Tomorrow Together 的 AI 推动瞄准 2028 年
Tomorrow Together 正在于 2028 年大选前启动 AI 推动研究,将选民沟通置于既定政策议程之前。据美联社 11 月 13 日报道,这一民主党组织计划首先投入 110 万美元开展研究。其面临的挑战是,将对人工智能的担忧转化为选民能够评估的可信承诺。
这一消息在丹佛举行的 What's Next 活动期间公布。此前,该组织已为候选人投入 650 万美元,这笔资金与新的研究预算分开计算。这项举措确立的是一项竞选优先事项,而非新法律、民主党的正式纲领,或已被证明的选举优势。
核心争议涉及两种相互竞争的监管路径:以更少的监管壁垒加快发展,或以可执行的责任要求强化保障。唐纳德·特朗普总统领导的政府为前一种路径提供了最明确的政策参照。Tomorrow Together 希望民主党人能让第二种路径在政治上更具说服力。选民是否会接受这一定位,仍是一个悬而未决的问题。
Tomorrow Together 的 AI 推动从选民研究开始
眼下的变化是对政治研究的投入,其政策影响仍有待后续展现。
这项 AI 信息传播计划旨在下一轮总统竞选前塑造与选民的对话。这是一项具体的组织行动。它并未确定候选人将支持哪些保障措施、这些措施将如何运作,或国会是否会予以立法。
这一差别正是该公告的重要所在。一个组织可以识别公众的不安,却尚未解决政策回应背后的艰难选择。研究有助于厘清这些选择,但仅凭有说服力的措辞无法作出定论。
设想一下,当候选人承诺提供 AI 保障时,选民可能会听到什么。一位听众或许想到欺骗性内容;另一位则可能想到职场决策、个人信息,或支撑 AI 服务的基础设施。对这句话的认同,可能掩盖了对于预期补救措施的分歧。
因此,研究设计与最终口号同样重要。一项有价值的研究应区分广泛认可与对具体要求的支持。它还应检验,在说明实施成本、执法限制和相互竞争的优先事项后,这些偏好是否依然存在。
这些是评估未来研究结果的标准,而非该已公布项目的既定特征。现有报道并未说明其问卷、抽样程序、发布时间表,或发布不利结果的规则。读者不应自行假定这些细节。
竞选研究的目的也不同于独立的公众调查。政治组织寻求的信息,是帮助其偏好的候选人沟通和竞争的信息。这一目的并不会自动使其发现失效,但会使信息披露和独立比较显得尤为重要。
一则信息可能在经过筛选的受众中表现良好,却未必反映更广泛的选民群体。同样,听到一项声明后立即出现的积极反应,也不能证明存在持久的投票偏好。如果初步结果进入公共辩论,这些区别就会变得重要。
因此,Tomorrow Together 的选民研究值得关注之处,在于它最终会揭示哪些具体选择。发现人们不喜欢未被定义的风险,只能提供有限指引;若能说明他们在明确条件下支持哪些保护措施,信息价值将更高。
时机也改变了实际利害关系。在总统竞选开始前开展的研究,可以在候选人仍有空间形成立场时提供参考。一旦某则信息成为竞选核心,修改其背后的承诺在政治上就会变得更困难。
这为在沟通测试之外开展实质性工作创造了机会。候选人可以利用研究结果识别需要法律、技术和经济分析的问题;他们也可能只是用其优化竞选措辞。该公告尚未表明将出现哪种结果。
有意义的检验在于,该项目能否形成更清晰的公共选择。选民最终应能识别一项提案所针对的行为、负责执法的机构,以及可获得的补救措施。缺少这些要素,再吸引人的信息也难以评估。
公众担忧并不能决定政策选择
对 AI 的担忧为辩论创造了空间,但并不意味着人们已就应由谁治理它达成一致。
历史民调说明了这一区别为何重要。皮尤研究中心 2025 年 11 月的分析发现,共和党人与民主党人的担忧程度相近,但对政府监管的信任程度不同。这些发现描述的是 2025 年测得的态度,而不是当前偏好或对 2028 年行为的预测。
