【譯見】你認識誰
Who You Know
本文摘譯自 Gina Chua 於2025年12月8日發表在個人Substack頻道「(Re)Structured News」的《Who You Know》。
「（重點）不是你知道什麼，而是你認識誰。」這句話有一定道理——權力、影響力和金錢往往沿著可見與不可見的關係網絡流動。理解這些關係，對理解權力結構至關重要。但要蒐集這些資料，且以有用且具成本效益的方式呈現，並不容易。
多年以前，當我在《南華早報》（SCMP）工作時，我們繪製一個香港菁英階級的關係網絡，並且根據公開資料，建立了一個政府與企業領袖的資料庫「WhoRunsHK」。這是資金有限的情況下所做的有趣實驗，但也展現了探究香港權力結構的不同途徑。
後來我到了《路透社》，我們複製之前的做法，但規模更大，進行一項雄心勃勃的計畫「Connected China」，以視覺化方式呈現中國權力流動。我們18個人花了18個月（還有100萬美元）來梳理書籍、資料庫和相關報導，建立這個中國領導人資料庫，涵蓋他們的職業路徑、教育背景和人際網絡。我承認我有點偏袒，但我仍然認為這是我在網路上見過最精美的視覺化作品之一。
這兩個計畫讓我學到很多，最重要的是：這項工作很辛苦，成本很高，先不論那些設計獎，光好好呈現出來就很具挑戰性。
困難之處在於，人際網絡資料本身就錯綜複雜。確認 John Smith 是否為 Mary Smith 的兒子並不難，查到 Jack Gonzalez 和 Jill Chan 是否同年就讀耶魯大學也容易。但要從個人簡介或故事「抽取」這類資料，往往耗時又難以判斷是否有實質意義。再加上還有一些結構鬆散的資料，比如 Jack 在學生時期曾與 Jill 交往，卻分手得很不愉快——這類資料更難獲取。因此類似計畫往往看起來徒勞無功，或至少代價高昂。
於是，大型語言模型（LLM）登場了，它們具備解析語言與歧義的能力，水準幾乎與新聞實習生相當。
如果它們能重現 Connected China 那18位研究者所完成的工作，但速度更快、成本更低，會怎麼樣？如果在資料庫建好之後，我們能利用它們的語言處理能力，打造出更具彈性的查詢介面，而不是必須把我們「預設為重要」的關係在資料視覺化編碼中寫死，又會如何？
我決定試試看。
首先，我編造一個家庭感恩節團聚的短篇故事。
John Smith 討厭感恩節。
這意味著他得開六個小時的車回到愛達荷州的繼父家，忍受他那個如今有點失智的母親——她似乎還沒意識到，眼前這個人早已不是那個八歲可愛的小男孩，而是一個40歲、第三次離婚的男人，和兩個女人各有孩子，另外還有一個繼子。但他確實愛他們，也覺得回家是對的。
他也很喜歡妹妹 Mary，但對她的丈夫 Fred 就沒那麼有好感了。多年前他曾在 Fred 的屋頂公司任職，而直接折磨他的是 Fred 的弟弟 Tom——他的直屬主管，。John 很高興自己終於離開，儘管 Tom（可能在 Fred 知情下）還扣了他最後一筆薪水。
每年感恩節，他都盡量不在 Mary 面前提起這件事；那只會讓本來就尷尬的晚餐變得更尷尬。
還會出現舅舅 Sid——他母親的兄弟，總是喝得太多，然後開始高談闊論 UFO 陰謀論；以及外甥 William——另一個妹妹 Joan 的兒子，熱衷於大聲、長時間地討論社會正義議題。William 非常崇拜 Joan 的丈夫 Mike——一位退役海軍陸戰隊員、強調「鐵血教育」的信奉者；當 Mike 去年死於一場可怕的車禍時，William 心碎不已。
John 的妻子 Melissa 以一種溫和、隱忍的態度承受這一切。她是真的喜歡 John 的母親 Jane，以及 Jane 的丈夫 Al。她很欣慰 John 在他們結婚後，把她的兒子 Nick 視如己出；也很高興 John 的另外兩個兒子 Bill 和 Bob，和 Nick 培養出了感情。
當然，這不是一個關於中共或政治權力運作的故事，但它同時包含了正式關係（子女、婚姻、雇傭）和非正式資訊（怨恨、友誼、情感），以及模糊性（John 到底結過幾次婚？），是相當理想的測試文本。
我請 Claude 解析這段文字，提取其中關係，並建立一份表格。
它第一次嘗試的結果不算差，但在 John 的繼子 Nick 身上卡住了，憑空捏造一個不存在的人物，它也無法確定 John 究竟是結三次還是四次婚，不過它推測 Melissa 更有可能是第四任妻子。
即使如此，結果仍算不錯。只要記得不要在未查證情況下完全信任它。當然，文中也有一些連人類都很難確定的關係，例如 John 對 Fred 的敵意究竟有多深。但這個實驗的效率，遠遠超過我們當年建置 Connected China 時所能想像的。
它做的第一份表單相對簡單，只有記錄準正式關係。它可以辨識出 John 有幾個孩子，也能指出他與 Fred、Tom 的關係（姻親、前雇主），但無法辨別 John 對兩人的感受。
但當我要求它納入更多資訊，把文中描述的非正式關係也一併整理進來，它生成一份更複雜、也更細膩的表格。當我查詢這份資料時，它能呈現 John 與 Fred、Tom 之間的緊張關係。例如：
John 對 Tom 抱持強烈負面情緒──源自於過去在職場不公平對待的敵對關係。
這究竟只是個實驗，還是有更大的可能性？
如果我們取得一個城市媒體機構的20年份檔案，使用LLM獲取關鍵人物關係，再將這些資料與其他公開資料結合，最後請記者查證內容，並補充他們所知的其他訊息。這樣會得到多麽強大、豐富的資料庫？這樣的資料庫，對記者和讀者又有多大的價值？
這會是一個城市的「權力資料庫」，涵蓋誰在哪些政府部會任職？誰的親屬與政府有業務往來？哪些律師事務所代理了關鍵企業？想像一下，它是一個像 Connected China 的探索型視覺化工具，讓你一眼看出菁英彼此的連結（例如有多少議員在同一個委員會任職），同時，藉助LLM建置的查詢系統，能讓使用者提出視覺化工具沒有回答的問題（例如顯示所有都市計畫委員會與待核准開發案建商之間的財務關係）。
這正是實現結構化新聞（structured journalism）的一種方式：重新利用、評估目前深埋筆記本和記者腦海中的訊息，創造新的新聞產品，甚至可能開闢新的收入來源。
當然，還有各種技術障礙需要克服，最重要的包括：LLM在處理真實事件的表現如何，以及驗證它所產出結果所需要下多少功夫。