收益：
- 能够区分人工智能在哲学和伦理工作流程（阅读、总结、绘图、草稿）中节省时间的地方以及解释、论证和原创思想等决策留给人类的地方，具体取决于风险水平。
- 能够应用一门学科，通过将每个输出链接到源、用主要文本确认它以及通过偏见过滤它的步骤来验证每个输出。
- 能够理解为什么在人类领域从一开始就应该考虑幻觉、判断力丧失和肤浅解释的风险。
你在哲学系的自习室。你的桌子上有康德《道德形而上学基础》的一章、医院伦理委员会的真实案例档案、三篇不同的当代文章，以及明天研讨会的教案。学生抱怨无法提取长文本的论点结构，期刊评论必须比较三篇文章，伦理委员会辩论谁对人工智能医疗决策支持系统负责。哲学（批判性地、系统地审视概念、论证和假设的学科；思考知识、存在、价值和推理）和应用伦理学（将抽象的道德原则应用于医学、技术、环境和商业等具体领域的实际决策的分支）是文本密集型、概念密集型的领域，本质上需要细致的推理。这正是人工智能（AI——可以从过去的文本数据中学习模式并生成摘要、翻译、草稿和分类的软件）可以加快您处理如此丰富的文本和概念的地方。
但这个模块一开始就很明确：AI是阅读、绘图、总结和起草的助手；您是有能力的专家和思想家，负责判断论点、捍卫论文、证明道德决定的合理性并拥有该想法。在哲学上，产品本身就是推理；将推理委托给机器并不是完成工作，而是放弃工作本身。
在第一个单元中，我们将重点关注纪律，而不是车辆。我们将了解人工智能在哲学和伦理工作流程中的哪些地方可以节省实时时间，哪些地方是危险的，如何验证每个输出，如何保持源代码完整性，以及如何遵守学术诚信。如果不奠定这个基础，后续的单元就会悬而未决——因为在人文学科中，未经验证的输出可能不仅仅是一个错误的答案，而且是捏造的引用、歪曲的哲学家观点，或者将别人的想法当作自己的想法的违反学术诚信的行为。
人工智能在哲学工作流程中在哪里派上用场？
让我们把东西分成两大堆。第一组：大量的、文本密集的、可提取模式的作品。长文本的初稿、复杂段落的前提-结论结构的初稿、文献中重复出现的主题的提取、不同作者如何定义概念的比较、教学计划的框架、学生文本中模棱两可的地方的标记、翻译草稿。在这些工作中，人工智能可以将时间缩短为几分钟，而且不会感到疲劳。
第二组：需要判断、解释、论证和原创思想的任务。无论一个论证是否真的有效，对哲学家在一段话中的意思的最合理的解释，如何解决两种价值观之间的真正紧张关系，哪种原则将在伦理案例中占上风，论文的原始贡献是什么。这些需要专业知识、概念敏感性和人类判断力。在这里，人工智能会增加选择、产生反对意见、指出盲点——但评估、理由和签名都是你的。
让我们用一句话来澄清区别：人工智能在“这个文本写的是什么以及它的结构是什么样的”问题上很强；当涉及到诸如“这个论点是否正确以及我的看法如何？”之类的问题时，决定权在您手中。
提示：在将工作外包给人工智能之前，问问自己：“如果这个输出错误，我会损失什么？”如果答案是“几分钟的修复”，请随意委托。如果答案是“歪曲的哲学家的观点、捏造的消息来源、或者让机器做我需要做的思考”，那么就让AI直接出草稿；你给出解释、理由和决定。
人文学科的三大关键风险
哲学和伦理是人工智能最容易陷入困境的领域。让我们从一开始就了解这三种风险。
幻觉。 AI 流畅、自信地生产；这并不意味着这是真的。幻觉是指人工智能呈现一本不存在的书、一句编造的引文、一句哲学家实际上没有说过的句子，或者错误地认为是真实的观点。在哲学文献中，这是灾难性的：带引号的句子“亚里士多德在《伦理学》中对尼马科斯说”在文本中根本不存在是很常见的。
丧失推理的独创性。在哲学中，价值在于你的推理。将人工智能生成的流畅但平庸、陈词滥调且无来源的“哲学”文本呈现为你自己的，这在智力上是徒劳的，也是对学术诚信的侵犯。人工智能产生平均值；最初的论点、微妙的区别和大胆的反对都留给了人。
肤浅的解释和偏见。人工智能可能会用流行但不准确的刻板印象来概括哲学家（例如，将尼采简化为口号），在有争议的话题上将单一传统呈现为“正确”，或者在训练数据中复制文化偏见。评论应该始终通过你的批评过滤器。
验证纪律：三步
对每个输出应用三步反射：
- 将其连接到源。人工智能的每一个引用、归属和“哲学家说”的主张都必须基于原始文本。 “具体是在哪部作品、哪一部分、哪个译本中？”并亲自查看原件。验证引号中的每个句子及其来源。
- 与独立消息来源确认。通过可靠的二手来源（学术百科全书、同行评审的文章）验证解释或“普遍接受”的主张。不要依赖一个流畅的段落。
- 通过解释和偏见的过滤器。输出是否扭曲了哲学家？有替代读物吗？它是否片面地提出了一个有争议的问题？您的专家判断是最终的过滤器。
三个迷你箱子
