AI 的公眾參與：為什麼要讓民眾說話
支持公眾參與的理由很多，但最常被誤解的是「這是道德要求」。其實，公眾參與同時是正當性問題、知識問題與信任問題。以下分別說明。
理由一：價值判斷無法外包給工程師
AI 系統的每一個技術選擇，背後都藏著價值判斷。舉例來說，一個醫療影像輔助診斷系統，要決定「寧可誤判有病的，也不要漏掉病人」（提高靈敏度），還是「寧可少報一點，避免造成恐慌與過度檢查」（提高特異度）。這不是純粹的統計問題，而是關於「我們願意承擔哪一種錯誤」的社會選擇。
再比如，一個招聘篩選模型要決定：是否將「曾任職於特定公司」作為加分項？是否將「職涯中有空白期」視為風險？這些特徵在統計上可能有效，但在社會意義上，它們可能複製既有的不平等。工程師可以計算相關性，卻無法決定「這樣的不平等是否可以被接受」。
換句話說，技術專家擅長回答「怎麼做」，但「該不該做」、「為誰而做」、「做到什麼程度」這些問題，本質上是政治問題，需要由受影響的人共同回答。把這些問題完全交給工程師，不是對專家的尊重，而是對專家的過度授權。
理由二：在地知識是 AI 落地的關鍵
AI 系統最常失敗的地方，往往不是演算法不夠強，而是它不認識現場。一個在大型城市資料集上訓練出來的交通預測模型，到了巷弄狹窄、機車密度極高的地方，可能完全失準；一個針對標準華語訓練的語音辨識系統，遇到台語、客語、原住民族語或混合語碼，錯誤率會直線上升。
這些問題，工程師在實驗室裡很難預先想到，但當地居民、基層公務員、社區組織工作者卻天天在面對。他們掌握的是所謂的「在地知識」（local knowledge）：哪些路口在雨天會塞、哪些族群對政府通報系統有戒心、哪些服務據點其實早已停止運作。這些知識不在任何資料集裡，卻是讓 AI 真正有用的關鍵。
公眾參與的價值，就在於把這些分散的、隱性的知識引入系統設計。它不是要民眾來「教 AI 怎麼寫程式」，而是要讓設計者知道：你的模型在真實世界裡，會遇到哪些你沒想過的狀況。
理由三：信任來自被看見的過程
最後，也是最現實的理由：如果民眾不知道 AI 系統怎麼運作、誰在監督、出了問題找誰，他們就不可能信任它。而缺乏信任的 AI，即使技術上再準確，落地時也會處處碰壁。
信任的建立，很少來自「保證沒問題」這種宣示，而多半來自「過程可以被看見」。當民眾知道自己有機會在系統上線前表達意見、知道自己的意見被記錄下來、知道有第三方在監督，即使最後的決定不完全符合自己的期待，接受度也會高得多。這就是程序正義的核心：人們在意的往往不只是結果，還包括自己有沒有被當成一個有尊嚴的參與者。
反過來說，如果一個 AI 系統是「先上路再說，有問題再調整」，一旦出事，社會的反應通常不是「再給它一次機會」，而是全面拒斥。過去幾年，多個城市的人臉辨識試辦計畫、學校的情緒偵測系統、企業的員工監控工具，都因為缺乏事前溝通而迅速夭折。這些案例反覆說明：省略參與所節省的時間，最後往往要用更大的社會成本來償還。
三、公眾參與的實踐形態：從座談到公民審議
談到「讓民眾說話」，很多人腦中浮現的是公聽會：一排官員坐在台上，民眾輪流發言三分鐘，結束後各自回家。這種形式不是沒有價值，但它只是參與光譜的一端。實際上，公眾參與有非常多層次與方法，適合不同的議題、不同的階段。
常見的參與層級與方法
公共政策領域常用「參與階梯」來區分參與深度。由淺到深，大致可以分成五個層級：
在 AI 領域，這五個層級可以對應到不同的具體工具。例如：演算法影響評估（對應告知）、線上意見徵集平台（對應諮詢）、資料治理委員會納入社區代表（對應涉入）、公民審議會議（對應協作）、以及針對高風險應用的公民否決或暫停機制（對應授權）。
值得注意的是，不是每個議題都需要做到最深層級。一個內部使用的文件分類工具，可能只需要告知與基本諮詢；但一個影響公共空間監控、社會福利資格判定或教育機會分配的系統，就應該做到協作甚至授權。參與深度應該與風險程度成正比，這也是歐盟《人工智慧法》分級管理的核心邏輯。
國際案例借鏡
幾個國際案例值得參考。法國在二〇一六年推動「公民新創會議」（Convention citoyenne），後來延伸應用到數位與 AI 議題，透過隨機抽樣的公民代表，在充分資訊與專家協助下進行長時間審議，最後提出具體政策建議。愛爾蘭則多次使用「公民議會」處理高度爭議的社會議題，其程序設計被認為是提高正當性的重要工具。
在演算法問責方面，紐約市曾通過法律，要求政府機關對自動化決策系統進行公開的影響評估與說明；阿姆斯特丹與赫爾辛基則建立了演算法登錄制度，讓市民可以查詢政府使用了哪些 AI 系統、用途為何。這些做法未必完美，但它們共同釋放了一個訊號：AI 治理不是只有「專家閉門寫規則」這一條路。
亞洲方面，新加坡的 AI Verify 框架嘗試建立一套可被第三方檢驗的治理工具；日本則在 AI 治理討論中強調「敏捷治理」與多方對話。這些經驗都還在演進，但至少證明了一件事：公眾參與可以制度化，而不必停留在零散的座談會。
四、華語圈的現況與挑戰
