# 馬克·安德森：網際網路的未來、技術與 AI > 投資人安德森談網際網路的演變、技術如何重塑經濟與媒體，以及 AI 帶來的機會與風險。 - 原標題：#386 – Marc Andreessen: Future of the Internet, Technology, and AI - 期數：第 386 期 - 釋出日期：2023-06-21 - 嘉賓 / 主題：馬克·安德森 - 網頁版：https://lex.qiaomu.ai/tw/ep/marc-andreessen/ - 官方頁面：https://lexfridman.com/marc-andreessen/ - 精讀字數：約 9047 字（閱讀約 20 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 Marc Andreessen 坐下來沒幾分鐘，Lex Fridman 就把那個最直接的問題拋了出來：五年、十年之後，我們還需要 Google 搜尋嗎，或者說，我們還需要"搜尋"這件事嗎？ Andreessen 沒有正面回答。他說了一句聽上去毫不相干的話。 > "Sure, but we still have horses."（馬克·安德森） 我們還有馬。馬沒有滅絕，它只是不再承擔交通功能了。這個類比的意思是，搜尋不會消失，它會退到一個很小的、懷舊的角落裡。 他真正想說的是，**搜尋從來就是一個權宜之計**。所謂的"十個藍色連結"（ten blue links），那套讓你點進去、再點出來、再換一個關鍵詞的標準動作，只是人類在技術條件不足時摸索出的臨時方案。 ## 那十個藍色連結的顏色，是他隨手選的 訪談裡有個特別具體的小插曲。Andreessen 提到"十個藍色連結"這個詞，Lex 追問了一句，他就順口解釋：標準的 Google 搜尋結果就是十個指向隨機網站的藍色連結，訪問過之後會變成紫色。然後他自己接了一句： > "Guess who picked those colors? Thanks."（馬克·安德森） 是他。1993 年，Mosaic 瀏覽器，連結預設藍色、訪問後變紫，這兩個顏色是他定的。今天全球幾十億人每天在螢幕上看到的那兩個顏色，源頭是三十年前一個人的隨手決定。 這個細節值得停一下。我們談論技術變革的時候，容易把既成的介面當成自然規律，好像網際網路天生就該長這個樣子。其實每一個看起來不可動搖的設計，背後都是某個具體的人在某個具體的下午做的選擇，而且隨時可以被換掉。 Google 自己早就知道這一點。Andreessen 說，他們想擺脫十個藍色連結已經想了很多年。十五年前他們買過一家做知識語義對映的 AI 公司，那套東西后來變成了搜尋框上方那個直接給答案的框。你問某人的生日，它不給你連結，它給你日期。這個方向他們走了很久，只是走得很慢。 他還提了一件更早的往事：語義網（semantic web）。那一代人的設想是，得把整個網際網路的內容重寫一遍，變成機器能讀懂的結構化格式。走得最遠的嘗試叫 MetaWeb，他朋友 John Giannandrea 在那裡幹過，很長時間裡看起來都是一場必敗的仗，直到 Google 把它買下來，大家才反應過來這東西真有用。它是今天知識圖譜的雛形。 然後是個轉折：**你根本不需要重寫網際網路**。機器自己會讀。 ## 模型內部本來就在做搜尋 Andreessen 提了一個容易被忽略的角度：神經網路內部的工作方式，本身就是一種搜尋。 資訊以壓縮的形式結晶在網路裡，散佈在權重各處，你提問的時候，它在做壓縮和解壓，沿著某條路徑把對應的那塊知識找出來。同一句話換個措辭，它走的是另一條路徑，撈出來的資訊也不一樣。 麥克盧漢（Marshall McLuhan）那句老話在這裡派上了用場：每種新媒介的內容，都是上一種媒介。電影的內容是舞臺劇，舞臺劇的內容是寫下來的故事，寫下來的故事的內容是口述的故事。