近幾年,，人工智能在許多行業(yè)都有應(yīng)用,，成為人類的“好幫手”,。但在這一過程中，也出現(xiàn)了各種各樣的問題,。其中,，人工智能系統(tǒng)基于不良的數(shù)據(jù)來源和有缺陷的算法設(shè)計(jì)生成錯(cuò)誤的“知識”，且沒有對所輸出內(nèi)容進(jìn)行價(jià)值判斷的能力,，無法承擔(dān)相應(yīng)認(rèn)知責(zé)任,，導(dǎo)致系統(tǒng)性的認(rèn)知偏差，是一個(gè)比較突出的問題,。

從科技倫理角度分析,，這違背了認(rèn)知正義的原則。所謂認(rèn)知正義,，是指在知識生成,、傳播和獲取過程中，確保所有個(gè)體和群體的聲音都能被公平地聽取和理解,，并且有平等的機(jī)會被轉(zhuǎn)化為人類的公共知識,。

過去，知識生成主要依賴人類個(gè)體的感知,、記憶,、推理和證詞。然而,，隨著人工智能的超速迭代,，尤其是會話式人工智能的廣泛應(yīng)用，傳統(tǒng)的知識生成和傳播方式正迎來重大轉(zhuǎn)變,?；跀?shù)據(jù)和算法的“機(jī)器知識”挑戰(zhàn)了過去基于經(jīng)驗(yàn)和專業(yè)判斷的人類知識，導(dǎo)致認(rèn)知“碎片化”,，破壞了傳統(tǒng)人類知識系統(tǒng)的認(rèn)知正義,。

如今，生成式人工智能已經(jīng)開始全面嵌入到所有可能對認(rèn)知,、決策進(jìn)行技術(shù)性替代的場景和社會過程之中,。面對人工智能在知識生成中對認(rèn)知正義的挑戰(zhàn)，如何讓人工智能更智能,？如何讓其成為提升認(rèn)知的幫手,，確?？萍枷蛏疲?/p>

筆者認(rèn)為,，需從提升數(shù)據(jù)質(zhì)量、改進(jìn)算法設(shè)計(jì),、優(yōu)化人機(jī)協(xié)同和加強(qiáng)倫理治理等維度著手,。

負(fù)責(zé)任的算法設(shè)計(jì)是實(shí)現(xiàn)認(rèn)知正義的核心架構(gòu)。人工智能作為一種強(qiáng)大的認(rèn)知技術(shù),，通過數(shù)據(jù)挖掘和統(tǒng)計(jì)分析來識別信息的模式和趨勢,，參與人類公共知識的生成。由于算法主要關(guān)注在訓(xùn)練數(shù)據(jù)中頻繁出現(xiàn)的信息模式,，而不夠普遍或統(tǒng)計(jì)上不夠強(qiáng)大的數(shù)據(jù)往往會被忽視和排除,，從而無法得到算法的充分理解和適當(dāng)響應(yīng)。依賴于統(tǒng)計(jì)頻率的算法設(shè)計(jì)構(gòu)成了一種特定的“認(rèn)知盲從”,，進(jìn)而導(dǎo)致部分群體的聲音被系統(tǒng)性邊緣化,。這種設(shè)計(jì)上的缺陷不僅限制了算法的認(rèn)知能力，也加劇了社會中的不平等和認(rèn)知壓迫,，破壞認(rèn)知正義,。“盲從”行為背后的根源,，是算法的設(shè)計(jì)和訓(xùn)練過程缺乏對不同群體文化背景的理解,。因此，在我們常談及的算法透明性和可解釋性之外,，符合認(rèn)知正義要求的算法設(shè)計(jì)還應(yīng)兼顧涉及不同社群的認(rèn)知多樣性,。

