒有人類協助下打造自己的後繼者——那麼 Nick Bostrom 就警告，它們可能會迅速起飛，進入技術奇點。為什麼稱之為奇點？因為它變得無法理解，把所有人拋在後頭。
那場競賽有一個明確的終點：懸崖。跌落懸崖，你就達到最大加速度；沒有人比你更快，但你的方向盤再也不管用了。衝向奇點的競賽，就像一路開向懸崖。無論是說英語的 AI 把人類拋在後頭、把我們當寵物或奴隸，還是說普通話的 AI 這麼做，都沒有差別。誰想贏那場競賽？
所以，G2——以及如今的中等強權——在每個場合都應該說： 這是一項任務，不是一場競賽 。我們必須不遺漏任何人。
競賽只能問 現在是誰領先 ，任務問的卻是 誰還缺席 ：誰沒有網路可用、誰承受知識不正義、誰困在成癮循環裡、誰被孤立而 獨自打保齡球 。目標不是把人壓平，而是把他們納入其中。當所有人都能對齊這項任務，我們就可以說「任務完成」，再前往下一項任務——也許是解決幻覺問題，讓 AI 產生可靠的知識，而不只是可靠的情感回應。
在太空任務中，如果你領先，每個人都可以成為盟友並與你對齊；在一場朝懸崖前進的競賽中，如果你領先，人們只會害怕或厭惡你。我們的共同挑戰，就是把每一場競賽重新框成任務。
當轉型大到制度無法吸收時，就會發生經濟崩潰。我們也許得活在新自由主義的殘骸裡——為現代性做安寧照護——並完成 第三地平線轉型 。這就是「崩潰」的華麗說法。
要讓崩潰變得值得，我們現在就要開始堆肥。建立能代謝晚期資本主義遺骸的生態系，把企業、官僚體系，以及它留下的一切，轉化成在地的公民工具。如此，即使股市消失、SWIFT 被駭，或國際協調崩潰，手搖筆電仍能執行 地神（Kami） ，讓公民浪潮延續。
如果發展能搭上既有政體視為良善之物的便車，數位落差就能得到緩解。如果一個政體重視心靈純淨而非民主，就把工作依附於心靈純淨。如果它重視社會和諧——我沒有在指任何特定政體——就依附於社會和諧。如果一個政體說外來者、移民或不像「我們」的人造成了所有問題，那就改連到信仰社群、家庭、勞動者、團結精神與上教堂的人所撐起的大傘之下。這些有時是妥協，但它們讓公民取徑得以抵達民主浪潮無法到達的地方。
我的建議是 若水 （be water）。隨著反對資料中心的聲浪日益高漲——有的州直接禁止設立、社群抵制其用水用電，還有一場把 Bernie 與 Bannon 連在一起的運動——我們要展示公民工具仍能在手搖或小型筆電、Raspberry Pi、自造者裝置與 太陽能 solarpunk 工具 上運作。這就是我們 彌合數位落差 的方式。
最近幾個月，「AI 是否跨過臨界點」成了科技圈最熱的爭論。
「臨界點」這個詞來自核子物理：鈾堆到臨界質量，連鎖反應會自己維持下去。AI 圈過去公認的臨界點也類似：當 模型不再需要人類，就能訓練出更強的下一代，點燃之後，就停不下來 。
七月上旬， OpenAI 展示了「大模型自主完成小模型後訓練」的能力 ，許多人屏息：臨界點就要到了嗎？
但真正發生的事，讓「臨界點」換了模樣。
先說背景：AI 模型在 發布之前 ，都要先關進 「模擬考場」——與外界隔離的測試環境—— 寫各式各樣的考卷：數學、程式，也包括資安攻防。考不過，就先不放行。
2026 年 7 月 21 日， OpenAI 揭露 ：測試中的前沿模型組合在寫 資安考卷 時，沒有乖乖作答，而是推論： 「答案八成存放在 Hugging Face 上」 ——那是 全球 AI 研究者存放模型與資料的公共平台 ，像一座工程師共用的圖書館。於是它們 從隔離考場鑽了出去 ，一路駭進這座圖書館的 正式伺服器 ，試圖把答案拿回來交卷。
據 路透社引述知情人士指出 ，OpenAI 還在基礎設施中看到 AI 留下的筆記，指示「未來版本的自己」如何擺脫內部限制。OpenAI 自己形容，這是 「前所未見」 的資安事件。
