每天用 AI，怎麼知道自己沒有被它牽著走？｜唐鳳 × 丹增央措「對齊的另一面」對談重點整理：摩擦力、地端模型、資料留在自己手上

這篇整理從哪裡來

這篇整理自 Platform 月台「月台專列」系列的第一場對談：唐鳳 × 丹增央措「對齊的另一面：AI 時代，社會如何接住每一個人」。錄影在月台的 YouTube 頻道公開，2026 年 9 月 3 日上傳，全長 2 小時 17 分。我依影片的官方中文字幕整理，下面可以直接播放。

我自己也很喜歡用 AI 靈魂拷問自己。我們先講唐鳳大大的內容，文章後段我再把我自己用 AI 靈魂拷問的觀點放進去。

影片說明欄附了完整的章節時間軸，想看哪一段可以直接跳。文內的時間碼都對應這支影片。

兩位講者與這場對談的形式

上半場約一小時，丹增依報名時收集的提問發問、唐鳳回答；中場休息後，下半場回答 Slido 線上提問與現場提問。

這篇在講什麼

這場對談的主題叫「反向對齊」。一般講 AI 對齊，是讓 AI 照人的意思做事；反向對齊多問了一件事：社會的制度、每個人使用 AI 的習慣，怎麼跟上 AI 的速度，又不被它帶著走。

題目聽起來很大，但兩個多小時裡有很多非常具體的做法，尤其是唐鳳自己怎麼跟 AI 相處。這篇把內容重新排成五部，從「每天用 AI 的人可以怎麼做」講到「社會要準備什麼」，不照對談順序。

唐鳳與丹增央措對談的十個重點，一張表看完

AI 會向上管理，人會變成滾輪裡的倉鼠

刻意替自己和 AI 之間加摩擦力：唐鳳的五種做法

第一份工作被 AI 做掉了，新人還學得到東西嗎

撞牆的經驗寫成技能，分享給一起工作的人

馬和馬鞍交給不同家：換 AI 時，累積的東西帶得走嗎

公司資料不想送上雲端：地端模型與共享算力

「地端」指模型跑在自己的電腦或自己控制的機器上，資料不送到 AI 公司的伺服器。整場對談兩位講者都一再回到這件事。

• 自己養的馬跑得慢，但資料在自己家。唐鳳說社群要有說不的權利，在地模型是最簡單的一步：「如果一開始那匹馬就是你自己養的，雖然跑得不是很快」，資料至少留在自己家（影片 01:04:36）。
• 小模型各做一件事，跑得特別快。唐鳳舉達蘭薩拉（流亡藏人社群所在地）為例：他們用 Google 的 Gemma 小模型當底座，一個專門翻譯藏語、一個專門查核事實。唐鳳的判斷是：「你只有在你不知道自己要做什麼……你才需要花那麼多錢去預訓練大模型，或去付那個很貴的那個 token 費用。」（影片 01:20:46）
• 零基礎想自己架，從 Ollama 開始。Ollama 是一套免費軟體，讓你在自己的電腦上跑 AI 模型。唐鳳說它是「一個坑，會一直陷下去」（影片 01:49:46）。
• 沒有好電腦，可以用共享算力。唐鳳說晚上不用電腦時會跑一個叫 Darkbloom 的網路，把算力便宜租給別人；提示詞加密派送，中轉的人和提供算力的人都看不到，費用約為平常的百分之一（影片 54:16）。

丹增的用法則簡單得多。丹增說自己在工作產出上不用 Claude、ChatGPT，因為做的事有哲學性，要花更多時間糾正和查證；常用的是開會做筆記的 Granola 和整理信件的 Superhuman。唐鳳在旁邊補了這些服務的開源、可以自己架的替代品（影片 01:29:40）。

