收益：
- 能够利用人工智能对哲学文本的主要主张、技术术语和句子结构进行首次扫描分析
- 能够看到简化和扭曲之间的细微差别，并通过与原始内容进行比较来保留数量和形式的细微差别
- 能够通过使隐含假设可见并将每个输出连接回文本来构建最终解释
文本分析和精读：用人工智能分析哲学文本
哲学的基本材料是文本。了解哲学家首先需要仔细阅读他所说的内容。精读——逐句、逐个概念仔细、缓慢地分析文本的方法，以准确揭示作者所说的内容以及他如何构建它——是哲学最基本的技能。但哲学文本往往晦涩、冗长、充满技术术语，而且历史遥远。学生可能会迷失在黑格尔的一段话中；研究人员可能会错过论文的一个关键区别。人工智能对于这项分析工作的初步筛选和框架是一个强有力的帮助——只要你保留最终的阅读和解释。
在本单元中，我们将逐步了解如何使用人工智能作为精读助手：提取文本的主要论点，澄清技术术语，简化句子结构，使隐含的假设可见，并标记歧义区域。我们的目标不是让AI取代阅读，而是让你能够读得更深、更快。
精读的脚步与AI的地位
让我们看看分析哲学文本时遵循的经典步骤以及人工智能如何在每个步骤中提供帮助。
1. 放置上下文。该文本是由谁、何时以及针对哪种论点撰写的？ AI可以给出大致的上下文轮廓；但您应该通过可靠的学术来源确认此信息，因为日期和引用错误很常见。
2. 找到主要主张。课文的中心论点是什么？问 AI“这篇文章的主要观点是什么？你基于哪句话？”问。亲自看看文中主张的基础。
3.开放的观念。文本中的技术术语（例如“先验”、“现象”、“义务”、“功利主义”）是什么意思？ AI给出初步解释；你检查它是否适合该哲学家的用法，因为同一个术语在不同的作者中有不同的含义。
4.简化句子结构。让人工智能简化一个长句子——但将其与原始句子进行比较，看看简化后的句子是否扭曲了意思。
5. 删除隐含的假设。好的哲学阅读也能看到未言明的东西。问人工智能“这个论证中未阐明的假设可能是什么？”问;这会打开盲点。
提示：将文本交给AI时，每次重复指令“仅基于此文本，不要添加外部信息”。这一句话很大程度上防止了人工智能将训练数据中的陈词滥调混入文本中，并使验证变得更加容易。
简化与扭曲之间的微妙界限
人工智能简化句子有两个危险。第一个是过于简单化：失去了哲学家故意引入的细微差别（例如“在大多数情况下”和“在所有情况下”之间的区别）。第二个是语义转移：简化的句子说出了原文没有说的内容。因此，将每个简化视为“建议的解释”，而不是“最终的回应”。将简化的句子放在原始句子旁边，然后自己权衡差异。
注意：在哲学中，细微差别往往是争论的核心。 “知识是合理的真实信念”和“知识通常与合理的真实信念相关”这句话在哲学上是完全不同的。 AI在简化时经常会造成这样的损失；保持细微差别是你的工作。
三个迷你箱子
案例 1 — 术语得到澄清。一名本科生在一篇关于功利主义的文章中混淆了“偏好功利主义”和“快乐功利主义”之间的区别。他把文本交给AI，让他根据文本中的定义解释这两个术语； 10 分钟之内，区别就很明显了。然后，学生通过将其链接回文本中的两个段落来确认这种区别，并注意到人工智能在某处混淆了这两个术语并进行了纠正。
案例 2——隐含假设被抓住。一名研究生在分析政治哲学文本时向人工智能询问隐含假设。 YZ指出，文本使用了“理性个体”的假设，但没有说明。这是该学生的研讨会演讲中最强烈的批评点，但该学生通过自己指出文本中隐藏的推论来捍卫这一假设。
案例 3——简化扭曲了意义。一位讲师让人工智能简化了康德的一句话。人工智能通过将意思是“总是”的短语改为“大多数时候”，削弱了该论点对普遍性的主张。讲师看到了与原来的差异，并向学生指出这是“简化的风险”。 1 个词的转变改变了整个论点。