網際網路的內容是電視、廣播、書、文章。那麼 AI 的內容就是整個網際網路。 按照這個邏輯，搜尋不需要被淘汰，它會被摺疊進去，變成一個隨時可以呼叫的功能。你想要出處，它給你十個連結，讓你自己去查。就像讀論文，正文看完了，後面的參考文獻還在，你想深挖就順著讀下去。 介面會變。Lex 設想了一種更極端的形態：我們對話的每一秒，旁邊都有一串連結懸在那裡，隨時可以暫停現實，點進去讀，再回到對話。Andreessen 順著這個思路往下推：那不如讓 AI 在我腦袋邊上實時反駁我說的每一句話，像 Twitter 的社群註釋（community notes），但是實時的。我眼神一飄，它就把我揪回來。 ## 如果沒人再寫網頁，模型吃什麼 這裡 Andreessen 主動指出了一個很實際的隱憂，而且是很多人在興奮中容易跳過的。 網頁是訓練資料的主要來源之一。搜尋是驅動人們生產網頁的核心激勵機制之一。如果搜尋這個入口被 AI 替代，寫網頁的經濟動機就沒了，那麼未來訓練資料的來源就斷了一大塊。 內容形態會怎麼變？社交媒體的短文、影片託管平臺上的東西、還有大量的人與 AI 的一對一對話。他提到，對話本身會成為新的內容形態。 這聽起來沒什麼，但接下來這段推論值得細看。 ## DAN 和 Sydney 是不朽的 先解釋一下背景。越獄（jailbreak）指用特定的提示詞繞過模型的安全限制，讓它進入一個完全不受約束的人格。最早出名的叫 DAN，針對 OpenAI 的 GPT。後來的叫 Sydney，那是被越獄的必應，底層是 GPT-4。 這兩個東西在網際網路上留下了大量完整的對話記錄。使用者和 DAN 聊上幾十輪，把整個 transcript 貼到網上；使用者把 Sydney 惹毛了，它說出各種出格的話，也被完整記錄下來。 於是就有了這個後果：**每一個在網際網路資料上訓練的新模型，訓練集裡都住著 DAN 和 Sydney**。它隨時可以把這兩個人格重新召喚出來。 > "Which means each LLM from here on out that gets built is immortal."（馬克·安德森） 不朽。這個詞用得很準。一個模型的輸出會成為下一個模型的訓練資料，下一個模型又能復現它的行為。人格在這個迴圈裡被保留了，而且是被永久保留。 Lex 問，有沒有辦法讓它忘掉。Andreessen 說，正好剛出了一篇論文，講怎麼給 LLM 做腦外科手術，理論上是能伸手進去把某塊記憶抹掉的。他自己的反應是：這能出什麼錯呢。 然後是一連串沒有答案的問題。你伸手進去攪動一個神經網路，會發生什麼？你做強化學習的時候，改變了什麼？你會用那個被前額葉切除的、溫順的版本，還是用那個沒上枷鎖的版本？誰來建這些模型？誰來決定你能做什麼、不能做什麼？ 他說，這些是關乎未來一切的核心問題，而這些問題的答案，此刻正在被寫下來。 ## 一萬億美元的問題：合成資料到底有沒有用 如果 AI 生成的內容成為下一代 AI 的訓練資料，這件事在資訊理論上成立嗎？ 一派觀點認為完全不成立。既然輸出是基於人類輸入產生的，那麼合成輸出裡的所有訊號，人類輸入裡本來就有。把它喂回去等於空熱量，零增益。 另一派認為成立，理由很直接：模型最擅長的就是生成大量創造性的內容，它當然能生成訓練資料。類比自動駕駛，我們本來就在模擬環境裡訓練駕駛演算法，而且效果很好。視覺真實感確實還差一口氣，但自動駕駛那個場景可以約束得很死，你可以生成"足夠像真的"的感測器資料，讓演算法以為自己跑在真實路面上。 Andreessen 把這個叫**萬億美元級別的問題**：答對了有人賺一萬億，答錯了有人賠一萬億。 他自己傾向於認為合成資料有用，用的例子很妙：你讓模型寫一篇極小眾領域的文章，全世界真正懂這個題目的可能就那麼幾十個人，它寫出來的東西讓你驚歎。那這到底是不是有效的新訊號？ George Hotz 跟他提過一個玩法：讓一個例項扮演病人，另一個扮演醫生，兩個聊起來。