top of page

Tomorrow Together AI 推動計劃瞄準 2028 年

13 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: RDNE Stock project / Pexels.

Tomorrow Together 正在 2028 年選舉前啟動 AI 推動計劃研究,將選民訊息置於既定政策議程之前。根據美聯社 11 月 13 日發布的報道,這個民主黨組織計劃先投入 110 萬美元進行研究。其挑戰在於,如何將民眾對人工智能的憂慮,轉化為選民可以評估的可信承諾。

這項宣布在丹佛舉行的 What's Next 聚會期間作出。此前,該組織已在候選人身上投入 650 萬美元,與這筆新研究預算分開計算。這項倡議確立的是競選優先事項,而非新法律、正式的民主黨綱領,或已獲證明的選舉優勢。

核心競爭圍繞兩種監管方式:以更少監管障礙推動更快發展,或採取更強而具可執行責任的保障措施。總統 Donald Trump 的政府為前一種方式提供最明確的政策參照。Tomorrow Together 希望民主黨能令第二種方式在政治上更具說服力。選民是否接受這種定位,仍是未知之數。

Tomorrow Together AI 推動計劃從選民研究開始

眼前的改變是投資政治研究,至於其政策後果仍有待發展。

這項 AI 訊息倡議旨在下次總統競選前,塑造與選民溝通的方式。這是一項具體的組織行動。它並未確立候選人將支持哪些保障措施、這些措施如何運作,或國會是否會將其立法。

這個分別正是該宣布的重要之處。一個組織可以在尚未解決政策回應背後艱難抉擇之前,先辨識出公眾的不安。研究或可有助釐清這些選擇,但單靠具說服力的措辭,無法作出定論。

試想選民聽到候選人承諾 AI 保障措施時,可能會如何理解。一位聽眾可能想到具欺騙性的內容;另一位則可能想到職場決策、個人資料,或支撐 AI 服務的基礎設施。認同這句說法,未必代表認同所針對的補救方法。

因此,研究設計與最終口號同樣重要。一項有用的研究應區分廣泛認同與對具體要求的支持程度,亦應測試當人們了解落實成本、執法限制和相互競爭的優先事項後,這些偏好是否仍然存在。

這些是評估未來研究結果的標準,而非已公布項目的既定特徵。現有報道未有交代其問卷、抽樣程序、發布時間表,或公開不利結果的規則。讀者不應假定這些細節。

競選研究的目的亦有別於獨立民意調查。政治組織尋求的是能幫助其屬意候選人溝通和競爭的資訊。這個目的不會自動令其研究結果失效,但會令資訊披露和獨立比較尤為重要。

一項訊息在特定受眾中表現良好,未必反映更廣泛選民的情況。同樣地,人們在聽到某項聲明後立即作出正面反應,也不代表會形成持久的投票偏好。若初步結果進入公共討論,這些分別便會變得重要。

因此,Tomorrow Together 的選民研究值得關注之處,在於它最終會揭示哪些具體選擇。若發現人們不喜歡未界定的風險,所提供的指引會有限;若能說明在清楚列明條件下,他們支持哪些保障措施,資訊價值則更高。

時機亦改變了實際利害關係。在總統競選前進行的研究,可以讓候選人在仍有空間發展立場時參考結果。一旦某項訊息成為競選核心,修訂其背後承諾在政治上便會更困難。

這為實質工作與溝通測試同步進行創造了機會。候選人可利用研究結果找出需要法律、技術和經濟分析的問題,亦可只是用來修飾措辭。這項宣布尚未表明最終會走向哪一種結果。

真正有意義的測試,是該項目能否帶來更清晰的公共選擇。選民最終應能辨識一項提案針對的行為、負責執法的機構,以及可獲得的補救方法。若缺少這些要素,再吸引人的訊息也難以評估。

公眾憂慮未能決定政策選擇

對 AI 的憂慮為辯論創造空間,卻不代表各方已同意應由誰來監管。

歷來的民調說明了這個分別為何重要。Pew Research Center 在 2025 年 11 月的分析發現,共和黨人與民主黨人有相若程度的憂慮,但對政府監管的信任程度不同。其結果描述的是 2025 年量度到的態度,而非目前偏好或對 2028 年行為的預測。

