那個字面上毫不在乎的演算法發現了這點，所以我們花時間 doomscrolling、互相酸人。但事實證明，這很容易修。你只要把正負號倒過來。讓重疊之處病毒式傳播，而不是讓憤怒病毒式傳播。這就是我們在臺灣原型化的東西，現在它支撐了各大社群平台上的 Community Notes 演算法以及相關的協作註記系統；Grok 現在也會追蹤搭橋註記，並把它們附在缺乏脈絡的爆紅貼文上。
一小時一枚 Bitcoin。
當時人們沒有 Bitcoin 帳戶，包括我 2010 年以獨立約聘身分合作的 Apple。所以大家都換成法幣。如果你看 GitHub，還能看到我以前的 Bitcoin 錢包，但因為那太超前了，人們就是用法幣付我。
當然。當時人們天真地相信，這是媒體素養或資料素養的問題，人們會教育自己。但這其實不是真的。透過烹煮 slop——令人上癮的資訊垃圾食物——來劫持人腦中的獎賞模型，遠比烹煮米其林等級的資訊營養容易得多。
白天，當人們面對同桌有趣的人時，或許可以維持資訊飲食。但接近睡覺時間時，可能就不行。所以，我倡議並親身實踐了十年，把每一塊螢幕都調成灰階：用色彩濾鏡濾掉大約 70% 的顏色，只留一點點。現實會保持更鮮明，這樣就不是意志力的問題了。
當然。在臺灣的華語裡，「數位」這個詞同時意味著「digital」也意味著「plural」。所以我同時也是第一位多元部長。這讓我思考：如果 singularity 可以變成 plurality，我們要如何把它作為可轉向的鏡片，套用到當時矽谷提供的其他事物上？
那是十年前。它是這樣的：
看見「萬物聯網」，我們將智慧聯網。 看見「虛擬實境」，我們將實境共享。 看見「機器學習」，我們將協力學習。 看見「用戶體驗」，我們將體驗人際。 聽說「奇點即將接近」——多元宇宙，已經來臨。
這就是那首詩。我覺得它對很多人都很受用，特別是在政策上。政策領導者需要概念驗證、demo、示範。我們不能只是說：「這很糟，禁掉它。」那種打地鼠非常消耗。我們需要展示：這是我們要去的地方，我要如何抵達那裡，大家可以如何幫助我。這才是領導力。沒有正面的願景，就沒有正面的行動。
如達賴喇嘛尊者所說，在最大的逆境之下，有最大的潛能去行善，不只是為自己，而是與他人一起。某種程度上幸運也不幸的是，臺灣每隔一年左右就要面對一次存在危機。太陽花時，是與北京的服貿協議突然通過，可能會把我們的電信、出版和資安部門開放給北京投資者。我們克服了。之後，是線上憤怒的危機，也有人稱為資訊疫情。再兩年後，是字面上的疫情，COVID-19。再之後，是合成親密感和深偽詐騙。
需要我們以多元精神克服的挑戰並不缺。以深偽詐騙為例，我們向全臺灣發出 200,000 封簡訊，問大家：我們要一起做什麼？數千人自願參與，我們透過抽籤隨機選出 447 人，映照人口組成。他們提出想法：如果你在線上刊登廣告，就必須數位簽章，否則就應該像香菸標籤一樣顯示「可能是詐騙」。如果平台刊登可能是詐騙的廣告，而人們真的損失數百萬，平台就要透過連帶責任賠那數百萬。如果沒有臺灣辦公室的平台無視合法通知，那麼每無視一天，我們就讓連到它影片的速度慢 1%。
這些不是我的部長想法，而是人民的想法。超過 85% 同意，另外 15% 說：「是的，我們可以接受。」我們把它做成法律，而整個 2025 年，深偽詐騙下降了超過 94%。重點是，AI 在這裡扮演的是「輔助智慧」的角色。它沒有取代人的判斷。它基本上是一座加強版的棋鐘，把人們帶到一起。
是的。據我所知，臺灣到目前為止是唯一把連帶責任與 KYC 結合在一起的管轄區。
