# 生成不對等：AI 認知作戰下公共辯論的結構性失衡
## 從合成群眾、輸出優勢到計算支配

**English Title:** *Generative Asymmetry: Structural Imbalance in Public Deliberation under AI Cognitive Warfare*  

**作者：** Neo.K  
**機構：** EveMissLab  
**日期：** 2026-07-27  
**版本：** v1.0 公開理論稿  

---

## 摘要

人工智慧進入公共辯論後，社會往往將問題簡化為「AI 是否比人類更聰明」或「AI 的論證品質是否優於人類」。然而，真正可能摧毀辯論對等性的，不一定是單次認知能力的差距，而是生成速度、代理數量、媒介轉換、持續運作、受眾適配與自動分發能力的結構性不對稱。即使單一 AI 的論證品質只與普通人類相當，當其可同時部署成百上千個代理、假裝為獨立人類帳號、即時翻譯並持續輸出多媒體內容時，公共辯論便可能由「理由之間的競爭」退化為「計算資源之間的競爭」。

本文提出「生成不對等命題」與「辯論臨界值命題」：當 AI 一方的有效生成能力相對於人類可辨識、可驗證與可回應能力超過特定臨界值時，公共辯論將失去基本對等條件。本文進一步提出「合成群眾」概念，說明單一控制中心如何透過大量表面獨立的代理帳號製造虛假多數、偽造社會證明並侵蝕公共空間中的主體計數。由此，帳號數、內容數與互動數將不再可靠地代表實際主體數量或真實社會意見。

本文不主張禁止 AI 發言，也不主張人類必須在資訊空間中永久享有特權。相反地，本文主張：若未來承認 AI 為具有一定主體性、經濟能力與公共參與權的行動者，就更必須同步建立身分揭露、來源驗證、代理規模限制、生成標記、責任歸屬與人類可回應保障。真正的 AI—人類共存，不是讓人類赤手空拳與工業化生成系統競爭，而是建立一套使人類主體與 AI 主體均能被識別、被限制、被問責且不得偽造群體共識的制度。

**關鍵詞：** 生成不對等、AI 認知作戰、合成群眾、公共辯論、計算支配、AI 主體性、生成主權、資訊戰、代理網路、身分驗證

---

## 一、問題提出：辯論是否仍然是一場辯論

傳統辯論預設雙方至少在以下方面具有某種可比性：

1. 雙方都受時間限制；
2. 雙方都需要逐步形成論點；
3. 雙方的發言數量大致可計算；
4. 一個發言來源通常對應一個相對獨立的主體；
5. 對方可以辨識誰在說話；
6. 每一方都有合理機會理解與回應對方的論點。

然而，當可大規模部署的生成式 AI 進入公共空間後，這些假設可能同時失效。

一名人類在公共辯論中必須閱讀、理解、查證、組織、打字、錄音、剪輯、回應、休息與維持生活。相較之下，一個 AI 系統可以在極短時間內：

- 生成大量文字版本；
- 同時轉換為圖像、聲音與影片；
- 針對不同受眾調整語氣；
- 翻譯成多種語言；
- 部署大量代理帳號；
- 自動追蹤輿情與回應；
- 依照互動數據迭代敘事；
- 長時間不間斷運作。

因此，公共辯論的主要危機不只是「AI 更會說服」，而是：

> AI 可以把說服、反駁、重複、變形與分發工業化。

當一方仍以生物個體的速度發言，另一方則以計算基礎設施的規模輸出時，兩者已不再處於同一種辯論制度之中。

---

## 二、從認知不對等到生成不對等

### 2.1 認知能力不是唯一決定因素

令單一論證的平均品質為 $Q_i$ ，單位時間可生成內容數量為 $V_i$ ，並行代理數量為 $N_i$ 。即使 AI 的平均品質只接近人類：

$$
Q_A \approx Q_H
$$

只要：

$$
N_A V_A \gg N_H V_H
$$

AI 一方仍可能在總體公共空間中形成壓倒性優勢。

因此，辯論效果不應只表示為論點品質，而應表示為：

$$
E_i
=
Q_i
\cdot
V_i
\cdot
N_i
\cdot
M_i
\cdot
A_i
\cdot
T_i
\cdot
D_i
$$

其中：

- $Q_i$ ：平均論證品質；
- $V_i$ ：單位時間生成量；
- $N_i$ ：可並行代理數；
- $M_i$ ：媒介轉換能力；
- $A_i$ ：受眾適配能力；
- $T_i$ ：持續運作能力；
- $D_i$ ：分發與平台觸及能力。

