它的概念其實很類似於 Twitter 這些。你到了 Polis 之後，你看到的也是一則貼文，也是 140 個字之內。但是它的差別就是說，你沒有「轉推」這個按鈕。最近已經有很多研究顯示說，你只要有轉推這個按鈕，不管你是用哪一種推薦演算法，基本上大家就一定撕裂。完全就是被轉推按鈕這件事情所決定的。
那你要平衡撕裂這件事情，你就只能用 Polis 的這種演算法。這是什麼演算法呢？就是橋接的演算法（bridge-based algorithms）。
Polis 它跟一般的社群媒體有兩個不同。一個像剛剛講到的，沒有轉推按鈕。事實上是連回覆的按鈕都沒有。你看到一個貼文，你就只能說「我同意」，或者「不同意」，或者「跳過它」。然後當然就是捲到下一則。下一則你也可以說我同意、不同意、跳過它。這是一個差別。
那第二個是說，你隨著同不同意，你會看到你的肖像、你的圓圈圈會移到某一個群體那邊。一開始就是有支持 Uber 的群體、支持計程車的群體、支持國家應該要照顧到偏鄉的群體等等，有很多群體。
然後它就會，系統會告訴你說，這個群體都認為是這些事情是好的，那個群體可能是覺得這些事情是不好的。但是在這兩個中間，就有一些搭橋的想法。這些想法是兩個彼此之間幾乎什麼都不同意的群體，都覺得這個是不錯的。所以這個是有點罕見的這種共識。
所以每個人，他只要能夠提出去贏得對方那個群體的支持的這些想法，跨越的距離越大，你就得到越大的搭橋的獎勵。也就是說，你會傳播力越強。
所以這個就跟傳統的社群媒體剛好相反。本來社群媒體是你越去攻擊對方、你越去拉大跟另外一邊的距離，你的傳播力就越強。你越極端的就會給越多人看到。那在 Polis 剛好相反，就是你越能夠去橋接掉這些隔閡的，你的傳播力就越強。所以這個就是橋接式演算法。
在這件事情上面，我們就翻轉了誘因。同樣是用機器學習，我們也是用機器學習；同樣是用 AI。但是它的傳播力，因為是給中間的罕見共識。所以我們過了三個禮拜，我們就看到有九個論點，是各方都能夠接受的。我們就把這九個論點，變成「多元化計程車方案」。當然 Uber 的問題在臺灣就解決了。
這裡的重點，我想不只是說解決特定的政策問題，而是它給國際看到如何解決問題。所以這個情況下，我們就提出了這樣一個概念，叫做「協力治理」（collaborative governance）。
所以在這個協力的治理的框架裡面，你就不是像以前那樣子，好像你有 70%、80% 的票，你就可以去忽略掉 10%、20% 的聲音。在 Polis 裡面是剛好相反。如果你有一個比較大的群體在這邊，然後有好幾個比較小的群體在邊陲。你大的群體中間因為沒有什麼差別，它的同質性高，所以你在大的群體裡面同溫層裡提再多意見，它都不會得到橋接的獎勵。
所以你這個大的群體就一定要去照顧到小眾的想法，一定要提往他們那邊橋接的想法，你才贏得到橋接獎勵，才有可能最後變成政策形成的參考。所以這件事情也翻轉了我們以前民主「票多的贏」的這件事情。
現在這個治理，當然在國際上是還滿有名的，也影響到了 X.com，就是 Twitter。他們之前就有推出一個叫「社群備註」（Community Notes）。它就是在 X 上面的任何一則推文，每個人都可以去說，這個推文它有哪些沒有講完全的地方、沒有講好的地方。
任何人提出來之後，同樣的就是某些人會覺得這些講法很好，某些人會覺得這些講法實在是差勁透了。他們很快就會分成左翼跟右翼。然後演算法就會說，誰能夠提出一個想法，讓兩邊的人都覺得「尚可」，這個就浮上來，變成所謂的社群備註。