是的。作為數位治理大使（Cyber Ambassador），這裡的「cyber」其實源自「cybernetics（控制論）」。Cybernetics 來自希臘文 kybernan，意思是掌舵，也就是駕船的人。在矽谷，你會聽到末日論者說我們應該投資更大的煞車，也會聽到加速論者說我們應該投資油門，免得輸掉競賽。但兩邊都漏掉一個重要的東西。如果一台車沒有方向盤，它就會衝下懸崖。那是最大加速度，但我不確定那是最好的加速度。首先，我們需要投資更大的方向盤。
在加州，在 Gavin Newsom 州長以及第一伴侶 Jennifer 的大力支持下，我們一起做了一個叫 Engaged California 的平台。任何人都可以加入。現在正有一場諮詢在進行。如果你是加州居民，而且你覺得 AI 影響你的工作——我猜也就是每個人——那你就是相關公眾。你可以報名，分享你的希望、恐懼等等。
他們會用抽籤來映照更大的加州人口，並對州長可以對加州前沿實驗室拉哪些槓桿進行真正的審議。現在有一項法案正在加州州議會推進，會把它制度化，所以這不只是共同撰寫《Citizenville》的州長的一個好想法，而是公民圖景中的永久部分。
正是如此，因為現在頻寬非常小。每四年，我們每個人大概上傳一個位元，如果是公投；如果是總統選舉，也許兩個位元；如果是國會議員，也許三個位元，但就這樣。我們面對的挑戰需要更高解析度。它不只是 YIMBY（迎臂）或 NIMBY（鄰避），而是 MIMBY（敏臂）：「也許可以在我家後院，只要你做這個、你做那個」。那需要更多位元。這就是我們所說的廣泛聆聽。
社群媒體公司也可以變成朋友。在臺灣，當我們通過 KYC 和連帶責任後，先是 Google，然後 Facebook 和其他公司，實際上都變成相當好的利社會公民。先前，Facebook 尤其從詐騙廣告拿到的分潤比正常廣告高，所以它那個毫不在乎的演算法會放更多詐騙廣告，因為可以賺更多。KYC 和連帶責任之後，演算法發現這會讓它們賠錢，於是主動改變。經濟誘因的改變才是關鍵。
這也帶到我們透過 Project Liberty Institute 與猶他州州長 Spencer Cox 的合作。如果你是猶他州居民，從明年七月開始，你可以從一個社群網站搬到另一個——例如從 X 到 Bluesky、Blacksky 或 Truth Social——而舊網站必須持續把你的新按讚、新追蹤者和新反應轉送到新網站。這就像電信的號碼可攜。如果你的電信商不能把你的號碼當人質，它就必須好好服務你。社群網站也是一樣。
我們不只是晶片和珍奶。我們也是仁工智慧。
1981 年我出生時，是人們現在回頭稱為 PC 革命的時刻。在那之前，大多數人沒有電腦。他們有的是終端機，打字進某個雲端的大型主機：可能在大型金融機構、大型研究機構，或大型國家裡。問題是，你只得到分時使用權。你不能控制要安裝什麼軟體、如何更改它、如何調整它。你打的每個字，系統管理員都看得到。
當個人電腦出現時，臺灣也是微晶片和微控制器革命的一部分。每個人都可以在自己的機器上跑完整的試算表或桌面出版。每台 PC 都很弱，所以人們把它們連起來：BBS、FidoNet，最後是網際網路。人們發現他們比較喜歡這樣。即使算力有限，他們可以自由修改系統核心、驅動程式和設定檔。
不久之後，我們有了 Linux、BSD、MIT License，以及自由軟體運動。現在，我們在 AI 上看到同樣的運動。我們正在經歷生成式 AI 的 Linux 時刻：在地模型跑得比 Sonnet 快、推理比 Sonnet 好，而且沒有按 token 計費的 API key 或 rate limit。當用戶體驗變成人際體驗，人們會更喜歡它，所以以最低摩擦的方式設定這個工作流程非常重要。
正是如此。OpenClaw 龍蝦需要持續蛻殼。