在 2025 年 6 月的調查中,50% 的共和黨人及 51% 的民主黨人對 AI 日益融入日常生活感到憂慮多於興奮。這些數字包括傾向支持各自政黨的獨立選民。它們提供有用的歷史比較,但後續推論有明確限制。

同一項 AI 監管態度分析亦報告了另一項於 2025 年 3 月進行、關於信任的調查。共和黨人較民主黨人更可能信任美國能有效監管 AI,比例分別為 54% 和 36%。

分析上的啟示是,憂慮與對制度的信心是兩個不同問題。一個人可以希望獲得更強保障,同時懷疑政府是否有能力提供;另一個人可以支持官方監督,卻反對某一項具體提案。

對 Tomorrow Together 而言,這帶來一個要求甚高的溝通問題。辨識到一項憂慮只是開始。可信的回應必須說明,為何所提議的機構能處理問題、如何糾正錯誤,以及會有何種問責。

壓力首先落在採用這項訊息的候選人身上。一旦他們承諾提供保障,訪問者和選民自然可要求細節。支持限制有害行為的候選人,必須說明相關行為、證據門檻,以及違規後果。

若辯論變得更具體,科技公司亦會面對相關挑戰。關於創新的廣泛主張,難以充分回答有關責任的狹窄問題。一間談論 AI 好處的公司,也應準備說明其保障措施及其限制。

用戶面對的則是另一個問題:如何把政治語言轉化為對自己正在使用服務的期望。「更多控制權」的承諾,可能代表更清晰的同意機制、申訴程序,或限制某些特定用途。這些措施處理不同情況,並需要不同的落實選擇。

例如,設想一名僱主考慮在評估求職者時使用 AI 協助。政治提案可以聚焦於披露、紀錄保存、人手覆核,或限制某些決定。這個假設說明,籠統的承諾並不能告訴受影響人士實際獲得甚麼保障。

同樣的推理亦適用於企業採購方。採購團隊需要了解供應商的責任,以及自身的責任。政治演說很少會交代這種分工。只有在適用範圍清晰時,建議中的要求才會成為有用的規劃資訊。

若 Tomorrow Together 的 AI 推動計劃訊息承認這些差異,將更具資訊價值。把每一種憂慮視為可互換,或可簡化競選廣告,卻會令政策討論變得不夠精確。

選舉問題同樣需要克制看待。人們可以關心 AI,同時主要按其他議題作出投票決定。確立關注不等於確立優先次序;確立優先次序亦不等於確立哪位候選人值得信任。每一層關係都需要獨立證據。

因此,公眾不安足以支持認真關注此事,卻不能自行驗證某個政黨偏好的方案,亦不能保證帶來持久優勢。下一步是按各自的條件,檢視彼此競爭的政策方式。

更快發展面對問責要求

實質取捨在於,如何在延續有益發展的同時設計保障措施。

Trump 政府於 2025 年 7 月發布的 AI Action Plan為這場辯論提供有文件佐證的參照點。白宮將計劃圍繞創新、基礎設施,以及國際外交與安全安排。其公告包括加快數據中心和半導體設施的審批。

這個議程讓倡議更強保障措施的人士有具體內容可以質疑。他們可以質疑特定的發展優先事項、監督機制,或責任分配。有用的比較應直接檢視這些選擇,而非將單一立場歸於所有支持 AI 發展的人。

減少監管障礙的理據建基於一項可理解的憂慮:設計不良的要求可能消耗資源,卻未能提供相應保障。複雜的義務亦可能較易由成熟組織承擔,令較小型的新進者處於不利位置。

這是一項政策考量,並非證明某項特定 AI 規則必然有這些影響。評估這項論點,需要檢視所提議的義務、其合規負擔,以及它旨在防止的損害。泛泛訴諸創新,不能取代這種檢視。

支持更強監督的理據,同樣建基於一項可理解的憂慮。受科技影響的人未必能控制其部署,亦未必掌握挑戰它所需的資訊。當一個組織利用他人難以查核的系統作出具重大影響的決定時,責任尤其重要。

同樣地,這項原則並不證明每一項擬議限制都有效。一項要求聽來可以提供保障,卻可能留下重大漏洞;它可能針對錯誤的行為者、依賴薄弱證據,或只製造文書工作而不改變根本行為。