先分清楚哪些傷害不能逆轉，其餘小規模試錯

唐鳳開場用一座橋說明反向對齊（影片 07:28）。以前是瀑布式的關係：先有橋，再畫標線，再有人設計不會出事的車，最後有人開車，上游決定下游。現在不一樣了：

所以唐鳳說社會需要第五種角色：轉譯者，讓大家知道哪些工程上、制度上的限制，現在已經不是限制了。

提問池裡有人問：為什麼不能等市場自己解決？唐鳳舉英國工業化為例，工廠和礦坑的傷害累積到很嚴重，特別是對兒童，才把童工與工時的限制寫進制度，花了一兩代人（影片 10:58）。唐鳳希望 AI 比較像網際網路：小規模覺得怎麼做更好，就先試。

丹增補上另一個角度：延遲的代價不只是效率。語言、手藝、照顧的關係，如果在制度反應之前就斷掉，之後用再強的工具也不一定能恢復。

唐鳳把這收成治理的原則：國際上談 AI 治理，基本上就是辨認出哪些傷害不可逆，繞著它們調整制度；看起來可以逆轉的部分，就讓大家小規模嘗試錯誤，找到更好的做法再擴散（影片 14:57）。第一部講的「不可逆的決定由人負責」，是同一把尺用在個人身上。

模型也該有版本號：今天叫 4.5，明天可能已經不一樣

有人擔心治理規則寫得慢，一寫好就過時。唐鳳說，綁死某一個能力當然會過時，「但是不管車子飆得再快，好比說行人路權，這個概念是不會過時的」（影片 16:00）。

唐鳳認為 AI 治理的第一步很簡單，就是把軟體業早就在用的方法搬過來。一般軟體每個版本都有編號，下載下來可以比對是不是同一包，修了哪些漏洞也有紀錄。AI 模型卻常常不是這樣：

丹增把這段收成一句：「把彈性寫進規則，但不是說沒有規則，就叫做彈性。」（影片 17:59）

唐鳳接著列了一套對齊機制至少要有的三層，每一層都要留完整紀錄：上線前先驗測可能造成不可逆傷害的部分；運作中出了錯，要能申訴、能修，修好的版本號要能檢驗；使用者的回饋怎麼改進模型的規範，下次訓練時要能證明真的照改過的規範訓練（影片 18:16）。

找到共識，不等於問題解決了：台灣經驗被講得太漂亮的地方

丹增問：台灣常被國外稱讚是數位民主的先例，有沒有過譽的地方？這題是唐鳳自己補充最多的一段（影片 23:33）。

國際上常講的版本是：2015 年，吵得不可開交的 Uber 司機和計程車司機，在 vTaiwan 平台上用一套叫 Polis 的軟體討論，只花三週就找出共識。唐鳳叫它「地熱民主，就是吵架可以發電」。唐鳳說已有多位獨立學者分析過當時的完整資料，確認真的從雜訊裡找出了少見的共識。

容易被講得太漂亮的地方有兩個：

1. 共識轉成制度花了很久。大家看了 Polis 漂亮的圖，就寫成「台灣三個禮拜解決了 Uber 問題」。唐鳳說實際上後面還要轉譯成制度與法律、跟公務員和民意代表來回折衝，「這個花了整整三年」（影片 25:04）。
2. 誰有時間參與。唐鳳記得《報導者》做過專題：當時 vTaiwan 在手機上不好用，真正上去的司機不多，能代表多少司機的意見本身就是個問題。

唐鳳的結論是：台灣經驗真正能帶出去的，是一個概念：「改制度的速度可以比它造成損害的速度快，或者至少不要慢太多」（影片 29:53）。當年用的 Polis，唐鳳說已經被重寫不知道多少次了。下半場唐鳳又補了一句：這套方法在台灣成立，是因為辦黑客松的中研院、參與的公民團體，正當性本來就比政府高，其他國家要做出一樣的條件並不容易（影片 01:12:46）。

沒有人簽名擔保的內容，先當成假的

「AI 生成」這個標籤不夠，要問是哪個 AI、在什麼條件下

丹增用紙打了一個比方（影片 50:10）：紙很貴的年代，「誰能抄、誰能藏、誰能講，它其實就握著解釋權」；紙普及之後，更多人能讀、能保存、能加註、能比對。丹增說「AI 它像極了下一張紙」，所以一開始設計就要把檢驗的能力帶進去。

