میزگرد | میان عقلانیت تکنولوژیک و ارزش‌های انسانی: علوم فلسفی و اجتماعی چگونه باید با هوش مصنوعی وارد گفت‌وگو شوند؟
ترجمهٔ مجله جنوب جهانی
در یک نگاه: گسترش هوش مصنوعی، نه‌تنها ابزارها و روش‌های پژوهش در علوم فلسفی و اجتماعی را دگرگون کرده، بلکه مبانی شناخت، آموزش، تولید دانش و جایگاه انسان در جامعه را نیز به چالش کشیده است. استادان دانشگاه در این میزگرد تأکید می‌کنند که هوش مصنوعی را نمی‌توان ابزاری خنثی و مستقل از ارزش‌ها دانست؛ الگوریتم‌ها و داده‌های آموزشی حامل پیش‌فرض‌های تاریخی، فرهنگی و اجتماعی‌اند. ازاین‌رو، علوم انسانی و اجتماعی باید ضمن بهره‌گیری از ظرفیت‌های فناوری، پیامدهای آن برای مناسبات قدرت، عدالت اجتماعی، آزادی اندیشه، هویت فرهنگی و مسئولیت اخلاقی را نیز بررسی کنند. مسئلهٔ اساسی آن است که چگونه می‌توان از توان هوش مصنوعی برای گسترش ظرفیت‌های شناختی انسان بهره گرفت، بی‌آنکه تفکر مستقل، عمق نظری و ارزش‌های انسانی قربانی سرعت و کارآمدی فنی شوند.
شرکت‌کنندگان در میزگرد:
- وانگ جون، استاد دانشکدهٔ فلسفهٔ دانشگاه ژجیانگ
- دو ون‌جینگ، استاد کالج ونبو در دانشگاه علوم سیاسی و حقوق شرق چین
- لیانگ یوچِنگ، استاد گروه جامعه‌شناسی دانشگاه سان‌یَت‌سِن
- چِن یونگ‌لیانگ، استاد دانشکدهٔ تاریخ و فرهنگ و دانشکدهٔ اقوام دانشگاه جنوب‌غربی چین
گردانندگان میزگرد: جی وِن‌یا و دی یا‌شینگ، خبرنگاران روزنامه
۱. علوم فلسفی و اجتماعی در برابر موج هوش مصنوعی
گردانندگان میزگرد: گسترش سریع فناوری هوش مصنوعی، ساختار رشته‌های علوم فلسفی و اجتماعی و شیوه‌های تولید دانش را به‌شدت دگرگون کرده است. این تأثیر تنها به به‌روزرسانی ابزارهای پژوهش و روش‌های آموزشی محدود نمی‌شود، بلکه بنیان‌های رشته‌های علمی، الگوهای شناخت و انتقال میراث دانشگاهی را نیز دربرمی‌گیرد. در حوزه‌های تخصصی شما، این تحولات چه نمودهای مشخصی دارند؟
چِن یونگ‌لیانگ
تأثیر هوش مصنوعی بر علوم فلسفی و اجتماعی را می‌توان در چند زمینه بررسی کرد.
نخست، الگوها و روش‌های پژوهش در حال دگرگونی‌اند. تولید دانش در علوم فلسفی و اجتماعی، به‌طور سنتی، به فعالیت‌هایی مانند بررسی اسناد و منابع، ثبت مشاهدات میدانی و تحلیل کیفی وابسته بوده است. ورود هوش مصنوعی، این پژوهش‌ها را به‌سوی روش‌های کمّی و محاسباتی سوق می‌دهد.
دوم، نظام آموزشی و اخلاق دانشگاهی نیازمند بازنگری است. نیازهای اجتماعی به نیروی انسانی، بیش از گذشته، به‌سمت ترکیب «سواد دیجیتال و دانش انسانی» حرکت می‌کند. این تحول، الزامات تازه‌ای برای تربیت استادان و طراحی برنامه‌های درسی ایجاد کرده است. درعین‌حال، رواج نگارش با کمک هوش مصنوعی، چالش‌های تازه‌ای برای صداقت علمی و نظام ارزیابی پژوهش پدید آورده است.
سوم، جایگاه و ارزش علوم انسانی و اجتماعی بار دیگر زیر سؤال رفته است. هنگامی که هوش مصنوعی می‌تواند برخی وظایف مربوط به گردآوری و تلفیق اطلاعات، تولید محتوا و حتی بخشی از فعالیت‌های خلاقانه را با سرعت و کارآمدی انجام دهد، به نظر می‌رسد ارزش برخی مهارت‌های سنتی این رشته‌ها کاهش یافته است. همین مسئله، ضرورت بازاندیشی دربارهٔ قابلیت‌هایی را مطرح می‌کند که این رشته‌ها به‌طور انحصاری یا متمایز در اختیار دارند.
در رشتهٔ مردم‌شناسی قومی که حوزهٔ تخصصی من است، این تحولات دست‌کم در سه زمینه آشکار می‌شوند.
نخست، روش‌های پژوهش میدانی در حال تغییرند. تحلیل داده‌های شبکه‌های اجتماعی می‌تواند روابط میان مناطق و گروه‌های قومی مختلف را آشکار کند. همچنین، فناوری واقعیت مجازی امکان بازسازی محیط‌های زندگی فرهنگی را فراهم می‌آورد و مرزهای پژوهش را گسترش می‌دهد. بااین‌حال، این شیوه‌های پژوهش که از حضور مستقیم و جسمانی پژوهشگر فاصله می‌گیرند، ممکن است تجربهٔ حضور در میدان را تضعیف کنند و درک عمیق پدیده‌ها و همدلی فرهنگی را کاهش دهند.
دوم، توصیف عمیق فرهنگ با چالش روبه‌رو شده است. هوش مصنوعی در تحلیل متن، تصویر و صدا توانایی چشمگیری دارد، اما الگوریتم‌ها غالباً پدیده‌های پیچیدهٔ فرهنگی را به برچسب‌های کمّی تقلیل می‌دهند. در چنین شرایطی، زمینه‌های اجتماعی و تاریخی و معناهای عمیق فرهنگی که در پسِ این پدیده‌ها قرار دارند، ممکن است نادیده گرفته شوند.
