我們如何進行這項工作

AI 對工作的影響計畫分為兩個階段。在第一階段，任何加州居民都可以透過一份公開的線上問卷調查分享看法。在第二階段，我們邀請有興趣的問卷調查參與者參加現場討論。

公平地平衡每個群體

我們需要決定邀請誰。我們需要在公平選擇的同時組成具有代表性的小組。

因此，我們採用了一種稱為抽籤（sortition）的方法，類似於法院挑選陪審團的方式。它基於兩個同等重要的理念：

這些原則確保我們不只是聽取最早回應者的意見。它們幫助我們建立了一份經公平選擇的名單，大致反映了加州居民的整體情況。

看看我們與人口統計目標的接近程度。點選下拉式選單查看按以下維度的數據：

抽籤讓我們在討論中更接近均衡的人口組成。

目標的來源

在討論中，參與者提出政策想法，然後以小組形式進行投票。

我們彙集了在討論中至少獲得一票的所有想法。然後，我們將相似的想法歸為一組，並為每組撰寫摘要。這些就成為 26 個政策想法。每個政策想法涵蓋 1 到 12 條具體的政策建議。

為了對政策想法進行排名，我們根據 2 個因素對每個想法進行評估：

我們按頻率對政策想法清單進行排序。然後大致分成兩半，將上半部分標記為「高頻」。如果某個想法出現在 5 場或更多討論中，則屬於「高頻」。

然後，我們按支持度對政策想法進行排序。如果某個想法的相關想法在所有場次中都位列前 3 個主題，我們就將其標記為「熱門想法」。

想法的排列順序有其意義，但並非絕對。對於每個因素，我們計算了該想法相對於所有其他想法的排名。然後將這些排名相加，為每個想法評分。我們將得分最高的想法排在最前面。當政策想法得分相同時，我們按字母順序排列。

您可以下載並閱讀人們在討論中提出的所有政策。它們以 CSV 檔案的形式提供。

下載想法

我們的工作人員使用 AI 來協助審閱和分析這些討論。

AI 的使用範例包括：

AI 沒有參與選擇我們邀請誰參加討論。我們透過抽籤選擇受邀者。我們確保受邀群體反映加州的人口組成。我們還使用 AI 來評估回應者對 AI 的看法。這為我們帶來了多元的觀點。

我們保護參與者與我們分享的內容。所有涉及 AI 的工作都在本州的安全資料環境中進行。我們從未與 AI 供應商共享文字記錄或問卷調查回應。沒有任何內容被用於訓練 AI 模型。

AI 從未取代人的判斷，也從未撰寫或編輯參與者的話。本報告中的每一條引言都是參與者說過的話。我們對照文字記錄進行了核實，並由工作人員審閱。

本報告中重點介紹的政策想法和主題由我們的工作人員自行確定。他們在沒有 AI 協助的情況下審閱了文字記錄和問卷調查回應。當 AI 協助分析時，我們要求它提供確切的引文。工作人員在採信這些說法之前對其進行了核實。

在測試中，我們將 AI 的摘要與人工記錄員的筆記進行了比較。我們發現二者涵蓋的內容相同，且 AI 沒有編造內容。