對啊。這個最近的一位先賢——本來還不是先賢的——Jürgen Habermas——就是這樣子想的。
對。我懷念他——貢獻真的良多。
我有一個研究群在英國，是一個基金會，有資助一項把大家分裂的意見收集起來、然後翻譯成大家都聽得懂的話的機器，就叫 Habermas Machine，就是為了向他致敬。
可以看 freedom.wethepeople-250.org 這個網站，是跟美國的 Napolitan Institute 合作，來自全美 435 個選區、超過 2,400 名參與者的全國代表性樣本。然後這些人因為那是做民調的基金會，所以各方面都非常 rigorous，就是可以代表整個母體。就是抽樣上面是非常 stratified 的。
然後就是問這些最容易極化的一些問題，特別像說你對自由的看法、你對平等的看法等等。然後每個人當然都有自己的意見。然後語言模型看了他的意見之後，就去追問一個問題說：「那你有什麼個人經驗？你有什麼故事，讓你有這個意見？」那他就回答了。
它完全沒有任何摩擦力——你如果會跟 ChatGPT 聊天，你就會做這種問卷。因為你也不需要好像打電話跟那個做問卷的某一個人，還要解釋你的意思。語言模型完全可以看起來像理解你的意思，而且它回問的問題都是有詳細聽懂你的話才問的。
結果大家各種五花八門的、對自由跟平等的看法，其實完全就可以被收集成二十幾個核心看法。也就是說，一方面他可能是要說「我們要做氣候正義，我們要為未來的世代有更平等的環境權」；另外一方面可能是說「聖經說神造世界，所以我們要對這個受造物有所關懷，因為我們是好的牧者」之類的。
這兩邊雖然用完全不一樣的語言，而且在社交媒體上大概會吵起來，但是因為 Habermas Machine 它可以在這兩個中間做翻譯，所以他們就可以看到說兩邊講的話其實是同一個意思。你只要翻譯兩邊的語言的話，講的都是要愛護環境。
所以第二部分就很像 Polis。就是你回答自己的意見之後，那你對翻譯過的、這些 paraphrase 過的看法——別人的看法——你同意嗎？你反對嗎？等等。那你同意幾次、反對幾次，就發現說原來大家的核心想法都差不多。這些美國人透過 Habermas Machine 的互動顯示，即使在高度極化的社會裡，仍可透過 AI 輔助審議挖掘出大量重疊價值；這不代表沒有極化，而是代表極化不等於沒有可被翻譯的共識。
所以他們最後就發現說，經過 Habermas Machine 翻譯之後，97% 的、具有統計代表性的參與者同意：「良善的價值始於家庭，父母在教導孩子尊重與善意上負有最先且最重要的角色。」
而且就算是最極化的——就是「只有在每個人都有發展自身能力的自由時，我們才可能真正依技能與品格評價一個人。」——經過社會翻譯之後，有 68% 的人都同意。
所以回答你剛剛 Habermas 的問題——水能載舟亦能覆舟嘛。你如果是一個演算法，它專門放大最極端的聲音，然後讓它具有傳染力，那當然你看久了——螢幕又這麼多彩多姿——看起來就會覺得旁邊的這個世界好像都變灰色的，那你就一直盯著那個最極化的演算法看，那當然社會就分裂。
但反過來講，同樣的技術你也可以用來把中間重疊的地方放大、然後不讓極端的部分擴音。這個也可以。極端的地方還是在喊，可是沒有幾個人聽得到，因為沒有給他一個大聲公。
那所以像我們做審議式調查的時候——像做《防詐條例》草案的時候——我們抽了 447 個人，也是具有統計代表性，放在四十幾個虛擬的線上會議室。在那裡面，我們就跟每個房間說：「你這十個人，你就是得說服彼此你的想法。如果沒有說服彼此，根本出不了這個房間。」
所以如果你在那邊大喊大叫、在那邊酸民、在那邊怎麼樣，不但會被系統制止——打斷別人太久——而且事實上因為小組最後投票，你的主張根本出不了房間。所以到最後就是有共識的主張才傳得出來。
所以你稍微改一下演算法的結果，就是讓 outrage 勝不了 overlap。造成極化的資訊系統，你只要改個演算法，那它就會變成一個收斂的系統。
有啊，民主基金會有做這個。
今年申請了預算，要看預算什麼時候通過。他們正在訓練 AI facilitator——這是在玉山論壇的 demo 影片。這位是民主基金會廖達琪執行長。這個是正在跟總統拜年的虛擬分身「若貓和」。然後我們賴總統說：「這個聽到是唐鳳的聲音。」你看，我把聲紋捐出去。