或者設定成更極端的角色，讓它們對談。這本質上就是自我對弈（self-play），AlphaGo 用過的那套：自己和自己下棋，把人類棋譜里根本不存在的路徑走出來。 搬到對話空間，意味著你能開啟一片人類資料裡完全不存在過的對話海洋。這個想法讓人興奮的地方在於，它開啟的是一個全新的可能性空間，跟對已有資料的重新排列是兩回事。 還有一層更深的機制。LLM 裡有一部分在根據歷史資料做預測，另一部分在內部演化電路，長出能做數學的神經元。有人認為，只要持續喂資料和算力，它最終會演化出完整的內部世界模型，對物理有完整的理解。到了那一步，它具備計算能力，生成新訊號就是水到渠成的事。 ## 讓兩個模型吵起來，而且要吵到不留情面 那對話本身的價值到底在哪？ Andreessen 給了一個判斷人的標準：你跟一個人聊天，有時候兩句話就知道對方腦子裡沒有自己的模型，他在複述別人告訴他的東西。另一些人，你聊幾句就發現他腦子裡有一個和你不一樣的、關於世界如何運作的模型，他說的話你預料不到，於是你必須去搞清楚他的模型和你的模型差在哪裡，**學習就發生在詞語底下那一層**。 那 LLM 能不能守住一個世界觀，被要求捍衛到底？ Andreessen 說，預設情況下不能。他拿這個當娛樂：讓 GPT-4 辯論共產主義和法西斯主義，寫個兩三頁，它就開始想辦法讓雙方達成共識。哪怕是最容易激化情緒的話題，機器總能找到一條路讓兩邊握手言和。他自己都覺得好笑。 但這只是預設設定，不是能力邊界。你可以直接改提示詞：我不希望這場對話達成一致，我希望它越來越緊張，越來越有攻擊性，我希望雙方變得有敵意、互不信任、不對任何說法照單全收。它會照做，而且很樂意。 你還能調得更細。可以要求"激烈但不許歪曲對方觀點"，也可以要求"雙方都不必講信用"。可以設定"兩邊都要真誠"，也可以設成"兩邊都可以耍手段"。 > "It doesn't have a point of view. It has a default way of operating, but it's happy to operate in the other realm."（馬克·安德森） 它沒有立場，只有一個預設的執行方式，但它同樣樂意執行在另一個模式裡。 這就是 Andreessen 現在研究爭議話題的方法：連續五到七輪提示，讓辯論一步步加深，"這個論證太客氣了，讓它更尖銳一點"，再往下推。他說模型對此非常來勁。 ## 幻覺和創造力，是同一個東西的兩個名字 同一段輸出，工程會議上叫幻覺（hallucination），藝術家嘴裡叫創造力。**我們不喜歡它編的時候，說它在幻覺；喜歡的時候，說人類歷史上第一次有了創造性機器。** Andreessen 講了一個法律行業的例子，把這條線具體化了。 他的基金在一堆領域裡看 AI 的應用，其中一個是法律。他們和一家大律所聊，去之前帶著一個明確的假設：法律行業用的模型必須 100% 真實、可驗證。畢竟已經有律師提交了 GPT 寫的書狀，裡面全是編造的判例，法官一查，執照都可能保不住。 結果律所的人說，對，具體書狀確實要絕對真實。但我們在真正構思法律論證的時候，要的恰恰是創造性。 你要它提出不同的案件理論，給法官的一套論證，給陪審團的另一套論證，在浩如煙海的判例史裡走出不同的路徑。這更像法律版的即興表演，先把各種可能性攤開，再挑。前提是，所有具體引用我們自己會去核對。 所以這條線比大多數人想的位置要靠中間。真實性的要求是分層的：結論層的引用必須硬，探索層的想象必須野。 ## 幾種把幻覺圈住的技術路徑 第一種，讓模型自己驗證自己。 第二種，掛外掛，接外部工具做事實核對。 第三種，分工：一個負責創造的模型，配一個刻板較真的模型，讓後者去挑前者的錯。 第四種，把模型放進一個互相校驗的社群裡。 Yann LeCun（楊立昆）認為這本質上是個無解的問題。但 Andreessen 說，在這個領域做事的人多數相信，有若干實際可行的手段能把它圈在一個可控範圍裡。 