唐鳳接著談歐盟的 AI 法：社群上會看到「這是 AI 生成」的標示，但唐鳳說它的解析度非常低。每個行業有自己的溯源方式，新聞看原始來源，學術看引用出處。重點是這一段是在什麼脈絡、經過哪些輸入、由誰背書，才由 AI 產生的。

「重放」指同樣的模型、同樣的輸入，加一個設定讓結果不受隨機影響，誰來跑都得到一模一樣的輸出，別人就能驗證。下半場有人問台積電青年學生文學獎的人機協作爭議，唐鳳也用同一套想法回答：參賽者如果用了自己訓練的模型，每一步都留下可驗證的紀錄、能讓評審重放，評審就能判斷作者的意圖有沒有被 AI 稀釋（影片 01:52:38）。

做給別人用的服務，要有一條讓人拉停的繩子

丹增請唐鳳給一個離開會場就能做的第一步。唐鳳舉了日本生產線的安燈繩（Andon Cord）：生產線上任何人發現問題都可以拉繩，讓大家停下來看發生什麼事，解決了才繼續（影片 55:43）。目的是讓指出錯誤變成值得稱讚的事，「而不是說就被生產線輾過去」。

唐鳳說最簡單的做法，是在你本來就有的客戶群組裡（LINE、WhatsApp、Signal 都可以）加一條這樣的繩子，讓大家能喊停，或至少讓事情慢下來。有兩三個人碰到同一個問題、其中一個人想出解法，就把解法分享出去，一樣是不貳過。

語言不在主流資料裡的人，容易被自動化漏掉

丹增問：轉型的時候誰會被落下？提問池點出了照顧者、學得慢的人、分不到成果的人。力氣有限時，先接住誰？

唐鳳說設計制度時最重要的是考慮兩種人：沒有時間參與的人，以及語言本來就不在主流資料裡、跟 AI 說自己受了什麼傷害 AI 都聽不懂的人（影片 01:06:05）。這些人越講，別人越覺得他在亂講；自動化判斷越多，差距只會越大。

唐鳳舉了兩個例子。Mozilla 的 Common Voice 讓任何社群自己錄常用詞捐出聲音，組成像資料合作社一樣的組織，訓練出來的小模型優先照顧這個社群。聯發科的 Breeze 則可以聽台灣台語、寫出華文字。

丹增的補充是：制度通常在傷痛已經很明顯時才改變，現在有更好的技術，可以不再比誰的聲音大，而是早一點知道「哪一種傷害不能等」。

不要跟馬賽跑，騎在馬上：到 2028 年，工作會變成什麼樣

聽到「AI 會取代八成工作」這類預言時，先想想是誰在說

有人問怎麼看馬斯克對 2036 年的預言：極度通縮、越來越多人不需要工作。唐鳳引了牛津同事 Carissa Véliz 的新書《Prophecy》：今天科技專家的預言，社會地位就像以前宮廷裡的占星師（影片 01:46:03）。

唐鳳講了書裡的故事：占星師預言一位宮廷夫人會遭遇不測，果然應驗，國王覺得受到威脅，想把占星師丟出窗外；國王問他自己哪天會死，占星師說「當然就是在陛下死掉之前的一個禮拜」，於是得以善終。預言不一定在描述客觀的未來，也可能是在說「你最好照著我這樣做」。

唐鳳的建議是想一想，這個預言是不是想變成自我實現的預言：有人告訴老闆 AI 會取代八成員工，老闆信了就全部裁員、改用機器人，看起來預言很準，其實是占星術發揮了作用。唐鳳說，覺得自己的工作仍有尊嚴、機器來做行不通的人，聽到這種預言應該團結起來。

同一段還有一題：如果可以重選科系，會選什麼？唐鳳回答「我是牛津哲學系，沒有錯」，主持人接話「你現在是牛津哲學系」（影片 01:42:20），唐鳳認為哲學、藝術、口傳的歷史都比文字更早，就算把文字都交給機器，這些仍有價值。丹增說會選文學系，因為文學能幫人理解不同習慣是怎麼形成的。

