Anthropic Hard Questions：试图把公众问题变成 AI 公司问责清单

Anthropic 在 7 月 9 日发布 Hard Questions 倡议，表面上是在邀请公众提交关于 AI 的难题，实质上是在给自己建立一套新的公司问责入口。它问的不是“公众怎么看 AI”这么简单，而是把公众的疑问、担忧和期待整理成一份未来可以反复核验的清单：公司听到了什么问题，承诺采取什么行动，哪些行动完成了，哪些目标没有达成。

确定事实很清楚。Anthropic 在 Hard Questions 页面中说，已经启动 Anthropic Public Record，首轮让 52,000 名美国人列出他们对 AI 的最大希望与担忧；又通过 Anthropic Interviewer 调查 81,000 名 Claude 用户，覆盖 159 个国家和 70 种语言；还举行了数十场线下焦点小组，并分析匿名化的 Claude 真实使用数据。更关键的是，Anthropic 承诺会公开追踪并报告为回应这些问题所采取的具体行动，也会说明哪些地方可能没有达到既定目标。

不确定部分也必须放在开头。Public Record 首轮样本是美国 16 岁及以上在线人口，虽然按美国人口普查基准加权，实际完成样本为 51,993 人，但它仍不能代表全球公众。Interviewer 的 81,000 名用户覆盖国家和语言很广，却来自 Claude 用户，天然有自选择偏差。Hard Questions 目前也还没有公开一个可版本化的问题账本，没有说明行动追踪的更新频率、责任人、证据标准和外部审查机制。caveat 是：公众调查设计、代表性、行动闭环尚待观察。

读者需要关心这件事，是因为前沿模型公司的社会许可正在从“安全论文写得如何”转向“公众问题是否被持续记录和兑现”。政策团队会关心 Anthropic 是否把公众希望和担忧转化为监管建议。企业买方会关心这套问责机制是否能进入供应商风险评估。研究者和公民社会则可以拿它当作一张核查表，追问公司是否真的把公共利益使命落实到产品、安全、研究和治理预算里。

五个来源合在一起，才构成问责链

Hard Questions 不是孤立的宣传页。它把 Anthropic 过去半年已经铺开的几个项目连在一起：Public Record 负责普通公众基线，Interviewer 负责大规模定性访谈，Economic Futures 负责经济影响研究，Research 入口展示安全、对齐、解释性、社会影响和红队研究能力。这几项合起来，才像一套“从问题到行动”的问责基础设施。

证据层	对应来源	能证明什么	还不能证明什么
承诺入口	Hard Questions	Anthropic 正式邀请公众提交难题，并承诺公开追踪具体行动	行动账本格式、更新频率、责任人和外部审查仍未公布
美国公众基线	Public Record	51,993 名美国受访者的希望、恐惧、监管偏好和信任水平	不能代表全球公众，也不能代表非在线人口
用户访谈方法	Anthropic Interviewer	AI 辅助访谈可在规划、访谈、分析三阶段扩展定性研究	Claude 用户样本存在自选择偏差，访谈解释仍受研究者视角影响
经济影响承接	Economic Futures	Anthropic 有研究资助、政策论坛和 Economic Index 来跟踪 AI 经济影响	研究结果如何转化为产品或商业决策尚不清楚
研究能力承接	Research	社会影响、对齐、解释性和红队团队可以承接公众风险问题	研究路线是否受公众问题优先级影响仍未披露

这张表的关键不在“来源数量”，而在职责分工。Public Record 解决“普通公众到底担心什么”；Interviewer 解决“AI 用户在真实工作和生活里怎么描述自己的问题”；Economic Futures 解决“就业、岗位、产业和政策如何量化”；Research 解决“安全、对齐、误用和模型行为如何进入技术研究”。Hard Questions 则把这些输入统一收束成一个公开承诺：公众可以继续提问，公司要公开说明自己做了什么。

Public Record 给出的不是乐观或悲观，而是问责偏好

Public Record 首轮最有信息密度的地方，不是美国人到底支持还是反对 AI，而是他们对“谁来约束 AI 公司”给出了相对一致的答案。近半数受访者把治疗癌症、阿尔茨海默病等疾病列为 AI 的前三大希望之一，比例为 48%；帮助残障人士是 36%；技术进步和让生活更容易同为 23%。这说明公众并非简单排斥 AI，医疗、无障碍和技术进步依然是最容易获得支持的正面叙事。

但恐惧端同样集中。AI 导致失业是所有州最常见的担忧，比例为 64%；认知依赖为 56%；虚假信息为 52%。这些不是遥远的失控想象，而是更贴近日常工作的风险：岗位会不会被替代，人会不会越来越依赖机器，信息环境会不会更难判断。Anthropic 还提到，就业担忧在民主党、共和党、有孩子家庭、无孩子家庭和所有州都排在前列，这让它更像跨党派、跨地域的社会问题，而不是某个阵营的政治口号。

