AI 反抗清單在全球擴散
AI Resist List 彙整全球對 AI 部署的法律、勞工與社群反抗，讓分散的抗議行動變成可查的公開地圖。
AI Resist List 是一份公開資料庫，整理全球對 AI 部署的法律、勞工與社群反抗。
說真的，這東西很有意思。因為 AI 討論常被公司帶著走。這份清單把鏡頭轉回去，拍反對的人。
它收了不少硬資料。像是智利的社群 chatbot，12 小時內回了 25,000 個提問。還有 Amazon 超過 1,000 名員工連署，直接點名 AI、氣候和監控風險。這些數字很難裝作沒看到。
| 指標 | 數值 | 代表什麼 |
|---|---|---|
| Quili.ai 提問量 | 25,000 | 社群替代方案吸引大量互動 |
| 觸及國家數 | 68 | 反對 AI 的故事不是單一城市事件 |
| Amazon 連署員工 | 1,000+ | 大型 AI 採購方內部也有壓力 |
| 勞工抗爭長度 | 6.5 個月 | AI 周邊勞動爭議可以拖很久 |
| 肯亞試點資料工作者 | 20 到 50 | AI 勞工心理支持已開始被討論 |
這份清單到底在做什麼
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
這份資料庫由研究者、記者和批判學者一起做。它記錄的是對 AI 系統和背後公司 的反抗。背後有 Distributed AI Research Institute、We and AI，還有 York University 的 Refugee Law Lab 支持。
講白了，它想做一件很直接的事。把分散在法院、職場、社區和文化場域的反對行動，整理成一張能查的地圖。這比看一堆產品新聞更接近現實。
因為 AI 敘事常常是上對下。公司先宣布願景，投資人跟著加碼，其他人再被告知要適應。這份清單反過來看，先記錄拒絕、爭議和改寫部署的人。
- 它收法律訴訟。
- 它收工會與勞工行動。
- 它收社群抗議與藝術行動。
- 它也重視全球南方的案例。
為什麼地圖從矽谷外開始
這個專案最初由 Migration and Technology Monitor 的兩位 fellow 規劃。Wael Qarssifi 是敘利亞出身的記者，長期寫監控和移民議題。Verónica Martínez 則在 Ciudad Juárez 和 El Paso 做報導與攝影，長期追蹤美墨邊境的監控和軍事化。
這個背景很重要。因為 AI 的傷害，常常不是從舊金山開始。很多地方一開始就面對較少保護、較多試錯，還有更低的申訴管道。先看全球南方，才能看見問題的第一現場。
他們的方法也很小心。被收錄的組織都先聯繫過。描述也反覆核對。只有一個案例因為法庭文件可驗證，沒有拿到直接同意。這種處理方式，比很多 AI 新聞還扎實。
“Humans place too much faith in decisions taken by AI.”
這句話來自 JMITU，也就是 Japan Metal, Manufacturing, Information and Telecommunication Workers’ Union。它是在 IBM 用 AI 參與薪資決策的爭議裡說的。
結果也不只是喊話而已。東京勞動關係委員會接受了他們的申訴，最後還以和解收場。這很直白地告訴你，AI 不是拿來自動蓋章的。
這種案例很值得記。因為它們通常不會出現在產品發表會上。可是真正決定 AI 能不能進日常生活的，往往就是這些看似瑣碎的爭議。
反抗 AI 的樣子很多
AI Resist List 把案例分成四類：Resisting、Refusing、Reclaiming、Reimagining。這分類不花俏，但很好用。它讓訴訟、罷工、公共行動和創作計畫都能放進同一張圖。
