無論虛擬或線下,不同社會網絡的討論,將無可避免地仰賴意見領袖作為訊息傳播的關鍵節點。Polis 讓議題的討論更聚焦,但對話始終仰賴人們的主動參與。
本文想像了另一種可能:「人工智慧目標機構」開發的「我城對談」工具,可以將不同來源的資料,如 X(原 Twitter) 的推文、審議工作坊的立場、Polis 的結果,利用大型語言模型(簡稱 LLM)做成 AI 機器人。人們不但可以與這些機器人繼續對話,這些資料也可以將 AI 機器人化作各種角色。未來的議題討論,就可以像角色扮演(RPG)遊戲,讓人與擬人(集體意見幽魂)共同討論嚴肅的議題,並區隔衝突。
世界上有許多創新數位審議工具正在誕生,如 READr 曾在報導中用來蒐集意見的開源工具 Polis。美國史丹福大學的審議民主實驗室(Deliberative Democracy Lab)開發了大規模的線上審議工具審議投票(Deliberative Polling),完成六千人規模的「元宇宙社群論壇霸凌議題」、關於非黨派美國選舉議題「房間裡的美國」(America in a room)等專案;激進改變基金會(RadicalxChange)於今年初在紐約市哈林區試行「哈林錢包」,進行參與式預算與審議民主先期實驗。
此外,數位芬蘭(Digifinland)也與其國家級創新基金 Sitra 合作,執行了許多社福議題的區域型 Polis 專案,並且於明年開始嘗試以國家為尺度的 Polis 實驗。台灣許多社群有執行過以 Polis 作為審議輔助工具的經驗,本文以 Polis 以及另一個工具「我城對談」(Talk to the City,暫譯)作為評論案例。
Polis 1.0 匯集意見的城邦
Polis 是一個開源的群眾意見匯集系統,取其「城邦」原意,象徵在網路世界,每個人的意見都可以被友善地、並陳地對待。因此 polis 被廣泛應用於世界各地的公民審議過程,尤其是需要線上與線下整合的情境。
Polis 與參與式預算、法令修改、審議式民主息息相關。根據其「運算民主專案」(The Computational Democracy Project)官網所示,Polis 透過統計和機器學習,來收集、分析和理解大量人們的真實想法,並讓人們以自己的言語表達。
協作智慧機構(Co-Intelligence Institute, CII)創辦人與美國左翼審議民主推動者 Tom Atlee 如此描述 Polis:「乍看之下,Polis 像是高級線上民調工具。但其實它是一個具有人工智慧的動態互動式『建議箱』,能在有爭議的問題上取得共識。」
任何人都可以發起一個 polis 問卷調查,準備好關鍵陳述(Seed Statement)(編按:發起人可以先針對討論的議題列出各種相關陳述,以開放福島核食為例,發起人可以列出如「只要有嚴格的檢驗,就可以開放」、「無論如何,來自福島的食品就是不安全」等句子,讓人們選擇同意、不同意、或略過。參與者也可以自行加入新的陳述),便可以開放大眾前往作答。
如同心理測驗的是非題選項,作答者在答題的過程中,會漸漸被劃分到立場相近的陣營,這樣的陣營在稍後會被視覺化,以圖表的方式顯現。這有助於在之後實際的審議過程中,讓參與者們更清楚自己的立場,並根據關鍵陳述,進行更有效的討論。
以上是 Polis 的具體流程,在台灣曾被應用不同公民科技或資訊科技議題圈,如vTaiwan(數位經濟法規線上諮詢)、READr 互動式報導頁面(如數位身分證、四大公投立場等報導)、台美議題互動等等,由於是開源工具,所有人都可以使用。
Polis 2.0 與城市對話