治理偏好更直接。71% 的美国受访者认为政府应该参与 AI 发展与监管；在八个具体领域里，隐私和儿童安全获得最明确的政府行动支持；当被问到什么最能确保 AI 有益于人类时，47% 把“让 AI 公司对伤害承担法律责任”列入前三，44% 选择“把安全置于增长之上”。最刺眼的数字是 15%：只有这么多受访者信任 AI 公司自行决定 AI 如何开发和使用，低于联邦政府、州和地方政府、国际机构，也明显低于独立专家。

这些数字给 Hard Questions 定了调：公众不是只想被倾听，而是想看到权力、责任和法律后果。换句话说，Anthropic 如果把 Hard Questions 做成一个漂亮的意见箱，价值会很有限；如果它把问题拆成公开行动、独立审查、产品改动和政策建议，才真正回应了 Public Record 里最强的信号。

Interviewer 扩大了声音规模，也放大了方法问题

Anthropic Interviewer 是这条链里最有争议也最有潜力的部分。Hard Questions 页面说，Anthropic 已经用它调查 81,000 名 Claude 用户，覆盖 159 个国家和 70 种语言；Research 页面也把这称为“近 81,000 人参与”的大规模、多语言定性研究。这个规模让 Anthropic 能听到远超传统访谈项目的用户叙述，但也让方法透明度变得更重要。

Interviewer 介绍页披露的初始试验是 1,250 名专业人士，其中一般工作人群 1,000 名，科学家 125 名，创意从业者 125 名。这个工具分三阶段工作：先根据研究目标生成访谈计划，再在 Claude.ai 中进行约 10 至 15 分钟的自适应访谈，最后由人类研究者与 Interviewer 协作分析转写文本，并用自动化 AI 分析工具识别主题和大致比例。Anthropic 还写明，试验参与者提供了知情同意，允许研究用途分析和公开转写数据。

这套方法确实解决了传统访谈的成本和规模问题，也让“公众声音”不再只能依赖少量焦点小组。但它不等于没有局限。Anthropic 自己在 Interviewer 文章里列出几项限制：参与者来自众包平台，可能比普通工作人群更积极或更熟悉 AI；研究捕捉的是静态快照，无法跟踪关系如何随时间变化；文本访谈看不到语气、表情和身体语言；研究者的解释也会影响主题归纳。把这些局限迁移到 81,000 名 Claude 用户项目上，就会得到一个明确 caveat：样本规模很大，但它不是普通公众样本，也不自动等于全球代表性。

这并不削弱 Interviewer 的价值，反而说明 Hard Questions 接下来必须公开更多方法细节。比如，81,000 名用户是否去重，语言质量如何评估，国家分布是否按 Claude 活跃度加权，不同语言访谈是否用同一套主题分类，是否有人类研究者抽样复核。没有这些细节，Interviewer 更像一条强大的内部感知管道；有了这些细节，它才可能成为公众问责的一部分。

从“公众问题”到“公司行动”，需要一张可核查清单

Anthropic 在 Hard Questions 页面列出的原始问题很朴素：谁来决定 AI 的规则？AI 能不能给孩子更好的未来？AI 是否让世界更危险？AI 能否帮助科学家治愈疾病？这些问题很大，单靠一篇博客无法回答。更可行的方式，是把它们拆成可追踪的公司问责清单。

公众问题	已有证据	Anthropic 需要给出的行动项	后续核查指标
谁来决定 AI 的规则	Public Record 显示 71% 支持政府参与监管，仅 15% 信任 AI 公司自决	发布公开问题清单，说明哪些交给立法，哪些由公司政策先行	是否按版本更新，是否列出外部反馈和政策采纳记录
AI 会不会造成失业	Public Record 中 64% 担忧 AI 导致岗位流失	Economic Futures 继续发布岗位、任务、地区和行业影响数据	是否把研究结论转成政策建议和客户部署守则
AI 会不会削弱人的判断	Public Record 中认知依赖担忧为 56%	在 Claude 产品中解释依赖风险，提供反思、边界和使用教育	是否公布功能使用数据和用户行为变化
AI 是否让世界更危险	Research 页列出 Frontier Red Team 和 Safeguards 相关团队	把误用、网络、生物安全和自主系统风险转成公开评估路线	是否披露高风险发现、修复状态和外部审计
AI 能否帮助科学和医学	Hard Questions 把科学和医学列为核心问题	连接 AI for Science、研究资助和模型能力改进	是否公开科学项目结果、失败案例和伦理边界

