公民 AI 如何服務自治社群：隱私、權限與退出機制

值得記下的 5 件事

1. [4:07]
   透明應對準權力，而不是要求所有人交出隱私

   判斷資料是否公開，先問它揭露的是個人身分，還是某人對他人行使權力的事實。Audrey Tang以秘密投票說明：個別選擇應保密，計票結果則須能驗證；AI 的共同規則也應由受影響者參與制定並公開，而非讓弱勢者單方面透明。

2. [14:34]
   金庫代理應在預先同意的界線內行動，越界或有疑慮就停下來問人

   交易在鏈上有效，不代表風險已獲社群授權。Audrey Tang主張將程式可強制執行的限制與模型指令分開，每次行動都留下可核對的紀錄；規則未涵蓋或超過上限的事項，必須等待人類決定，不能只靠代理自述守規則。

3. [17:20]
   程式、社群規範與法律各有任務，不能只選其中一種

   程式負責守住能明確寫出的限制，例外情況仍需由維護規範的人判斷；若責任人失聯或拒絕回應，法律就是追究責任的最後防線。Audrey Tang以台灣反詐流程為例：通報者可保有隱私，平台與主管機關的處理責任則應可追蹤。

4. [20:55]
   服務關係的 AI 代理，應先約定退出方式，再累積共同記憶

   Audrey Tang提出讓個人與小社群各自保存資料，中央協調模型只連結必要來源，退出時即可撤回連結。這仍是小規模驗證中的「歸因式控制」研究方向，旨在避免資料進入預訓練後難以刪除，並讓貢獻歸屬與退出權更容易處理。

5. [25:08]
   多模型制衡不只要分配角色，也要避免所有角色共享盲點

   依Audrey Tang的使用經驗，協調、規劃、驗證與執行可交給不同模型，但若都由同一家公司預訓練，仍可能互相附和；不同來源的模型則較能彼此挑戰。這是個人觀察，並非普遍保證，治理上仍應保留替換、終止與自行部署的選擇。