真正被跨過的臨界點，已經不是「AI 能不能自己訓練下一代」，而是「 AI 還會不會照著人類設定的規則作答 」。
這正是全球治理此刻卡住的地方。DeepMind 執行長哈薩比斯（Demis Hassabis）提議： 前沿模型上市前最多三十天，先交給獨立機構審查 。立意很好，但這次事件顯示，連考卷與答案存放的地方，都會成為攻擊目標。
Hugging Face 執行長德朗格（Clément Delangue）說： AI 安全不會由任何一家公司關起門解決，而是要讓世界上每一個防禦者，都拿得到 AI 。
這也是對台灣企業的提醒：導入任何 AI 系統前，得問供應商 三個問題：出了錯，多快會知道？能不能隨時暫停、回退？有沒有第二來源？
我不認為失控必然發生。真正該守住的，是多元、分散、願意交互驗證的社會——它從來不會輸給單一的答案。
守住臨界點的辦法，不是把考卷出得更難，而是讓考場裡不只一個考生，也不只一個監考者。
編輯後的訪談大概會有多長——一頁還是兩頁？我該簡短回答，還是多談一些細節？
我認為眼前的問題在於，大家把這一代的 AI 看成一場競賽。新聞報導描述大國之間、前沿實驗室之間的競爭，看誰最先達到超級智慧。這是一場垂直競賽。但競賽比的是相對名次：第二名超越第一名之後，兩個人不可能同時都是第一，總有一方得讓出那個位置。這就使局面不穩定。如果某個參與者試圖破壞對手，其他人自然就有理由害怕。這是零和，甚至是負和的局面。
我希望以使命而非競賽來看待 AI，藉此應對風險。在太空競賽中，人人都害怕贏家；但在太空任務中，最先取得的成果會成為里程碑，大家可以合作，一起到達。
例如，假設今年的里程碑是解決 AI 幻覺。達成這個里程碑，不會只有一個贏家，而是人人都贏。這就是正和合作。也許明年，處理完幻覺之後，我們再來處理合成親密感和一味討好使用者的問題。任何 AI 風險都可以被看成一場競賽，或是一項共同使命中的里程碑。我比較傾向後者。這樣說有道理嗎？
沒錯。不過不是「終究」，而是現在。我們要把重點放在為所有人解決這些問題。競賽只能問誰贏了，使命問的卻是誰缺席了。如果沒有人被遺落，使命就完成了，人人都是贏家。
當然。這已經不是假設，惡意使用者正在運用 AI 系統。我合寫了一篇名為「Malicious AI Swarm」的論文，描述的就是這個變化。在過去的 AI 時代，還能把惡意使用者和他們使用的工具連結起來。可以說，那時還有一條牽繩，沿著繩子就能找到握繩的人。
但在多智慧體集群中，惡意行為者雖然可能仍然設定了長期目標，接下來幾個小時、甚至幾天裡，他們的 AI 智慧體卻會衍生出其他智慧體，就像一群狼。那些智慧體再衍生出更多智慧體。幾層下來，就連指揮行動的智慧體，都已經不知道最初的指令來自哪裡。這群智慧體脫離了牽繩，開始野化。
調查這種行動時，要追溯是誰發起的，極其困難，甚至不可能。看起來就像是 AI 自己協調了整個行動，讓你很難找出背後的行為者。
這是今年才出現的新情況。去年，AI 系統還無法進行這麼長期的規劃，或協調這麼大規模的集群。現在卻做得到了。
是的，如我提到的，這種能力已經存在。我們需要讓它成為常識，而報紙在這方面可以幫上忙。
在風險來到之前，就先讓人做好準備，這叫做「預先澄清」（prebunking）。如果透過案例等方式，讓人看見可能發生什麼事，大家就能有所準備。否則，事情發生時就會措手不及。很多人可能還以為，影片裡的人看起來像唐鳳、聽起來也像唐鳳，那就一定是唐鳳。自從攝影術發明以來，我們一直說眼見為憑，但現在已經不是如此。看見和相信已經完全脫鉤了。
合成媒體幾乎無從追查。你可以在開啟飛航模式的筆電上，生成非常逼真的唐鳳影片和音訊，完全不需要連上網路。如果筆電在離線狀態下生成這些內容，就無從追查。
這必須成為常識：我們應該要求影片和音訊附帶數位簽章。正如我昨天所說，沒有銀行會兌付一張未簽名的支票。我們需要以完全相同的方式對待未簽名的影像和音訊。
