讓公民校準 AI：唐鳳等人的民主 AI 願景
在《數位主義者文集》中，前數位部長唐鳳與集體智慧計畫兩位共同創辦人主張：AI 的價值對齊不該只是工程師的事，而是一個需要公民直接參與的民主問題。從 vTaiwan 到 Anthropic 的集體憲法 AI 實驗，本文導讀這篇以台灣經驗為核心論據、在國際學術舞台上為數位民主發聲的重要提案。
本文為「數位主義者文集」導讀系列 #V1-2。導讀對象為 Divya Siddarth、Saffron Huang 與 Audrey Tang 合著的〈A Vision of Democratic AI〉，收錄於 The Digitalist Papers Volume 1（2024）。
在《數位主義者文集》（The Digitalist Papers）裡，你會讀到前 Google 執行長的戰略判斷、諾貝爾經濟學獎得主的市場分析、圖靈獎得主的安全警告。這些作者站在全球科技權力的中心發言。但其中一篇的作者組合格外不同：三位作者裡，有一位是台灣人。
唐鳳（Audrey Tang）的名字對台灣讀者不陌生。14 歲自學程式、35 歲入閣擔任政務委員、2022 年出任首任數位發展部部長，她是台灣公民科技運動的代表人物。2024 年 5 月卸任後，唐鳳以數位治理大使身分持續活躍於國際場域，2025 年獲頒有「另類諾貝爾獎」之稱的「正確生活方式獎」（Right Livelihood Award），成為首位獲此殊榮的台灣人。她和兩位共同作者在這篇〈民主 AI 的願景〉中提出了一個大膽的主張：AI 的價值對齊不該只是工程師和企業高層的事，它從根本上是一個民主問題。而台灣過去十年的數位民主實驗，是他們手中最有力的佐證。
對台灣讀者而言，這篇文章的意義不只是「學術導讀」。這不是我們翻譯介紹一位外國學者的觀點，而是我們自己人在史丹佛的政策論壇上，用台灣的經驗向全世界說明民主 AI 可以怎麼做。
三個互補的知識背景
唐鳳的兩位共同作者，是集體智慧計畫（Collective Intelligence Project，簡稱 CIP）的共同創辦人。CIP 成立於 2022 年，是一個專門研發公眾參與 AI 治理決策方法的研發組織。他們的核心假設是：人類面對變革性科技時，並非只能在進步、參與、安全之間三選二，而是存在一條透過集體智慧實現三者兼顧的「第四條路」。
Divya Siddarth 是 CIP 的執行長，同時在微軟技術長辦公室擔任政治經濟學家與社會技術學家。她的學術足跡橫跨牛津大學 AI 倫理研究所、哈佛薩弗拉倫理中心和印第安那大學奧斯特羅姆工作坊，曾在英國 AI 安全研究所主導「AI 與民主」方向。Saffron Huang 是 CIP 的另一位共同創辦人，哈佛大學應用數學與電腦科學畢業，先後在 Google DeepMind 和 Anthropic 擔任研究科學家，直接參與前沿語言模型的開發與安全性評估。2024 年，兩人同時入選《時代》雜誌「AI 百大影響力人物」。
這個三人組合的特別之處，在於他們分別覆蓋了 AI 民主治理最需要的三種知識。唐鳳帶來六年以上的政府實戰經驗，知道民主參與在行政體系內如何落地。Siddarth 提供跨國治理框架的學術深度，能把散落各地的實驗串成一套可論述的理論。Huang 則擁有對前沿模型技術能力與限制的第一手理解，能判斷哪些治理構想在技術上可行、哪些只是空談。他們不是在書房裡想像民主 AI 的模樣，而是親手做過實驗、推動過政策、訓練過模型的人。
核心主張：民主可以校準 AI