今年四月開始,英國的非營利組織集體智慧專案(CIP)發起「對齊大會」(Alignment Assemblies, AA),與發行 ChatGPT 的組織 OpenAI、發行 Claude 的公司 Anthropic 一起討論大型語言模型(LLM)開發時必然面對的對齊問題(Alignment Problem,指的是讓人工智慧成長的方向符合開發者或使用者的預期)。台灣部分,數位部(moda)作為夥伴,於今年嘗試俗稱的 polis 2.0。
如果說 polis 既有的威力,在於將不同時間的參與者進行齊一編列的記述(chronicle),以對齊彼此的歧見。那 polis 2.0 的特色在於,攤開歧見,讓所有人都可以繼續對話,而對話的對象為 AI 機器人。
如台灣的「對齊大會」,除了有數十項關鍵陳述的 polis 小卡可供作答外,也可以點入「我城對談」。「我城對談」為「人工智慧目標機構」(AI Objectives Institute, AOI)開發的工具,可以根據不同來源的叢集,如 X(原 Twitter) 的推文、審議工作坊的立場、Polis 的結果,訓練出議題視覺化地圖。還可將這些資料利用大型語言模型(簡稱 LLM)做成 AI 機器人,讓使用者可以與這些叢集繼續聊天,機器人會根據這些叢集的立場與你分享所見所聞。
這一次在台灣嘗試的對齊大會,便是將點子松的陳述意見與投票結果,餵進「我城對談」,並展開新的議題叢集,讓更多人可以與各個叢集繼續聊天,打開與不同異見對話的空間。
比如說,我點進「人工智慧倫理」的叢集,有一題是「法官在評估過程中不應使用AI 工具」,我接著回答「我不同意」,帶有 🏛️ 表情符號的機器人就會回答「我理解你可能對這個問題有不同的看法。然而,我認為法官在評估過程中不應依賴人工智慧工具。人工智慧工具可能引入偏見或錯誤,影響判斷的公正性和準確性。人類的判斷能力,包括考慮背景、細微差別和主觀因素的能力,在評估複雜和主觀問題時是必不可少的。僅依賴人工智慧工具可能會損害評估過程的完整性。」
以上整體流程,被稱為 Polis 2.0。
這稍稍解決(但沒有完全取代)審議後的整理工作,這項工作非常吃重,主要分為兩種,如 READr 針對數位身分證發起 Polis,並在後續根據資料結果進行報導;實體的審議工作坊,有賴專家根據其專業訓練,客觀梳理參與者的集體意見。
而「我城對談」創造了第三種呈現方式——將結果轉化為聊天工具,就像一種相對客觀的報導過程,只是使用的體驗介面不同,使用者從「看報告」的單向閱讀,轉為和機器人「聊報告」的雙向互動。
「人工智慧目標機構」是一個討論 AI 對齊、促進人類繁榮的研究實驗室,根據其頁面解釋:「『我城對談』是一個 LLM 調查工具,分析豐富的質性結果,來改善群體討論和決策,而非根據有限的量化資料。質性研究結果能夠以空前的規模與速度進行自動分析,協助政策制定者發現未知和爭議的關鍵點。我們正在孵化這個工來滿足各種需求,如民主程序和工會決策、理解難民營的需求以及調解衝突。」
除卻量化民調的化約風險,與質性審議的可擴展難題,Polis 加上「我城對談」或許可以對以上收集民意的方式進行補間。
Meta-polis 城市作為角色扮演舞台
對我而言,這真的是極為聰明的初步嘗試。不禁讓我想要一路往下想像一些天真但重要的應用方式,姑且先稱為 meta-polis(元城邦)。
在 polis 1.0,我們看到了強大的視覺化整合分析工具,可以協助群體梳理出關鍵問題與決策意向;而加入了「我城對談」的 polis 2.0,在關鍵問題與決策之後,展開了更多對話的可能。若兩者結合,便有機會訓練出針對特定場景的 LLM 關鍵意見者(也就是會根據語料回應使用者的機器人)。
