收益：
- 能够将论证转化为编号前提-结论标准形式并区分隐含前提
- 能够有意识地区分有效性（结构）和健全性（前提的准确性）
- 能够在不将其交给人工智能的情况下做出有效性和合理性的判断，并针对最强版本建立反驳论据
哲学的核心是论证。理解哲学文本意味着除了知道它所说的内容之外，还能看到它是如何推理的。论证（由为支持结论 - 主张而提出的前提组成的推理结构）、前提（为支持结论而接受或辩护的中间主张）和结论（从前提得出的最终主张）的概念是此分析的基石。论证映射（通过在视觉上/结构上提取论证作为前提、中间结论和最终结论，使推理的骨架变得可见）是揭示密集文本的逻辑主干的最有力的方法。 AI可以快速制作出这个骨架的初稿；但要由人来决定论证是否有效或合理，即做出逻辑判断。
在本单元中，我们将了解如何逐步映射一个论点，如何使用人工智能来解决这个问题，以及为什么永远不应该委托对有效性和合理性的判断。
论证的剖析
让我们首先区分两个基本概念，因为这是所有论证评估所依赖的。
有效性：如果一个论证的前提为真，其结论必然为真，则该论证是有效的。有效性只与结构有关，与前提是否真实无关。 “所有猫都会飞；虎斑猫是猫；因此虎斑猫会飞”这一论点是有效的，但其前提是错误的。
健全性（Soundness）：如果一个论证是有效的并且它的所有前提实际上都是正确的，那么它就是合理的。健全性需要前提的结构和真实性。
人工智能擅长提取论证的结构（列出前提和结论）。但“这个论点有效吗？”即使是“它坚固吗？”的问题。有时是错误的。问题时，他无法评估前提的真实性——因为这需要世界知识、概念敏感性和判断力。这正是为什么你要让人工智能绘制地图并自己评估的原因。
提示：向人工智能询问“标准形式”的论证：编号前提（S1，S2，...），中间结论（如果有），以及最终结论（S）。这种格式可以更轻松地验证论点并找到薄弱环节。
绘图步骤
1.求结果。作者最想证明的是什么？诸如“在那种情况下”、“因此”、“因此”等表达方式通常表示结果。
2. 收集场地。支持结论的论据是什么？词语“因为”、“因为”、“因为”指的是前提。
3.添加隐含前提。论证成立所必需的不言而喻的前提（隐藏的假设）是什么？让这些变得可见往往会引发最强烈的批评。
4. 分离中间结果。在长论证中，一个前提本身可以从较低的前提推导出来。分离这些层。
5.测试有效性。如果前提被接受为真，那么结论是否必要？如果不是，那么缺少的前提是什么或者推理是否存在跳跃？
6、测试耐久性。前提是真的吗？哪个有争议？这正是您的专家判断发挥作用的地方。
注意：人工智能可能会确认某个论点“有效”；切勿将此批准视为最终决定。人工智能可以对逻辑有效性产生令人信服但不准确的解释。通过假设前提为真并自己考虑结论是否不可避免来检查有效性。
三个迷你箱子
案例 1——隐藏的前提被揭露。一名博士生在一篇道德哲学论文中阐述了这一论点。 AI以标准形式推导出3个前提和1个结论。学生注意到第四个前提（隐藏的价值假设）是论证发挥作用所必需的，但文本中从未提及。这个隐藏的前提是论文中最具争议的一点，成为学生批评的中心。 AI给出了骨架；真正的发明属于学生。
案例 2——AI 错误地确认了有效性。一位讲师让人工智能评估学生论文中的一个论点。 AI说“这个论点是有效的”。当讲师检查时，他发现在到结论的过渡中存在“中项”错误（将前提中的两个概念视为相同，尽管它们实际上不同）。该论点无效。人工智能流畅的确认掩盖了逻辑上的缺陷；人类的控制已经赶上来了。
案例 3——稳健性争论。一个研讨会小组绘制了一个政治哲学论证。该结构是有效的。但争论归结为一个中心前提的真理：“每个理性的个人都会最大化自己的利益。”该小组在 20 分钟的讨论中证明，这一前提在经验和规范上都存在争议。 AI无法提出这个论点；他只提供了地图。健全性的判断属于团体。