سوم، مرزهای میان رشته‌های علمی در حال بازسازی‌اند. هوش مصنوعی همکاری میان مردم‌شناسی، باستان‌شناسی، زیست‌شناسی و دیگر رشته‌ها را تقویت می‌کند. برای نمونه، کاربرد فناوری‌هایی مانند تحلیل دی‌ان‌ای باستانی در پژوهش‌های مربوط به تحول جمعیت‌های انسانی، شواهد علمی تازه‌ای دربارهٔ خاستگاه و مهاجرت گروه‌های انسانی فراهم آورده است. همکاری‌های میان‌رشته‌ای همچنین به شکل‌گیری حوزه‌های جدیدی مانند مطالعات مناطق مرزی و مطالعات امنیت ملی کمک کرده و افق نظری و روش‌شناختی مردم‌شناسی را گسترش داده است.
وانگ جون
گسترش هوش مصنوعی تا اندازه‌ای به رواج دیدگاه‌هایی مانند «بی‌فایده بودن علوم انسانی» دامن زده است. برخی معتقدند توانایی‌هایی که علوم انسانی پرورش می‌دهند، از جمله تفکر انتقادی و مهارت بیان، به‌تدریج به‌وسیلهٔ هوش مصنوعی جایگزین خواهند شد و چشم‌انداز اشتغال فارغ‌التحصیلان این رشته‌ها تیره‌تر می‌شود. در دانشگاه‌ها نیز این نگرانی در تخصیص منابع بیشتر به هوش مصنوعی و رشته‌های مرتبط با آن انعکاس یافته است.
در رشتهٔ فلسفه، این فشار را می‌توان در چهار زمینه مشاهده کرد.
نخست، شیوه‌های سنتی آموزش زیر سؤال رفته‌اند. مطالعهٔ تاریخ فلسفه و خواندن متون کلاسیک از ارکان آموزش فلسفی به شمار می‌روند، اما امروزه ابزارهای هوش مصنوعی می‌توانند برخی از این فعالیت‌ها را با سرعت بیشتری انجام دهند. در نتیجه، ارزش آموزشی مطالعهٔ عمیق و تمرین تفکر انتقادی مورد تردید قرار می‌گیرد.
دوم، الگوهای پژوهش و شیوه‌های تولید علمی تغییر می‌کنند. در گذشته، تصحیح و تنظیم متون فلسفهٔ چین یا ترجمهٔ آثار کلاسیک فلسفهٔ غرب، به صرف وقت و نیروی فراوان نیاز داشت. اکنون هوش مصنوعی می‌تواند بخش‌هایی از این کارها را به‌سرعت انجام دهد. در نگارش مقاله نیز مرز میان مشارکت انسان و ماشین روزبه‌روز مبهم‌تر می‌شود و این مسئله، اصالت و استقلال فکری آثار پژوهشی را با چالشی جدی روبه‌رو می‌کند.
سوم، محورهای پژوهش و مرزهای رشتهٔ فلسفه در حال تغییرند. موضوعاتی مانند اخلاق، منطق و فلسفهٔ فناوری، بیش از گذشته به مسائل مرتبط با هوش مصنوعی می‌پردازند. این تحول فرصت‌هایی برای پژوهش‌های میان‌رشته‌ای ایجاد می‌کند، اما هم‌زمان خطر کم‌رنگ شدن حوزه‌های سنتی فلسفه را نیز به همراه دارد.
چهارم، ارزش اجتماعی فلسفه دوباره مورد پرسش قرار گرفته است. فلسفه همواره نمونه‌ای از «فایدهٔ امور ظاهراً بی‌فایده» تلقی شده است؛ یعنی فعالیتی که ارزش آن لزوماً در سود فوری و کاربرد مستقیم خلاصه نمی‌شود. اما در فضایی که عمل‌گرایی و برتری فناوری بر سایر ملاحظات حاکم است، کارکرد انتقادی فلسفه و پرسشگری بنیادی آن آسان‌تر به حاشیه رانده می‌شود. این وضعیت، نگرانی دربارهٔ جایگاه فلسفه در نظام دانشگاهی را تشدید می‌کند.
دو ون‌جینگ
نخستین تأثیر هوش مصنوعی بر علوم فلسفی و اجتماعی، در تغییر شیوهٔ دستیابی به دانش نمایان می‌شود. هوش مصنوعی مولد به دانشجویان امکان می‌دهد اطلاعات را با سرعت و سهولت بیشتری به دست آورند و انحصار نسبی استادان در انتقال دانش را از میان بردارند. در نتیجه، مرزهای سنتی آموزش و دسترسی به دانش سست می‌شوند.
در عرصهٔ تولید دانش نیز وظایفی مانند جست‌وجوی منابع و تحلیل داده‌ها را می‌توان به هوش مصنوعی سپرد. این امر، بخشی از فعالیت‌های معمول پژوهشی را جایگزین می‌کند. ازاین‌رو، دانشگاه‌ها باید برنامه‌های درسی خود را اصلاح کنند و نیروهایی تربیت کنند که هم از دانش تخصصی برخوردار باشند و هم توانایی کار با فناوری را داشته باشند. با گسترش سامانه‌های هوشمند آموزشی و واقعیت مجازی، نقش استاد نیز باید بازتعریف شود: استاد دیگر صرفاً انتقال‌دهندهٔ یک‌سویهٔ دانش نیست، بلکه باید راهنمای یادگیری و پرورش‌دهندهٔ تفکر انتقادی باشد.
در رشتهٔ حقوق، این تأثیر هم جنبه‌ای عمومی دارد و هم ویژگی‌های خاص خود را.
از یک‌سو، کارآمدی پردازش اطلاعات حقوقی به‌طور چشمگیری افزایش یافته است. نمودارهای دانش حقوقی، استخراج، جست‌وجو و طبقه‌بندی اطلاعات را بهبود می‌بخشند. سامانه‌های هوشمند حقوقی اکنون می‌توانند برخی پرونده‌های غیرپیچیده را پردازش کنند، در استدلال حقوقی مشارکت داشته باشند و حتی به طراحی الگوهای قانون‌گذاری کمک کنند. بنابراین، شیوه‌های سنتی فعالیت حرفه‌ای حقوق‌دانان در حال بازسازی است.
از سوی دیگر، سوگیری الگوریتمی می‌تواند عدالت در اجرای قانون را تضعیف کند. آموزش حقوق باید درس‌هایی دربارهٔ اخلاق الگوریتمی و حریم خصوصی داده‌ها به برنامه‌های خود بیفزاید تا دانشجویان برای کار در محیط‌های هوشمند و همکاری مؤثر با ماشین آماده شوند.
آموزش حقوق تنها از طریق اصلاح برنامه‌های درسی، ادغام سنجیدهٔ فناوری و پرورش توانایی‌های تازه می‌تواند نظامی متناسب با نیازهای آینده ایجاد کند و درعین‌حال، عدالت را به‌عنوان جوهر و خط قرمز حقوق حفظ کند.