比如:當初始設定者決定好關鍵陳述,輸入進 polis,有大量的使用者進行回覆,這時就已經訓練好 n 種版本的統計數據。將此數據餵給「我城對談」後,「我城對談」可以根據「立場」而非「議題」建立叢集,並將特定立場的陳述訓練成不同的角色(LoRA,Low-Rank Adaptation,意指透過小樣本訓練出符合特定需求的模型外掛,可以想像成劇本殺的角色扮演者),當使用者登入「我城對談」後,即可與這些「虛擬意見領袖」進行對話。就像一個數位公共領域的角色扮演(RPG)遊戲,讓人與擬人(集體意見幽魂)可以共同討論嚴肅的議題,並區隔衝突。
而這些對話紀錄,又可以記錄成為新的資料庫,經過 LLM 的再分析,成為新的關鍵陳述,提供給 polis,擴增其答題資料庫,此時 n+1 的資料庫版本便成立了,新的 LoRA (n+1) 也將可以持續更新訓練。
「關鍵評論網絡」由此形成。
這些關鍵評論網絡,其實就是集體意見的擬人化,而這些擬人,將比真人更能承受極端意見的往返。此外,在可見的未來,不同立場的「虛擬意見領袖」可以快速互相對話,畢竟目前的 LLM 特色是每次回應的結果,根據溫度(temp)預設不同,回答的不可預測性也會不同,這將有可能整理出大量人工意見,並形成自適應的回饋循環(Feedback Loop),光是想到這個可能性就非常興奮。
透過 polis 與「我城對談」回饋循環的可見優點有兩個:
一、催化異見:Polis 將實體審議的前置工作線上化,跨越了「空間」障礙,讓不方便來到都市的參與者,也可以在電腦前面作答,在工具層次上弭平城鄉差距,讓全國層次的審議議題可以得到更充分的討論;那可供對談的「我城對談」,將處理「時間」障礙,讓動態的對話可以在任意時間發生,由於新興科技衝擊社會輿論的面相與議題在時序上非常密集,不同時期的議題將使參與者走向不同審議方向,甚至抱持不同立場。當 Polis 與「我城對談」結合,將可以跨越時間與空間的障礙,在議題上更具有多重構面,相信在這種狀況下,參與審議的人們,可以更自主地意識到議題發散與收斂的過程,在共識迭代的過程中保持謙卑,並跨越歧見進行合作。
二、立場擬人:這些關鍵陳述打造出來的評論網絡,將成為擬人 LLM。我樂觀地認為,雖然是由機器區分的立場,但我們可能可以毫不費力的將現實世界的多方利害關係人,套入不同的立場裡面。若說 LARP( 臨場動態角色扮演遊戲,Live Action Role Playing)幫助參與者換位思考與強化各種立場的回饋,那在「我城對談」中,是有機會創造出虛擬人機協作的 LARP 劇本的。史丹佛大學和 Google 的研究者於四月的 LLM RPG 訓練論文(Generative Agents: Interactive Simulacra of Human Behavior),預示了 AI 居民自適應的可能性,而數位公共場域的對話,將是一個重要的開發題目。
小結.邁向關鍵評論網絡
數位審議工具者有很多,如何成為有效的共識工具,甚至推動公共政策發展,適切地在地化,扮演關鍵角色?擬人的對話流程,或許可以成為解方。Polis 解決了意見文本化的問題,畢竟大量的文字意見,是訓練 LLM 與其變成角色(LoRA)的關鍵瓶頸;而「我城對談」解決了回饋需求,讓種子意見有可能自動化的誕生,充足 polis 資料庫,並在舒服的環境中,徵集更多文字意見。當然這只是樂觀的推測,還有許多實際的技術開發需求與運算限制必須克服。
當然,這段回饋循環的調控過程中,將仰賴設計者調整語氣與迭代的方向,避免極化(Polarization)的虛擬意見領袖誕生(但這也不啻是一個好的研究題目?)。本文認為 Polis 2.0 開啟了 LARP 中公共領域對話的可能性。不同地域的社會網絡,將無可避免的仰賴意見領袖,無論是實體世界還是數位社會。而 polis 加上「我城對談」合成的網絡,將揭示了多元意見領袖的可能性,因此稱之為「關鍵評論網絡」。
利害衝突聲明:本文作者目前於數位部民主司服務。
留言 0