評估川普在行政越權、制度侵蝕與腐敗方面的獨特性，何種方法論為佳？

Lesswrong

大約 1 個月前

AI 生成摘要

我正在尋求一套健全的方法論，以客觀評估唐納·川普在行政權擴張、制度侵蝕及腐敗方面的行為究竟是史無前例，還是僅為現有歷史趨勢的延續。我計畫利用人工智慧子代理來蒐集特定指標的數據（如無視法院命令、財富變化等），並徵求建議以完善這項研究，避免陷入自身的黨派同溫層。

更新標題以包含「腐敗」，並更改了文中部分框架。

川普的批評者常形容他採取了絕對史無前例的舉動來擴張行政權力、榨取個人財富並侵害公民權利。支持者則反駁說，川普的行為要麼完全有先例可循，要麼是現有趨勢的自然延伸——如果媒體不是那麼討厭川普，就不會對此大驚小怪。^() 其他支持者則表示：「沒錯，他的行為是史無前例的，這很好，他們正在拆除那些需要被拆除的腐敗事物。」

在最近的一些貼文中，有些人表示：「等等，為什麼突然出現這一系列突兀的黨派左翼貼文，並理所當然地認為這裡存在一個值得違反 LessWrong『避開大多數主流政治』準則的問題？」

我個人的主觀經驗是：「嗯，我和我大多數的理性主義同事在過去 15 年裡大多對政治相當冷感，在川普第一任期內對他有些警惕但不確定，而新發生的一系列事件似乎……相當史無前例且可怕地糟糕？」

但是，我確實生活在一個資訊泡泡中，這個泡泡向我推送了大量關於川普正在做的「看似糟糕的事情」的新聞。每天推送幾十個或幾百個可怕事物的例子是可能的，而這些事物實際上在客觀上可能並不恐怖或異常。（參見：）

Elizabeth 和我想了解川普的行為究竟有多不尋常、有多糟糕。「有多糟糕」感覺是一個非常複雜的問題，有很大的裁量空間。「有多不尋常」似乎更有可能得到一個相對客觀的答案。

我向大型語言模型（LLM）詢問了一些基本問題，但想要更詳盡的答案。我正準備啟動大約 250 個子代理（subagents），對美國歷史的每一年進行搜索，查詢諸如「[年份] [總統姓名] 『行政越權』」或「[年份] [總統姓名] 『違抗法院命令』」之類的內容，並將事件填入 CSV 檔案。

這看起來……像是在接近一種方法論，這種方法論（經過進一步研討後）可能對某些川普支持者或中立者來說是關鍵點（cruxy）。在運行查詢之前，詢問是否有任何方法可以將這個問題操作化（operationalize），使其對其他人也具有關鍵意義，這似乎是個好做法。並且，通常在運行查詢前進行預註冊，並做出一些預先預測。

[補充] 當然，我知道對於許多川普支持者來說，重點就在於他正在摧毀一堆需要被摧毀的機構。我其實相當同情這種觀點：如果你想要一個更好的政府，你需要迅速拆除舊的。這裡可能存在足夠的價值觀差異，以至於沒有太多共同點，但對我來說，關鍵點在於他似乎：

不僅僅是在拆除各種官僚機構，而且在侵蝕諸如「通常應該有法治」之類的規範。
這看起來並不像是在為任何美好的後續事物鋪路，反而看起來只是在製造一個更腐敗的世界。

但是，我意識到這個世界已經相當腐敗了，而且行政越權的趨勢已經持續了一段時間。如果我的直覺在這裡完全偏差了，也不會太令人驚訝。

到目前為止，我想到的每一個操作化方案似乎都有點混亂、錯誤或不完整。我覺得可以接受「經過一天的思考後我能想出的最不混亂/錯誤的選項」，但我對更好的建議感興趣。

到目前為止，一些感覺至少相關的例子：

LLM 能找到多少起總統無視法院命令的事件？
他們發布了多少項行政命令？
他們授予了多少次赦免？是否有任何赦免有買賣證據？
他們在任職前後的財富水平如何（或許根據經濟增長或國會議員的財富變化進行標準化）？
有多少部隊在未經國會授權的情況下部署？
有多少「受到行政越權嚴厲批評」但不屬於特定類別的事件？

這些問題的形式都是「檢查反對者對川普的指控是否屬實」，這不一定是某人辯護川普的框架，也不一定是對他們來說最顯著的問題集。如果你試圖構建一個關於現狀的完整圖像，你可能還想問以下問題：

聯邦法院每年/每個政府發布了多少項全國性禁制令，它們阻攔了什麼？
最高法院每屆任期使用緊急命令來暫停/恢復重大聯邦政策（暫緩執行、禁制令、行政暫緩）的頻率是多少？

我也不確定這是否真的是回答我自身問題的正確框架，即「美國是否正處於快速衰落期，以至於這是我或其他人應該優先關注的事項？」

這些都沒能真正觸及像「在推特發布一張自己戴著皇冠的照片」之類的事情，直覺上我覺得這相當糟糕，但我不太確定該如何思考這點。

我感興趣的是，人們是否對看似相關且易於檢查的問題有更多建議。或者，對於如何操作化那些可能不符合「按年衡量」本體論的模糊事物有何建議。

附錄：子代理出動

其中許多內容都記錄在相當容易查閱的地方。例如，已經有和的列表。

但是，我正在實驗一種 AI 子代理流程，我預計至少會將其用於其中一些任務，目前流程大致如下：

讓一個（笨拙的）Cursor AI 代理製作一份「事件」試算表，行是「美國歷史年份」，有一列是「我們在討論什麼事件類型？」（赦免、行政命令等），一列是「具體事件」，一列是「來源網址」。
讓 AI 運行網頁搜索，格式如：「[年份] [總統] 『無視法院命令』」和「[年份] [總統] 『與法院衝突』」等。（我實際上可能會用「[月份] [年份]」來獲得更細緻的結果）
給 AI 一個 Python 腳本，下載每個看似相關的結果頁面的完整內容。
啟動 AI 實例查看每個頁面，檢查試算表上相應的年份，看看是否已經有符合該主題的事件。如果有，在一個新行中給予相同的事件名稱並附上新來源。
在累積了所有數據後，另一組 AI 會檢查每一年，檢查重複項，查看給定來源是否看起來真實等，同時從中提取陳述該主張的關鍵引文，逐字複製而非總結。^()
將所有內容彙編成另一份試算表，列出每項的總事件數。
^()我基本上認為這是真的。
^()我有一個偏好理論，即依靠準確的引文而非總結，以避免必須信任它們的總結能力。

What Constitutes a Sound Methodology for Assessing Trump's Uniqueness in Executive Overreach, Institutional Erosion, and Corruption?

附錄：子代理出動