لیانگ یوچِنگ
از منظر استادی که در خط مقدم آموزش دانشگاهی فعالیت می‌کند، متوجه شده‌ام که نظم علمی دانشگاه‌ها به‌طور محسوسی در حال تغییر است: دانشجویان بیش از آنکه از استادان سؤال کنند، به هوش مصنوعی مراجعه می‌کنند.
در نظام آموزشی سنتی، پرسیدن سؤال هزینه‌هایی داشت. بخشی از این هزینه‌ها از ساختار قدرت و احترام سلسله‌مراتبی به استاد ناشی می‌شد؛ بخشی دیگر از فشار همسالان و احساس شرمندگی؛ و بخشی نیز به محدودیت‌های نهادی، مانند زمان محدود کلاس، مربوط بود.
اما این فشارها لزوماً منفی نبودند. آن‌ها دانشجو را وادار می‌کردند پیش از طرح پرسش، دربارهٔ اهمیت موضوع، دقت در بیان، زمان مناسب برای سؤال و ارتباط آن با مراحل پیشین و بعدی یادگیری تأمل کند.
همین «هزینهٔ پرسیدن» به سؤال معنای شناختی می‌بخشید و دانشجو را به صعود از پله‌های شناخت سوق می‌داد. در مقابل، امکان پرسیدن سؤال از هوش مصنوعی با هزینه‌ای نزدیک به صفر، ممکن است این فشار شناختی را از میان ببرد. در چنین شرایطی، دانشجویان شاید دیگر پرسش‌های خود را با دقت کافی انتخاب نکنند یا برای تعمیق شناختی آن‌ها انرژی لازم را صرف نکنند.
در آموزش سنتی، تعامل استاد و دانشجو از طریق چرخهٔ یادگیری و پرسش شکل می‌گرفت. دانشجو از مرحله‌ای مبهم از ناآگاهی آغاز می‌کرد و با طی کردن تدریجی مراحل شناخت، به درک عمیق‌تر می‌رسید. در این مسیر، نوعی نظم شناختی شکل می‌گرفت که مستلزم تلاش، پذیرش خطر اشتباه و عبور از دشواری‌های فکری بود؛ نظمی که انتقال دانش و میراث علمی را ممکن می‌ساخت.
ورود هوش مصنوعی این نظم سنتی آموزش و انتقال دانش را به‌تدریج متزلزل کرده است. دانشجویان ممکن است به‌جای حرکت تدریجی به‌سوی سطوح بالاتر شناخت، به نوعی حرکت افقی در میان اطلاعات عادت کنند و از الزام‌های شناختی‌ای بگریزند که پیش‌تر ناگزیر بودند با آن‌ها روبه‌رو شوند.
این نظم جدید در فضای دانشگاهی شکل گرفته است، اما هنوز باید بررسی کرد که چگونه عادت‌های فکری و توانایی‌های علمی نسل تازهٔ پژوهشگران را دگرگون خواهد کرد.
۲. مسائل کلاسیک علوم فلسفی و اجتماعی همچنان پابرجا هستند
گردانندگان میزگرد: موضوعاتی مانند اخلاق هوش مصنوعی، هم‌راستاسازی ارزش‌ها و تعامل انسان و ماشین، با ویژگی‌های فنی و تاریخی عصر حاضر، به محورهای پیشرو در پژوهش‌های علوم فلسفی و اجتماعی تبدیل شده‌اند. رابطهٔ این موضوعات جدید با مسائل سنتی چیست؟ آیا نظریه‌های کلاسیک همچنان می‌توانند مسائل عصر دیجیتال و هوش مصنوعی را توضیح دهند؟
دو ون‌جینگ
به باور من، حوزه‌های پژوهشی جدید با سنت‌های پیشین علوم فلسفی و اجتماعی پیوندی عمیق دارند. آنچه تداوم یافته، دغدغه‌های بنیادی و مسئله‌محوری این رشته‌هاست؛ آنچه تغییر کرده، ابعاد پژوهش و روش‌های بررسی در بستر فناوری است.
از نظر تداوم موضوعی، پژوهش‌های سنتی دربارهٔ جامعهٔ انسانی در عصر دیجیتال به بررسی اخلاق فناوری، توافق بر سر ارزش‌ها و رابطهٔ انسان و ماشین گسترش یافته‌اند. هستهٔ اصلی مسائل همچنان پابرجاست.
اخلاق هوش مصنوعی، موضوعات سنتی اخلاق را به زمینه‌های جدیدی مانند عدالت الگوریتمی و حریم خصوصی داده‌ها منتقل می‌کند. پژوهش دربارهٔ هم‌راستاسازی ارزش‌ها، ادامهٔ توجه دیرینهٔ انسان‌شناسی فرهنگی به نظام‌های ارزشی متنوع است. مطالعهٔ تعامل انسان و ماشین نیز دامنهٔ بررسی روابط اجتماعی در جامعه‌شناسی را گسترش می‌دهد.
از منظر روش‌شناسی، شاهد تلفیق عمیق روش‌های کیفی و کمّی هستیم. تفکر انتقادی و درک زمینه‌مند در علوم فلسفی و اجتماعی، می‌تواند با تحلیل کلان‌داده‌ها و مدل‌سازی هوش مصنوعی مکمل یکدیگر شود. هوش مصنوعی مولد قادر است وظایفی مانند تهیهٔ پیش‌نویس مرور ادبیات پژوهش را بر عهده بگیرد، اما تدوین چارچوب نظری و داوری ارزشی همچنان به بینش و قضاوت پژوهشگر نیاز دارد.
علوم انسانی دیجیتال نیز با ترکیب استخراج اطلاعات از متون و بررسی تاریخی اسناد، الگوهای تازه‌ای مانند «خوانش از راه دور» را توسعه داده است. این روش‌ها می‌توانند پژوهش ادبی و تاریخی را از تحلیل نمونه‌های منفرد به بررسی الگوها و روندهای کلان سوق دهند.
از نظر موضوع پژوهش، هوش مصنوعی هم خود به موضوع مطالعه تبدیل شده و هم محیط انجام پژوهش را تغییر داده است. منطق تصمیم‌گیری و الگوهای رفتاری سامانه‌های هوشمند، زمینه‌ساز حوزه‌های میان‌رشته‌ای تازه‌ای مانند مطالعهٔ رفتار ماشین‌ها و روان‌شناسی الگوریتمی شده‌اند.
درعین‌حال، الگوریتم‌های توصیه‌گر بر افکار عمومی تأثیر می‌گذارند و قراردادهای هوشمند روابط حقوقی را دگرگون می‌کنند. برای تحلیل این تحولات، پژوهشگران باید از چارچوب‌های نظری علوم سیاسی و حقوق بهره بگیرند تا تغییرات اجتماعی و نهادی ناشی از فناوری را توضیح دهند.