文章從《聯邦黨人文集》（The Federalist Papers，臺灣左岸文化出版時譯為《聯邦論》）的歷史類比開場。這部文集的命名正是致敬這份美國建國文獻，而三位作者直接切入典故的核心張力。當年麥迪遜（James Madison）對直接民主高度懷疑，認為民主體制歷來都是動盪與爭執的場域，主張由受過教育的菁英來治理。唐鳳等人承認這種擔憂不是毫無道理，但明確拒絕把它套用到 AI 治理上。他們的立場很清楚：人民在獲得充足的時間、資源和討論空間後，完全有能力對 AI 的發展方向做出理性判斷。問題不在於民主能不能處理 AI 議題，而在於我們有沒有設計出好的機制讓民主參與發生。
他們提出的機制叫做「對齊集會」（Alignment Assemblies），要求四個條件同時具備：明確的產出目標，讓討論連結到具體的政策或技術調整，不是開完會就散場；經過辨識的參與者群體，誰會被 AI 決策影響，誰就該坐在桌上；界定清楚的討論範圍，避免漫無邊際的空談；以及透明的流程和工具，讓參與者知道自己的意見如何被處理。文章進一步展開三個實作層次。在企業端，AI 公司決定模型行為準則時，應該引入公眾的價值判斷，不能只靠內部團隊拍板。在政府端，公共 AI 資源該投入哪些領域，應該經過公民審議來決定。最具技術野心的是直接用集體輸入來微調模型行為，讓模型的價值觀反映社會共識，而不是少數工程師的偏好。
這些不只是理論架構。三位作者拿出了多個真實實驗的數據。他們與 OpenAI 合作，邀請超過一千名具人口統計代表性的美國民眾，評估 AI 安全的優先議題。結果出人意料：最多人在意的不是 AI 技術失控或取代工作，而是「確保人們充分理解 AI 模型是什麼」。民眾擔心過度依賴 AI 會侵蝕人類的獨立思考能力，就像 GPS 改變了人類感知空間的方式。另一個與 Anthropic 合作的實驗更有突破性：讓一組具代表性的公民起草一部「AI 憲法」，用來指導語言模型的行為。結果顯示，公眾起草的憲法訓練出的模型，在九個社會面向上的偏見都更低，同時維持了跟研究團隊自行設計版本相當的實用性。這個發現意義重大，因為它暗示民主參與不只是政治正確的裝飾，而是能產出技術上更好的結果。
台灣：不是案例研究，是核心論據
在整篇文章中，台灣經驗不是放在文末的「延伸閱讀」，而是貫穿全文的論證支柱。當其他作者提出理論框架時，唐鳳等人能夠直接指著台灣說：我們已經做過了，而且有效。三位作者引用的台灣實踐，從政策審議到模型訓練，剛好涵蓋了他們提出的三個實作層次。
最具代表性的是 vTaiwan 平台。這個 2015 年啟動的數位審議機制，源自太陽花運動後台灣公民科技社群 g0v（零時政府）的能量，採用多階段流程運作。先用 Polis 平台讓公民提出短意見並相互投票，刻意禁止回覆功能來避免吵架和筆戰。演算法自動辨識不同立場群體之間的共識區域，隱藏高度分歧的意見，凸顯能獲得跨群體支持的觀點。最後由利害關係人和政策制定者在直播的面對面會議中，把線上共識轉化為具體法規建議。最經典的案例是 Uber 管理議題：計程車業者和 Uber 支持者僵持六年無解，vTaiwan 讓雙方在線上找到了共識方案，Uber 最終在七項條件下合法化。在 2015 到 2018 年間，vTaiwan 處理了 26 個議題，其中八成帶來了實質的政府行動。
另一個規模更大的是「公共政策網路參與平台」（Join）。任何在台灣有合法登記的人都可以在上面提案，獲得五千人附議後，相關部會必須公開回應。唐鳳在任內推動每個部會設置「開放政府聯絡人」，負責處理民眾提案。這個平台有超過台灣總人口半數的人互動過，這個數字在全球數位參與領域幾乎沒有先例。
