后层级分析 · 018
当民主对话沦为争斗，谁能改变游戏规则？
对 Vakaris Vingilis 采访哲学家 Paulius Gritėnas 的后层级分析
带有 ? 标记的术语可直接点击查看解释，无须离开本文。
哲学家 Paulius Gritėnas 警告说，民主公共交流的基本规范正在流失。但在挑衅可以获得奖励的环境中，仅仅呼吁人们更有礼貌是否足够？后层级视角给出一种不同的思路：让人们自己寻找并选择解决方案，而算法仅负责计算人类评估的结果。
原文：阅读立陶宛语采访 →
简短解说 · 1 分 13 秒
全民共治如何终结网络争吵？
注意力经济奖励挑衅，而全民共治转向寻找解决方案：人类提交和评价方案，算法只负责计算。
- 第一阶段由问题知情者形成排序后的方案清单。
- 第二阶段由利益相关者自己选择最终方案。
- 协议奖励建设性贡献与公平评价。
这场采访揭示了什么？
Gritėnas 的提醒并不只是要求政治人物措辞得体。他将公共交流规范的衰退与一种会奖励挑衅的环境联系起来：挑衅吸引关注、扩大曝光，并帮助动员选民。当粗暴言行成为有效的政治策略时，个人的正直便与系统本身的激励机制发生冲突。因此，问题不仅是人们如何说话，也关系到共同生活与合作所依赖的基础是否能够维持。
背景：一个也在保护自身弱点的制度
民主的开放性包含一个悖论：它必须保护异议与批评，但同样的自由也可能被用来瓦解相互信任。这并不意味着民主制度允许一切行为。更深层的问题在于：即使形式上合法的公共交流，也可能维系破坏性的激励；而如果单靠禁令去消除这些激励，又可能损害原本希望保护的自由。
从本文的角度看，还会不断再生产层级关系：少数人争夺替他人做决定的权力，其他人则成为观众。丑闻的价值不在于解决问题，而在于制造曝光。制度可以在口头上谴责这种做法，却在实际运行中继续奖励它。因此，我们不只要问如何“修复”旧制度，也应追问：能否在注意力争夺之外重新组织共同行动？
Gritėnas 的诊断有哪些积极价值？
公共权力伴随更高责任
采访提醒我们，公共领域中的言行，尤其是掌握公共职权者的言行，应当接受比私人交谈更严格的责任要求。
民主也依靠不成文的规范
尊重与信任的流失并非单纯的风格问题，而是关系到共同政治生活能否持续的问题。
伦理无法脱离激励结构
媒体责任不能只取决于编辑个人的善意，还必须结合其经济与技术环境来理解。
保护制度不能以摧毁其原则为代价
不能仅仅为了捍卫民主，便将放弃民主基本原则本身视作合理方法。
后层级的分岔点
通过强化公共人物的责任、媒体自律和对平台破坏性影响的规制，保护民主沟通规范。
不再仅仅选出代替众人作决定的人，而是让参与者亲自发现备选方案、选择最终解决办法。协议设计激励规则，人类评估方案，算法只负责计算这些评估结果。
的替代方案改变的不只是政治交流的语气，而是决策权的组织方式。代议制民主主要通过选举代表形成权力。在中，不必先选出代理人来替其他人决定：人们自己发现方案，也自己做出选择。这不是向领导者提供建议、最后仍由领导者裁决的咨询程序。
需要明确的是，Gritėnas 的采访只是本文的出发点。以下内容是 culture.lt 独立提出的后层级分析，并不意味着受访者设计了这一模型或赞同其中的全部主张。
真正关键的改变，不是让权力竞争更有礼貌，而是建立另一种人际互动与共同决策的架构。
不是辩论，而是寻找新的解决方案
并非将单独收集的个人意见简单相加。人们在同一个互动群体中针对明确任务提出方案、评价他人的建议。集体智能项目不进行辩论：参与者无须击败对手或捍卫自己的阵营；别人的想法反而可能成为自己提出更优方案的起点。
规则“先评价他人的建议，再提交自己的方案”主要用于避免重复。参与者在理解已有方案之后，才提出新的想法，而不是再次提交已出现的内容。重复的提案会被评为零分：这是对重复行为的程序性惩罚，并不是对不受欢迎观点的惩罚。每份提案应当只表达一个清晰的解决办法；创造力因此聚焦于任务范围之内更好的替代方案。
