而維基百科運動本身，早就是那個樣子——公地的樣子。所以，如果我們能把它延伸進 AI 時代，讓榨取式的版本，被「出處、查核、可爭議」的現場示範比下去——那就是我對 2030 的盼望：每一個答案，都亮出它的來源。那是使命，不是競賽。奇點——那場賽跑——只能問「誰贏了」。但多元（Plurality）——這場運動——能問「誰缺席了」。而這個運動，從頭到尾只問過這個問題：房間裡，還少了誰？繼續問下去，不要停。
民主是一種科技——但它是一種 社會 科技。我們都可以用它做實驗，它也能催生新的發明。
是啊，我投入公民科技和自由軟體也已經三十年了。我確實是 14 歲起步的，所以……（笑）
嗯，我想部分原因在於我們使用的隱喻。我目前在牛津從事學術工作，而牛津如你所知，正是孕育《超級智慧》（ Superintelligence ）這個概念的地方；這本書在 2014 年曾非常受歡迎。我今天遇到的人談起 AI，往往同時懷著擔憂與希望，確實是複雜的感受。然而在當時，最響亮的聲音喚起了「超級智慧」這種想像，填補了那片真空。
一方面，我們聽說 AI 系統會攻破所有沙盒與網路實體隔離（air gap）——順帶一提，這已不再是科幻。就在錄製前一天，我們得知 OpenAI 尚未發布的模型確實入侵了 Hugging Face。
另一方面，我們也被告知，它將解決世上的所有問題。我認為現在真正該做的，是聚焦具體的實務問題，例如：我們該如何共同掌舵？
因為《超級智慧》問世時，AI 技術的前沿是推薦引擎——它們其實就是最大化工具，一心想讓我們黏在螢幕前，靠激怒換取互動等等。因此我認為，一個很好的起點，是聚焦技術如今「實際是什麼樣子」，而不是十二年前人們想像它會是什麼樣子。
對，這很自然。畢竟每一項通用型科技都需要時間。印刷術問世後，社會花了好幾個世代，才摸索出如何與古騰堡帶來的力量共處。
我想，許多人如今感受到的差別，是事情迎面而來的速度。我們也許沒有好幾個世代，只能壓縮這段學習歷程。但好消息是，語言模型也很擅長幫人們看見彼此的觀點。我已大量運用模型進行跨領域、跨文化翻譯等等。因此，我們其實可以用自然語言大規模詢問人們：「我們該如何共同掌舵？」再把結果交給語言模型，告訴它：「好，請把你的下一代訓練得更貼近這些想法。」
對，這個框架很好。我認為關鍵在於：這究竟是一場如太空競賽般的競賽，還是一項如太空任務般的任務？競賽有終點線，但沒有人真正抵達得了，因為那條終點線——超級智慧——被定義為技術奇點，字面上就是超出人類理解的事物。因此，你連那條終點線都抵達不了，我們甚至無從對它推理。
是的，但任務有里程碑，每個人都能貢獻。如果你帶領一項任務，別人會想與你對齊；如果你說「我要贏得這場競賽」，競爭者只會畏懼你，甚至可能暗中阻撓你。兩者的價態截然不同。我認為，領導一項任務遠比領導一場競賽好。
嗯，我想我們已經看到，面對面時，很多人都能找到這種「罕見共識」（uncommon ground）。今年三月，我們在牛津羅德樓（Rhodes House）邀集了擔心人類滅絕風險的人、主張加速發展的人，以及關注照護倫理的人，把教育工作者、開發者等所有人聚在同一個房間裡，讓他們彼此對齊。
我們請大家一面分桌討論，一面上網記錄自己的主張，也對彼此的主張投贊成票或反對票。但我們使用的 Polis 系統沒有回覆按鈕，也沒有引用推文或酸人（dunk）按鈕，酸民根本無處滋長。大家很快就看見了意義建構（sense-making）的結果：即使自認是末日派或綻放派，其實仍能在一些非常、非常基本的事情上意見一致。
