近智能革命：扩展审议机制与赋能公众的 AI 路径

背景

随着大型语言模型（LLMs）在公共话语中日益占据主导地位，民主审议（democratic deliberation）正面临着前所未有的机遇与挑战。尽管通过“红队测试”（red teaming）等策略可以在一定程度上缓解特定风险，但公众和学术界对 LLMs 的深层担忧依然存在。这些担忧主要集中在语言局限性、潜在偏见以及模型表现出的“阿谀奉承”倾向（sycophantic tendencies，即模型倾向于迎合用户观点而非提供客观事实或批判性思考）。

在此背景下，如何超越单纯的风险管控，转而探索如何利用 AI 技术大规模扩展审议过程，使其更加民主化、包容性更强，特别是如何赋能传统上处于边缘地位的群体，成为了一个亟待解决的关键议题。本章/文章旨在从系统功能语言学（Systemic-Functional Linguistics）的视角出发，深入探讨这一可能性。

核心内容

本文深入剖析了 LLMs 在重塑公共审议过程中的角色，重点在于如何通过技术手段促进包容性并赋能弱势群体。

1. 语言学视角下的参与差异 文章引入系统功能语言学概念，指出语言使用并非均质。不同社会人口统计学群体（socio-demographic groups）在语言使用上存在显著差异，且不同的交际功能（communicative functions）也塑造了不同的参与方式。在 AI 支持的审议环境中，这些差异直接影响了个体的参与深度和质量。传统的“尊贵语域”（prestigious registers，即主流、精英化的语言规范）往往嵌入了排他性的规范和偏见，使得非主流群体在公共讨论中处于劣势。

2. AI 作为审议的脚手架 文章评估了由 AI 驱动的审议研究，认为 LLMs 具备成为“审议脚手架”（scaffold argumentation）的巨大潜力。具体而言，AI 可以通过以下方式发挥作用：

• 增强可及性：降低参与公共讨论的语言和技术门槛。
• 减少排他性影响：通过算法干预或辅助，削弱嵌入在主流话语中的排他性语言规范和偏见。
• 促进包容性：为边缘群体提供表达和支持工具，使其声音能被更广泛地听见和重视。

3. 避免极端立场：既不夸大也不低估 文章警告在讨论 AI 与民主审议的关系时，需避免两种极端：

• 过度宣称（Overclaiming）：对 AI 的能力抱有不切实际的期望，忽视其局限性和潜在危害。
• 过度保守（Underclaiming）：低估 AI 辅助参与的潜力，从而错失利用技术促进更广泛、更公平的社会参与的机会。

4. 未来研究方向与伦理 safeguards 结论部分指出，未来的研究应致力于最大化 AI 辅助参与的民主潜力，同时必须嵌入伦理 safeguards（保障措施）。这些措施旨在对抗语言不平等的再生产，确保技术不会固化甚至加剧现有的社会偏见，而是成为推动社会公平的工具。

关键要点

• LLMs 的双刃剑效应：虽然 LLMs 提升了公共讨论的可见度，但其语言局限、偏见及迎合用户的特性对民主审议构成挑战。
• 系统功能语言学的应用：通过分析不同群体和交际功能中的语言变异，揭示 AI 支持下的审议参与机制。
• 赋能边缘群体：AI 的核心价值在于通过降低门槛和对抗精英化语言规范，赋能传统上被边缘化的社会群体。
• 审议脚手架：AI 不应仅是对话者，更应作为增强论证、提升参与可及性的基础设施。
• 平衡预期：需警惕对 AI 能力的过度神话或过度贬低，寻求务实的技术应用路径。
• 伦理优先：必须在技术设计中嵌入伦理保障，防止 AI 加剧语言和社会不平等。

意义与影响

这篇文章标志着 AI 研究从单纯的技术性能优化，转向了更广泛的社会伦理和民主价值考量。其核心意义在于重新定义了 LLMs 在公共领域中的角色：从被动的信息提供者或风险源，转变为积极的民主审议赋能者。

对于政策制定者和科技开发者而言，这意味着在构建下一代 AI 系统时，不能仅关注准确率或响应速度，必须将“语言公平性”和“社会包容性”纳入核心设计指标。通过对抗“尊贵语域”的排他性，AI 有望打破精英话语垄断，使公共讨论更加多元和真实。

然而，这也提出了严峻的技术和社会挑战。如何确保算法真正识别并削弱隐性偏见，而非无意中强化它？如何设计交互界面以适配不同语言习惯的用户？这些问题的解决将决定 AI 是成为加剧社会分裂的工具，还是弥合社会鸿沟的桥梁。最终，这篇文章呼吁建立一个既充满创新活力又具备坚实伦理基础的“近智能”未来，让技术真正服务于人的解放与民主的深化。