در مجموع، هوش مصنوعی چشم‌اندازهای تازه‌ای پیش روی علوم فلسفی و اجتماعی می‌گشاید و این علوم نیز با تعیین مختصات ارزشی و مرزهای اخلاقی، مسیر توسعهٔ فناوری را روشن می‌کنند. این رابطهٔ دوسویه، علاوه بر تقویت دانش میان‌رشته‌ای، می‌تواند از طریق تعامل میان خودآگاهی روش‌شناختی و بازاندیشی ارزشی، به تحول واقعی الگوهای پژوهش در عصر دیجیتال بینجامد.
وانگ جون
پیدایش حوزه‌های مشترک میان علوم فلسفی و اجتماعی و هوش مصنوعی، هم به عبور از قالب‌های فکری و چشم‌اندازهای سنتی نیاز دارد و هم مستلزم بهره‌گیری از منابع نظری همان سنت‌هاست.
برای مثال، در بحث دربارهٔ «مبانی مفهومی هوش مصنوعی»، مباحث فلسفهٔ ذهن اهمیت بنیادی دارند. مسیرهای فنی توسعهٔ هوش مصنوعی تا حد زیادی بر تعاریف متفاوت ما از «ذهن» استوارند.
فلسفه از دیرباز این تعاریف را به‌طور گسترده بررسی کرده است. آزمایش فکری «مغز در خمره» دربارهٔ قطعیت تجربه و امکان شناخت واقعیت تردید ایجاد می‌کند؛ آزمایش فکری «اتاق چینی» نیز رویکرد کارکردگرایانه به ذهن را به چالش می‌کشد.
اهمیت این بحث‌ها برای هوش مصنوعی امروز در آن است که پیش‌فرض‌های نظری، دشواری‌های درونی و محدودیت‌های توضیحی مسیرهای فنی مختلف را روشن می‌کنند.
در اخلاق هوش مصنوعی نیز منابع فکری سنتی همچنان اهمیت دارند. برای نمونه، هنگام بررسی تصمیم‌های اخلاقی سامانه‌های خودمختار، ازجمله خودروهای خودران، هنوز به مباحث کلاسیک اخلاق دربارهٔ «معمای واگن برقی» و تعیین مسئولیت اخلاقی نیاز داریم.
بنابراین، اگرچه فناوری با سرعت زیادی تحول می‌یابد، مسائل کلاسیک و بحث‌های بنیادین علوم فلسفی و اجتماعی همچنان از اعتبار نظری پایداری برخوردارند.
لیانگ یوچِنگ
اگر از چشم‌انداز بلندمدت تاریخ علم نگاه کنیم، موضوعاتی مانند اخلاق هوش مصنوعی، هم‌راستاسازی ارزش‌ها و تعامل انسان و ماشین، به معنای کنار گذاشتن یا واژگون کردن علوم فلسفی و اجتماعی سنتی نیستند. این موضوعات، جلوه‌های تازهٔ مسائل بنیادی این رشته‌ها در شرایط جامعهٔ هوشمندند.
جامعه‌شناسی، فلسفه و انسان‌شناسی از دیرباز به گسترش عقلانیت فنی و ابزاری، شکل‌گیری یا زوال عاملیت انسانی و نحوهٔ توزیع و عملکرد قدرت در سطوح خرد و کلان توجه داشته‌اند. این مسائل اکنون در شرایط تازهٔ عصر دیجیتال دوباره مطرح شده‌اند.
تفاوت مهم آن است که هوش مصنوعی مولد از نوعی هوشمندی بازتابی برخوردار است: نه‌تنها نگرش‌های اجتماعی را منعکس می‌کند، بلکه در جریان تعامل با انسان، به بازسازی و دگرگونی همان نگرش‌ها نیز کمک می‌کند.
در نتیجه، علوم فلسفی و اجتماعی از مطالعهٔ فناوری‌هایی که صرفاً مورد استفادهٔ انسان قرار می‌گیرند، به بررسی فناوری‌هایی حرکت می‌کنند که یاد می‌گیرند، مداخله می‌کنند و بازخورد می‌گیرند؛ فناوری‌هایی که می‌توانند در فرایند تولید دانش و کنش دانشگاهی نیز نقش‌آفرین باشند.
هوش مصنوعی، برخلاف تصور رایج، قدرت تبیینی علوم فلسفی و اجتماعی را کاهش نداده است؛ بلکه ضرورت و اهمیت آن‌ها را در جامعهٔ هوشمند افزایش داده است. این علوم باید پیامدهای اجتماعی فناوری را توضیح دهند، ساختارهای قدرت الگوریتمی را آشکار سازند و در روند تحول فناوری، به‌طور مستمر به بازنگری هنجارها و ارزش‌ها بپردازند.
این وضعیت از پژوهشگران علوم انسانی و اجتماعی می‌خواهد که هم ابزارهای فنی را به‌خوبی بشناسند و هم خود این ابزارها را از منظری انتقادی بررسی کنند.
چِن یونگ‌لیانگ
حوزه‌های پژوهشی جدید در واقع ادامه و تعمیق مسائل بنیادی علوم فلسفی و اجتماعی در بستر فناوری‌اند.
برای نمونه، مسئلهٔ سوگیری و تبعیض الگوریتمی، بازتابی از دغدغه‌های دیرینهٔ مردم‌شناسی دربارهٔ «سوگیری فرهنگی» و چگونگی بازنمایی «دیگری» است.
هنگامی که داده‌های آموزشی عمدتاً از زبان و رفتار گروه‌های فرهنگی خاصی تشکیل شده باشند، خروجی هوش مصنوعی نیز به‌طور طبیعی پیش‌فرض‌های شناختی و ارزشی آن گروه‌ها را با خود حمل می‌کند. این وضعیت شباهت زیادی به مسئله‌ای دارد که پژوهشگران در مطالعات قوم‌نگارانه با آن روبه‌رو هستند: ضرورت بازاندیشی مداوم دربارهٔ جایگاه فرهنگی و پیش‌داوری‌های خود پژوهشگر.
ظاهر فنی و بی‌طرفانهٔ الگوریتم‌ها به معنای بی‌طرفی مطلق ارزشی آن‌ها نیست. ارزش‌ها، ساختارهای زبانی، الگوهای رفتاری و شیوه‌های شناختی فرهنگ‌های مختلف، در منطق طراحی و زمینه‌های کاربرد فناوری به‌صورت گزینشی وارد می‌شوند، بازنمایی می‌شوند و حتی ممکن است از نو شکل بگیرند.