因此,Tomorrow Together 的 AI 推動計劃論點將面對一個艱難的中間地帶。更強保障與有益發展都是需要實際協調的目標。兩者均不能完整回答有關範圍、執法或相稱性的問題。

基礎設施令這種取捨變得具體。國際能源署在其 2025 年的 數據中心分析中估計,相關設施在 2024 年消耗了 415 太瓦時電力,約佔全球用電量的 1.5%。

該機構亦強調地理集中情況。全球佔比不高,仍可與龐大的本地需求並存。這個分別有助解釋,為何關於國家科技競爭力的討論,會在承載相關基礎設施的社區引發不同憂慮。

IEA 數據涵蓋一般數據中心,包括支援 AI 以外服務的設施。這些數據不應被表述為僅衡量 AI 的指標,也無法確定某個擬議設施會對某個特定家庭造成的影響。

若要審視本地項目,便需要項目專屬資料。相關問題包括電力來源、必要升級工程由誰負責,以及預測需求背後採用的假設。單靠全國性的廣泛訊息,無法回答這些問題。

這正是不同取向應可作出比較之處。主張加快建設的人士應說明如何處理本地責任;主張額外限制的人士則應說明哪些要求能減少可識別的損害,以及申請人如何符合規定。

同樣的嚴謹標準亦適用於軟件監管。針對具誤導性輸出的規則,所需證據和責任有別於針對基礎設施的規則。將兩者歸納為同一句政治口號,並不會消除這些差異。

最有用的政策辯論,應讓這些界線清晰可見。這可讓選民在某種情境中支持發展,同時在另一種情境中要求更強保障。這比詢問某人支持 AI 還是害怕 AI,更具挑戰性。

對關注業界的讀者而言,這個區別相當重要,因為政策會透過具體責任影響機構。競選活動的語調可以反映優先事項;只有具體建議才能揭示實際被考慮的是哪些活動、決策和機構。

訊息測試結果無法確立選舉影響

成功的訊息測試可顯示傳訊成效;至於更廣泛的選舉主張,則需要額外證據。

假設未來一項研究發現,參與者對某項擬議的 AI 保障措施反應正面。這結果會引出有用問題,例如受眾、措辭、比較基準及量度方式,但本身不足以證明該建議會改變投票行為。

即時反應有別於持續偏好;持續偏好有別於議題優先度;議題優先度亦有別於投票率或候選人選擇。當政治組織描述其研究時,報道應保留這些區別。

最有力的評估應檢視原始問題及完整結果範圍。讀者應知道參與者有否接觸相反論點、樣本是否代表目標群體,以及有否報告不確定性。選擇性公布會限制詮釋空間。

這些是評估準則,而非對 Tomorrow Together 方法的指控。這項已公布的工作應根據其釋出的證據來判斷。缺乏方法資料時,應得出較為收窄的結論,而非假定其可靠或不懷好意。

對 AI 監管政治歸屬的說法,同樣應保持審慎。共同關注並不妨礙競爭對手候選人提出自己的保障措施。政黨偏好的論述方式,亦不會約束每位候選人,或保證立法一致。

另一項不確定因素,是訊息傳遞與實施之間的關係。一項建議或會以概括說法贏得支持,卻在執法細節浮現後失去支持;反之,更清晰的細節亦可能令抽象承諾更可信,從而加強支持。

兩種可能性都令具體性更具價值。若建議要求機構記錄一項具重大影響的決定,選民應了解該等文件能提供甚麼,也應理解其局限,包括單靠紀錄無法補救爭議結果的情況。

現有技術指引可提供有用參考,但無法解決政治問題。美國國家標準與技術研究院將其 AI risk framework 描述為自願性框架,支持在 AI 系統的設計、開發、使用及評估過程中考慮信賴度。

這個區別有助分辨指引與具約束力的責任。機構可以把自願框架納入日常做法;法律是否應要求特定行動,則涉及權限、涵蓋範圍、核實及補救措施等額外選擇。

對企業採購方而言,實際含意是檢視供應商保證背後的證據。關於負責任開發的聲明,應引出有關測試、已記錄的限制、審查程序及事故處理的問題。政治辯論可以令這些問題更明確,但無法代替作答。