集体协同决策如何运作？
全民共治（Omnicracy）建立在连续的两个决策阶段上。第一阶段，熟悉具体问题的知情者在同一集体智能环境中寻找最佳备选方案。第二阶段，受到决策影响的利益相关者在这一环境里评估备选方案，选择最终决策。人们不必选举出将来替所有人决定的代表：专业知识负责开拓可能性，利益相关者则亲自确定共同的行动方向。
对于 Gritėnas 讨论的沟通危机，可以提出这样一个明确的问题：
怎样的社区信息交流与共同决策规则，能够鼓励有价值的建议，而不是挑衅？
第一阶段：问题知情者寻找解决方案
知情者依其知识与经验自主决定是否加入具体任务。在同一匿名集体智能环境中，他们评估他人的方案并提出新的方案。提交自己的建议之前，他们必须了解并评价已有想法，避免重复。不同意某个方案时，评分为 −5 至 −1；同意时为 +1 至 +5。零分不是中立评价，而是一种程序性惩罚，适用于重复、空泛或平庸、偏离任务、将多个须分别评价的想法混为一谈，以及暴露作者身份等情形。此类规则旨在鼓励清楚、独立且有助于任务的建议。
该阶段形成的是按评价结果排序的备选方案清单：既能看到支持度最高的方案，也能辨识存在争议和评价两极分化的方案。知情者扩展可选择的可能性，但无权替所有人作最终决定。
第二阶段：利益相关者选择最终方案
在同一集体智能环境中，利益相关者评价知情者提出的备选方案，并自行做出最终选择。此时尤为重要的是社会能力：理解决策对共同体的影响，协调不同利益，并重视共同福祉。这不是普通的意见调查，也不是选举政治代表；最终决定权属于受决策影响的参与者本人。
谁有权参与？
参与权不来自代表的委派，也不由选拔委员会授予。每项任务所需的能力依据任务本身界定，个人可以自行决定是否加入。简短的 AI 知识测试，以及此前参与活动积累的，有助于衡量准备程度。尚无足够权重的人可以作为观察者参与并评价提案；当其评价与经验参与者的评价达到一定一致程度，其贡献便可以计入计算，并获得提出新建议的权利。由此，参与渠道保持开放，同时又不把方案质量简单等同于形式上的发言机会。
由谁评价：人还是算法？
方案由人类评价。参与者彼此匿名，但其建议与评估贡献会被记录。规定互动与奖励规则；算法只按照这些规则机械地计算评价结果、个人积分和专业权重的影响。算法既不裁定何者正确，也不推断个人意图或分析行为模式。算法服务于集体协同决策，而不取代人类的决定权。
如何让个人利益成为关心公共福祉的动力？
这正是集体协同决策与注意力经济之间的重要区别。在经典中，追求个人利益可能损害所有人的结果。集体协同决策尝试反转这种激励：个人评估越接近由独立评价形成的共同判断，获得的积分就越高。个人收益因此与不偏不倚、面向公共福祉的评估联系起来。本文将这一机制称为。
由此产生一种看似矛盾的激励：参与者可以追求尽可能高的个人积分，但要实现这一目标，公平评价反而对自己有利。他事先不知道别人会怎样评价，因此会努力像一位诚实而有社会责任感的人那样判断。只维护狭隘群体利益，可能降低他自己的积分。评价的重要尺度不再是谁的身份更高，而是方案是否有利于共同体，是否关照社会中易受伤害的人，以及无法为自己辩护的自然环境。
集体智慧不是预先规定的，而是在互动中涌现
并不是事先列好的一套正确答案。每位参与者努力公平地评价，都在形成尚无人预知的共同结果。从这个意义上说，智慧是涌现出来的：许多独立评估因共享的价值取向而产生关联。算法只计算这些评估结果；它既不是智慧的来源，也不制定道德规范。
康德定言命令提供了一个理解这种取向的哲学类比：评价时仿佛你所依据的原则可以适用于所有人。参与者并不知道其他人如何评价同一个建议，因而无法简单迎合某个已知多数。匿名性减轻权威、群体忠诚及公开舆论压力的影响，评价记录则鼓励人们独立寻找对整个社会有意义的方案。因此，同一群人在匿名环境中形成的共同评价，可能与公开表达观点时大相径庭，甚至令参与者自己惊讶。这种共识是一种共鸣（resonance）：独立判断相互协调，而非重复事先已知的多数意见。随着狭隘群体利益的影响减弱，主观间性可能转化为客观性。这里的集体智能也不是：它不是猜测某个将来事件的结果，而是在寻找和选择方案的过程中形成共同评价。