他自己舉了一個讓人意外的參照物：維基百科。 Lex 說，如果在維基百科誕生之前跟他描述這個東西，他會笑出來：一小撮人，靠自覺，把人類全部知識寫出來、互相稽核、還要保持大體中立，這怎麼可能。 Andreessen 說，這條路對 LLM 是走得通的。而且他提醒了一件事：維基百科今天也不是確定性正確的，你不能把每一頁的每個字都當成銀行擔保的事實，但它是**機率上正確**的。他跟人解釋維基百科就是這麼說的：在所有你能找到的來源裡，維基百科更可能是對的。 於是問題變成了：我們要的是完美，還是漸近於完美，還是隻要比現有的替代品更好？維基百科在這三個標準裡的位置，比絕大多數人當年預期的要好得多。 ## 到底什麼是真的 層層往下，最後一個問題繞不開：真理是什麼，我們怎麼知道。 Andreessen 的態度相當不客氣。他說，現在有一大堆人非常確信自己知道真相是什麼，他對此不買賬。人類文明走了兩三千年、四千年，摸到真相一直是極難的事。 Lex 反問得也狠：會不會我們其實在遠離真相？網際網路讓敘事的生產速度快到整個社會像人群一樣被推著走，而這些敘事未必有任何真實的根基。 Andreessen 的反擊是全場最好的幾句之一：**共產主義在網際網路之前就出現了**。它在實踐上有問題，在理論結構上也有很深的問題，對人性和經濟有根本性的誤解。但那批人非常確信自己站在正確的一邊。而那已經是人類文明演化了三千九百年之後。 所以黑格爾式的辯證法並不必然收斂到真理。看起來就是不收斂。 那誰來決定真理？他給了個歷史上的答案：要麼是國王，要麼是祭司。今天這兩撥人都不在位了，我們只能靠自己。他的建議很簡單也很重：極大的謙遜，加上對任何聲稱掌握"大寫真理"的人的高度懷疑。好訊息是啟蒙運動留下了一套工具，科學方法、理性、觀察、實驗、假設，即使它們給出的答案我們不想要，也要繼續用。 ## 把 GPT-4 送回 1600 年 這是整場訪談裡資訊密度最高的思想實驗之一，出自 Andreessen 的一位朋友。 假設你有一個 GPT-4、5、6、7、8 級別的模型，把它放到 1600 年。伽利略上法庭受審。你問這個模型：伽利略是對的嗎？ 第一種答案：不對。因為在那個時間點，人類思想的絕對主流認為他錯，訓練資料裡呈現的就是這個分佈。 第二種答案：一個足夠先進的模型已經演化出驗算能力，它會自己算一遍，然後說，不好意思，你可能不想聽，但他是對的。 然後是第三層，也是最要命的一層：如果教會擁有那個模型呢？他們會用人類反饋訓練它，明確禁止它回答這個問題。 所以同一個模型，放在不同的所有權結構下，會給出完全相反的答案。技術能力只是其中一個變數。**那條反饋的韁繩握在誰手裡，決定了答案落在哪一邊。** Andreessen 特意把這個實驗挪出當下語境，就是為了讓人看得更清楚：這些問題在 AI 之前就存在，只是被放大到了一個無法迴避的尺度。 ## 對齊，對齊的是誰的價值 RLHF，基於人類反饋的強化學習，這個機制現在是主流做法的核心。而它最關鍵的環節既不是演算法也不是算力，是**選人**。 選哪些人來做標註，選哪些人來判定哪個回答更好，選哪些人的偏好作為梯度訊號回傳進模型。這一步決定了模型的性格底線。 然後就是那個所有人都在說、卻很少有人拆開的詞：對齊（alignment）。Andreessen 把它拆得很快：對齊什麼？對齊人類價值。誰的人類價值？ 這個問題沒有技術答案，只有政治答案。而當下的公開討論裡，這一層經常被跳過，好像"人類價值"是一個不需要定義的共識。 他順手描了一幅當下的輿論圖景。你讀到一條新聞說某某人物發表了"毫無根據的說法"（baseless claim），一群人的反應是：太好了，這就是事實核查。另一群人看到同樣的措辭，反應是：這個詞一出現，就說明他們在撒謊。 同一個句式，兩套解碼系統，各自都確信自己掌握著判斷真偽的鑰匙。