این مسئله ادامهٔ همان نقد سنتی علوم فلسفی و اجتماعی به ساختارهای قدرت و پیش‌فرض‌های فرهنگی است؛ با این تفاوت که عرصهٔ بررسی از جامعهٔ واقعی به درون سامانه‌های الگوریتمی نیز گسترش یافته است.
مسئلهٔ هم‌راستاسازی ارزش‌ها نیز با یکی از مناقشه‌های کلاسیک مردم‌شناسی، یعنی رابطهٔ نسبی‌گرایی فرهنگی و تفاهم میان‌فرهنگی، ارتباط دارد. پرسش این است که کدام چارچوب ارزشی باید معیار هم‌راستاسازی قرار گیرد. این موضوع صرفاً مسئله‌ای برای بهینه‌سازی فنی نیست، بلکه به چگونگی همزیستی فرهنگ‌ها و نظام‌های ارزشی متنوع مربوط می‌شود.
همچنین، بازسازی هویت و شکل‌گیری پیوندهای عاطفی در تعامل انسان و ماشین، ادامهٔ دغدغهٔ مردم‌شناسی دربارهٔ روابط و تعاملات انسانی است؛ با این تفاوت که موضوع مطالعه از تعامل فرهنگی میان انسان‌ها به ارتباط نمادین و ساخت مشترک معنا میان انسان و عامل هوشمند گسترش یافته است.
از این منظر، حوزه‌های جدید پژوهش نه‌تنها سنت مردم‌شناسی را قطع نمی‌کنند، بلکه ما را وامی‌دارند با پرسش‌هایی تازه به مسائل بنیادی این رشته، یعنی اشتراک‌ها و تفاوت‌های انسانی، بازگردیم.
همین پیوند عمیق تاریخی است که به علوم فلسفی و اجتماعی امکان می‌دهد در عصر تحول سریع فناوری هوشمند، همچنان مختصات ارزشی استوار و منابع غنی انسانی در اختیار جامعه قرار دهند.
۳. تنظیم مسیر توسعهٔ فناوری بر پایهٔ ارزش‌های انسانی
گردانندگان میزگرد: همان‌گونه که گفته شد، هوش مصنوعی ابزاری خنثی از نظر ارزشی نیست. ساختار الگوریتم‌ها و داده‌های آموزشی آن، بازتاب‌دهندهٔ شناخت‌ها و ارزش‌هایی است که در شرایط تاریخی معینی شکل گرفته‌اند. در مقابل، علوم فلسفی و اجتماعی وظیفه دارند مختصات ارزشی را تعیین کنند و برای کاربرد فناوری مرز بگذارند. این علوم باید بر چه حوزه‌هایی تمرکز کنند تا هوش مصنوعی، افزون بر برخورداری از توانایی شناختی عمیق، در خدمت ارتقای تمدن انسانی نیز قرار گیرد؟
وانگ جون
پژوهش علوم فلسفی و اجتماعی در حوزهٔ هوش مصنوعی چشم‌انداز گسترده‌ای دارد. بسیاری از بنیادی‌ترین مفاهیم هوش مصنوعی از بحث‌های فلسفی سرچشمه می‌گیرند.
پرسش‌هایی مانند «هوشمندی چیست؟» و «ذهن چیست؟» می‌توانند مسیرهای فنی توسعهٔ هوش مصنوعی را تعیین کنند. برای مثال، نظریهٔ این‌همانی که ذهن را همان مغز می‌داند، یکی از مبانی مفهومی رویکرد پیوندگرایانه در هوش مصنوعی است. در مقابل، کارکردگرایی که ذهن را برحسب برنامه و کارکرد تعریف می‌کند، پشتوانهٔ نظری رویکرد نمادگرایانه به شمار می‌رود.
به‌ویژه، پژوهش علوم فلسفی و اجتماعی در زمینهٔ اخلاق هوش مصنوعی برای توسعهٔ سالم این فناوری ضروری است. موضوعاتی مانند هم‌راستاسازی ارزشی مدل‌های بزرگ هوش مصنوعی، تبعیض و بی‌عدالتی اجتماعی ناشی از سوگیری الگوریتمی، تصمیم‌گیری اخلاقی سامانه‌های خودمختار، تعیین مسئولیت، حریم خصوصی و امنیت داده‌ها و نیز تأثیر هوش مصنوعی بر اشتغال و ساختار اجتماعی، همگی به دانش و روش‌های رشته‌های گوناگون نیاز دارند.
فلسفه، اخلاق، حقوق، اقتصاد، جامعه‌شناسی و مدیریت عمومی، هر یک منابع نظری و ابزارهای روش‌شناختی خاصی برای بررسی این مسائل فراهم می‌کنند.
بدون مشارکت عمیق علوم فلسفی و اجتماعی، توسعهٔ هوش مصنوعی ممکن است از هدایت ارزش‌های انسانی فاصله بگیرد و خطرات اجتماعی و هزینه‌های اخلاقی پیش‌بینی‌ناپذیری به بار آورد.
دو ون‌جینگ
علوم فلسفی و اجتماعی دست‌کم در سه زمینه می‌توانند نقش مهمی ایفا کنند.
نخست، بنیان‌گذاری ارزش‌ها و روشن کردن این پرسش که چه نوع هوشمندی ارزش پیگیری دارد.
قضاوت ارزشی باید از همان مراحل بنیادی طراحی در سامانه‌های فناوری وارد شود. برای نمونه، در حقوق، مدل‌های تعیین مسئولیت در تصادفات خودروهای خودران و تعیین مسئولیت نقض حقوق ناشی از محتوای تولیدشده با هوش مصنوعی، باید بر اصولی استوار باشند که کرامت انسانی و حقوق بنیادین را غیرقابل‌چشم‌پوشی می‌دانند.
حفاظت از حریم خصوصی داده‌ها نیز به معیارهایی انسان‌محور نیاز دارد. برای مثال، در هوش مصنوعی پزشکی باید سازوکارهایی برای رضایت آگاهانه و قابل بازنگری بیماران ایجاد شود.
دوم، ایجاد نظام حکمرانی و هماهنگ کردن سازوکارهای خرد با ساختارهای کلان.
در سطح خرد، باید شفافیت الگوریتمی و پاسخ‌گویی عمومی را با یکدیگر تلفیق کرد. ایجاد سازوکارهای مشارکت عمومی در حسابرسی الگوریتم‌ها می‌تواند به مقابله با پدیده‌هایی مانند «حباب فیلتر» کمک کند.