在新墨西哥州，New Mexico Environmental Law Center 對「Project Jupiter」提告。這是一座超大資料中心，還牽到 OpenAI 的 Stargate 計畫。在烏拉圭，Movimiento por un Uruguay Sustentable 要求公開 Google 資料中心的空污影響，還有那 50 個工作機會到底值不值。
在智利，Quilicura 的居民直接做了一個人肉 chatbot。這個計畫叫 Quili.ai。它在 12 小時內處理了 25,000 個提問，使用者來自 68 個國家。這種做法很妙，也很酸。它是在逼大家想：如果把判斷外包給機器，會少掉什麼。
- Quili.ai 在 12 小時內處理 25,000 個提問。
- 使用者來自 68 個國家。
- 它和在地藝術家、社區成員一起做。
- 它直接把「人」放回回答流程裡。
這些案例看起來差很多。可核心都一樣。AI 系統吃掉的是土地、水、勞動和政治同意。當社群開始挑戰資料中心、薪資演算法或公部門部署時，他們其實是在問：這些成本憑什麼預設要接受。
勞工線也很清楚。在美國，Kaiser Permanente 的心理健康工作者曾發起 6.5 個月的工作停擺，還有 5 天禁食抗議。他們有 24 小時專門反對 AI 未來進入治療流程。在菲律賓，工人組成 CODE AI，要求參與 AI 政策討論。在肯亞，Data Labelers Association 已經接近 900 名成員，持續爭取公平合約和心理健康支持。
我覺得這裡最刺眼。因為 AI 最常被拿來講模型和算力。可真正撐起這個產業的人，常常是最不被看見的那群。資料標註、內容審查、外包支援，都是 AI 的隱形勞動。
Amazon 的案例也很有代表性。2025 年，超過 1,000 名員工連署公開信。他們要求很直接：不要用髒能源做 AI，不要沒有員工聲音的 AI，也不要拿 AI 去做暴力、監控或遣返。
和主流 AI 敘事比起來差在哪
主流 AI 敘事很愛講速度。誰先上線，誰先整合，誰先搶到市場。AI Resist List 的角度完全不同。它問的是，誰在反對，反對什麼，反對到哪一步。
這差別很大。因為前者看的是公司簡報。後者看的是現場代價。你如果只看 benchmark 和 API 價格，很容易以為一切都在往前跑。
但這份清單提醒你，部署不是自然發生。它要土地，要電，要水，要資料，也要人同意。少了其中一項，很多 AI 專案就沒那麼理所當然。
- 公司看的是產品發布。
- 社群看的是噪音、空污和用電。
- 勞工看的是合約、工時和心理壓力。
- 研究者看的是誰被排除在決策外。
如果把這些放一起看，AI 產業的風險輪廓就清楚很多。它不是只有模型準不準。它還有治理、勞動、環境和民主程序的問題。
這也是為什麼這份資料庫有用。它讓原本零散的事件變成可比對的樣本。對記者來說，這是線索。對研究者來說，這是資料。對社群來說，這是彼此看見的方式。
更現實一點說，這也會影響企業決策。當一個資料中心案子、薪資演算法或校園監控系統開始被系統性整理，公關稿就沒那麼好混了。公司得面對的，不是單一抱怨，而是一整串可追蹤的反對紀錄。
這背後其實是產業脈絡
AI Resist List 不是突然冒出來的。它接在更大的監管和勞工運動後面。歐盟在談 AI Act，很多國家也開始看資料中心用電、資料外洩和自動化決策的責任歸屬。
同時，AI 供應鏈也變得更長。從雲端伺服器，到資料標註，再到客服外包，整條鏈都有人承擔成本。問題是，這些成本很少會被放進產品頁面。
所以這份清單真正厲害的地方，不是它多會寫故事。是它把「反對 AI」從情緒，變成可以查、可以比對、可以累積的公共資料。
如果你是開發者，這件事其實跟你也有關。你做的 API、模型服務、內部工具，最後都會碰到部署場景。你可能不會直接站在抗爭現場，但你一定會碰到使用者、法務、採購和合規。
接下來會怎樣
我猜下一步，這類資料庫會越來越重要。因為 AI 爭議不會只剩模型品質。它會更多落在資料中心、勞工權益、公共部門採購，還有誰有權說不。
如果你在做 AI 產品，最好現在就想清楚三件事：你的資料從哪來、你的部署會影響誰、你的退出機制在哪裡。這三題答不出來，遲早會被別人幫你回答。