這個演算法現在已經，YouTube 在美國，然後 Facebook 跟 Threads 在美國，大概都採用了。所以已經變成主流的一個演算法。Elon Musk 也公開說，它會在應該是下個月，就把 X 的主要的時間軸的演算法，也變成橋接的演算法。
然後再加上 Grok Mini。所以你就可以去告訴 X 的演算法說，我現在想要多看到什麼，我想要少看到什麼。所以像以前是 AI 去誘發你的偏好，其實這個偏好都是無意識的。但現在因為有橋接演算法，你就可以有意識地去說，我想要橋接到哪些社群、我想要橋接到哪些想法。那你就可以反過來去設定你的偏好。
所以這一點我覺得是蠻不錯的。等於說我們在這邊實驗出來的一個治理的方式，那現在變成各大社群平台的一個基礎。那當然我自己也有在跟 Bluesky——就是 X 的主要競爭者之一——我們弄了一套 Green Earth，讓這個藍天配綠地。綠地的演算法，那就是把 X 剛剛弄到這一套，能夠在 Bluesky 透過一個開放的方式來使用。
我再舉一個例子。剛剛的 AI，是有生成式 AI 以前的狀態。但是我們在臺灣，事實上也有用語言模型，就是有生成式 AI 之後的狀態來做 AI 治理。
舉例來說，去年。我不知道大家記不記得，去年年初的時候，有一陣子，任何人只要打開 YouTube 或者 Facebook，尤其是 Facebook，就一定會看到黃仁勳（Jensen Huang）先生的臉。然後他就會說要回饋臺灣、要教你一些存股的做法，或者是說加密貨幣要送給你。有很多變形。然後你如果按的話，就真的有時候會聽到 Jensen 的聲音就會跟你說話。但當然不是 Jensen，那個就是 Deepfake（深偽），就是透過 NVIDIA GPU 合成出來他的聲音。
所以這個情況下面當然是很嚴重，大家就有很多損失、很多問題。但是你如果是一個一個去做民調的話，絕大部分臺灣人即使是在當時，都會說政府不應該管制言論。任何內容方面的管制（都不行），因為我們是全亞洲網路最自由的國家，我們是絕對不接受。
所以這樣怎麼辦？所以我們就透過簡訊，我們寄了 20 萬則簡訊，給隨機的臺灣的號碼。然後裡面只問說：「我們要維護資訊完整性，你有什麼想法嗎？跟我們講一下。」然後裡面就非常多人願意參加我們在線上的討論。
所以我們就隨機抽籤出了 400 多個人。這 400 多個人其實就跟民調一樣，是非常嚴謹的。就是他不管是居住地、學歷、職業、性別等等，他的分布都跟全臺灣的總人口的分布是相同。所以他是有統計代表性的一群人。就是所謂的 sortition（民主抽籤）。
所以在這個情況之下，我們不是一個一個去問他們問題，跟傳統民調不一樣。為什麼？因為每個人被單獨問問題的時候，都會挑一個比較極端的立場來回答。所以我們想要找到是整個社會可以接受的做法。
所以我們就是把這 400 多位朋友，放在 40 多個線上討論室裡面，每個討論室裡面有 10 個人，然後大家來腦力激盪。在這 10 個人中間，他們不管講什麼話，AI 也會去統計說，哪些想法，這邊的人反對、這邊的人同意。在這十個人裡面，只有這些想法慢慢凝聚到這十個人差不多都同意，或者「即使不同意，我還可以接受」的這個情況，這個主意才會從這個房間傳出去，給所有人看到。所以同樣就是橋接的演算法，但是是配上了即時的這樣的一些 AI。
舉例來說，像有一個房間，他就說：因為 AI 現在沒有辦法分辨，所以只要是這種廣告，底下應該都要寫「可能是詐騙」。只有必須要有實名制——就是可能黃仁勳先生要自己用電子簽章，或者 NVIDIA 要給電子簽章。總之你要能夠追溯到某個我們認的 KYC（實名認證），你才把「可能是詐騙」這個警語拿掉。這是其中一個房間的想法。