在 2025 年 6 月的调查中,50% 的共和党人和 51% 的民主党人对 AI 日益融入日常生活感到担忧,多于感到兴奋。这些数据包括倾向于支持各党的独立选民。它们构成了有价值的历史比较,但对后续推论存在明确限制。
同一份 AI 监管态度分析还报告了另一项关于信任的 2025 年 3 月调查。共和党人比民主党人更可能信任美国能够有效监管 AI,相应比例分别为 54% 和 36%。
其分析启示是,担忧与对机构的信心是两个不同的问题。一个人可以希望获得更强的保护,同时怀疑政府是否有能力落实;另一个人也可以支持官方监管,却反对某一项具体提案。
对 Tomorrow Together 而言,这构成了严峻的沟通难题。识别出一种担忧仅仅是开始。可信的回应必须解释为何拟议机构能够解决该问题、错误将如何被纠正,以及将适用何种问责机制。
压力首先落在采用这一信息的候选人身上。一旦他们承诺提供保护,记者和选民就可以合理地要求细节。支持限制有害行为的候选人,必须说明相关行为为何、证据门槛如何,以及违反规定将产生什么后果。
如果辩论变得更具体,科技公司也会面临相关挑战。泛泛而谈创新,对于有关责任的具体问题只能提供有限答案。讨论 AI 好处的公司,也应准备好说明其保障措施及其局限性。
用户面临的是另一种问题:将政治语言转化为对自己已在使用服务的预期。承诺给予更大控制权,可能意味着更清晰的同意机制、申诉程序,或对特定用途的限制。这些措施针对的情形不同,也需要不同的实施选择。
例如,设想一名雇主在评估求职者时考虑使用 AI 辅助工具。一项政治提案可以聚焦于信息披露、记录保存、人工审查,或对特定决策的限制。这一假设说明,笼统的承诺无法告知受影响者究竟存在哪些保护。
同样的逻辑也适用于企业采购方。采购团队需要了解供应商的责任,以及自身应承担的责任。政治演讲很少能提供这种划分。拟议要求只有在范围明确时,才能成为有用的规划信息。
如果 Tomorrow Together 的 AI 推动信息承认这些差异,其信息价值将更高。把所有担忧视为可以互换,或许能简化竞选广告,却会让由此产生的政策讨论失去精确性。
选举问题同样需要克制。人们可以关心 AI,同时主要基于其他议题作出投票决定。确认担忧并不等于确认优先级,确认优先级也不等于确认哪位候选人能赢得信任。每种关系都需要单独的证据。
因此,公众不安支持对此予以严肃关注,但并不能独立验证某个政党偏好的解决方案,也不能保证持久的优势。下一步是按照其自身条件审视相互竞争的政策路径。
加快发展与问责要求相遇
实质性权衡在于,如何在继续实现有益发展的同时设计保护措施。
特朗普政府 2025 年 7 月发布的 AI 行动计划为这场辩论提供了有据可查的参照点。白宫围绕创新、基础设施、国际外交与安全来组织该计划。其公告包括加快数据中心和半导体设施的审批。
这一议程为倡导更强保障措施的人提供了可供质疑的具体对象。他们可以质疑特定的发展优先事项、监管机制或责任分配。一项有价值的比较应直接审视这些选择,而不是将单一立场归于所有支持 AI 发展的人。
减少监管壁垒的理由建立在一种可辨识的担忧之上。设计不佳的要求可能消耗资源,却无法提供相应的保护。复杂义务也可能更容易被成熟组织承担,而对较小的进入者构成更大负担。
这是一项政策考量,而非证明某条特定 AI 规则会产生这些影响的证据。评估这一论点,需要审视拟议义务、其合规负担,以及它旨在防止的伤害。笼统诉诸创新不能替代这样的审视。
强化监管的理由同样建立在一种可辨识的担忧之上。受技术影响的人未必控制其部署,也未必拥有质疑它所需的信息。当组织使用他人难以审查的系统作出重大决策时,责任问题尤其重要。
同样,这一原则并不能证明每一项拟议限制都有效。一项要求可能听起来具有保护性,却留下重大漏洞;它可能针对了错误的主体、依赖薄弱证据,或制造文书工作却不改变根本行为。
