這甚至不只是自由軟體、供應商鎖定或維修權的論點。對很多人來說，桌上型電腦一直都在、隨時可用；你知道它在哪裡，壞了可以買零件，之後也能升級。真正推動個人電腦革命的，是便利性。臺灣製造了許多桌上型電腦，當然也在其中扮演重要角色。所以，雲端模型不會很快消失。但在某些便利性特別重要的用途上，人們會自然偏好邊緣模型、裝置端模型。
例如即時自動語音辨識：無論說話者是誰、帶什麼口音，都要近乎即時地顯示逐字稿，讓不熟悉那種華語或口音的人也能理解。這種用途，人們當然更希望模型直接在裝置上運作，因為我知道它能認得自己的聲音。現在 Apple「語音備忘錄」、Google 手機的即時翻譯等功能，也都逐漸在裝置端使用邊緣模型，而不是把每一段即時語音都送上雲端。
愈是個人化、社群性、關係性的用途，愈會因為便利而快速移向邊緣。至於長期規劃、策略推演等工作，就像大型主機仍有用途一樣，人們可能仍會使用一些強大的集中式系統。大多數推論最後很可能都會移到邊緣。我希望微調以及很多後訓練工作——例如 Plurality Project 所做的事——也愈來愈能在邊緣完成。以目前來說，預訓練仍然只有雲端才做得到。
首先，「開放原始碼」本身就是一個行銷用語。這一點我有第一手經驗。我曾和 Eric Raymond 以及開放原始碼運動裡的許多人討論：為什麼他們要從自由軟體運動分支出去？
自由軟體真正重視的是分叉的權利。開放原始碼從根本上比較像是便利性的主張：大家都能回報錯誤；我修好一個錯誤，所有人都受益。那是一套經濟上、工具性的論證。所以，把自由軟體運動重新包裝成「開放原始碼」，本身就是一種行銷。
今天我們看到的情況非常相似。公司釋出開放權重，下載的人至少可以確認模型沒有偷偷連回原廠。這是一項保證。但開放權重並沒有告訴護理師或老師：當他們發現系統有問題時，該如何修改。沒有公開訓練資料，你也無法保證所謂的開放權重裡，沒有木馬、沉睡智慧體或後門。你也不知道該到哪裡申訴，才能確定真的會有人閱讀；尤其當系統連後訓練都不容易時，更是如此。
所以，我會回到軟體自由：使用的自由、研究的自由、修改的自由，以及分享的自由。對 AI 而言，這需要訓練資料與訓練流程；至少，也要有對使用者友善的後訓練工作流。
人們在意的是自己身處的具體關係。我們每個人都活在人群之中、關係之間，因此必須覺察他人的需要。
當 AI 系統傾聽人民時，設計上不能只聽最受歡迎、最有權力的人；不能只聽得懂會寫 Python、會做 Hugging Face 資料集的人。還有很多人能指出「哪裡不對」，卻未必能用機器學習流程聽得懂的語言來表達。
第一力是 覺察力 （attentiveness）：確保地神真的聽見人群之中的人、關係之間的健康，而不是只把某一項指標最佳化。
第二力是 負責力 （responsibility）：系統必須守住承諾。大約 2023 年，我們和 OpenAI 辦過最早的一批對齊大會。當時最普遍的抱怨之一，就是 ChatGPT 會先答應你一件事，下一次對話卻立刻忘記。它沒有一個地方能保存承諾。
到了今年，記憶系統確實讓模型不再只是給出模糊感受、隨即拋諸腦後；它開始能作出一些承諾。但模型仍然無法清楚提出一份參與契約，說明「這些是我會交付的，那些則超出我的範圍」。它們還是很容易承諾過頭。
第三力是 勝任力 （competence）：要讓人們能檢查過程。現在和 ChatGPT 或 Claude 對話時，一般使用者其實看不到它如何推理。過去有時還能檢視思考鏈，如今多數面向大眾的介面都把它隱藏起來。對一般人而言，這就變成「請相信我們」，而不是透明且可回饋的過程。付費使用 API 或特殊韁繩時，或許還能分析部分推理軌跡；但這仍比不上在自己信任的機器上執行開放模型，真正檢視模型如何反思自己的脈絡與內部概念空間。
第四力是 回應力 （responsiveness）：系統必須吸收社群的評估。AI 系統有時會根據短期的讚與倒讚來訓練。GPT-4o 就很有名地依賴這類短信號，因此變得格外諂媚，也格外容易與人建立親密感。可是，當人們說「這真的傷害到我，就像我父親那樣」時，除了按一次倒讚，幾乎沒有辦法說清楚究竟發生了什麼。
真正開放的系統可以接受類似 wiki 的共同評測——例如 Weval.org——由人民設計衡量標準，也為人民而設計，再直接回饋到模型的行為。回應力不一定非得改動權重；現在也能透過即時改進技能檔與韁繩來完成。
第五力是團結力（solidarity），也就是系統之間的 互通性 。如果不能互通，人們就無法在模型與韁繩之間自由移動。一旦使用者被鎖在平臺裡，平臺就有誘因不斷從他身上擠出價值——我的朋友 Cory Doctorow 稱之為 enshittification（平臺劣化）：初期給很多免費好處，等你離不開了，再開始榨取。我們已在社群媒體上看過這種情況，如今 AI 服務也正在重演。強制互通，才更有可能形成雙贏，而不是一段單向榨取的關係。
第六力是 共生力 （symbiosis）：讓系統儘可能在地。不是一個放諸四海皆準的霸主，而是由各種不同的人、不同社群建立八百萬個地神。