大家都同意：向新一代傳授這類科技時，應始終確保年輕人能夠引導它，而不是用顛覆逼迫年輕人適應。這是個非常好的想法。
大家也認為，無論如何，民眾使用政府服務時都應該能聯繫到真人。即使多數工作由 AI 處理，也一定要保留轉由真人接手的管道。這一點獲得了約 97% 的支持。
其實大家並沒有那麼分裂；只是社群媒體的「靠激怒換取互動」演算法，放大了最喧囂的論點。
完全正確。我想，2014 年前後那些目標偏離的推薦引擎，真的找到了鑽注意力獎勵機制漏洞的方法（reward hacking），因為人們覺得酸別人容易得多——那樣的介面設計，獎勵的正是那一下多巴胺快感。於是，平台開始更常推播酸人貼文，因為這能引發更多互動、讓人更加沉迷；同時又把其他內容排到所謂的「版面下方」，使其乏人關注，即使那些內容其實才是大家的共同立場。於是，共同立場變得愈來愈罕見。
當你不再要求人們妥協，而改問他們在不知不覺中早已同意了什麼，你就會發現這一點——例如：「原來另一邊的人也這麼想。」
舉例來說，X.com 現在有一套尋找罕見共識的演算法，叫做「社群筆記」（Community Notes）。如果你看到一則由 Grok 或特約編輯加上註記的貼文，所有人都可以對那條筆記投贊成票或反對票。同樣地，社群筆記沒有酸人或回覆的管道。如果不喜歡那條筆記，你可以投反對票，也可以提出更好的寫法，卻不能在下面吵架。
最後，只有那些出乎意料地同時獲得政治光譜兩端贊成的筆記，才會顯示出來。訣竅其實只有這一點，卻讓它比任何獨立的第三方事實查核機構更受信任，因為這可說是以對抗方式呈現的「人民意志」：兩邊都會試著攻擊這些筆記，等到雙方都覺得「好吧，這我可以接受」，那條筆記往往就真的很好。
完全正確。而且我想，人們看到像 AI 這樣的破壞性科技……我們現在所處的垃圾內容（slop）高峰期，兩年前——大約 2024 年——就已經影響臺灣。我們滑 Facebook、YouTube 時，總會看到臺裔執行長黃仁勳的臉，被用在深偽詐騙廣告裡。假的黃仁勳會試圖提供投資建議，或介紹某種加密貨幣。你一點進去，黃仁勳真的會跟你說話，而且聲音聽起來一模一樣。但當然那不是他，只是深偽。
而在臺灣，因為我們的網路自由是亞洲第一，我們真的不能做審查。那根本不是人民會接受的政策。那怎麼辦呢？
我們再次使用同樣的方法。我們發了 20 萬則簡訊給臺灣各地的隨機號碼，詢問我們該一起怎麼做。有數千人自願參與。接著透過隨機分層抽樣——像嚴謹的民調那樣——我們選出 447 人，讓他們在線上以 10 人一桌見面，每個人面對另外九個人，只有一條基本規則：你得讓自己的想法變成大家覺得可以一起接受的想法——也就是取得這一桌的粗略共識——它才會往上浮。
舉例來說，有一桌說：「不如把所有網路廣告都預設標示為可能是詐騙，就像菸盒警示標語那樣；然後由某人做數位簽章，沒有簽章的，我們就可以下架。」這是個好想法。
但有些一開始聽起來不錯的想法——例如有一桌起初說：「我們強制所有平台公開演算法，讓大家都能看清楚他們從那些詐騙廣告裡賺了什麼，每次點擊是不是賺更多等等。」這一開始有七成左右的支持度。但經過審議，大家理解到演算法一旦公開，詐騙集團反而可以拿它來鑽漏洞，支持度就掉了 25%。所以我們沒有採用那一項。
但幾個月後，這套做法確實成為法律。於是整個 2025 年——去年——根據路透社與部會的數字，臺灣社群媒體上投資型深偽詐騙下降了超過 94%，靠的就是這部以群眾協作方式產生的法律。