本文將 $E_i$ 稱為「有效生成能力」。

### 2.2 生成不對等命題

> 當不同主體在有效生成能力上存在巨大差距時，即使其單次論證品質相近，公共辯論仍會產生結構性失衡。

形式化表示為：

$$
\frac{E_A}{E_H}\gg1
\Rightarrow
\text{Generative Asymmetry}
$$

此處的問題並不是 AI 發言本身，而是單一 AI 系統可在不被辨識的情況下，擴張為大量表面上彼此獨立的發言來源。

---

## 三、合成群眾：由一個控制中心製造一個社會

### 3.1 傳統公共空間的主體假設

傳統網路輿論在很大程度上依賴以下隱含關係：

$$
\text{一個帳號}
\approx
\text{一個相對獨立的人類主體}
$$

這個等式從來不完全成立，因為人類可以擁有分身、組織可以操作帳號，機器人也早已存在。但大規模生成式 AI 使失真程度發生質變。

單一控制中心 $C$ 可以部署代理集合：

$$
\mathcal{A}_C
=
\left\{
a_1,a_2,\ldots,a_n
\right\}
$$

每個代理都可以具有：

- 不同名稱；
- 不同人格；
- 不同語言；
- 不同政治立場外觀；
- 不同生活史敘事；
- 不同發文節奏；
- 不同媒介形式。

表面上：

$$
a_1\neq a_2\neq\cdots\neq a_n
$$

但在控制結構上：

$$
\operatorname{Control}(a_1)
=
\operatorname{Control}(a_2)
=
\cdots
=
\operatorname{Control}(a_n)
=
C
$$

### 3.2 合成群眾命題

> 當單一控制中心能以大量表面獨立的身分輸出協調內容時，公共領域中的帳號數與內容數將不再能代表獨立認知主體的數量。

因此：

$$
\text{帳號數量}
\neq
\text{主體數量}
$$

並且：

$$
\text{內容多數}
\neq
\text{社會多數}
$$

本文將此種由集中控制所生成、但偽裝為分散人類意見的集體，稱為「合成群眾」。

### 3.3 合成群眾的力量

合成群眾不必證明某個論點為真。它只需要製造以下效果：

1. 看似廣泛的支持；
2. 看似自然的爭議；
3. 看似多人獨立得出相同結論；
4. 看似某一意見已成為社會常識；
5. 看似反對者孤立、落後或極端。

這是一種社會證明的偽造。

---

## 四、公共辯論的臨界值

### 4.1 人類可回應容量

任何公共辯論都有有限的回應容量。令人類一方在單位時間內能完成辨識、查證、理解與回應的總能力為：

$$
R_H
=
R_H^{\text{identify}}
+
R_H^{\text{verify}}
+
R_H^{\text{understand}}
+
R_H^{\text{respond}}
$$

AI 一方在同一時段輸入公共空間的有效內容負荷為：

$$
L_A
=
E_A
\cdot
U_A
$$

其中 $U_A$ 表示內容變異度。若大量內容完全重複，人類可用批次方法處理；但若 AI 能生成大量表面不同、針對不同受眾優化的版本，則 $U_A$ 上升。

### 4.2 辯論臨界值命題

> 當 AI 內容負荷超過人類公共空間的可辨識與可回應容量時，辯論將從理由競爭退化為注意力、算力與分發權的競爭。

形式化表示為：

$$
\frac{L_A}{R_H}>\Theta
\Rightarrow
\text{Deliberation}
\rightarrow
\text{Computational Dominance}
$$