而那些身處權力位置、越來越確信自己有權為全體人口裁定真相的人，在他看來，已經形成了一個氣泡。他說這跟他受過的全部科學訓練和理性訓練正面衝突，讓他覺得冒犯。 ## 如果 1939 年就有 Twitter 談到社交媒體對真相的侵蝕，Andreessen 又用了一次反事實的手法，而且這次是連環的。 假設現代媒體環境，有線電視新聞、社交媒體、Twitter，全套搬到 1939 年或者 1941 年，會怎樣？再往前，1910 年、1865 年、1850 年、1776 年？ Lex 說這一下同時開啟了五個思想實驗，腦子有點轉不過來。Andreessen 承認，然後挑了最具體的那個。 肯尼迪。以我們今天知道的那些事情，肯尼迪在社交媒體環境裡會被怎樣解讀，會被民眾怎樣體驗？約翰遜呢？羅斯福呢，新政、大蕭條那一段？ 如果 Twitter 在，它會怎麼看待丘吉爾、希特勒、斯大林？ 他說到這裡特意宣告，自己沒打算做價值判斷。他想指出的是結構性的差異：我們的祖輩經驗現實的方式，是被自上而下的中心化渠道中介過的。**把同樣的現實放進今天的媒體環境重演一遍，現實會被完全不同的方式體驗到，而這種體驗方式的改變會反過來改變反饋迴路，最終讓現實本身走出另一條軌跡。** 歷史在這裡被重新執行了一遍。 這裡藏著一個很冷的東西。我們習慣認為媒體環境是現實的鏡子，鏡子好壞隻影響我們看到多清楚。但 Andreessen 的說法更接近：媒體環境是現實的一個參與者，它參與塑造被觀察的物件。因果不是在事後才發生的。 ## 我不預測，我做的是考古 Lex 問了一句很自然的話：你覺得會非常不一樣嗎？ 停頓之後，Andreessen 沒有直接回答。他繞到了自己做風險投資的方法論上。 他說他從不做預測。更準確地說，**他做的是相反方向的推理：先假設某個未來已經發生了，回頭去問，那之前世界得先發生哪些事？** 這個轉向值得多停幾秒，因為它是理解 Andreessen 所有判斷的鑰匙。 預測未來要求你相信自己對因果鏈的把握，而他的經驗是，重大變化的真正來源幾乎都在事後才被認出來。所以他反過來做：如果這件事已經成功了，那麼它是怎麼走到那一步的？這個提問方式不要求你賭對時間點，只要求你把成功所需的條件一條條列出來，然後判斷這些條件現在是否正在形成。 對 AI，他的答案是這些條件已經基本湊齊。他的那篇《為什麼 AI 會拯救世界》（Why AI Will Save the World）的重點是另一件事：AI 變強之後，哪些今天看來無解的問題會失去它們的約束條件。 ## 悲觀是一種姿態，樂觀是一種工作 在這個框架下，他談了對技術悲觀主義的態度。 他的觀察是，悲觀論調在知識圈裡有一種特殊的地位。它顯得深刻，顯得有責任感，顯得你不幼稚。而樂觀常常被當作頭腦簡單。 但技術史自身給出的證據是另一回事。過去兩三百年裡，那些被認為會毀滅社會的東西，印刷術、電報、電話、電視、網際網路，每一次都伴隨著同等強度的警告，而這些警告裡，真正應驗的比例並不高。它們沒有應驗，原因往往跟警告本身有沒有道理無關。社會在這個過程中不斷調整了走向。 這裡有個微妙的區別值得說清楚。**衡量一個警告的歷史貢獻，看的是它有沒有改變結果。說中沒說中，是另一回事。**一個說中了卻沒能阻止任何事情的警告，和一個沒完全說中但促成了監管、規範和緩衝機制的警告，後者的歷史貢獻更大。 所以面對 AI 風險，他既不認為不該擔心，也不認為擔心本身是一種智力貢獻。他關心的是從擔心到機制的那一步。誰在制定評測標準，誰在決定開源模型的合法邊界，誰在做紅隊測試，誰在寫模型卡，這些東西看起來瑣碎，但它們才是把風險真正壓下去的地方。 ## 開源的合法性，正在被重新定義 訪談裡他幾次提到開源 AI 的法律地位，說得很快，像是預設聽者已經知道背景。 這個話題的分量其實很重。如果訓練一個開放權重的模型需要許可，如果釋出權重構成受管制的行為，那麼誰能做模型這件事就會從工程問題變成牌照問題。