更直接與 AI 相關的，是 2024 年三月的選前資訊完整性集會。在總統大選前夕，政府透過官方簡訊隨機邀請數十萬名公民，共同討論 AI 生成內容標示、平台罰則、事實查核機制等八項具體政策。這場集會展現的是唐鳳等人主張的最高規格實踐：面對 AI 帶來的真實威脅（選舉假訊息），用民主審議而非由上而下的命令來制定應對方案。此外，由國家實驗研究院開發的 TAIDE 開源語言模型，在對齊階段直接採用公民集體討論出的價值準則來訓練。遇到涉及性別刻板印象的提問時，模型能一致地選擇符合公共價值的回應方式，而不是反映訓練資料中的偏見。
觀點碰撞：工具先行還是制度先行？
在《數位主義者文集》同一卷中，唐鳳等人的立場有一個最自然的對話對象：哈佛法學教授勞倫斯．雷席格（Lawrence Lessig）。雷席格在〈受保護的民主〉（Protected Democracy）一文中提出了幾乎相反的切入角度。他最擔心的不是 AI 治理缺乏民主參與，而是 AI 正在從根本上腐蝕現有的民主制度。作為網路法先驅和 Creative Commons 的創辦人，雷席格看 AI 的方式帶有強烈的制度主義色彩：先保護好我們已有的民主基礎設施，再談擴展新工具。
唐鳳等人的路線幾乎相反。他們不是在防守，而是在進攻。他們的邏輯是：與其擔心 AI 侵蝕民主，不如用民主的方法去馴服 AI。這兩種立場並非互斥，但押注方向非常不同。雷席格像是在說「先把城牆修好」，唐鳳等人更接近「與其修牆，不如訓練市民自己應戰」。兩者的分歧不在於要不要民主，而在於面對 AI 的急速發展，是優先穩固現有制度，還是優先打造新的參與機制。
把光譜拉得更寬，這卷文集裡還有一個極端：胡佛研究所經濟學家 John Cochrane 在〈放輕鬆〉（Just Relax）一文中主張，對 AI 的監管焦慮根本是多餘的，市場會自己解決。在 Cochrane 的「什麼都不做」和雷席格的「先防守」之間，唐鳳等人佔據的是一個積極建設的位置。他們承認歷史上的權力集中問題不會自己消失，但相信民主創新本身就是最好的治理工具。文章也坦承了一個真實的張力：在「集體智慧的協同效應」和「否決制的決策癱瘓」之間，沒有簡單的平衡點。他們的解方不是一套完美的理論框架，而是一句務實的呼籲：快速實驗，從做中學。
美麗的願景，殘酷的放大問題
讀完這篇文章，我最直接的評價是：這是整部《數位主義者文集》裡最具體、最有實證支撐的提案。多數作者在談理念和框架，唐鳳等人拿出了數據、案例和可複製的方法論。光是這一點，就讓它在整部文集中佔有獨特的位置。
但作為評論者，我必須指出他們沒有正面回答的問題：台灣經驗能不能放大？vTaiwan 和 Join 之所以成功，仰賴幾個非常特殊的條件。台灣有兩千三百萬人口、極高的網路滲透率，公民科技社群在太陽花運動後蓬勃發展，政府在 2016 到 2024 年間有意願開放決策流程。這些條件在三億人口的美國、十四億人口的印度，甚至在有 27 個成員國的歐盟，都不容易複製。vTaiwan 本身在失去官方支持後活躍度大幅下降，目前完全由志工維運，這恰恰說明了制度支撐的重要性，也回應了雷席格的擔憂。
還有一個更根本的權力問題。對齊集會可以討論 AI 該做什麼、不該做什麼，但最終決定權仍握在擁有算力、資料和工程人才的企業手中。Anthropic 願意讓公眾起草 AI 憲法，是因為他們選擇這樣做，不是因為任何法規強制他們這樣做。當公民意見和企業利潤方向衝突時，集會建議有多少實質約束力？這篇文章迴避了這個問題。
不過，不完美不等於不值得做。對台灣讀者來說，這篇文章最大的意義也許不在於它的政策處方，而在於它確認了一件事：台灣在數位民主領域的實踐，已經成為全球 AI 治理討論中繞不開的參照點。從一個兩千三百萬人的島上長出來的經驗，被寫進了史丹佛的政策論文集，不是因為客氣，而是因為這些實驗確實走在前面。下一步的挑戰不是證明這條路能走，台灣已經證明了。挑戰是把它從「值得參考的案例」升級為「能在不同規模和脈絡下運作的制度」。
📚 「數位主義者文集」導讀系列