請更新您的瀏覽器

您使用的瀏覽器版本較舊,已不再受支援。建議您更新瀏覽器版本,以獲得最佳使用體驗。

國內

【評論】眾議式民主新可能?除了區隔衝突,「Pol.is 2.0」透過 AI 收斂論述,找出群眾共識

讀+ READr

更新於 2023年09月11日11:13 • 發布於 2023年09月11日10:30 • readr

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。

Talk to the City 視覺化推特有關 AI 的星叢
Talk to the City 視覺化推特有關 AI 的星叢

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。

本次點子松Polis資料匯入「我城對談」的結果
本次點子松Polis資料匯入「我城對談」的結果

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。

相關連結

0 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0

留言 0

沒有留言。