در حوزهٔ آموزش نیز باید مدل‌های سازگاری سامانه‌های یادگیری شخصی‌سازی‌شده را بهبود داد و اخلاق الگوریتمی را در برنامه‌های درسی گنجاند.
در سطح کلان، باید برای تأثیر هوش مصنوعی بر ساختار اشتغال و تشدید شکاف‌های شغلی و درآمدی آماده شد و مراقب بود که عملکرد الگوریتم‌ها شکاف دیجیتال را افزایش ندهد.
در سطح جهانی نیز ایجاد سازوکارهای گفت‌وگو میان تمدن‌ها و تدوین قواعد بین‌المللی فراگیر ضروری است.
سوم، ایجاد محیطی مناسب برای نوآوری و مشارکت علوم فلسفی و اجتماعی در مراحل اولیهٔ طراحی فناوری.
برای نمونه، حقوق می‌تواند چارچوب‌های تازه‌ای برای مالکیت آثار تولیدشده با هوش مصنوعی تدوین کند و در شرایط همکاری انسان و ماشین، خالق اثر و حدود حقوق هر طرف را مشخص سازد. چنین مقرراتی می‌تواند مشوق نوآوری باشد.
ترکیب پژوهش میدانی جامعه‌شناختی با استخراج و تحلیل کلان‌داده‌ها، یا استفاده از زبان‌شناسی محاسباتی برای بررسی نظام‌مند متون تاریخی، نیز می‌تواند به شکل‌گیری الگوهای پژوهشی تازه‌ای بینجامد که هم از عمق نظری برخوردار باشند و هم تجربهٔ انسانی را در خود حفظ کنند.
هدف آن است که فناوری در کنار افزایش کارآمدی، گرمای انسانی و حساسیت اجتماعی را نیز حفظ کند.
چِن یونگ‌لیانگ
به باور من، یکی از مأموریت‌های مهم علوم فلسفی و اجتماعی در عصر حاضر، تنظیم مسیر توسعهٔ فناوری بر پایهٔ عقلانیت انسانی است؛ مأموریتی که می‌تواند از خطرات ناشی از گسترش یک‌جانبهٔ عقلانیت فنی و تقلیل همه‌چیز به ابزار جلوگیری کند.
نخست، باید اخلاق هوش مصنوعی و هم‌راستاسازی ارزش‌ها را بررسی کرد. جلوگیری از تثبیت پیش‌داوری‌های اجتماعی در طراحی الگوریتم‌ها و ایجاد توازن عادلانه میان ارزش‌ها و مطالبات گوناگون، صرفاً با بهینه‌سازی فنی امکان‌پذیر نیست. این مسائل به تحلیل هنجاری و انتقادی علوم فلسفی و اجتماعی نیاز دارند.
دوم، باید پیامدهای اجتماعی هوش مصنوعی و مسئلهٔ عدالت را بررسی کرد. هوش مصنوعی در حال بازسازی ساختار نیروی کار، نحوهٔ توزیع منابع آموزشی و شیوهٔ ارائهٔ خدمات عمومی است. وظیفهٔ علوم فلسفی و اجتماعی آن است که راهکارهای عملی ارائه دهند تا توسعهٔ فناوری به بهبود عدالت در کل جامعه کمک کند.
سوم، باید قوانین، سیاست‌ها و نظام‌های نظارتی متناسب با عصر هوش مصنوعی را توسعه داد. نظام حقوقی موجود در مواجهه با مسائلی مانند مالکیت محتوای تولیدشده به‌وسیلهٔ هوش مصنوعی و مسئولیت حقوقی تصمیم‌های الگوریتمی با دشواری‌های جدی روبه‌روست. علوم فلسفی و اجتماعی باید با دیدگاهی آینده‌نگر، چارچوب‌های مفهومی حقوقی جدید و نظام‌های نظارتی انعطاف‌پذیر ایجاد کنند تا کاربرد فناوری سامان یابد و از خطرات نظام‌مند جلوگیری شود.
چهارم، باید سازگاری فرهنگی و تعامل انسان و ماشین را مورد توجه قرار داد. مردم‌شناسی نیز بیش از گذشته به این حوزه علاقه‌مند شده است. لازم است نقش و پیامدهای هوش مصنوعی در انتقال فرهنگ، شکل‌گیری هویت و امنیت فرهنگی بررسی شود. همچنین باید مطالعه کرد که تعامل انسان و ماشین چگونه الگوهای شناختی، بیان عاطفی و هویت انسان را دگرگون می‌کند. چنین پژوهش‌هایی می‌توانند دامنهٔ موضوعات و روش‌های مردم‌شناسی را در عصر دیجیتال گسترش دهند.
لیانگ یوچِنگ
هوش مصنوعی متغیری فنی و بیرون از جامعه نیست. این فناوری در ساختارهای اجتماعی موجود، منطق نهادها و نظام‌های ایدئولوژیک جای می‌گیرد و به‌تدریج به یکی از زیرساخت‌های شناختی جامعهٔ انسانی تبدیل می‌شود.
همان‌گونه که رسانه‌های دیجیتال در گذشته ساختار شناخت اجتماعی و شیوهٔ گردش اطلاعات را به‌شدت تغییر دادند، هوش مصنوعی مولد نیز در سطحی عمیق‌تر وارد سازوکار تولید شناخت اجتماعی خواهد شد و شیوه‌ای را که جامعه از طریق آن خود را درک می‌کند، بازسازی خواهد کرد.
بنابراین، یکی از مسائل محوری علوم فلسفی و اجتماعی در عصر دیجیتال، بررسی این موضوع است که هوش مصنوعی چگونه قابلیت رؤیت واقعیت‌های اجتماعی، مسیر شکل‌گیری عقلانیت عمومی و شکل‌های اعمال قدرت را دگرگون می‌کند.
در حال حاضر، هستی‌شناسی علوم اجتماعی نیز در حال تغییر است. در گذشته، موضوع پژوهش این علوم عمدتاً پدیده‌های اجتماعی، انسان‌ها و اخلاقیات انسانی بود. اما امروزه عامل‌های هوشمند، به‌ویژه هوش مصنوعی مولد، به‌طور گسترده در جامعه ادغام شده‌اند و به‌تدریج به موجودیت‌هایی اجتماعی با درجه‌ای از استقلال نسبی تبدیل می‌شوند.
این تحول بدان معناست که موضوع محوری علوم فلسفی و اجتماعی باید از چارچوبی تک‌عاملی و انسان‌محور، به چارچوبی دو‌عاملی یا حتی چندعاملی منتقل شود که در آن انسان و عامل‌های هوشمند در کنار یکدیگر وجود دارند و یکدیگر را شکل می‌دهند.