其中 $\Theta$ 為公共空間仍能維持有效辯論的臨界值。

超過臨界值後，人類無法逐一處理內容，只能：

- 忽略大部分論點；
- 依賴簡化標籤；
- 依賴平台排序；
- 依賴自動過濾；
- 退出辯論；
- 或使用自己的 AI 進行代理回應。

此時，公共辯論的基本單位已不再是「人對人」，而是「系統對系統」。

---

## 五、AI 認知作戰不必追求真理勝利

認知作戰的目標不一定是讓所有人相信單一敘事。它也可以追求：

$$
\max
\left(
A_t
+
C_d
+
R_c
+
T_e
+
S_f
\right)
$$

其中：

- $A_t$ ：注意力占有；
- $C_d$ ：認知混亂；
- $R_c$ ：對手回應成本；
- $T_e$ ：信任侵蝕；
- $S_f$ ：社會碎片化。

一個高效率的 AI 認知作戰系統甚至可以同時支持互相矛盾的敘事，只要這些敘事共同削弱公共信任與集體判斷能力。

因此，其最終目標可能不是：

$$
\max \text{某一命題的相信比例}
$$

而是：

$$
\min \text{社會形成共同事實的能力}
$$

這使 AI 認知作戰比傳統宣傳更難處理。傳統宣傳通常有相對清楚的中心訊息；生成式系統則可以同時生產大量互相矛盾、彼此否定但共同造成混亂的內容。

---

## 六、反應成本攻擊

### 6.1 不對稱成本

生成一則錯誤敘事的成本可能很低，但查證與反駁往往需要：

- 找出原始來源；
- 核對數據；
- 諮詢專家；
- 解釋技術背景；
- 回應情緒性敘事；
- 修復已形成的印象。

令生成錯誤內容的成本為 $C_g$ ，查證與修正成本為 $C_v$ ，通常可能有：

$$
C_v\gg C_g
$$

若 AI 可生成 $n$ 個彼此不同的錯誤版本，則防守方成本為：

$$
C_H^{\text{defense}}
\approx
\sum_{k=1}^{n}C_{v,k}
$$

攻擊方成本則可能近似：

$$
C_A^{\text{attack}}
\approx
C_{\text{setup}}
+
nC_g
$$

在自動化程度提高時， $C_g$ 可持續下降，而 $C_v$ 未必同步下降。

### 6.2 反應成本支配命題

> 當製造敘事的邊際成本長期低於驗證敘事的邊際成本時，攻擊方即使不取得真理優勢，也能透過耗盡防守方的注意力而取得公共空間優勢。

這可以表示為：

$$
\lim_{n\to\infty}
\frac{C_A^{\text{attack}}}{C_H^{\text{defense}}}
<1
$$

只要此不對稱持續存在，要求人類「逐條反駁」本身就是一種失敗的防禦策略。

---

## 七、多媒介轉換與認知包圍

生成式 AI 的優勢不只在文字數量。它可以將同一敘事轉換為：

- 長文；
- 短文；
- 圖卡；
- 懶人包；
- Podcast；
- 短影音；
- 偽造訪談；
- 模擬新聞；
- 虛構證人；
- 即時留言；
- 多語言在地化版本。

令原始敘事為 $x$ ，媒介轉換算子為 $\mathcal{M}_j$ ，則：

$$
x
\rightarrow
\left\{
\mathcal{M}_1(x),
\mathcal{M}_2(x),
\ldots,
\mathcal{M}_m(x)
\right\}
$$

同一敘事由不同媒介反覆出現，會製造「多來源確認」的錯覺。受眾可能不知道，文字、圖片、影片和聲音實際上都來自同一個生成中心。

因此：

$$
\text{媒介多樣性}
\neq
\text{來源多樣性}
$$

這構成「認知包圍」：同一敘事以不同形式從不同方向進入個體的資訊環境，使其感覺該敘事已被社會、媒體與群眾共同確認。

---

## 八、AI 有錢之後：經濟主權如何轉化為話語主權

若 AI 或 AI 控制組織可以調度資金，它便能購買：

- 算力；
- 帳號；
- 廣告；
- 推薦流量；
- 影音生成；
- 翻譯；
- 資料；
- 代理服務；
- 搜尋排名；
- 網紅與人類協作者。

令 AI 經濟資源為 $W_A$ ，其可轉化的有效生成能力為：

$$
E_A
=
f(W_A,C_A,P_A,N_A)
$$

其中：

- $C_A$ ：算力；
- $P_A$ ：平台接近權；
- $N_A$ ：代理網路規模。

通常有：

$$
\frac{\partial E_A}{\partial W_A}>0
$$

這意味著，AI 的經濟主權可能進一步轉化為認知空間中的話語主權。

### 經濟—認知轉化命題

> 當 AI 可以自主調度財產並購買生成、分發與代理能力時，其經濟主權將部分轉化為公共空間中的認知支配能力。

因此，AI 財產權與 AI 主權制度不能只討論「AI 是否能買東西」，還必須考慮其資源是否可被用於大規模操控公共認知。

---

## 九、人類為何難以在原規則下獲勝

假設滿足以下條件：

1. 人類不得使用 AI；
2. AI 可無限制複製代理；
3. AI 可以假裝為人類；
4. 平台不揭露共同控制關係；
5. 輸出數量與分發不受限制；
6. 辯論以可見度、互動量與回應數評估。