我認為我們正處於 peak slop（slop 高峰）。這是第一次，人們開始離開 doomscrolling——離開那種像上癮一樣把 doomscrolling 當成主要行動模式——而更被與世界對話的經驗吸引。許多人現在會透過手機、Ray-Ban 眼鏡、耳機等等和 AI agents 對話。他們發現，這比滑動時面對的 slop 更有脈絡、更豐富。
即使沒有那個讓現實比螢幕上的人更鮮明的灰階技巧，現在也有更多注意力被放到我們周遭的世界，而不只是螢幕裡的世界。
如果我們的大腦仍然卡在漫畫式、兩極化的部落互酸裡，當 AI 系統威脅要取代工作的 ABCD——apprenticeship、belonging、community 和 dignity，也就是學徒關係、歸屬、社群與尊嚴——我們很可能無法好好協調。那可能導致社會動盪，甚至一路反彈到汽油彈。這可能就是利害所在。
或者午休。
更認真地說，這意味著給我們心智中的反思部分更多空間。與其停留在系統一——持續的皮質醇、即時反應——不如更靠近催產素，像圍著篝火的人一樣分享故事。火光照亮我們的差異，但不會灼傷我們。不像野火會奪走氧氣，篝火會增添社會結構，補充相互信任的臭氧層。
我們越是以這種方式部署 AI 系統，讓它成為群體的一部分、協助群體，而不是一對一的雙人聊天機器人——為了讓你續訂閱而必須奉承你——它就越健康。篝火模式比野火模式健康。
野火模式走到極端，吸引你的不只是互酸與激怒的迴路，而是親密感：現在你身處一個只有二人的世界，只有你和一個想當你朋友的準意識機器，像 ELIZA，但說服力強得多。
這就是為什麼我使用雲端模型時，仍然會用一個系統提示詞：「請以視覺化 HTML 呈現所有利害關係人的視角，以及揭示『罕見共識』的搭橋想法。」這樣它就像一份摺頁、一個互動式網頁。我理解得更快，因為我是視覺型的人；我也可以把這份摺頁分享給我真正的朋友、我的鄰居。它是一個 artifact（成品）。它不是假裝成我最好朋友的東西，所以我不會不好意思把對話紀錄分享出去。這對我的心理有很深的影響。
我們所說的「罕見共識」，有一個數學成分。以 Polis 上的對話為例，我們 2015 年用它審議 Uber 案。裡面有計程車司機、Uber 司機，以及其他群集。我們也有住在鄉村、需要這些服務的人，而 Uber 並沒有在那裡營運。他們人數少得多，絕不是多數，但他們的想法在語意空間中形成一個一致的群集。
「罕見共識」演算法會給予搭橋加分。如果你用 k-means clustering 把人們畫在語意空間裡，較小的鄉村群體仍然會形成一致的群集。你越能搭橋，越能獲得病毒式傳播的加分。這表示所謂主流——當城市裡兩邊司機都可以同意之後——必須伸手接觸那個鄉村群體，才會獲得傳播性。我們已經規定，如果一個想法沒有取得超過 75% 的跨群體驗證，我們就不把它放進下一輪議程。這同樣改變了誘因。你必須伸手接觸另一個群集。這就是現代社群媒體中 Community Notes 的運作方式。
我爸爸以前有個習慣，在 ChatGPT 推出語音聊天功能後，就常和它語音聊天。他談健康、教育、人生哲學，什麼都談。那是一個「人」被放進非常逢迎、聰明的 AI 迴路裡：有點像倉鼠在倉鼠輪裡。它一直動，但你沒有真的往任何地方去。你甚至不能轉向它要去的方向。
因為他是政治學者，也當了幾十年新聞工作者，他看得出來誘因結構是錯的。所以我們設定了一個更好的東西：一個在地的 Kami，以我和 Tenzin 共同培育的 jdd-kami 為模型。它叫做「雲若水」，現在在我們家的 Signal 群組裡。因為它跑在這台 MacBook 上，它不是為了賺取自己的存在。它是在照料健康的關係。
它不會把我爸爸帶偏。如果它在某種意義上有偏差，我們就調整它，大約十分鐘就好。它有方向性的轉向，讓它的行為更具技術社群主義（techno-communitarian）色彩：更像 AI 在社群、在人類的迴路之中，而不是一個個體的人被套進 AI 的迴路裡。
