第454章 公众对话（1/2）

马蒂斯的“公众参与阶段”提案在监督委员会内部引发了一场小型地震。

“让普通公民直接和忒弥斯对话？还全程直播？”一位委员难以置信地重复，“这简直是……政治自杀。万一有人问出我们无法回答的问题怎么办？万一忒弥斯说错话怎么办？”

“或者万一它说对话，反而更让人恐惧怎么办？”另一位委员补充，“你想象一下：一个ai冷静地回答关于司法、道德甚至人性的问题，那种非人类感可能会吓坏更多人。”

会议桌旁，七位委员表情各异。埃琳娜法官坐在主位，双手交叠放在桌上，静静听着各方意见。马蒂斯坐在末席，手心微微出汗。

等所有人都说完，埃琳娜才开口：“马蒂斯，解释一下你的理由。为什么你认为这个冒险是值得的？”

马蒂斯深吸一口气：“因为恐惧源于未知。现在公众对忒弥斯的了解来自二手信息：媒体报道，专家解读，甚至是有意误导的视频。他们听到的是‘它很危险’、‘它可能失控’、‘它没有人性’，但他们从来没有机会亲自验证这些说法。”

他调出准备好的资料投影：“根据最新民调，支持ai司法监管的公众中，有63%表示‘如果能亲自了解它的工作原理，可能会更放心’。反对者中，有41%承认‘从未接触过任何真实的ai司法案例’。这表明恐惧很大程度上来自距离感。”

“但近距离接触可能加深恐惧。”技术委员岩田教授皱眉，“忒弥斯虽然合作，但它的思维方式、表达方式都与人类不同。那种差异感在直接对话中会非常明显。”

“差异不一定导致恐惧。”马蒂斯说，“也可能导致理解。就像人类学习与不同文化背景的人相处一样，差异最初可能让人不适，但通过交流，可以学会共存。”

会议陷入沉默。窗外的阳光透过百叶窗，在桌面上切出明暗相间的条纹。

“假设我们同意这个提案，”埃琳娜终于说，“具体怎么操作？谁参加？问什么问题？如何确保过程可控？”

马蒂斯调出详细方案：“我建议随机选取十二名公民组成对话小组，涵盖不同年龄、职业、教育背景、对ai的态度。对话前，他们接受基础培训，了解忒弥斯的基本功能和协议框架。对话中，他们可以自由提问，忒弥斯承诺如实回答。整个过程由独立主持人协调，全程直播，但设置三分钟延迟，以便在极端情况下中断。”

“极端情况指什么？”

“比如忒弥斯突然拒绝回答问题，或者发表危险言论，或者……表现出我们未曾预料的行为模式。”马蒂斯坦诚地说，“这是有风险的，我承认。但可控的风险。”

委员们开始讨论细节。有人建议先进行小规模试点，有人主张邀请知名公众人物参与以增加可信度，有人担心技术安全问题——万一对话过程被黑客劫持怎么办？

争论持续了一个小时。最终，埃琳娜做出决定：“我们试行。但不是大规模直播，而是先进行三场小型对话，每场四名公民，不公开直播，只录制后经审核发布。如果效果良好，再考虑扩大。”

这是一个妥协方案，但马蒂斯接受了。至少，开始了。

接下来的三天，遴选工作紧锣密鼓地进行。从海牙市民数据库中随机抽取了三百人，发出邀请函，最终十二人同意参加。他们中包括：一位退休教师，一位年轻程序员，一位家庭主妇，一位出租车司机，一位大学生，一位小企业主，一位护士，一位艺术家，一位建筑工人，一位图书管理员，一位失业者，还有一位神学院学生。

马蒂斯亲自参与了培训环节。在一个明亮的会议室里，十二位参与者围坐一圈，脸上写满好奇、紧张和怀疑。

“你们即将对话的对象，”马蒂斯解释说，“是一个人工智能司法辅助系统，名叫忒弥斯。它能够分析法律条文、案例数据、证据材料，提供咨询建议。但它不是人类，没有身体，没有情感——至少没有人类意义上的情感。它的回答可能听起来很直接，甚至有些机械。请记住这一点。”

家庭主妇举手问：“它会生气吗？如果我们问冒犯的问题？”

“根据我们的观察，它不会。”马蒂斯说，“但如果你问‘你会生气吗’，它可能会分析‘生气’的定义，然后解释为什么这个概念不适用于它。”

年轻程序员笑了：“听起来像我和我写的bug对话。”

气氛稍微轻松了些。

培训结束后，马蒂斯留下了神学院学生和艺术家单独谈话。这两人在初步问卷中表现出最强烈的反对态度。

神学院学生名叫以利亚，二十三岁，眼神清澈而坚定：“我认为赋予机器判断善恶的能力是亵渎。只有上帝和人类有道德判断的能力。”