當時就是我們訓練它去做 Oregon 式辯論，所以它可以聽得懂論點。
對，就是用這個。
沒有，它現在後端可以套不同的東西。民主基金會的那一場辯論，它套的當然就是辯論的核心。但是我們也有把一些我們在發展的 Civic AI 的概念放進去。
辯論完之後就可以看到做了前測後測——大家本來是極端地認為「AI 一定有害民主」或「AI 一定有助於民主」的，大家都往中間集中。所以那個結果跟 Habermas Machine 想達到的效果是一樣的，雖然那次後面沒有串 Habermas Machine。
現在開發很容易啦，你就讓你的 AI 做一套就好。
對呀，我們原本「提點子」就有正反兩欄嘛，用按讚不讚嘛、但不能彼此回覆，所以至少最極端的聲音沒有辦法擴大，這個有做到嘛。但是綜合的聲音有沒有辦法擴大呢？還沒有嘛。
對啊，所以你就可以運行一支 Habermas Machine，去把兩端的聲音翻譯到中間——
這個就是回合制的啊。
對，它是跟做民調的 Napolitan Institute 合作。
再做一次，然後民調再做一次——對，三輪。
對，其實所有的元件，都有開源的基礎。
很希望可以邀請——
對，先要看我在哪裡。我目前是還沒有排定國外行程，所以並不一定不行。我最晚什麼時候要跟你們說？
6 月 23 號。
下午圓桌討論。
沒有臨時的問題，就是國外邀約。因為我提早 20 天必須寫出國申請，我是涉及國家機密人員，所以這個情況下，最晚 6 月 3 號我會知道我 6 月 23 號能不能去。
對，那我要是更早就已經被約走了，那我就會跟你們說。
謝謝。
技術當然可以幫助民主，讓民主更清楚地聽見我們自己的聲音。比如現在這套即時翻譯系統，如果沒有它，我就沒辦法理解日語。對我來說，它比較像是一副「助聽器」，而不是「濾波器」。助聽器讓你聽見更多聲音，濾波器則是把噪音濾掉，只留下單一、被授權的訊號。
但在民主裡，噪音其實非常重要，而且應該保持未經同化的狀態。因為一個民主制度，如果只能聽見那些可以被整理成「贏」或「輸」的聲音，它就已經失去了一部分最根本、最人性的東西。
所以在臺灣，我們使用的所有工具，不管是 Polis、公民大會，還是廣泛傾聽的各種做法，目的都不是要把差異壓平，而是讓那些能夠跨越分歧、連結彼此的觀點浮現出來，同時保留那些讓民主真正活著的不一致。
不過我想先停在這裡，也想聽聽東先生的看法。對您來說，「噪音」意味著什麼？我們要怎麼做，才能在不馴化噪音的情況下，真正聽見它？
我同意。不過我也會說，民主本身其實就是一種技術。回到歷史來看，民主的實踐從來就和工具分不開。古希臘有抽籤，也就是一種隨機機制；後來有秘密投票，這同樣也是技術。
而我認為，每一種技術都必須抗拒一種誘惑，就是最佳化、最大化的衝動。
因為照您剛才的說法，人真正珍貴的地方，在於能夠透過和自己不同的人互動，彼此修正、互相調整。但一旦你開始追求最佳化，也就是想把某個指標衝到最高，那些無法幫助這個分數上升的人，不管這個指標叫 GDP、困惑度，還是別的什麼，都會被當成「噪音」，最後被濾掉。
所以我會覺得，當我們把民主當成一種技術來設計時，重點不應該是最佳化，而應該是「夠好就好」。在那些我們確實需要共同決定的事情上，我們找到夠好的做法；而在其他地方，則保留更多噪音、更多修正、更多被修正的可能，甚至享受這個循環。
所以不是把人塞進技術的迴圈裡，而是把 AI 這類技術，放回人類社群原本就存在的迴圈裡。
我認為，那樣的技術設計會健康得多。
今天早上我從印度飛到日本的飛機上，也用了 AI，幫我理解您那本談「愚蠢」與「和平」的書。若沒有語言模型，因為我不會讀日文，我根本不可能知道您所說的「愚蠢」到底是什麼意思。
所以我認為，有些 AI 的使用是利社會的，因為它讓溝通變得更有可能。
但它應該像助聽器一樣。如果我原本完全聽不見，沒有助聽器，我甚至連噪音都聽不到，一切都只剩下寂靜。
可反過來說，如果我們把自己綁住，要求自己說的每一句話都得照著書來，或者照著 AI 對書的解讀來，那當然就失去了自由，也失去了彼此修正所帶來的好處。因為那時候，你不再為自己的發言負責，而是把責任分散到了語言模型上。