案例 1 — 绘制地图节省了时间。一名研究生试图从一篇长达 40 页的认识论论文中提取论证结构。 AI 在 15 分钟内给出了前提-结果框架的初稿；学生加快了通常需要半天时间的绘图速度。但他通过将每个前提链接回文本中的段落来验证每个前提，并且他自己添加了人工智能省略的隐含假设。
案例 2 — 验证发现伪造的报价。一位研究人员让人工智能询问休谟对因果关系的看法。 YZ在引号中给出了明确的句子和页码。当研究者查看《人性论》的相关章节时，既没有那句话，也没有那一页；人工智能生成了一个看似合理但捏造的报价。链接步骤可防止欺诈性归因进入文章。
情况 3 — 原创性限制。一名学生完成了一份完全由人工智能撰写并提交的道德作业。文字很流畅，但来源不明、陈词滥调，缺乏学生自己的观点；而且，这两个“消息来源”都是捏造的。这既是零原创贡献，也是对学术诚信的侵犯。正确的用法是使用人工智能作为讨论伙伴和起草工具，并让学生自己构建基本原理、论文和资料来源。
弱提示/强提示
弱提示：
写一些关于康德伦理学的东西。
这个要求是模糊的：它不需要来源，它容易被扭曲和陈词滥调，它无法被验证，并且输出不会是你的意见。
强力提示：
你的角色：细心的哲学讲师。总结一下我将给你的关于康德绝对命令的“普遍性”表述的文字。规则：仅依赖我给出的文字；添加额外的文本信息。将每个主张链接到文本中的一个段落。如果您不确定，请将其标记为“文中不清楚”。如果使用引号，请仅使用文本中逐字出现的引号。文本：[在此处粘贴文本]
这个提示限制了来源，防止伪造，是可验证的，并把思考留给你。
四个可复制模板
1）岗位适宜性评估：
您的角色：高级哲学顾问。下面我将描述这份工作。告诉我（1）这是一个可以委托给人工智能的阅读/总结/绘图/素描工作，还是一个需要论证和原创思想的工作，（2）不正确输出的智力/学术成本，（3）我应该在委托之前和之后进行验证。工作：[在此插入工作]
2) 链接到来源的义务：
我会给你一篇哲学文本。对于每条评论和主张，请始终引用文本中的段落/句子。不要将文本中没有的任何观点归咎于哲学家。仅使用文本中逐字出现的引号。如果您不确定，请将其标记为“需要验证”。
3）原创性及角色限制：
你是我的陪练伙伴，不是我的作家。不要写关于这个主题的论文。相反：列出对我的论文的 3 个强烈反对意见，2 个我可能忽略的假设，以及 1 个我需要澄清的概念。我会写最后的文字。我的论文：[在此插入您的论文]
4) 翘曲/偏差控制：
检查以下总结是否歪曲了哲学家的观点。（1）是否还原为流行但错误的陈词滥调？（2）是否片面提出了一个有争议的问题？（3）另一种解释是什么？忠实地阅读文本，而不是你自己的解释。摘要：[在此处粘贴摘要]
角色分离表
商业
人工智能的作用
男人的角色
风险等级
总结长文本
初稿摘要
针对来源进行身份验证
中等
参数映射
前因后果框架
有效性判断
中等
查找引用/引文
生成候选人
主要来源确认
高
证明道德案例的合理性
产生选项和反对意见
决定和理由
非常高
论文/原创贡献写作
陪练伙伴
文章本身
非常高
常见错误
- 未经验证就使用AI给出的报价。人类领域最常见、最具破坏性的错误；引号中的每个句子都必须在主要来源中得到确认。
- 委托思考。让人工智能来构建论证、论证论文并给出论证，就是放弃哲学工作本身。
- 将陈词滥调误认为是信息。接受人工智能用一句口号概括哲学家的说法是“正确的”；您不应在不返回文本的情况下接受评论。
- 提供 AI 文本而不注明来源。违反学术诚信；遵循您组织的人工智能使用指南和透明度声明。
- 依靠单一输出。以不同的方式提出同一问题，并接受明确的解释，而无需通过第二手来源确认。
总之
人工智能;它是一个强大的助手，可以加速哲学和应用伦理学领域的文本阅读、论证映射、文献扫描和草稿生成。但判断论证、正确解释哲学家、证明道德决定的合理性以及提出原创论文是人类的责任。从一开始就必须认识到三个风险：幻觉（捏造的引用/来源）、判断原创性的丧失以及肤浅/偏见的解释。解药是验证的三步原则：链接到来源、独立验证、通过解释和偏见进行过滤。在整个模块中，我们将端到端地使用人工智能——但你将永远是思考和签名的人。
应用任务
- 从您正在学习的哲学文本中选择一个密集的段落。
- 使用“强提示”模板，仅根据该文本向 AI 提供摘要。
- 将摘要中的每个主张链接回文本中的句子；标记人工智能是否添加了额外的文本信息或虚构的强调。
- 如果 AI 给出了报价，请检查主要来源中是否逐字记录。
- 写下你自己的一句话评论——让它成为你的贡献，而不是人工智能的贡献。
清单
- 【】交接工作前，“如果出了问题我会损失什么？”我问了这个问题。
- [ ] 我已通过主要来源验证了输出中的每一个引用和归属。
- [ ] 我标记了文本外或扭曲的评论。
- [ ] 我自己对论点的有效性和理由做出了决定。
- [ ] 我写了原始论文和最终文本；人工智能只是成为了陪练伙伴。
- [ ] 我遵循了我所在机构的人工智能使用和透明度规则。