有質(zhì)量的數(shù)據(jù)供給是實(shí)現(xiàn)認(rèn)知正義的基礎(chǔ)設(shè)施。造成人工智能破壞認(rèn)知正義的另一個(gè)重要誘因是數(shù)據(jù)質(zhì)量,。大數(shù)據(jù)是智能技術(shù)的認(rèn)知基礎(chǔ)和決策基礎(chǔ),，可以更清晰直觀地呈現(xiàn)人類社會生活各方面的特征和趨勢，但與傳統(tǒng)人類公共知識不同,，數(shù)據(jù)不為人們普遍共享,。具體來說，哪些數(shù)據(jù)可以被收集起來并用于分析,，這些數(shù)據(jù)又將如何被分類提取,，它們最終服務(wù)于誰，這些問題都變得模糊不清,，導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊,。算法的訓(xùn)練數(shù)據(jù)往往來源于互聯(lián)網(wǎng)的大型數(shù)據(jù)庫和社區(qū)，而這些數(shù)據(jù)很可能包含偏見和歧視,。人工智能的知識生成,，需確保數(shù)據(jù)的來源可靠、內(nèi)容多樣，對數(shù)據(jù)進(jìn)行去偏處理,，還需對數(shù)據(jù)保持持續(xù)監(jiān)測和更新,，以應(yīng)對社會文化變化帶來的新問題。有質(zhì)量的數(shù)據(jù)供給,，才能使人工智能系統(tǒng)在多元文化和復(fù)雜社會結(jié)構(gòu)中提供更精準(zhǔn)的知識和決策支持,。

大范圍的人機(jī)協(xié)作是實(shí)現(xiàn)認(rèn)知正義的有效手段。從腦機(jī)接口中的信號轉(zhuǎn)譯,，到智能醫(yī)療決策,、AI for Science等人機(jī)聯(lián)合行動，不同層面的人機(jī)協(xié)作都涉及人類知識與機(jī)器知識的傳遞,、解釋,、融合等認(rèn)知過程。鑒于人機(jī)各自典型的認(rèn)知特征,，大范圍,、合理化的“人機(jī)認(rèn)知勞動分工”將有效避免更多的人機(jī)認(rèn)知偏差。比如,，在科學(xué)研究中可以如此分工：人類設(shè)定目標(biāo),、提出假設(shè)和解釋結(jié)果，并負(fù)責(zé)提供創(chuàng)造性思維,、臨場決策,、倫理判斷以及對非結(jié)構(gòu)化問題的直覺理解；而人工智能處理大量結(jié)構(gòu)化數(shù)據(jù),、進(jìn)行模式識別和預(yù)測分析,，提供未被注意的模式和關(guān)聯(lián)。在這種協(xié)作中,，人工智能更多地成為啟發(fā)新想法的“伙伴”,，而非生成錯(cuò)誤知識的“機(jī)器”。

高水平的倫理治理是實(shí)現(xiàn)認(rèn)知正義的制度支撐,。認(rèn)知正義要求多元的知識生成,、平等的知識獲取、無偏的知識傳播和負(fù)責(zé)的知識使用,，這些都需要高水平的人工智能倫理治理,。于企業(yè)而言，應(yīng)在算法設(shè)計(jì)中考慮不同社會群體的需求和視角,，對算法進(jìn)行持續(xù)風(fēng)險(xiǎn)監(jiān)測和價(jià)值評估,；還應(yīng)探索人工智能倫理眾包模式，鼓勵(lì)不同背景的研究者和用戶參與到人工智能倫理風(fēng)險(xiǎn)的研判中,，及時(shí)化解倫理風(fēng)險(xiǎn),。于政府而言,，應(yīng)積極鼓勵(lì)私人數(shù)據(jù)向公共數(shù)據(jù)轉(zhuǎn)化，加快公共數(shù)據(jù)面向全社會開放共享,，擴(kuò)展數(shù)據(jù)多樣性,、強(qiáng)化數(shù)據(jù)可靠性；還應(yīng)尋求應(yīng)對人工智能潛在倫理風(fēng)險(xiǎn)的社會解決方案,，建立涵蓋前瞻性預(yù)見,、實(shí)時(shí)性評估和系統(tǒng)性調(diào)整的敏捷治理機(jī)制。