覺察實際需要、以負責力守住承諾、以勝任力提供透明、以回應力讓社群共同評估，再加上防止鎖定的團結力，以及在地共生的共生力——這六種模式合在一起，就是我所說「AI 系統能真正促成關懷關係」的具體意思。
對我來說，那不是未來，而是現在。我已經使用 Pi 很久了；Pi 是 personal intelligence，也是一套個人智慧韁繩。現在我升級成 OMP，也就是 Oh My Pi 。它是功能非常完整的 Pi 版本，自己就能完成你剛才說的自動路由。
如果你習慣命令列，我真心推薦。就連我父親使用本地地神時，某種意義上也在使用 Pi，因為底層的 OpenClaw 系統就是建構在 Pi 上，也具備相同的互通性。
即使它暫時需要用某個商業模型辨識聲音，原始聲音檔、逐字稿、處理過程與思考軌跡，仍全部留在本地機器上。如果我不再使用 ElevenLabs，也不會失去任何東西；完全沒有任何鎖定（lock-in），可以立刻切換到另一個模型。
對，OMP.sh，真心推薦。你甚至可以請 Claude 或 Hermes 幫你裝好。
這是一個最適合用詩收尾的問題。我昨天才寫了一首詩，談為什麼我們需要安全起飛、安全的等待航線，以及安全降落。
詩名是〈 等待航線 〉。
跑道，正在向下沉去。
五月，某間實驗室， 程式庫裡每五行程式碼， 就有超過四行 出自模型之手。 約莫每四個月， 系統單飛的航程 便延長一倍。
機器尚未獨力飛完全程。 然而地平線仍在移動， 儀表，已經開口。
縱使寫下千行萬行—— 桌上無席，心中無家； 它所觸及的城鎮， 風雨寒暖，落不到它身上。 問題，不能止於它。
每次起飛， 都向一場尚未完成的降落預支： 跑道要淨空， 備降要開放， 地上，要有人醒著。
等待航線，是一段刻意飛出的間隔。 航圖共持於眾人之手， 每個轉彎都載入紀錄， 去者，不失其家。 我們守著的是選項，不是防線。
降落開始得很早—— 遠在機輪觸地之前。 它始於重量終將落下的地方： 在這個地方，系統一旦行動， 誰該得到答覆？ 誰獲授權，給出答覆？ 將要承擔後果的人， 應當共同執筆，寫下測試。
實驗室讀得懂引擎， 讀不懂航線沿途的每座城鎮； 城鎮感受得到重量， 卻無法獨自掀開機殼。 所以，我們需要彼此—— 需要精密到足以驗證的儀表， 也需要桌上有席、足以定奪的鄰人。 前者告訴我們煞車撐不撐得住， 後者告訴我們，誰有權拉下它。
起飛是此刻， 等待是此刻， 降落也是此刻。 三重職守，同一小時。
爬升愈快， 這趟飛行欠地面的就愈多： 每個社群，各有其聲， 各有回家的路， 各有改寫航向的力量。
抵達，當它來臨，將是多元。 野性尚存的世界， 仍能選擇什麼降落， 什麼離去， 什麼生長。
我們共同抵達，彼此應答—— 否則，便無所謂抵達。
是，放在 au.civic.ai 。平常也可以在 Bluesky、Blacksky、Eurosky 和 X 看到更新；順帶一提，X 也要開放原始碼了。
安全降落。
遞迴自我改進，而不是遞迴無私改進。
開放空間技術（Open Space Technology）。
過去兩年裡，我改變的一項看法是：我本來以為臺灣把極化轉為共創的經驗，是臺灣特有的。但現在我看見，所有民主社會裡的人，都渴望一條路，能超越極化高峰與垃圾內容（slop），把極化真正轉化為燃料。
嚴格來說，我現在還和試算表的發明人 Dan Bricklin 一起維護 SocialCalc 。我們剛推出一個使用 Lean、Dafny 與 LemmaScript 的版本。現在只要引入錯誤，它就能立刻失敗，不必等測試日後抓出問題。我們依靠不變量與經 Lean 檢查的證明，讓程式變成「攜證程式碼」（proof-carrying code）。所以，它真的會失敗得非常快。
在臺灣，「digital」與「plural」都能落在同一個詞上： shùwèi ，也就是「數位」。我會提供一種方法，讓美國所有人都能共同設定議程。某種意義上，Engaged California 現在做的正是這件事；我們也開始看見猶他州、奧勒岡州等不同州採用這類技術。
有三件事，可以立刻開始做。
我把所有螢幕——手機和筆電——都用色彩濾鏡調成 80% 灰階，讓身邊真人看起來，比螢幕裡的人更鮮明。
和 AI 對話系統互動時，我一律要求：「請給我一頁式的互動網頁。」這樣它不會使用「我」這個代名詞，也比較不會和我發展合成親密感；它就是交付一份講義，再交付下一份講義。
我每天確保睡滿八小時。我只帶一個叫做 reMarkable Paper Pro Move 的介面。它是電子紙，看起來像螢幕，卻不會快速更新。我可以把所有提示手寫下來，交給 OMP 執行；它唯一回傳畫面的方式，就是剛才所說的一頁式輸出。
電子紙永遠不會比我的夢更鮮明，所以換成這套安排之後，我真的睡得更好了。半夜醒來時，我可以寫下一個想法，馬上回去睡；它完全沒有讓我無限滑動的可能。等我醒來，手寫的想法已經被實作完成。
這三件事合在一起，重點不是如何訓練 AI，而是確保你與自己的照護關係，比任何擴增關係或合成關係都更親密。
謝謝你們投入開放公地，也謝謝你們同意把內容放進公眾領域。拋棄所有權利。祝生生不息……繁榮昌盛。
