文／杜聖聰（銘傳大學廣電系主任）

最近有兩種東西都被叫做「AI民調」，但做法其實差很多。一種是把過去每次選舉的開票結果、當地人口資料、加上已經做過的民調，全部整理在一起，然後算出每個小區域可能怎麼投票。另一種更特別：它在電腦裡造出一群「假的選民」，每個假選民都被設定好年齡、職業、政治傾向等背景，然後請AI扮演這些人來回答問題。

兩種都掛著「民調」的名字，但它們拿到答案的方式完全不同。這件事很重要，因為我們相信民調，本來就是因為相信「有人真的被問過」。

先說傳統民調為什麼可信。它的做法是隨機抽樣。想像一個裝了兩千三百萬顆珠子的大箱子，你閉著眼睛隨便抓一千顆出來看顏色比例。因為是隨便抓的，數學可以算出「這一千顆的比例，跟整箱的比例，大概差多少」。這個算出來的差距，就是我們常聽到的「誤差正負三個百分點」。關鍵在於：那一千顆珠子是真的從箱子裡拿出來的。

第一種AI做法，其實比較像「地圖推算」。

它假設一個地方的政治習性不太會突然改變，過去偏藍的里大概還是偏藍，過去偏綠的里大概還是偏綠，然後再用現在全市的民調去微調一下。這種方法在學術上早就存在，叫做小區域估計，不是抽樣調查。

這裡有個很容易被誤會的地方：它可以算出一千多個里各自的數字，看起來非常精細，但精細不等於準確。算得很細，只代表電腦願意把數字分到那麼小，不代表那一千多個里真的有人被訪問過。

第二種AI做法更大膽。它不去外面抓珠子，而是自己捏珠子。

它假設AI在學習大量網路文字的過程中，已經吸收了各種人怎麼說話、怎麼想事情，所以只要告訴它「你現在是一個四十歲、住在新北、開計程車的男性」，它就能模擬出這種人可能會怎麼回答。

這等於把民意當成可以用電腦生出來的東西，而不是必須到現實世界去收集的事實。

接下來是最重要的部分：誤差。

傳統民調的「誤差正負三個百分點」，只包含一件事，就是抽樣造成的隨機波動。它不包含問題問得好不好、有沒有人不想接電話、有沒有人不敢說真話。換句話說，就算是真人民調，那個正負三，也只管了一小部分的錯誤來源。

而AI這邊公布的「平均誤差四點多個百分點」，意思完全不一樣。

它通常是說：我的模擬結果，跟某幾份真人民調的答案比對，平均差了這麼多。這是「我跟別人的答案有多像」，不是「我跟真實民意差多遠」，更不是「未來選舉一定不會差超過這個數字」。兩個數字長得很像、單位也一樣，但根本不是同一種東西。把它當成抽樣誤差來引用，是現在最常見的錯誤。

第一種AI做法也有類似問題。

它算出每個里的傾向，但這個數字的不確定性其實包含好幾層：

過去的選票還能代表現在嗎？當作參考的民調本身也有誤差吧？把全市的資訊推到一個小里，會不會推錯？這幾層疊起來，實際的不確定範圍通常比任何一份民調的誤差都大，但這類推算往往沒辦法給出完整的誤差區間。

再說加權。這是整件事裡最不透明、卻最能改變結論的一步。

真人民調做完之後會發現，接電話的老年人特別多、年輕人特別少。於是要把年輕人的意見「乘大一點」，把老年人的「乘小一點」，讓整體比例接近真實人口，這叫加權。

問題來了：如果某一群人只訪問到五個，卻要把他們放大到代表兩萬人，那這五個人的意見就會被乘上很大的倍數。萬一這五個人剛好比較特別，整份民調就歪掉了。

第一種AI做法的加權問題，變成「過去和現在要各佔幾成」。上次選舉算幾分？上上次算幾分？現在的民調要有多大的修正力道？有新住宅區搬進來要怎麼調整？這些數字幾乎都是研究者自己決定的，只要改一改，結果就會跟著動。如果不公開這些設定，外人根本沒辦法判斷結論穩不穩。

第二種AI做法的加權問題，變成「假選民怎麼設定」。你決定假選民裡有幾成年輕人、幾成勞工、幾成偏藍偏綠，其實就已經大致決定了最後跑出來的數字。更麻煩的是，AI自己就帶著偏差：網路上講話多、寫得多的那群人，在AI腦中的份量本來就過重；那些不太上網、不愛發言、講台語或客語為主的人，在AI裡面就會被壓得很小。這種偏差沒辦法靠事後加權修好，因為問題不是「樣本太少」，而是「AI根本沒學到那種人怎麼想」。

最後給幾個看到這類報導時可以自己檢查的問題。

第一，分母是什麼。如果報導說兩個候選人加起來剛好百分之百，那就是把「還沒決定的人」拿掉了。但在台灣的地方選舉，還沒決定的人往往才是勝負關鍵。

第二，分組的數字是真的問到的嗎。看到「二十到二十九歲支持某人四成」時要問：這是真的訪問了這個年齡層，還是電腦推算出來的？兩者的可信度差很多。

第三，考題有沒有先藏起來。如果研究者已經把某份民調餵給AI當參考，然後又拿同一份民調來證明AI很準，那就像先看了答案再考試，不算真的驗證。

第四，整體像不代表個別準。模擬的總比例接近真人民調，可能只是AI抓到了表面的統計規律，不代表它真的懂某一種人會怎麼想。

所以我會建議，第一種叫「AI輔助選情推算」，第二種叫「AI虛擬選民模擬」。名字要說清楚它到底做了什麼。「民調」這三個字帶著「我們真的去問人了」的承諾，用在沒有問過任何真人的東西上，讀者一定會誤會。

AI進入民意研究是擋不住的趨勢，它也真的能做到傳統方法做不到的事：更便宜、更快、能切到更小的區域。但是，技術要有價值，得靠方法誠實。公開加權、公開設定、驗證前先把答案藏好、不同來源的誤差分開說明。這些看起來很囉唆的要求，才是讓「AI民調」從話題變成真正方法的門檻。

核稿／責任編輯：林立浩