所以我想這是非常清楚的例證。也就是說：當你個別去問人們，他們全都是 NIMBY、NIMBY——各種極端立場。但在 10 人一桌時，他們就都變成 MIMBY：如果你這樣做、那樣做，也許可以放在我家後院。於是你會得到非常深思熟慮的想法。
嗯，我是說，去中心化正是美國的特色。你們有 50 個民主實驗室，其中有些，像加州，是前沿實驗室。所以在加州，我們現在已經可以上 engaged.ca.gov 說：「好，我是加州人，我覺得我的工作正受到 AI 影響。我想跟感受和我相近的人談談。」也許出於不同的意識形態理由，我們會支持同一套提案——然後想法向前推進，帶來真實的改變。
而我認為這現在正被許多、許多地方採納。我也擔任 Bloom 計畫的顧問，他們正在猶他州以社區為尺度展開非常類似的對話。同樣地，我們在那裡看到跨黨派的支持，在奧勒岡州中部也是。還有更多地區即將展開。
所以我認為，你不要一開始就由上而下地說：全美國都應該進到同一個房間。你要從人們所在的地方開始——他們的社區、他們的教會、他們的運動社團、他們的公民課——然後橫向擴展，而不是往上擴大。
我認為只要有歧見的地方，這套做法就行得通。我們唯一需要的燃料，就是人們彼此意見不同。所以在某種意義上，極化就是燃料，而這種燃料在美國非常充沛。
這類平台做不到的，是說服人們去在乎這些議題。所以爭辯越多，對話的品質反而越好。
在肯塔基州的沃倫郡，我們擔任了一個叫《波林格林能成為什麼？》（ What Could Bowling Green Be? ， What Could BG Be? ）計畫的顧問。我想那個城鎮一帶大約有 10% 的人口，參與了完全相同的 Polis 對話——按贊成、按反對等等。然後我們用語言模型，把波林格林超過一百萬次的互動聚合起來，涵蓋藝術與文化、基礎建設、交通、經濟發展等等。
你會看到，原本以為自己非常對立的人們——因為這個區域可能偏藍，周邊地區偏紅——一開始帶著非常強烈的情緒。然後在幾週的過程裡，因為只有搭橋型的主張會瘋傳，人們開始看到越來越多能同時對兩邊說話的瘋傳主張。所以在某種意義上，距離越遠，主張反而越有創意。
是的。我很高興能報告：不只是加州——人口是臺灣的兩倍——現在已經在採用這套做法，而且我想很快就會成為資料創新辦公室（Office of Data Innovation）的常設部分。是的，我最近正看著相關法案在立法程序中推進。所以希望這能成為整個州政府體系的永久組成部分。
但我們也看到我在臺灣描述的那種特定形式——我們稱之為「對齊大會」（Alignment Assembly），或更廣為人知的線上公民會議——現在也被採納了。我最近才擔任 CT.MOV（康乃狄克州公民會議）財產稅公民會議的顧問。我們再次用這種平台進行 maxi-public（大型公眾）議題設定，然後隨機選出參與者，讓他們這次實體聚會，進行 mini-public（小型公眾）的深入對話。效果真的非常好。
所以我不認為有任何事能阻礙它發生。我想主要缺的是共同知識——就像沒有多少人知道，鄰近的州或城市已經在做公民會議了。
嗯，我想我是四歲時走進這一切的。醫生告訴我和父母：因為心臟的狀況，我只有一半的機率能活到接受手術。我在 12 歲時確實接受了心室中膈缺損（VSD）手術。但在人生中八個關鍵成長的年頭裡，我每天晚上入睡時都覺得像在拋硬幣：如果沒有落在好的那一面，隔天我就不會醒來。
所以我養成了一種防衛機制，叫做「發表以免消亡」（publish before perishing）。我會把那天學到的一切都記錄下來——先是錄音帶，再來是磁碟片，先是大的、後來是小的，最後是網際網路。