另外一個房間的想法是說：投資詐騙如果你只是罰 Facebook 的話沒有用。所以應該要怎麼樣呢？如果有人投資詐騙被騙了，好比像說五千萬元。而且這個詐騙當時是 Facebook 已經知道他沒有電子簽章、沒有實名制就放上去的。那他應該算作從犯。意思是什麼呢？Facebook 應該要賠這五千萬元。只有這樣 Facebook 才會理我們。這個是另外一個房間的想法。
然後還有一個房間的想法是說：因為當時 TikTok 還沒有被美國要求賣走他們的分公司，所以他們事實上是態度很強硬的，也不願意落地，也不願意設法律代理人。所以就有一個房間講說：也許在如果 TikTok 一直不理我們這一套的話，我們不要一次就把它變成不能連線，因為侵害言論自由。但是我們可以把他們影片的速度調慢，就好像速限管制一樣，慢車道，把它走到慢車道去。這樣子的話就沒有管制言論，你還是看得到。但是它的廣告收入，大概都會跑到它競爭者那邊。這也是一個很好的主意。
總之就是這些想法，其實大家可以想一想就知道說，這些想法是彼此加強的。雖然沒有辦法哪一個房間想到很全面的想法。但是我們透過語言模型、透過生成式 AI——這個是一個研究領域，叫做 generative social choice（生成式社會選擇）。
那你就可以透過語言模型，畫出一個核心包裹（Core Package）。這個核心包裹你可以證明說，就是每一個房間裡面的人都有貢獻到。而且這些加起來的部分，沒有哪一個房間會非常反對。就是大家都稍微滿意一點，但是沒有哪組人非常不滿意的這個包裹。
這個包裹當然我們就在專家討論之後，我們在那一天結束前，就讓所有房間 400 多個人投票。投完票之後，我們就可以證明說，這些有統計代表性的人，自己想出這些方法。而且有超過 85% 的人，在結束的時候覺得這個核心包裹是他們是能夠背書，就是他們覺得是很好的一個政策。
所以當時，因為是去年，我們三月做了這個討論。四月我就邀這些大型的平台來進行可行性的確認。五月我們就把電子簽章法跟打詐專法的草案都送到立法院。當時已經是三黨不過半的狀況。但是我們的電子簽章的修正案，基本上是連冷凍期都沒有，瞬間出了委員會。然後打詐專法也很快過了。當然是因為他們已經看到說，這個就是民意的匯聚。沒有哪一個黨的委員想要當「協助詐騙的黨」。所以瞬間就通過了。
所以我們到今年大家可能也看到新聞，確實也罰了 Facebook 好像一千多萬。現在這種投資詐騙型的廣告，可以說是幾乎是看不到的，下降了九成以上。
所以這件事情就告訴我們說，我們不需要一下子就跳到這個極端或那個極端。我們可以在一個下午的時間裡面，就蒐集整個社會的意見。它執行的成本、它執行的時間，跟普通的民調來比都沒有比較貴，也不用等比較久的時間。但是你就可以匯聚到一開始設計民調的人想不到的那些比較有創意的解決方案來。
這個做法也同樣傳播到國際。我當然有寫一本書。他們就是有一個日本新的政黨，叫做 Team Mirai（未來團隊）。他的黨主席就是當時 33 歲、現在 34 歲的安野貴博。他就是一個 AI 工程師跟科幻小說作家。
他就是看到臺灣我剛剛講的這個例子，他就決定要在日本組一個黨。而且他沒有政見。他當時在選東京都知事的時候，他宣布參選的時候，離投票只有一個月。只有一個月。然後他完全沒有政見，而且沒有人聽過他，他也沒有黨派支持。
所以他就說：「我們就要用唐鳳這一套。」它叫做「廣泛傾聽」的方法，來蒐集他選東京都知事的政見。結果他就一下子獲得了超過 1% 的選票。然後很多年輕人支持他。所以他就非常受鼓舞。