این تغییر در سطح هستی‌شناختی، پیامدهای گسترده‌ای برای الگوهای پژوهش در علوم اجتماعی خواهد داشت.
افزون بر این، هوش مصنوعی مولد از طریق داده‌های آموزشی و سازوکارهای هم‌راستاسازی، تجربه‌های تاریخی خاص، جهت‌گیری‌های ارزشی، داوری‌های هنجاری و حتی تجربه‌های زیسته و پدیدارشناختی انسان را به منابع شناختی قابل فراخوانی تبدیل می‌کند.
در نتیجه، هوش مصنوعی نه‌فقط ابزاری برای شناخت، بلکه حامل ایدئولوژی نیز هست.
ازاین‌رو، بررسی هم‌راستاسازی ارزش‌ها، اخلاق فناوری، سوگیری الگوریتمی و مرزهای هنجاری روابط انسان و ماشین، در نهایت به بازاندیشی عمیق دربارهٔ پرسشی بنیادی در جامعهٔ مدرن می‌انجامد: چه کسی عقلانیت را تعریف می‌کند و چه کسی به تولید آنچه «دانش بدیهی و پذیرفته‌شده» تلقی می‌شود، شکل می‌دهد؟
۴. ابزارهای هوشمند باید افق اندیشهٔ انسان را گسترش دهند
گردانندگان میزگرد: علوم فلسفی و اجتماعی در آینده چگونه می‌توانند در گفت‌وگویی عمیق با هوش مصنوعی، ارزش‌های بنیادین خود را حفظ کنند و درعین‌حال، با ذهنیتی باز پذیرای تحول فناوری باشند؟ افزون بر این، چگونه می‌توان قواعد تازه‌ای برای تولید دانش ایجاد کرد تا ابزارهای هوشمند به گسترش افق اندیشهٔ انسان کمک کنند، نه اینکه به قیدوبندهایی برای تثبیت مسیرهای ازپیش‌تعیین‌شدهٔ شناخت تبدیل شوند؟
لیانگ یوچِنگ
از منظر جامعه‌شناسی، ظهور هوش مصنوعی، به‌ویژه مدل‌های زبانی بزرگ، در حال ایجاد زمینه‌ای برای نوعی «جامعه‌شناسی آزمون‌محور» مبتنی بر مدل‌های بزرگ است.
برخلاف روش‌های سنتی که عمدتاً بر تبیین رویدادها پس از وقوع آن‌ها تکیه دارند، هوش مصنوعی مولد به پژوهشگران امکان می‌دهد به فرایندهای میانی عملکرد جامعه به شیوه‌ای محاسباتی و شبیه‌سازی‌شده وارد شوند و جامعهٔ واقعی را به میدان آزمونی پیوسته تبدیل کنند.
برای مثال، می‌توان با تعیین زمینهٔ تاریخی و پارامترهای ارزشی مشخص، پاسخ احتمالی یک متفکر به مسئله‌ای اجتماعی را در یک مدل زبانی بزرگ شبیه‌سازی کرد و از آن به‌عنوان مرجعی برای مقایسه و شناخت بهره گرفت.
این الگوی پژوهش نه‌تنها محدودیت‌های زمانی و مکانی پژوهش میدانی سنتی را پشت سر می‌گذارد، بلکه از طریق نوعی «آینهٔ اجتماعی» مبتنی بر داده‌های عظیم آموزشی، امکان مشاهدهٔ برخورد دیدگاه‌ها و تحول نهادها را نیز فراهم می‌کند.
به این ترتیب، جامعه‌شناسی می‌تواند از مرحلهٔ «توضیح آنچه رخ داده است» به‌سمت «بررسی آنچه ممکن است رخ دهد» حرکت کند.
وانگ جون
زمینه‌های همکاری فلسفه و هوش مصنوعی بسیار گسترده‌اند. شاخه‌هایی مانند منطق، فلسفهٔ شناخت و فلسفهٔ زبان می‌توانند در بررسی ساختارهای دستوری و منطقی مدل‌های زبانی بزرگ مشارکت کنند و به بهبود توانایی استدلال، استنتاج و صورت‌بندی استدلال‌های منسجم کمک کنند.
فلسفه همچنین در حوزهٔ اخلاق و نظریهٔ ارزش‌ها نقش مهمی دارد.
برای مثال، اگر انتظار داریم مدل‌های بزرگ هوش مصنوعی از ارزش‌های مناسبی برخوردار باشند، باید روشن کنیم که منظور از ارزش مناسب برای یک محصول هوش مصنوعی چیست. چگونه می‌توان اطمینان یافت که این محصولات در موقعیت‌ها و انتخاب‌های گوناگون، تصمیم‌هایی اخلاقی و در جهت خیر عمومی اتخاذ می‌کنند؟ چگونه می‌توان از سوگیری‌های ناشی از الگوریتم‌ها و کلان‌داده‌ها جلوگیری کرد، بی‌آنکه به راه‌حل‌های ساده‌انگارانه متوسل شد؟
این پرسش‌ها صرفاً مسائل فنی نیستند، بلکه به فلسفهٔ ارزش‌ها مربوط می‌شوند.
چِن یونگ‌لیانگ
روش‌های پژوهش مردم‌شناسی به‌طور مستمر در حال جذب نظریه‌ها و فناوری‌های رشته‌هایی مانند زیست‌شناسی، آمار و جغرافیا هستند. ادغام سامانه‌های اطلاعات جغرافیایی (GIS)، پایگاه‌های داده و دیگر فناوری‌های اطلاعاتی، زمینهٔ گذار از قوم‌نگاری سنتی به الگوهای میان‌رشته‌ای «قوم‌نگاری به‌علاوه» را فراهم کرده است؛ الگویی که می‌تواند نتایجی نظام‌مندتر و برخوردار از ویژگی‌های میان‌رشته‌ای تولید کند.
از چشم‌اندازی بلندمدت، ادغام عمیق هوش مصنوعی و علوم فلسفی و اجتماعی صرفاً به معنای افزودن چند ابزار فنی به روش‌های موجود نیست؛ بلکه تحولی عمیق در شیوهٔ اندیشیدن به شمار می‌رود.
این تحول ما را وامی‌دارد با مسیرهای شناختی تازه‌ای به فهم «انسان در داده‌ها»، تفسیر «فرهنگ در تصاویر» و درک «تجربه در فضای مجازی» بپردازیم.