因此,Tomorrow Together 的 AI 推动论点将面临艰难的中间地带。更强保护与有益发展都是需要实际协调的目标。两者都无法为范围、执法或比例性问题提供完整答案。
基础设施使这种权衡变得具体可感。国际能源署 2025 年的 数据中心分析估计,相关设施在 2024 年消耗了 415 太瓦时电力,约占全球电力消费的 1.5%。
该机构还强调了地域集中性。较小的全球占比可以与显著的本地需求并存。这一区别有助于解释,为何有关技术竞争力的全国性讨论,会在承载基础设施的社区引发不同担忧。
IEA 数据描述的是数据中心整体情况,包括支持 AI 以外服务的设施。它们不应被表述为仅衡量 AI 的指标。这些数据也无法说明某个拟建设施会对某一特定家庭造成何种影响。
对于地方项目,有意义的审查需要项目层面的具体信息。相关问题包括电力来源、必要升级由谁负责,以及预测需求所依据的假设。笼统的全国性表述本身无法回答这些问题。
这正是不同方案应当变得可比较的地方。主张加快建设的一方应说明如何处理地方责任。主张增加限制的一方则应说明,哪些要求能够减少可识别的危害,以及申请方如何满足这些要求。
同样的严谨性也适用于软件监管。针对欺骗性输出的规则,与针对基础设施的规则所需证据和责任并不相同。将两者归入同一句政治口号,并不能消除这些差异。
最有价值的政策辩论,应当让这些界限清晰可见。它应让选民能够在一种情境下支持发展,同时在另一种情境下要求更强保护。这比简单追问某人是支持 AI 还是害怕 AI,更具挑战性。
对于关注行业的读者而言,这一区别很重要,因为政策是通过具体义务影响组织的。竞选活动的语调可以反映优先事项。只有具体提案才能揭示实际考虑的是哪些活动、决策和机构。
信息传播结果无法证明选举影响
成功的信息测试可以显示传播效果,但关于更广泛选举影响的主张仍需额外证据。
假设未来的一项研究发现,参与者对一项拟议的 AI 保障措施反应积极。该结果将引出有关受众、措辞、对比对象和衡量方式的重要问题。但它本身并不能说明该提案会改变投票行为。
即时反应不同于持续偏好。持续偏好不同于议题优先级。议题优先级又不同于投票率或候选人选择。当政治组织描述其研究时,报道应保留这些区别。
最有力的评估应审视原始问题及完整结果范围。读者应了解参与者是否听到了相反论点,样本是否代表目标群体,以及是否报告了不确定性。选择性发布会限制解读空间。
这些是评估标准,而非对 Tomorrow Together 方法的指控。已宣布的工作应依据其发布的证据来评判。缺少方法信息时,应得出更有限的结论,而不是假设其研究可靠或存在恶意。
同样的谨慎也适用于有关 AI 监管政治归属的说法。共同的担忧并不妨碍竞争候选人提出各自的保护措施。一个政党的偏好框架也不会约束每位候选人,更无法保证立法保持一致。
另一个不确定性涉及信息传播与实施之间的关系。一项提案可能以笼统表述获得支持,却在执法细节出现后失去支持。反过来,更清晰的细节也可能让抽象承诺更可信,从而增强支持。
两种可能性都使具体性更具价值。如果一项提案要求组织记录某项具有重大影响的决策,选民应了解这些记录能提供什么信息。他们也应理解其局限性,包括仅靠记录无法补救争议结果的情形。
现有技术指南可提供有用参考,但无法解决政治问题。美国国家标准与技术研究院将其 AI 风险框架 描述为自愿性框架。该框架支持在 AI 系统的设计、开发、使用和评估过程中考量可信赖性。
这一区别有助于将指南与具有约束力的义务区分开来。组织可以将自愿框架作为其实践的一部分予以采用。法律是否应要求采取特定行动,则涉及有关权限、覆盖范围、核验和补救措施的额外选择。
对于企业采购方而言,实际启示是审查供应商承诺背后的证据。关于负责任开发的声明,应引向对测试、已记录限制、审查程序和事件处理的追问。政治辩论可以使这些问题更加清晰,但无法替人作答。