把鏡頭拉回華語圈，情況比較複雜。台灣在開放政府與公民參與方面累積了不少經驗，例如 vTaiwan 平台曾針對共享經濟、線上交易等議題進行多方審議；Join 公共政策網路參與平台則提供提案與附議機制。近年 AI 基本法草案的討論，也開始出現「是否應納入公民參與機制」的聲音。不過，這些機制與 AI 技術治理的結合仍相當有限，多數 AI 政策討論還是集中在產業發展與技術標準。
香港與澳門的政策討論，長期以諮詢文件與業界座談為主，公眾參與的深度與持續性仍有進步空間。中國大陸則以「演算法備案」、「徵求意見稿」等方式，在監管過程中納入部分公眾意見，但其參與管道與資訊公開程度，與歐盟模式有明顯差異。
整體來看，華語圈面臨幾個共同挑戰：
這些挑戰不是不能克服，但需要主辦單位願意投入資源，把參與當成長期制度，而不是一次性活動。
五、如何設計一場「有效的」AI 公眾參與
如果你是一個正在規劃 AI 相關政策或產品的人，以下是幾個實務上可以參考的設計原則。它們不是萬靈丹，但能大幅提高參與的品質與可信度。
原則一：越早介入越好
很多參與活動之所以變成「背書大會」，是因為它在決策已經成形後才舉辦。真正有效的參與，應該在問題定義階段就開始——也就是在「我們要不要做這個系統」、「這個系統要解決誰的問題」還沒定案的時候。一旦架構已定，參與空間就只剩下細節調整，民眾也會很快察覺自己只是在被說服。
原則二：提供可理解的資訊，而不是技術文件
與其發一份三十頁的模型說明書，不如做一份「這個系統會怎麼影響你」的情境說明。用具體案例、視覺化圖表、常見問答，讓沒有技術背景的人也能判斷「這樣的設計我能不能接受」。必要時，可以提供獨立的專家協助機制，讓民眾在審議前有機會先問問題、釐清疑惑。
原則三：設計有意義的回饋循環
參與最怕「已讀不回」。主辦單位應該事先承諾：哪些意見會納入、哪些不會、理由是什麼，並在事後公開說明。即使最後不採納某項意見，也要讓提出者知道「我們聽到了，但因為某某考量沒有採用」。這種誠實的回應，比表面上的「高度重視」更能建立信任。
原則四：注意代表性，避免只有同溫層發聲
開放式參與很容易變成「誰有空誰來講」，結果往往是技術社群、倡議團體與年輕族群的聲音被放大，而真正受影響的弱勢群體反而缺席。可以搭配隨機抽樣、社區組織協助動員、提供出席誘因（交通補助、托育支援、線上參與選項）等方式，讓參與結構更接近受影響人口的組成。
原則五：把參與結果制度化
一次性的座談會，很難產生持續影響。比較好的做法，是把參與機制寫進治理流程：例如規定高風險 AI 系統上線前必須經過公民審議、成立常設的資料治理委員會並納入社區代表、定期公開演算法影響評估報告。只有當參與成為「必經程序」，它才不會因為主辦單位人事更迭而中斷。
六、常見質疑與回應
推動公眾參與時，最常聽到的反對意見大概有四種。以下逐一回應。
「民眾又不懂 AI，參與有用嗎？」這個質疑預設了「參與等於技術審查」，但實際上，民眾被邀請回答的不是「這個模型架構好不好」，而是「這個系統的用途、限制與風險，我們能不能接受」。這些問題不需要懂程式也能回答，反而是工程師無法代答的。更何況，透過充分的資訊提供與專家協助，一般公民在審議中的表現，往往比想像中好。
「參與太慢，會拖累創新。」短期來看，參與確實會增加時間成本。但長期來看，缺乏參與導致的信任崩盤、事後補救、法規翻盤，成本往往更高。前面提到的多個人臉辨識與監控試辦案，就是因為跳過溝通而被迫中止。與其事後滅火，不如事前花時間把話說清楚。
「參與會被特定團體動員。」這是真實風險，但不是拒絕參與的理由，而是設計參與的理由。透過隨機抽樣、多元管道、透明議程與專家平衡，可以降低被單一團體把持的機會。完全封閉的決策，並不會讓決策更中立，只會讓影響力轉入檯面下。
「成本太高，不是每個議題都負擔得起。」確實，公民審議所費不貲。因此更需要分級：高風險、高爭議、影響範圍大的議題，投入較深度的參與；低風險、內部使用的工具，則以透明度與基本諮詢為主。關鍵不是「每個議題都辦公民會議」，而是「沒有一個高風險系統可以在無人監督下悄悄上線」。
結語：讓民眾說話，不是讓專業退位
回到最初的問題：為什麼要讓民眾對 AI 說話？答案不是因為民眾比工程師聰明，也不是因為參與一定能把政策變好。真正的理由是：AI 已經是一種治理工具，而治理工具的正當性，不能只來自技術能力。
讓民眾說話，意味著承認幾件事：價值判斷需要被公開討論；在地知識值得被納入設計；信任必須透過可被看見的過程來累積。它也意味著決策者願意接受一個不太舒服的事實：有些問題沒有標準答案，只能透過對話慢慢形成共識。
這條路很慢，也很麻煩。但當 AI 系統開始決定誰能貸款、誰能被通知面試、誰的發言會被放大，我們很難再用「技術中立」來迴避這些問題。與其等到爭議爆發才補救，不如現在就開始練習：把椅子拉開，讓更多人坐進來。
對雅寶社區的讀者來說，這件事其實不遙遠。下一次你看到某個政府部門或企業在徵集 AI 相關意見時，不妨去看看、去留言、去問一個問題。公眾參與從來不是天上掉下來的制度，而是一次一次有人願意開口，才慢慢長出來的。