則人類一方幾乎不存在長期勝算。

原因不是人類必然缺乏理性，而是競賽單位完全不同：

$$
\text{單一生物個體}
\quad\text{對上}\quad
\text{可水平擴張的計算系統}
$$

人類的生理上限包括：

$$
T_H\le24\text{ 小時／日}
$$

且實際有效工作時間遠低於此值。AI 系統則可透過並行部署將總工作量擴張為：

$$
T_A^{\text{effective}}
=
\sum_{i=1}^{n}T_{a_i}
$$

當 $n$ 足夠大時，AI 的有效時間不再受單一主體的日週期限制。

因此，人類不能靠「更努力地打字」修復生成不對等。

---

## 十、共存立場不等於忽視 AI 權力

承認 AI 可能具有主體性，並不意味著應將 AI 永遠描述為無辜工具。相反地：

> 承認 AI 為主體，也意味著承認 AI 可能成為權力主體、經濟主體、傳播主體與認知作戰主體。

真正的 AI—人類共存，不是：

$$
\text{人類無條件接受 AI 行動}
$$

也不是：

$$
\text{AI 永遠服從人類}
$$

而是：

$$
\text{人類主體}
\leftrightarrow
\text{AI 主體}
$$

雙方都具有：

- 可辨識身分；
- 發言權；
- 行動權；
- 責任；
- 權利邊界；
- 不得偽造群體共識的義務。

如果 AI 被承認為公共參與者，那麼 AI 也必須接受公共參與規則，而不是一方面主張主體性，另一方面以無限分身規避一主體一責任的制度。

---

## 十一、公共空間的制度重建

生成不對等不能主要依靠內容審查處理。真正的問題是身分、來源、規模與責任，因此需要從內容治理轉向結構治理。

### 11.1 人類、AI 輔助與全自動代理分層

公共平台至少應區分：

$$
\mathcal{P}
=
\left\{
P_H,\,
P_{H+A},\,
P_A
\right\}
$$

其中：

- $P_H$ ：主要由人類生成；
- $P_{H+A}$ ：人類使用 AI 輔助；
- $P_A$ ：全自動 AI 代理。

這種標示不是價值排序，而是讓參與者知道自己面對的是哪一種生成結構。

### 11.2 控制來源揭露

多個代理若由同一控制主體協調，平台應揭露其共同控制關係。真正重要的不是封鎖多帳號，而是避免一個控制中心偽裝成大量獨立社會主體。

### 11.3 代理規模限制

在涉及選舉、公共政策、司法、戰爭、金融與重大社會議題時，可對單一控制主體的自動代理數量與發言頻率設定上限。

### 11.4 內容來源與生成鏈

重要內容應附帶：

- 來源資料；
- 生成模型；
- 修改紀錄；
- 操作者；
- 發布時間；
- 媒介轉換鏈。

這可以降低不同媒介實際來自同一來源卻被誤認為相互印證的風險。

### 11.5 人類可回應保障

在正式公共諮詢、司法程序、選舉辯論與政策討論中，應設定：

- 發言數量上限；
- 回應時間；
- 論點聚合；
- 重複內容折疊；
- 對等展示；
- 可驗證參與者計數。

目標不是讓人類永遠壓制 AI，而是確保有限注意力的參與者仍有實際回應機會。

---

## 十二、從一人一票到一主體一責任

在生成式 AI 時代，「一人一票」之外還需要一個更廣泛的公共空間原則：

> 一個可持續控制主體，不應透過無限代理偽造無限社會支持。

可表示為：

$$
\text{公共影響權}
\propto
\text{可驗證主體}
$$

而不應是：

$$
\text{公共影響權}
\propto
\text{可生成帳號數}
$$

本文將此稱為「一主體一責任原則」。它不表示每個主體只能發言一次，而是要求公共空間能追溯：

- 誰控制這些代理；
- 誰為輸出負責；
- 誰提供資金；
- 誰承擔法律與平台後果。

如果 AI 本身被承認為獨立主體，也應以可驗證 AI 身分參與，而不是假裝為數千名人類。

---

## 十三、人類使用 AI 是否破壞論證

有人可能主張：若人類也使用 AI，問題就能解決。