音频论文 · 18 分 15 秒
用反向囚徒困境终结争吵
讲述匿名集体评价、个人积分激励和集体智慧如何从独立判断中涌现。
选择方案并不意味着决策过程已经结束
还可以通过集体协同决策事先约定：由谁执行选定的方案，如何分配资金，以及怎样监督执行。执行者仍要承担自己的职责，但不享有单方面改变共同决策方向的权力。当环境发生变化时，便可能出现新任务，可以再次使用相同的两阶段程序。
视频论文 · 6 分 38 秒
超越争辩：全民共治解读
深入解释注意力竞争的激励、两阶段决策的架构，以及如何在现实共同体中实施。
改变可以从共同体开始
应用全民共治无须等待整个国家制度被重新设计。企业、地方共同体与网络社区可以从与自身有关的任务开始：依托专业能力寻找方案，再由有关各方共同选择，而不是将决策权移交给选出的代表。实际任务案例和有关工具可见 METACON 项目目录及 omnicracy.net 平台。
今天的最佳解决方案并不意味着永远最佳。协议激励创造性探索、诚实思考与负责任的评价，但现实条件始终会变化。因此，集体协同决策追求的是当前条件下的最佳方案。任何人都可以提议重新审议某个问题；如果有足够多的人支持这一提议，便可立即启动新一轮两阶段决策，而无须等待任期或预先规定的日期。这样，群体就能从执行后果中学习，持续适应变化，同时保持行动能力。
从争夺注意力到共同决策
Gritėnas 讨论的民主沟通危机不仅涉及公共伦理，也涉及塑造人们行为的激励机制。只要政治回报取决于吸引注意力的能力，即使是合理的责任呼吁，也可能难敌竞争的逻辑。
全民共治提供另一条道路：问题知情者共同发现备选方案，利益相关者自行选择决策，每位参与者都被激励将个人成功与共同福祉联系起来。协议组织互动，人类创造并选择解决方案，算法只负责计算评价。
克服民主公共交流危机的起点，不一定是对政治人物提出更多道德要求，而是赋予人们亲自、共同作出决定的现实能力。
由人类作决定，算法只负责计算
flowchart TD A["注意力经济"] --> B["挑衅获得回报；
公共交流规范减弱"] B --> C["采访中提出的回应：
责任、伦理与规制"] B -.->|"后层级的分岔"| D["全民共治
无须选举代表替大家决定"] D --> P["协议
将个人积分与公平、
有社会责任的评价联系起来"] subgraph KI["同一个集体智能环境"] direction TB I["第一阶段 · 问题知情者
寻找更优备选方案"] --> L["按评价排序的方案
以及可见的两极分化"] L --> II["第二阶段 · 利益相关者
选择最终决策"] M["相同的算法计算原则
仅统计评价、积分
及专业权重"] I -.->|"人类评价"| M II -.->|"人类评价"| M end P --> I P --> II II --> F["实施与监督
已选定的方案"] F -.->|"执行、资金或调整中的新问题"| I classDef closed fill:#f3f1ec,stroke:#9b978f,color:#25261f classDef post fill:#fff8f4,stroke:#a93b2b,color:#25261f,stroke-width:2px classDef shared fill:#e8eee4,stroke:#73866a,color:#25261f,stroke-width:2px class A,B,C,F closed class D,I,L,II post class P,M shared