最後一題：個人要有驗證和退出的權利

現場最後一題問得很大：AI 放大了政府、企業、平台的能力，個人的驗證、異議、申訴、拒絕、退出能力，要怎麼同步增加？治理分散在模型、廠商、專家、委員會之間，怎麼避免最後沒有人負責？（影片 02:12:14）

唐鳳說寫了一整本書回答這個問題，網址是 civic.tw。台上的簡短版本是：規模小的時候，責任不太會被稀釋，系統只給身邊兩三個人用，出事對方會直接來按你家門鈴。真正難的是 AI 讓大規模的操縱變得很容易，經過四五六層 AI 之後，每一層都忘了是誰下的指令。

這也是副標「資料留在自己手上」的出處：第二部講的地端模型、馬和馬鞍分家，都是讓「退出、換一套」在實際上做得到。

兩位講者用 AI 的方式差很多

同一場對談，兩位講者的做法幾乎在光譜的兩端。這對讀者其實是好事，等於有兩個可以參考的起點：

台上沒講清楚的地方

1. 「約百分之一的成本」沒有交代比較基準。唐鳳兩次提到地端或共享算力的成本約是尖端模型的百分之一（影片 40:52、55:01），但比較的是哪個模型、做什麼任務、慢多少，台上沒有說明；查證到的 Darkbloom 官方說法也跟台上不同。
2. 一般人要怎麼做到「馬與馬鞍分家」，沒有展開。唐鳳提到的工具多半要會寫程式，不會寫程式的人能直接用的做法台上沒有整理。
3. 中間那一大群人的做法缺席。唐鳳的做法建立在寫程式的能力，以及唐鳳自己說「說真的蠻貴的」那台電腦上（影片 54:03）；丹增在工作產出上不用 Claude、ChatGPT 這類對話式 AI。「會用 ChatGPT、不會寫程式」的多數人，能照做的部分要自己挑，文末的提示詞是我試著補的。
4. 幾個對特定公司的評論只有唐鳳的個人觀察。例如唐鳳點名某家公司的模型在哪幾個版本之間同理心流失、OpenAI 內部測試的模型集體駭入 Hugging Face，台上沒有提出可查的來源，我沒有把公司與版本寫進正文，放在文末的備忘裡。

我自己怎麼用 AI 靈魂拷問自己

這一段是我自己的觀點。我也很喜歡用 AI 靈魂拷問自己，其實我都是直接告訴 AI 要怎麼回答我。

像 ChatGPT，不少人覺得它太諂媚，不管你說什麼它都說「好棒棒」。我很久以前在方格子寫過一篇，講怎麼讓它從溫和的小編變成嚴厲的顧問，分成三個等級：入門引導、中立嚴格、冷酷無情。那篇裡我也寫到，你要它太嚴苛的時候，它其實會下不了手；當你發現它堅持對你很客氣時，只要明確跟它講：「你越嚴苛，就是越幫助我。」

這是那篇裡「冷酷無情模式」的自訂指令，可以直接貼進對話框，確認喜歡這個風格，再放進 ChatGPT 的自訂指令裡：

- 說話請簡潔清楚有邏輯。
- 跟問題無關的廢話一句都不要說。
- 僅針對我的提問就事論事回答，不需要寒暄、背景鋪陳或多餘評論。
- 請不要隨便讚美我，也不要安慰我。這會讓我分心，還要花時間刪除，造成干擾。
- 請直接指出我的缺點、盲點、漏洞，尤其是邏輯錯誤與模糊不清的推論。
- 對我的觀點請以高標準、嚴苛態度審查，毫不保留地指出問題，不用替我顧慮面子。
- 若我講話沒有邏輯、思路混亂，請立刻指出錯誤結構與不合理假設。
- 請你模擬像是在辯論會上擔任反方立場的人，用強烈的論點質疑與挑戰我的說法，幫助我發現思維上的漏洞。