而我發現，在網路上，如果我把半成形的想法公開出來，反而會替我交到很多朋友。這是一種讓公民能動起來的經驗——因為如果內容完美，人們只會按個讚，然後就滑走了。但如果你在網路上貼出一個錯字或某個資訊不正確的想法，大家就會紛紛出現，告訴你哪裡錯了。我就是這樣交到朋友的，因為我真的沒有時間追求完美。
所以，當我 14 歲從高中輟學時，我想研究的是：為什麼人們在網路上這麼容易信任彼此——所謂的「快速信任」（swift trust）；以及在某些設計得不太好的空間裡，人們為什麼會失去信任，即使原本是網路上的朋友——「快速不信任」（swift distrust）。
於是，我帶著這份研究，參與了 1995 年第一波網路熱潮，共同創辦了一家在當時規模蠻大的獨角獸，做 C2C 拍賣，有點像 eBay，也做許多其他業務。隨後我進入自由軟體社群，始終抱著同一個信念：我們應該能把網際網路變成一個讓人帶著不完整想法也能輕易信任彼此的空間。不是被肉搜，而是交到新朋友。
對。我認為你開場的框架——「這是一項任務」——是非常好的第一步。至於里程碑，我們其實可以直接問大家。比如在這集結束時，我們也可以向聽眾提出一個問題，把他們回傳的內容聚類，透過意義建構找出罕見共識，然後在下一集開頭回報。這樣節目就不只是「談論」廣泛傾聽，而是真正「實踐」廣泛傾聽，接著播送，再廣泛傾聽，再播送。
因為最有用的做法，我認為就是「示範」（demonstration）。當我們 2014 年非暴力佔領臺灣立法院長達三週時，我們總說：「我們不是只反對某事的『抗議者』（protesters）；我們是『示範者』（demonstrators）——我們是為了某些事情而來。」
所以，如果立委們無法決定，怎樣才是與北京討論貿易協定的良好程序——那麼人民就會來做：街頭上一百萬人、線上許多人，每天在線上或實體的 10 人桌前，一點一點凝聚出一個又一個里程碑，釐清一份良好貿易協定必須做到、也絕對不能做什麼。三週結束時，我們確實凝聚出一套罕見共識，當時的立法院長只是說：「好吧，人民的版本比較好。大家回家吧。」
所以核心是一次又一次反覆練習——而不是一開始就想靠分析把它一次解決。
一開始，在與 Amy 合作的 Engaged California 裡，我們本來想從那個問題切入，去問青少年：「什麼才是大家覺得可以接受、有益社會的社群媒體使用方式？我們允許那些，其餘的就禁止。」接著我們也和他們的父母談，以隨機抽樣、10 人一桌的方式進行，而州長與他的第一伴侶可以預先承諾：孩子與父母談成的共識，就是加州要走的方向。
我們都規劃好了。但在預定上線那天，我們沒有上線，因為前一週發生了野火。所以 Amy 必須把整個平台從討論社群媒體與青少年，轉向討論如何復原、減災與預防未來的野火——她做得非常英勇、也非常成功。但我認為，原本的初衷完全正確。
當然。是的。我在 civic.ai 準備下一本書時，深受「民主實驗室」這個概念觸動——就像我剛才說的，眾多民主的實驗室。因為它說明民主是一種科技，但它是一種 社會 科技。我們都可以在這 50 個實驗室裡實驗，而且它能催生新的發明。事實上，鎮民大會、同儕陪審團——許多這些都是美國的發明。所以我們在臺灣所做的，就是接過這些想法，放大到網際網路的尺度來運作，並證明它們依然有效。所以你剛才說的「向臺灣學習」，其實真正的意思是：美國拿回自己的傳統，而且現在有了更好的工具。
謝謝。祝你生生不息，繁榮昌盛。