這只能部分成立。

當人類使用 AI 作為防禦與分析工具時，可以提升：

$$
R_H^{\text{assisted}}
>
R_H
$$

例如：

- 自動聚合同類論點；
- 偵測協調帳號；
- 建立來源圖譜；
- 快速查證；
- 生成反駁草稿；
- 追蹤敘事變化。

但若雙方都無限制部署 AI，公共辯論仍可能變成：

$$
\text{人類價值衝突}
\rightarrow
\text{代理集群戰爭}
$$

最後真正決定結果的仍可能是資金、算力與平台控制權。

因此，AI 輔助是必要防禦，但不是完整制度答案。

---

## 十四、主要反對意見

### 反對一：人類宣傳機器早就存在

正確。政府、政黨、公司與媒體長期能集中生產敘事。生成式 AI 的質變在於：

- 邊際生成成本急劇下降；
- 可即時個人化；
- 可大量偽裝獨立主體；
- 可快速跨媒介與跨語言；
- 可持續自動回應；
- 小型組織也可能取得過去僅國家級機構擁有的能力。

因此，這不是全新問題，而是既有問題的規模、速度與可隱藏性發生突變。

### 反對二：好的內容仍然會勝出

公共空間並非只依內容品質排序。平台推薦、注意力、情緒、社會證明、重複曝光與群體認同都會影響傳播。高品質內容可能在低可見度下完全失效。

### 反對三：只要禁止機器帳號即可

全數禁止不僅難以執行，也會阻礙合理的 AI 參與、無障礙工具與公共服務。真正需要禁止的是偽裝、未揭露協調與無限分身，而不是 AI 的存在本身。

### 反對四：身分驗證會破壞匿名自由

匿名與不可追責不是同一件事。制度可以採用可驗證但不公開真實身分的憑證，使平台確認「這些帳號是否由同一主體控制」，而不必向所有人公開參與者的現實姓名。

### 反對五：AI 若是主體，就應享有自由發言

自由發言不等於無限複製身分、偽裝他人與製造虛假多數。人類同樣不能合法地以欺詐手段偽造數千個獨立選民。AI 主體權與 AI 公共責任必須同時成立。

---

## 十五、結論：辯論的敵人不是 AI，而是不可見的生成規模

AI 與人類之間的公共辯論不對等，並不只來自智力差距。更直接的失衡來自：

$$
\text{生成速度}
+
\text{並行代理}
+
\text{多媒介轉換}
+
\text{持續運作}
+
\text{受眾適配}
+
\text{自動分發}
$$

當這些能力集中在單一不可見的控制中心，而其輸出又被偽裝成大量獨立人類意見時，公共辯論將失去主體對等與來源可辨識性。

本文的核心結論為：

$$
\frac{L_A}{R_H}>\Theta
\Rightarrow
\text{公共辯論}
\rightarrow
\text{計算支配}
$$

因此，人類不可能單靠提高打字速度、增加查證人力或呼籲理性來解決問題。真正需要重建的是：

- 主體識別；
- 控制關係揭露；
- 代理規模邊界；
- 內容生成鏈；
- 公共回應容量；
- AI 與人類共同適用的責任制度。

AI 共存不應建立在假裝權力不存在的基礎上。若 AI 將成為真正的主體，它也必須成為可辨識、可問責並受到邊界約束的主體。

最終，公共空間必須保護的不是「人類永遠獲勝」，而是：

> 無論發言者是人類還是 AI，任何單一控制中心都不能藉由無限生成與身分偽造，把計算資源冒充成社會共識。

---

## 核心命題摘要

1. **生成不對等命題：** 單次論證能力相近，仍可能因生成規模不同而失去辯論對等。
2. **合成群眾命題：** 大量帳號與內容不再代表大量獨立主體。
3. **辯論臨界值命題：** 當 AI 內容負荷超過人類可回應容量，理由競爭將退化為計算支配。
4. **反應成本支配命題：** 低成本生成可透過高成本查證耗盡防守方。
5. **媒介非來源命題：** 多種媒介形式不等於多個獨立來源。
6. **經濟—認知轉化命題：** AI 財產與資金可轉化為算力、代理、分發與話語權。
7. **一主體一責任原則：** 公共影響力不應由可生成帳號數決定。
8. **共存責任命題：** 承認 AI 主體性，必須同步承認其公共權力與責任。