弱提示/强提示
弱提示：
这篇文章的论证好不好？
这种说法既模糊又危险：人工智能对你做出“好/坏”这样的判断，混淆了有效性和合理性，并且没有显示它是如何得出的。
强力提示：
您的角色：以逻辑为导向的论证分析师。将以下文本的论点提取为标准形式： - 编号前提（S1，S2，...），中间结论（如果有），最终结论（S）。 - 单独显示文本中没有但必要的隐式前提，并带有标签[隐式]。 - 标记每个前提所基于的句子。不要判断：不要说“有效/合理”。相反，请向我提出一个问题，即需要测试有效性的推论步骤以及可能有争议的合理性前提。我会决定。文本：[在此处粘贴文本]
这个提示省略了结构，但把判断留给你；它解开隐含前提并使它们可验证。
四个可复制模板
1）标准表格映射：
将以下论证采用标准形式：编号前提、中间结论、最终结论。将每个元素链接到文本中的句子。添加注释，只需提取结构即可。文字：[文字]
2）寻找隐含前提：
列出该论证得出结论所必需的但文本中未说明的隐含前提。对于每一个：简要说明为什么有必要以及其准确性有多大问题。只需依靠文本即可。文字：[文字]
3）薄弱环节诊断（不由你来判断）：
在这个论证中，以问题形式显示 (a) 推理最弱的步骤，(b) 最有争议的前提。不要说“有效/无效”或“真/假”；只是指出我应该看哪里。我来决定。参数：[粘贴标准形式]
4）创建反论点：
对以下论点提出 2 个最强烈的反对意见。指定每个异议针对哪个前提或推论。不要因为反对而成为稻草人；针对论证的最强版本。论证：[粘贴标准形式]
有效性/稳健性表
问题
他问什么？
人工智能的作用
谁的决定
什么是结构？
前因和结论
取出骨架
常见的
是否存在隐含的前提？
隐藏的假设
候选人名单
人类正确
有效吗？
前提→结论是否必要？
显示测试点
人类的判断
是固体吗？
前提是真的吗？
商标有争议
人类的判断
常见错误
- 混淆了有效性和稳健性。有效论证的前提可能是错误的；仅仅因为人工智能说“有效”并不意味着“正确”。
- 接受AI的判断。将“这个论点是好/坏”类型的评估留给人工智能；合乎逻辑的决定是你的。
- 省略隐含的前提。最强烈的批评往往来自不言而喻的假设。不要满足于人工智能给出的骨架，寻找隐藏的前提。
- 设置稻草人。当提出反驳时，要针对论证的最强版本，而不是对其进行弱化讽刺（慈善原则）。
- 没有将地图与文字联系起来。接受地图为真实，而不显示文本中每个前提的基础。
总之
论证映射使哲学文本的逻辑主干变得可见。 AI可以快速提取前果骨架和隐含候选前因；这可以节省大量时间。但两个关键判断——有效性（结构）和健全性（前提的真实性）——仍然是人类的。永远不要混淆有效性和鲁棒性，不要接受人工智能的“好/坏”判断，一定要寻找隐含的前提并针对最强者建立反驳论据。 AI是制图师；你是评估道路的乘客。
应用任务
- 从文章或文本中选择一个单一、清晰的论点。
- 使用“标准形式映射”模板提取前提-结果骨架。
- 找到隐藏的假设，并使用“隐式前提搜寻”模板标记最具争议的假设。
- 亲自测试有效性：假设前提为真，结论是否必要？
- 写下你自己对最弱前提的一句话反对。
清单
- [ ] 我将论证转化为标准编号形式。
- [ ] 我单独标记了隐含前提。
- [ ] 我有意识地区分了有效性和合理性。
- [ ] 我把有效性和鲁棒性的决定留给了我自己，而不是人工智能。
- [ ] 我将每个前提与文本中的支持联系起来。
- [ ] 我构建了针对最强状态的反驳，而不是稻草人。