報導重點摘要
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。
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。