这张清单故意把“公众问题”翻译成“公司需要交付什么”。因为问责不是听见问题，也不是写一段价值观，而是能够在未来某个日期回头检查：这个问题是否被记录，是否有行动项，行动项是否完成，是否有第三方或公众能看懂的证据。

Economic Futures 和 Research 是承接管道，不是行动闭环本身

Economic Futures 页面说明，这个项目旨在支持关于 AI 经济影响的研究和政策发展，形式包括研究资助、政策讨论论坛，以及基于真实 AI 使用的证据。它还连接 Anthropic Economic Index，用来理解 Claude 在美国各州和数百种职业中的使用方式，并说明 Clio 系统用于在保护隐私的前提下分析 Claude 对话。

这对回应“AI 会不会影响工作”很重要。Public Record 的就业担忧是 64%，并且几乎跨州一致；Interviewer 的专业人士访谈也显示，许多人希望把例行任务交给 AI，同时保留定义职业身份的任务。Anthropic 如果要回应这个问题，不能只说 AI 会提高生产力，还要持续展示哪些任务被自动化，哪些岗位承受压力，哪些职业通过培训转向监督、质量控制和专业化任务，哪些人没有清晰转型路径。

Research 页面则给出另一类承接能力。Anthropic 的研究团队覆盖解释性、对齐、社会影响和 Frontier Red Team。社会影响团队与政策和 Safeguards 团队合作，研究 AI 在真实世界中的使用方式；Frontier Red Team 分析前沿模型在网络安全、生物安全和自主系统方面的影响。这些团队能把公众提出的“世界是否更危险”“人是否失去能动性”“AI 是否能服务科学”转成研究问题。

但这里要分清“承接管道”和“行动闭环”。管道存在，不代表问题已经被解决。公众想知道的是，Hard Questions 收到的问题会不会改变研究路线、模型安全阈值、Claude 产品设计、对外政策主张和资源配置。Economic Futures 和 Research 提供了组织能力，Hard Questions 还需要提供证据链：某个公众问题进入了哪个团队，形成了什么研究或产品行动，何时完成，如何评估效果。

这套问责机制的三个硬门槛

第一，问题清单必须可版本化。Hard Questions 如果只是持续收集问题，外界很难知道哪些问题进入了公司优先级。更强的做法是公开一个版本化列表，至少包括问题原文、归类、来源比例、优先级、责任团队和状态。Public Record 和 Interviewer 都能给问题排序提供输入，但排序规则必须公开，否则公众输入仍会被公司内部选择性解释。

第二，行动证据必须可核查。Anthropic 已经承诺会报告具体行动，也会说明未达成目标的地方。这句话的标准很高。真正的行动证据不应只是“我们发布了一篇研究”或“我们更新了政策”，而要能回答行动是否对应某个公众问题、是否有完成指标、是否影响用户、客户、模型安全或政策倡议。比如就业问题，对应的证据可以是 Economic Index 更新、政策建议发布、企业部署指南改变和受影响群体反馈；儿童安全问题，对应的证据可以是产品限制、家长或教师工具、第三方评估和事故报告。

第三，外部监督必须有权重。Anthropic 提到自己是 Public Benefit Corporation，也提到 Long-Term Benefit Trust 对公共利益使命有独立监督作用。但 Hard Questions 页面没有说明这个信托会不会审阅问题清单和行动结果，也没有说明公众、研究者或监管者能否挑战公司的自我评价。没有外部监督，Hard Questions 会停留在透明度工程；有外部监督，才可能变成治理机制。

接下来最该追的不是更多样本，而是第一份行动账本

如果 Anthropic 继续补样本，Public Record 扩展到美国之外，Interviewer 覆盖更多语言，焦点小组进入更多社群，这当然有价值。但对问责来说，样本扩张不是最关键的下一步。最关键的是第一份行动账本。

这份账本至少应包括四类内容。第一，公众问题如何被归类和排序。第二，每个高优先级问题对应哪一类行动，是研究、产品、安全、政策还是外部合作。第三，行动有没有完成证据，例如研究发布、功能更新、政策改变、评估结果或第三方审查。第四，未完成或效果不佳的事项如何解释，并在下一轮如何调整。

Anthropic 已经具备把这件事做实的素材：52,000 名美国公众，81,000 名Claude 用户，159 个国家，70 种语言，数十场焦点小组，Economic Index 的真实使用数据，以及 Research 体系下的社会影响、安全和前沿红队团队。现在缺的不是更多标题，而是把这些素材转成可追踪责任的公开格式。

这也是这条新闻相对重要的原因。AI 公司经常说自己服务公共利益，但公众真正需要的是可以复查的公司行为。Hard Questions 如果能把“公众问什么”变成“公司做什么”，再把“公司做什么”变成“外界如何核查”，它就会成为前沿模型公司治理的一种新模板。如果做不到，它就只是一次更精致的公众参与叙事。