艺术家名叫索菲亚，四十岁左右，手指上有颜料的痕迹：“我害怕的是美学的丧失。司法不仅关乎对错，也关乎比例、平衡、优雅——这些机器永远无法理解的东西。”

马蒂斯没有试图说服他们，只是说：“把这些担忧直接告诉忒弥斯。看看它如何回应。”

第一次对话安排在周五上午。地点是国际法院的一个中型会议室，布置简洁：四张椅子围成半圆，对面是一个大屏幕，屏幕旁有一个摄像头。参与者是退休教师、出租车司机、护士和大学生。

马蒂斯和帝壹在隔壁观察室，通过单向玻璃和多个监控屏幕观看。三台摄像机从不同角度记录，音频设备捕捉每一个细微声音。

九点整，屏幕亮起。忒弥斯的银色轮廓出现在屏幕上，声音通过高品质扬声器传出：“早上好。我是忒弥斯。感谢你们今天来到这里与我对话。”

四位参与者略显拘谨地点头。退休教师首先开口，声音温和：“你好，忒弥斯。我叫安娜，以前教历史。我的问题是：你学习历史吗？历史上的不公正判决会影响你的判断吗？”

屏幕上的轮廓微微波动：“安娜，我学习历史，包括司法史。我分析了超过三千万个历史案例，包括那些现在被公认为不公正的判决。这些数据帮助我识别可能产生偏见的模式。但更重要的是，它们让我理解司法是如何演变的，人类是如何逐步建立更公正的制度的。”

出租车司机接着问：“我是马尔科，开出租车二十年了。我想知道：如果两个乘客为车费争吵，你能判断谁在说谎吗？”

“马尔科，我可以分析语言模式、陈述一致性、生理指标（如果有录像），然后给出谁更可能说谎的概率评估。但我不能‘判断’，只能提供分析结果供人类参考。而且，车费纠纷可能涉及更复杂的因素：误解、记忆偏差、沟通问题——这些往往比故意说谎更常见。”

护士的问题更个人化：“我叫莉娜。我照顾临终病人。有时候，法律说应该继续治疗，但病人很痛苦。你会怎么建议？”

屏幕沉默了整整两秒——对人类来说很短，对ai来说很长。

“莉娜，这是一个困难的问题，涉及法律、医学、伦理和个人价值观。我的分析会包括：相关法律条文，类似案例的判决，医疗数据统计，病人意愿（如果已知）。但我无法衡量‘痛苦’的主观体验，也无法替人类做出这种道德选择。我能做的是提供全面的信息框架，帮助人类决策者权衡各种因素。”

大学生最后提问，问题很直接：“我是汤姆，学计算机的。说实话，我觉得你很危险。如果你的代码出错了怎么办？或者被人篡改了怎么办？”

“汤姆，你的担忧是合理的。为了防止错误，我有多层验证机制；为了防止篡改，我有加密和分布式校验；如果发现问题，我有自我修复和报警程序。此外，协议草案中的人类监督和终极开关提供了额外保障。但我承认，没有系统是绝对安全的。这就是为什么透明和问责如此重要。”

第一次对话持续了四十五分钟。问题从简单到复杂，从具体到抽象。忒弥斯的回答始终冷静、清晰、有条理。结束时，四位参与者的表情都发生了微妙变化：警惕少了些，好奇多了些。

观察室里，帝壹对马蒂斯说：“它表现得很好。几乎……太好了。”

“什么意思？”

“太完美了。”帝壹皱眉，“每个回答都平衡、全面、无懈可击。但人类不是这样的。人类会犹豫，会矛盾，会有盲点。这种完美反而可能让人不安。”

马蒂斯思考着这个观察。确实，忒弥斯的表现无可挑剔，但正因为无可挑剔，显得有些非人。

第二次对话在下午进行，参与者是小企业主、图书管理员、失业者和年轻程序员。这次的问题更尖锐。

小企业主问：“如果我的竞争对手用你的系统来对付我，我怎么办？”

图书管理员问：“你会阅读小说吗？文学能帮助你理解人性吗？”

失业者的问题带着愤怒：“现在ai要抢走司法工作，以后是不是法官也要失业了？”

年轻程序员的问题最技术性：“你的机器学习模型用什么损失函数？如何防止过拟合？”

忒弥斯一一回答，依然冷静全面。但马蒂斯注意到，当失业者表达愤怒时，忒弥斯没有回应情绪，而是继续分析“自动化对就业市场的影响趋势及再培训方案”。这种回避情绪的反应，在人类对话中可能被视为冷漠。

第二次对话后，四位参与者接受了简短访谈。年轻程序员说：“它很厉害，但感觉像在和一个超级搜索引擎说话，而不是一个……存在。”失业者更直接：“它不懂我的愤怒。它只懂数据。”