هوش مصنوعی نه‌تنها مرزهای پژوهش مردم‌شناسی را گسترش می‌دهد و توان تبیینی نظری و قابلیت ارائهٔ تصویری نتایج را افزایش می‌دهد، بلکه گذار از استقرای تجربی سنتی به تحلیلِ یاری‌گرفته از هوش مصنوعی را نیز تسهیل می‌کند.
بااین‌حال، در تلاش برای افزایش کارآمدی و گسترش مقیاس پژوهش، باید همواره به زندگی فردی، عواطف انسانی و ظرافت‌های فرهنگی احترام گذاشت. حساسیت به این جنبه‌ها، ارزشی بنیادی و غیرقابل‌چشم‌پوشی در مردم‌شناسی است.
وانگ جون
فناوری هوش مصنوعی حوزه‌ها، موضوعات و شکل‌های تازه‌ای از دانش پدید آورده است که باید در سطح قواعد و معیارها نیز به آن‌ها پاسخ داد.
برای مثال، تولید دانش با کمک هوش مصنوعی یا از طریق تعامل انسان و ماشین را چگونه باید ارزیابی کرد؟ هنگامی که دستیابی به دانش تا اندازه‌ای می‌تواند بدون پرورش ذهنی و فکری انسان و مستقیماً از طریق ماشین صورت گیرد، و هنگامی که متن‌های تولیدشده به‌وسیلهٔ هوش مصنوعی از نظر شکل منسجم‌تر و از نظر محتوا پیچیده‌تر می‌شوند، آیا هنوز باید بر روش‌ها و مرزهای سنتی تولید دانش در علوم انسانی پافشاری کنیم؟
پاسخ به این پرسش‌ها، از یک سو، به سطح پیشرفت فناوری هوش مصنوعی بستگی دارد. برای نمونه، اگر گذار از مدل‌های زبانی بزرگ به مدل‌های جهان به‌طور کامل تحقق یابد، ممکن است رابطهٔ سنتی میان ذهن و دانش و منطق شکل‌گیری و پرورش آن‌ها به‌طور بنیادی دگرگون شود.
از سوی دیگر، پاسخ به این پرسش‌ها مستلزم آن است که در شرایط فناورانهٔ کنونی، مفهوم «دانش» و ویژگی‌های آن را به‌طور جدی بازاندیشی کنیم.
تحول شیوه‌های تولید دانش که فناوری‌های جدید به وجود آورده‌اند، مستلزم تدوین فوری قواعد دانشگاهی و چارچوب‌های اخلاقی متناسب با این شرایط است.
دو ون‌جینگ
برای سامان دادن به تولید دانش در عصر دیجیتال و هوش مصنوعی، می‌توان نظامی از قواعد را در سه سطح تدوین کرد: عامل تولید دانش، فرایند و محتوای تولید، و ارزش‌ها و اهداف آن. هدف این است که فناوری به چندبرابرکنندهٔ توان خلاقیت علمی تبدیل شود، نه شتاب‌دهندهٔ سطحی‌شدن اندیشه.
نخست، قواعد مربوط به عامل تولید دانش: چه کسی دانش را تولید می‌کند؟
در عصر دیجیتال، انسان همچنان عامل اصلی تولید دانش است و هوش مصنوعی نقش ابزار کمکی را دارد.
در سطح نهادی، باید مسئولیت مستقیم پژوهشگر در قبال نتایج علمی تثبیت شود. پژوهشگران باید نحوهٔ استفاده از هوش مصنوعی را افشا کنند و دامنه و میزان دخالت آن در تولید اثر را به‌درستی توضیح دهند.
در سطح توانایی‌ها نیز باید پژوهشگران را به مهارت استفاده و هدایت هوش مصنوعی مجهز کرد، نه آنکه به وابستگی به آن عادت دهند. حفظ توانایی تفکر مستقل و پاسداری از اصالت و عاملیت پژوهشگر ضروری است.
دوم، قواعد مربوط به فرایند و محتوا: دانش چگونه و با چه محتوایی تولید می‌شود؟
در تمام مراحل پژوهش باید مداخلهٔ آگاهانهٔ انسان و ارزیابی انتقادی اطلاعات حفظ شود.
در مرحلهٔ بررسی منابع، پردازش زبان طبیعی می‌تواند جست‌وجو را سریع‌تر کند، اما انتخاب منابع و تدوین چارچوب مرور ادبیات باید تحت نظارت پژوهشگر باقی بماند.
در مرحلهٔ تحلیل داده‌ها نیز باید از روش‌های آماری و شیوه‌های ارائهٔ شواهد، با تأکید بر شفافیت روش و امکان بازتولید نتایج، استفاده کرد.
نباید افزودن سطحی فناوری به روش‌های موجود را به‌عنوان تحول واقعی در الگوی پژوهش جا زد؛ همان‌گونه که صرف افزودن ابزارها یا قابلیت‌های بیشتر، به‌خودی‌خود به معنای نوآوری بنیادی نیست.
در سطح محتوا نیز باید مراقب تثبیت نظام‌مند سوگیری‌های الگوریتمی و گرایش محتوای تولیدشده با هوش مصنوعی به همسانی و تکرار بود. ایجاد نظام‌های مناسب برای حفظ صداقت علمی و ارزیابی کیفیت پژوهش در عصر دیجیتال ضروری است.
سوم، قواعد ارزشی: دانش برای چه کسی و با چه هدفی تولید می‌شود؟
تولید دانش در عصر دیجیتال باید در خدمت رشد همه‌جانبهٔ انسان و رفاه مشترک جامعه قرار گیرد. به‌ویژه باید از تشدید شکاف دیجیتال بر اثر عملکرد الگوریتم‌ها و از فرسایش ارزش‌های انسانی زیر فشار منطق فناوری جلوگیری کرد.
همان‌گونه که چِن یونگ‌لیانگ تأکید کرد، ظاهر فنی و بی‌طرفانهٔ الگوریتم‌ها به معنای بی‌طرفی ارزشی آن‌ها نیست.
تنها با پایبندی به اصل «ابزار در خدمت اندیشه» و استفادهٔ سنجیده و محتاطانه از هوش مصنوعی در چارچوب قواعد روشن است که علوم فلسفی و اجتماعی می‌توانند در عصر دیجیتال، هم‌زمان به ارتقای اعتبار علمی و حفظ ارزش‌های انسانی، افزایش کارآمدی تولید دانش و تعمیق اندیشه دست یابند.
هدف نهایی باید آن باشد که ابزارهای هوشمند به نیرویی برای گسترش افق اندیشهٔ انسان تبدیل شوند.
پایان میزگرد
ویراستاران: وانگ جین، دی یا‌شینگ و جی وِن‌یا
تهیه و تنظیم: دی یا‌شینگ