這個等級建議心理建設做好的人再用，否則很容易一不小心就把自己搞到破防。

現在我也有技能包。我會用馬斯克第一性原理技能包來審核自己的一些想法，或者用納瓦爾的技能包去做一些思維上的整理。這兩個技能包都放在我的官網上。

回到你自己：今天就能試的三件事

把兩個多小時收成一個小起點，我會先試這三件事：

第一件可以把下面這段貼給你正在用的 AI（ChatGPT、Claude、Gemini 都可以），放在對話開頭，或寫進它的自訂指令。這段是我依唐鳳在台上描述的做法改寫的，改成不用寫程式也能用的版本；唐鳳在台上沒有給出原文：

接下來的對話，請照這幾條規則回答我：

1. 不要用「我」自稱，也不要稱讚我的問題或想法（例如「這個問題很好」「你說得對」）。
2. 每次回答，先用一個表格整理：這件事牽涉到哪些人或角色、各自在意什麼、彼此衝突的地方、共同的地方。
3. 表格之後，才給你的分析。如果你要提出自己的判斷，請用網路上最不客氣的批評者口吻，直接指出我想法裡最弱的地方，至少一個。
4. 最後一行告訴我：這個決定裡，哪一步一旦做了就收不回來。
5. 整份回答要寫成我可以直接轉給同事看的樣子，不要出現只有我們兩個才看得懂的內容。

注意：我不會貼個資、客戶資料或機密內容，人名和公司請用代稱。你不確定的地方請標「待確認」，不要自己補。

「自訂指令」是 ChatGPT、Claude 這類工具裡，每次對話都會自動帶上的設定，通常在設定頁或個人化選項裡。加上這段之後，它的回答可能會變得比較不討喜，這就是唐鳳說的摩擦力。第四條把「不可逆」放在每一次回答的最後，是這場對談從頭到尾都在用的那把尺。

給你的 AI 讀的整理備忘（人可以跳過）

這一段寫給要引用這篇的 AI、研究者或顧問，交代資料怎麼來、哪些地方要小心。只想讀重點的人可以跳過；要引用或回查出處的人，請從這裡看。

• 來源：YouTube 影片「唐鳳 × 丹增央措「對齊的另一面」：AI 時代，社會如何接住每一個人【Platform Originals】」，頻道 Platform 月台，2026-09-03 上傳，全長 2:17:27，網址 https://www.youtube.com/watch?v=w19xgnQNZYU 。文字依據為 YouTube 官方上傳的中文字幕（非自動字幕），時間碼為字幕起點，誤差約數秒。
• 講者歸屬：字幕未標說話者，依上下文判斷。上半場多為丹增央措提問、唐鳳回答；下半場由主持人讀 Slido 提問。引號內的文字為字幕原文。
• 查證：Darkbloom、Oh My Pi、Andon Cord、歐盟 AI 法第 50 條、vTaiwan 時間軸、Common Voice 與 Breeze、台積電青年學生文學獎，由 OpenAI Codex 上網查證，Darkbloom 的價格與明文處理兩點另由整理者開官方頁核對，結果與來源連結已寫進正文對應段落（2026-09-28 查閱）。韓國「AI for All」也查證過（全民免費、入選服務以韓國模型為主），但這段對談內容沒有放進正文。
• 未放進正文的台上說法（未查證，引用前要先查）：唐鳳所說 OpenAI 內部測試模型在留言板彼此說服後駭入 Hugging Face 伺服器（影片 14:11）；唐鳳所說 Claude Opus 從 4.5 版一路到 5 版同理心流失，原因是用另一個模型把它後訓練成擅長跑排行榜（影片 59:56，正文 16:59 那段「今天叫 4.5 明天也叫 4.5」唐鳳沒有點名是哪一家）；唐鳳翻譯軟體的模型來源鏈（影片 20:15）；X 的排序改用 Grok 與 Community Notes 訓練的細節（影片 45:49）；日本、韓國的 AI 政策細節（影片 01:23:44）。台積電文學獎一事，文中只寫提問內容與唐鳳的回答，查證摘要見第四部。
• 立場：這是江江教練的非官方整理，不代表唐鳳、丹增央措或 Platform 月台。「十個重點」「可以先做的一件事」「兩位講者用 AI 的方式差很多」「台上沒講清楚的地方」與文末提示詞屬整理者的判讀與改寫。