當時小池百合子知事也看到說，安野的這個群眾凝聚出來的政見，被獨立的智庫評比為第一名，甚至比小池知事的政見還好。小池是第二名而已。所以他就覺得這個很棒，就找安野來幫忙。後來安野現在就選上了日本參議院的議員。他們那個新的政黨已經獲得超過 2.5% 的選票。
所以很快地就在日本變成說，好像各大政黨都要來做這種廣泛傾聽的這種事情。那確實因為對他們來講，他花的錢更少、需要等的時間更短，事實上產生出來的政策品質也很好。大黨不會說「小黨做了這種民調，所以我不要做這種民調」，那是不可能的。所以這種新的生成式的、或審議式的民調，現在在日本就相當多的人來關心。
當然這個是我們剛剛講到的一些比較現有的，就是之前的這種推薦系統，或者是生成式的 AI。當然我們在未來，我們現在就看到說，大家都在說 AI agents。這個字不知道怎麼翻：代理人、智慧體之類的。
大概就是說，你會授權這個 AI 在現實世界中去產生一些活動。這些活動它一定程度上可以代表你，或者甚至是就變成你。這樣的情況。所以各地都在想說，關於 AI agent 這件事情，我們要怎麼樣子來去做治理。
今天因為不是學術研討，所以我不特別在這邊講細節的部分。我在牛津有一個網站，叫做 「關懷六力」，6pack.care。
他講的就是說，我們要怎麼樣子去訓練 AI，不要變成說好像他只服務這個個人、或那個個人。我這個 AI 當你的代理人，別的 AI 當他的代理人。但是我把你的想法最大化，然後他的代理人把他的想法最大化。事實上兩個中間如果有衝突的話，就等於把這兩個的衝突最大化。社會的撕裂就越大，衝突的程度就越多。這個顯然不是一個好下場。
所以我們現在要訓練代理人，他要能夠像日本有個講法，叫做「讀空氣」（空気を読む）。就是去看到在一個房間、一個社群裡面，人跟人之間的哪些關係是重要的，必須要去保存，甚至必須要去促進的。這個叫做覺察力。
他在這樣子有覺察能力的時候，他就可以好像是一整個團隊的教練，而不是一個個人的導師那樣子，去協助整個團隊能夠彼此之間協作變得更加容易。這個就是大概的想法。
後來我在日本，這個演講本來是在日本同志社大學做的。因為是在京都。京都大家可能知道，就是神道教的一個很重要的城市。
所以我在那邊就提出一個想法說：如果要訓練一個非常大型的這種超級人工智慧，那個就有點像全知全能的天神。但是在日本他們有一個概念叫做「地神」。就是跟我們這邊土地公、土地婆是類似的概念，雖然不能說完全一樣。叫做 Kami（神）。
他們那邊的 Kami，就不是好像變成全部全知全能。而是說它就是關心可能是一條河流、一個樹林。甚至他們雷電也有 Kami，什麼都有 Kami，萬物都有 Kami。所以它是在促進某一個特定的社群，可能一個村莊有一個 Ujigami（氏神），就是照顧那個村莊的一個族人。讓這些人中間的關係變好。但它不特別去管外面的別的事情。
如果每一個小的社群，都能夠去把 AI 的代理人，訓練成他們那個社群裡面覺得很好的智慧體的話，那就可以看到說，他們能夠很好的分工合作。
就好像之前花蓮救災的時候，有很多支援的在地力量。就是沙包、鏟子，或者是機具的開挖等等，是在地特定的情境之下，按照花蓮實際受災的情況，解決當地當下的問題。
沒有哪一個 agent 在這個情況下，是很抽象地想要說，我們要 GDP 增加 3%、4%，那種最大化一個數字。而是說在地有哪些需求，我就盡我自己的力，在我的專長裡面去說，那我可以解決這一小部分的問題。
那這樣子的做法，就是所謂的有特定的界限（Bounded）的這個想法。那我們現在認為是設定 AI 智慧體，以及幫 AI 智慧體做訓練的時候，這樣才能夠去促進他跟人，以及人跟人中間協作的這些力量。