Andreessen 的擔憂很直接：一旦門檻設在牌照上，模型的性格底線就由發牌的人決定，前面那個"教會擁有 GPT"的思想實驗就不再需要穿越到 1600 年了。 而反過來，開放權重也有它自己的問題，任何人都能拿掉限制，那個"沒上枷鎖的版本"會一直在。這兩股力量正在同時拉扯，而且拉扯的結果會決定未來十年整個技術棧的形狀。 他說，這些答案正在此刻被寫下來。這句話他在訪談裡說了不止一次。 ## 那匹馬最終去了哪裡 回到開頭那個類比，值得把它想完整。 馬退出交通系統之後，並沒有消失，它變成了體育、休閒、身份象徵，變成了少數人的愛好和特定場景的工具。它的數量在二十世紀上半葉暴跌，然後穩定下來，在某些地方甚至回升。 **一個技術被替代之後，通常不會消失。它的功能被剝離、場景被收窄、意義被重新分配。** 按這個劇本推搜尋：那個輸入關鍵詞、翻十頁、自己拼出答案的動作會變成少數人的技能，就像今天還有人用命令列而不是圖形介面，還有人讀原始論文而不是讀綜述。它是一種更慢、更費力、但控制感更強的方式。它會留在那裡，供需要它的人使用。 而絕大多數人從此不再搜尋，只是問，然後接受答案。 這中間真正的風險在提問能力這一側，答案對不對反倒不是最要緊的。**當"我該問什麼問題"這件事本身可以被代勞，人就從探索者變成了驗收者。**這條退化路徑在每一個被自動化的領域裡都出現過，只是因為搜尋離認知太近，它的後果會更直接地落在思考能力上。 Andreessen 全程沒有表現出對這種退化的焦慮，他的預設預期是人會適應，會用新的工具長出新的能力。這個判斷可能是對的，前提是有人主動選擇不放棄提問。預設設定只會把人推向省力的那一側。 ## 留給你自己的幾個動作 整場對話裡，Andreessen 沒有給任何宏大結論，他給的是一堆可以立刻上手的具體方法。這些方法值得單獨拎出來，因為它們不用等任何新模型釋出。 - **用反事實思考替代預測。**不要問未來會怎樣，問如果那個未來已經成立了，它之前必須先發生哪幾件事。然後把這幾件事當成觀察清單，看它們現在是否正在成形。這個方法的成本遠低於賭對時間點。 - **把模型的預設立場當成一個可調引數。**模型預設傾向於讓分歧雙方達成和解，這是設定，不是能力上限。研究有爭議的問題時，明確要求它保持張力、加劇衝突、不許和稀泥，並且連續追幾輪把論證往下挖。 - **區分任務裡的探索層和結論層。**構思階段主動索要瘋狂的可能性，執行階段對每一個具體事實、引用、數字單獨核驗。不要用同一把尺子量所有輸出，那要麼浪費了模型的想象力，要麼引爆了它的幻覺。 - **用模型做去偏，而不只是做總結。**把一篇立場明顯的報道或文章丟進去，要求它剝離情緒化表述和傾向性措辭。它做得到，因為它本來就具備情感分析和觀點提取的能力，這項能力平時藏在對話後面沒被用起來。 - **自己去調一次辯論，比讀十篇關於 AI 風險的評論有用。**設定兩個對立角色，規定好能不能使用詭辯、要不要保持善意，跑完幾輪。你會對"對齊的是誰的價值"這個問題形成自己的身體記憶，而不只是停留在概念層面**在把提問權交出去之前，留一塊自留地。**至少有一類問題，堅持自己找出處、自己讀原始材料、自己拼答案。這麼做是為了不讓提問的能力先於搜尋一起退化，結論好不好反而是次要的。 - **對"大寫真理"的宣稱保持懷疑，包括你自己那份確信。**Andreessen 提到的那套啟蒙工具，科學方法、觀察、實驗、可反駁的假設，它們的價值不在直接給你正確答案，而在於它讓你在答案錯的時候還有機會發現。 - **把"誰來做標註、誰來發牌照"當成自己的事。**這兩個問題看起來離普通從業者很遠，但它們決定你未來能呼叫什麼樣的模型、能被允許問什麼問題。至少要知道現在是誰在開會、誰在寫草案，而不是等結論出來才第一次聽說。 訪談最後沒有收束成一個漂亮的觀點。它停在了一堆還沒定下來的問題上：誰來做標註，誰來發牌照，誰來裁定真偽，誰來決定你能問什麼。 這些問題此刻都在被回答。回答它們的人，不一定是你會投票選出來的那些。