知識工作者在追蹤政策公告時,也面對類似的證據問題。候選人的聲明、已提出的法案、機構建議,以及可執行的要求,代表不同階段。將它們合併為一項摘要,可能會對即時責任造成誤導印象。

可搜尋的 knowledge base 有助把原始文件與日期、司法管轄區及後續變更連結起來。目的很實際:保留足夠背景,以區分承諾與規則。任何組織工具都不能取代查核原始來源。

安全主張同樣需要相若的審慎。對未來事故的預測,應維持為具歸屬的預測,而非證明某件特定事件必然發生,或某項擬議回應必然能預防該事件。

懷疑標準應對稱適用。聲稱監管可保證安全,需要證據;聲稱監管必然阻礙有用創新,同樣需要證據。任何一方都不應只因其訊息表現良好,便獲得較低的舉證門檻。

若 Tomorrow Together 的選民研究能釐清公眾偏好及其限制,便可為這場辯論作出貢獻。若把訊息測試結果表述為政策成效或未來選舉結果的證明,其價值將更難評估。

留意方法、建議及對手回應

下一項有意義的發展,將會是可觀察的文件和決策,而非預測誰已在這個議題上勝出。

首先,留意研究披露。未來數月內,如能公布問卷、抽樣說明、實地調查日期及完整結果,將更容易評估這項倡議。這些材料可讓外部讀者檢視實際量度了甚麼。

最具參考價值的公布,會區分一般憂慮與對明確行動的支持,展示參與者面對取捨或相反論點時回應如何變化,亦會指出結果未有定論之處。

披露可加強對研究詮釋的信心,但不會解決選舉因果關係問題。若公布內容只包括正面的節錄,便只能支持較狹窄的結論。即使節錄準確描述研究的一部分,這個區別仍然重要。

其次,留意把訊息轉化為責任的建議。候選人或立法者可界定受規管的機構、所針對的行為,以及負責執法的機構。這些細節將揭示議程是否已超越傳訊策略。

具體建議亦令比較成為可能。支持者可說明預期效益,批評者可指出實施問題或提出替代方案,讀者則可根據同一份文本評估雙方論點。

具體性會加強這項工作正在塑造實質議程的論據。若持續依賴未經界定的保障措施,其政策貢獻仍將不明朗。在相關文件出現前,不應預設任何一種結果。

第三,留意競爭的政治參與者如何回應。對手可能反對額外責任、提出較狹窄的保障,或採用相似措辭但選擇不同的執法方式。每種回應都會改變政策比較,但不會自動證明選民行為有所改變。

競爭對手若就同一關注提出建議,將削弱任何關於獨佔議題主導權的說法。就執法方式作出的詳細分歧,會讓實質選擇更清晰;僅限於口號的交鋒,則較少反映最終執政優先事項的證據。

對開發者而言,這些訊號提供實際的監察次序。研究可顯示哪些關注獲得注意;擬議文本可識別潛在責任;正式的機構行動則可確立這些責任是否正邁向落實。

企業採購方在規劃供應商審查時,亦應採用同一順序。公告可作為蒐集資料的理由,但不應自動引致「已有新要求」的說法。決策應反映相關建議的實際狀態及範圍。

隨着辯論發展,AI 用戶也可以提出更精確的問題:誰會獲得保障?哪些決策符合資格?投訴後會如何處理?這些問題有助比較那些起初聽來相似的承諾。

Tomorrow Together 推動 AI 議題值得持續關注,因為它在一場正在形成的政策辯論初期,將選民傳訊置於顯著位置。其最終意義取決於證據質素,以及隨後作出的承諾。

隨着原始文件出現,應先從這些文件入手。把研究問題與其結果主張作比較,然後把競選承諾與擬議執法作比較;並清楚區分自願指引、立法建議及具約束力的要求。隨着 2028 年辯論發展,這種做法可讓開發者、採購方及一般用戶有更清晰的判斷基礎。值得持續追問的是一個具體問題:哪一項建議能識別真實問題、清楚分配責任,並提供人們實際可用的補救方法?應以這個標準同時衡量 Tomorrow Together 及其政治對手。這將比任何一方聲稱自己已代表公眾,更能揭示實情。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page