知识工作者在追踪政策公告时也会面临类似的证据问题。候选人的声明、已提出的法案、机构提案和可执行要求,分别描述了不同阶段。将它们合并为一项总结,可能会对即时义务形成误导性印象。
可检索的知识库有助于将原始文件与日期、司法辖区及后续变动关联起来。其目的很实际:保留足够背景,以区分承诺与规则。任何组织工具都不能取代核查原始来源。
安全性主张同样需要相当的谨慎。对未来事件的预测应始终被表述为归属明确的预测,而非某一具体事件必将发生,或拟议应对措施必能阻止其发生的证据。
怀疑性标准应对称适用。声称监管能够保证安全,需要证据。声称监管必然阻碍有益创新,同样需要证据。任何一方都不应仅因其信息传播效果良好而获得更低的举证门槛。
如果 Tomorrow Together 的选民研究能够澄清公众偏好及其边界,它可以为这场辩论作出贡献。若将信息传播结果表述为政策有效性或未来选举结果的证明,其价值将更难评估。
关注方法、提案与竞争对手的回应
接下来真正值得关注的发展,是可观察到的文件和决策,而非预测谁已经赢得这一议题。
首先,关注研究披露。未来数月内,若公布问卷、抽样说明、实地调查日期和完整结果,将使该倡议更易于评估。这些材料能让外部读者检视究竟测量了什么。
最具信息量的发布应将笼统担忧与对明确行动的支持区分开来。它应展示当参与者面对权衡或反方论点时,回答如何变化。它还应指出哪些发现尚无定论。
披露将增强人们对研究解读的信心,但不会解决选举因果关系问题。仅包含有利摘录的发布,只能支持更为有限的结论。即便这些摘录准确描述了研究的一部分,这一区别依然重要。
其次,关注将信息转化为责任的提案。候选人或立法者可以明确涵盖哪些组织、针对何种行为,以及由哪个机构负责执法。这些细节将揭示议程是否已超越传播策略。
具体提案也会让比较成为可能。支持者可以说明预期收益。批评者可以指出实施问题或提出替代方案。读者可以依据同一文本评估双方论点。
具体性将强化这样一种判断:这项努力正在塑造实质性议程。若继续依赖未经定义的保障措施,其政策贡献仍将不确定。在相关文件出现之前,不应预先推断任何一种结果。
第三,关注竞争政治力量如何回应。竞争者可能拒绝增加义务、提出更有限的保护措施,或采用类似表述但作出不同的执法选择。每一种回应都会改变政策比较,却不会自动证明选民行为已经改变。
竞争对手若提出处理同一关切的方案,将削弱任何有关独占议题归属的主张。围绕执法的具体分歧会使实质性选择更加清晰。若交流仅限于口号,则对最终执政优先事项提供的证据更少。
对于开发者而言,这些信号提供了实用的监测顺序。研究可以表明哪些关切正在获得关注。提案文本可以识别潜在义务。正式的机构行动则可以确定这些义务是否正走向实施。
企业采购方在规划供应商审查时也应采用同样的顺序。公告可以成为收集信息的理由,但不应自动引发“新要求已经存在”的判断。决策应反映相关提案的实际状态和范围。
随着辩论发展,AI 用户也可以提出更精确的问题。谁能获得保护?哪些决策符合条件?投诉之后会发生什么?这些问题能让人们更容易比较那些起初听起来相似的承诺。
Tomorrow Together 推动 AI 议题值得关注,因为它将选民沟通置于一场正在形成的政策争论的早期阶段。其最终意义取决于证据质量,以及随后作出的承诺。
随着原始文件陆续出现,应从这些文件入手。将研究问题与其结果相关主张进行比较,再将竞选承诺与拟议执法进行比较。务必区分自愿性指南、立法提案和具有约束力的要求。随着 2028 年辩论发展,这一做法将为开发者、采购方和普通用户提供更清晰的判断基础。需要持续追问的问题很具体:哪项提案识别了真实问题,清晰分配了责任,并提供了人们能够实际使用的补救措施?应以这一标准同等衡量 Tomorrow Together 及其政治对手。它将揭示比任何一方宣称自己已经代表公众更多的信息。