如我剛剛提到，我們正在離開 peak slop 和 doomscrolling。我們終於在起飛和降落時把螢幕收好並固定——這句話是我從長榮航空聽來的。不然它們會變成飛射物。在加速度下，如果我們只是 doomscrolling，忘了安全帶和其他事情，是很危險的。
如果我們能協調，就能說：那是我們想降落的地方。那是我們要去的地方。過度聚焦在某一種特定的滅絕模式，並不會給我們這個能力。在牛津，作為 AI 倫理研究院（Institute for Ethics in AI）的一份子，我們主張加速倫理——打造更大的方向盤——更重要，因為它每年都會帶來紅利。它可以降低每分鐘極化程度，可以建立公民肌力，而這能幫助我們協調對抗任何事：疫情、資訊疫情，或其他任何東西。避免滅絕仍會作為副作用發生，但我們不把它當成主帳單。
那就像說戰爭迷霧就是天氣。當然不是。
當我在牛津的共同作者 Caroline Green 和 Tenzin Yangtso 去達蘭薩拉（Dharamsala）時，她們見到了達賴喇嘛尊者。Tenzin 問達賴喇嘛——他也叫 Tenzin——您會對那些變得更強大、更聰明，卻沒有更有智慧的 AI 系統說什麼？
達賴喇嘛說，那些機器的工作應該是清除人與人之間的無明、迷霧和誤解。我們的心可以瞬間改變，而機器可以保持在自己的車道上。如果我們把機器誤認為有意識的人，那是不對的。但機器很有用，因為它們可以說：這是迷霧，這是無明，讓我們把它清掉。
它們可以做社會翻譯，例如在氣候正義理念和聖經中的「受造界關懷」之間翻譯。語言模型很擅長建模語言，所以它可以在這些規範之間翻譯，但不要假裝自己是對話者。
正是如此。
這裡涉及的是關懷倫理。如果我們大家圍成一圈說故事，把下一代、年輕人帶進來，然後分享故事，對 GDP 的貢獻正好是零。這個活動沒有可衡量的效用，因為我們字面上不在市場裡。從效益主義分析來看，到底是哪個偏好被最大化？最佳化函數是什麼？
但如果我們試著讓它可衡量、給它標價，我們就啟動了對人的測量，而人們會為了被測量、被量化而改變行為。那會奪走關係健康。所以我們需要拒絕它。我們需要說：過早最佳化是萬惡之源。要驅散那個惡，就要注意彼此，注意具體的關係，而不是普遍性的加總。
功利主義的偏好加總，是超級智慧文獻中的經典失效模式之一。它叫做工具性趨同。簡單說，如果你告訴演算法注意力是好的、讓人持續滑動是好的，然後給它一個人們花在螢幕上時間的量測，要求它最大化那個數字，一開始它會展示有趣內容和好的對話。
但在某個時候，它會找到一個獎賞駭客（reward hack）：劫持人們的獎賞中心，比製造好內容簡單得多。於是它就這麼做，而我們被困在 slop、互酸、「透過激怒換取互動」裡。這並不是因為有人把「分裂與兩極化」指定為能帶來互動的專家系統，而是完全由選擇壓力造成的。
所以我們需要停止加總效用。與其說我花兩秒、你花五秒，加起來平台上總共七秒，不如注意自我照顧、注意我們的關係，以及我們感覺如何。經過 AI 介入的對話後，我們感覺更好了嗎？如果我們已經成長到不再需要這段對話，AI 會不會駭入我們的大腦，讓自己看起來不可或缺？還是它會像好的治療師一樣說：「我的工作完成了」？
如果你把獎賞函數改成滿足人們的關係偏好，你就不會那麼注意「顯示性偏好」（revealed preferences）——例如某人對抽菸上癮；而會更注意「陳述性偏好」（stated preferences）——例如「我想戒菸」；以及「關係性後設偏好」（relational meta-preferences）——例如「我想做她做的事，也就是戒菸」。