弱提示/强提示
弱提示：
向我解释一下这段文字。
这个提示解放了人工智能：它从外部添加信息，它忽略了细微差别，它是不可验证的，并且不清楚它是基于什么句子。
强力提示：
你的角色：细致的精读助手。分析下面的文字。规则：1) 仅依赖本文；添加外部信息。2）用一个句子给出主要主张，并标记您所依赖的句子。3）根据文本中的用法解释技术术语。4）简化句子时，将原文放在它旁边。5）在单独的标题中列出隐含的假设。6）将您不确定的地方标记为“文本中不清楚”。文本：[在此处粘贴文本]
这一要求限制了来源，强化了基础，保持了细微差别，并使输出可验证。
四个可复制模板
1）主要权利要求及结构提取：
用一句话给出 (a) 以下文本的主要主张，(b) 支持这一主张的 2-4 个中间步骤，(c) 每个步骤所基于的段落。仅依靠文本。文字：[文字]
2）创建术语表：
列出本文中的技术/哲学术语。对于每个术语：1-2 个句子定义，具体取决于文本中的用法以及提及该术语的第一句话。如果同一术语有不同的含义，请指定。文本：[文本]
3）句子简化（保留细微差别）：
用更容易理解的语言重写下面的句子。规则：逐字保留量词（every/some/most）、情态词（强制/可能/可能）和条件。并排展示原始版本和简化版本。标记您更改的每个细微差别。句子：[句子]
4）隐含假设和漏洞搜寻：
列出此论证中任何未陈述但必要的假设。还要显示论证跳过或掩盖的步骤。仅依靠文本；不要超出文本范围。文本：[文本]
方法对照表
任务
孤独的人
孤独的人工智能
人类+人工智能（推荐）
寻找主要主张
缓慢但可靠
速度快但可能会失真
快速草稿+人工审核
术语说明
确实如此，但需要时间
速度快可能会错过上下文
草稿+使用控制
简化
保留细微差别，缓慢
速度快，但有失去细微差别的风险
并排比较
隐含假设
深但盲点
一个好的警告列表
AI警告，人类验证
常见错误
- 忘记“添加外部信息”指令。人工智能将训练数据中的陈词滥调融入到文本中；对每个提示重复此限制。
- 认为简化是最终的答案。失去细微差别会损害论证；始终随身携带原件。
- 在一种情况下接受该术语。同一个词在不同的哲学家那里有不同的说法；将人工智能的一般定义与文本中的用法进行比较。
- 按原样使用隐式假设列表。将人工智能提出的假设作为你自己的分析来呈现，而不将它们与文本联系起来，这既是一个错误，也是一个原创性问题。
- 完全委托阅读。完全不看文字就对AI总结感到满意；在哲学中，与文本的直接接触是必不可少的。
综上所述
精读是哲学的核心技能，人工智能加速了这一技能，而不是取代它。使用人工智能作为初筛助手，找到主要主张、解构术语、简化句子，并使隐含的假设变得可见。谨防两种危险：过于简单化和语义漂移。将每个输出链接回文本，将细微差别与原始内容进行比较，并自己建立最终的解释。 “仅依赖此文本”的说明是正确使用的关键。
应用任务
- 选择一个密集的哲学段落（康德、黑格尔、当代文章——没关系）。
- 使用“主要断言和结构提取”模板从 AI 中获取骨架。
- 将每个中间步骤连接回文本中的句子；标记支撑较弱的那个。
- 使用“句子简化”模板简化最困难的句子，并将其与原始句子进行比较，看看是否有任何细微差别。
- 采取人工智能从文本中找到并证明其合理性的隐含假设。
清单
- [ ] 我在每个提示中给出了“仅依赖文本”限制。
- [ ] 我自己看到了文中主要主张的基础。
- [ ] 我将术语描述与文本中的用法进行了比较。
- [ ] 我将简化版本与原始版本并排放置，并检查是否存在细微差别。
- [ ] 我通过将隐含假设链接回文本来验证它们。
- [ ] 我阅读了文本本身；我对仅仅总结并不满意。