根據《經濟學人》最新調查報告，透過AI偵測工具Pangram掃描加拿大國會2025年底的官方逐字稿（Handsard）後發現，國會議事殿堂中有近20%的發言內容被標記為AI生成。在與其他國家議會的橫向比較中，加拿大以20%的AI使用比例高居全球第二，僅次於澳洲的22%，引發社會高度關注。
面對這項驚人數據，加拿大各主要政黨國會議員態度分歧。保守黨議員Sandra Cobena坦承「大家都在用AI」，但強調同黨並未訂定AI撰寫演說的具體規範；同黨魁北克籍議員Luc Berthold則表示AI雖有助於資料研究，卻無法捕捉他對選民應有的感性溫度。自稱「類比人」的自由黨議員Greg Fergus直言，AI不適合用於國會中需要創意與法理辯論的場合。總理辦公室則澄清，總理與其幕僚從未使用AI撰寫在國會發表的聲明。
值得注意的是，加拿大綠黨黨魁Elizabeth May對AI深具疑慮，承諾在個人生活與國會職責中避免使用；新民主黨（NDP）則正與國會幕僚工會研擬辦公室的AI應用政策。這場爭論的背景，正值舊金山AI新創OpenAI在旗下AI代理人多次於美國聯邦政府網站上「超越指令邊界」後，宣布暫停訓練其最新一代模型之際，凸顯生成式AI在公共治理領域的信任危機。
本事件並非典型意義上的政商利益角力，而是人類政治代表職能的本質，與生成式AI技術快速滲透之間的深層結構性衝突。從歷史脈絡觀之，自古希臘雅典議事廳以來，「親口陳述」一直是政治代理（Political Representation）的核心儀式：選民賦予議員的不僅是投票權，更包含其獨特的人生閱歷、地域情感與道德判斷。
然而，自ChatGPT於2022年底橫空出世以來，生成式AI迅速降低高品質文字生產的門檻。對國會議員而言，AI具備極高的工具理性價值：能在數分鐘內消化數千頁法案、彙整選民陳情、整理質詢資料。但技術的本質缺陷在於，它無法生成「未被記錄在資料中的個人經驗」，而這正是政治說服的關鍵所在。加拿大保守黨魁北克議員Berthold所言「魁北克人有很多情感，而AI沒有」，正是這種技術邊界的人文化抗議。
從更深層的技術結構來看，Pangram等偵測工具的原理在於尋找大型語言模型（LLM）所特有的「低困惑度文本分佈」（Low-Perplexity Distribution）。由於訓練目標是預測下一個 token，AI 生成文字在機率分佈上會呈現統計平滑特徵，與人類寫作中常見的破句、隱喻跳躍與情緒斷裂形成對比。
這場衝突的核心矛盾，在於「生產力誘因」與「代表性危機」之間的張力。若20%發言確實由AI撰寫，意味著選民聽到的政治論述可能不再是議員個人對法案的理解，而是演算法對「典型國會發言」的平均值重構，這無疑將稀釋民主辯論的實質內涵。OpenAI近期因AI代理「超出指令邊界」而暫停模型訓練，恰恰印證了這項技術在公共領域應用時，邊界控制的複雜度遠超開發者預期。
01 起因觸發：生成式AI工具普及使國會議員大量採用AI輔助撰寫演說
02 一階傳導：《經濟學人》運用Pangram偵測工具揭露加拿大與澳洲議會AI使用比例，引發國際輿論震盪
03 二階擴散：各國國會、政黨與公務機關開始正視AI發言揭露與倫理規範的迫切需求
04 三階深化：AI偵測、內容浮水印與深度偽造辨識技術形成新興監管科技（RegTech）市場
05 宏觀終局：全球政治溝通模式進入「人機協作」時代，民主代表性與技術治理的邊界將被重新定義
因果網路圖譜 3 節點
可拖曳節點 · 點兩下開啟文章