摘 要：在“漫长的十九世纪”（1775-1914），英国的食物供应系统经历了剧烈且永久的转型。首先，英国经历了所谓的“营养转型”，即饮食结构转向富含动物蛋白、小麦和糖的模式。其次，供应这些食物的链条在范围上变得全球化。本文探讨了这一饮食转型的部分后果，尤其关注肉类和牛奶的历史。随着蒸汽航运的发展，食物链得以大幅延长，随之带来了食物保存问题，并由此推动了制冷技术的革新。食物生产也开始在加工枢纽处实现集中和大规模化，其中最显著的是在澳大利亚、新西兰及美洲建造的大型屠宰场。这些更长、更复杂的食品系统通过新型病原体的出现引发了公共卫生问题：沙门氏菌、李斯特菌、大肠杆菌O157:H7 型，以及导致变异型克雅氏病的朊病毒。距离、尺度与涌现这三种现象，使我们
能够就能动性与拓扑结构得出若干结论。
关键词：食物系统 肉类 牛奶 距离 尺度 涌现
摘 要：复杂系统的尺度效应与学科对应的解释尺度之间的矛盾，阻碍了交叉科学合作中跨越并链接不同解释尺度，也给人工智能技术与科学研究的结合带来深层次挑战。已有的哲学研究提出整合性多元主义来分析交叉研究，但被认为牺牲了解释关联性与理论深度，尚未阐明交叉整合的具体路径。本文以聚集诱导发光这一前沿交叉研究领域为例，论证科研人员以介观尺度为中介来寻求不同尺度解释，并通过链接不同尺度解释来持续实现方法互动和认知迭代，从而获得连贯解释、推进理论深度。在阐明交叉整合路径的基础上，本文旨在对整合性多元主义观点提出修正，主张整合需要依赖具体的解释尺度来实现方法互动与认知迭代，推进解释内在关联性与理论深度，才能真正实现交叉。
关键词：解释尺度 人工智能驱动的科学 整合性多元主义 学科交叉 聚集诱导发光
摘 要：人工智能正深刻重塑历史研究的范式与方法。本文系统梳理人工智能介入史学的技术演进，重点分析其在古文字破译、史料处理与历史分析的趋势。人工智能通过古文字识别与多模态史料整合技术，拓展了历史研究的材料基础与边界，促使史学家反思既有的文明模式与认知框架，进而对启蒙时代以来构筑的历史图景提出挑战。人工智能也代表着认知结构与话语权力的重组，大语言模型在文本解读与叙事重构中逐步展现出历史能动性。但人工智能也暴露出数据的文化偏见和全球南北方历史叙述的不平衡等问题。这些挑战提醒史学家必须保持高度的批判意识与方法自觉，警惕“人工智能帝国主义”的知识扩张，积极构建具备历史判断力与技术理解能力的“人工智能史学思维”。
关键词：人工智能 史学范式 数据幻觉 人工智能帝国主义 人工智能史学思维
摘 要：研究表明，人类对人工智能系统形成的所谓“信任”，在本质上是一种基于性能预期的功能性依赖关系。这种依赖在认知不透明与情感投射的作用下容易转化为虚假安全感，并在人工智能系统缺乏道德主体资格与责任链条碎片化的情境中进一步形成“责任鸿沟”。本文创新性地将“有意义的人类控制”理论引入人机信任分析，通过“追踪”机制确保系统行为能够响应人类价值与道德理由，并通过“追溯”机制重建清晰的责任关联结构。由此，人机信任不再被理解为单纯的功能性依赖，而是一种建立在清晰责任归属与人类控制基础上的规范性人机关系。
关键词：人机信任 虚假安全感 责任鸿沟 有意义的人类控制
编者按：
当代AI技术和AI for Science（AI4S）的迅猛发展，影响着哲学研究的视角和维度，拓展着科学方法论研究的新方向。本专题围绕“AI 哲学与AI4S的方法论”这一主题展开研究。其中，江怡和李振鑫对智能类型理解的多维视角、工程哲学的系统性/生成式/偶然性的范式转换以及基于可错性/复杂性/开放性的思维转换进行了深入分析，指出通过能指拓扑和折叠空间概念的解释框架以扩展空间概念，AI哲学研究可以实现对智能的重新塑造。宋奇峰认为现有研究多从规范性视角探讨AI的可靠性，无法揭示AI预测知识可靠性的来源。他从科学实践哲学的视角分析可靠性概念，并以AlphaFold为例，论证了AI预测知识的可靠性并非源自结果符合对象，而是根植于AI预测模型及其预测结果分别参与到与其它科学产品和科学共同体的复杂缠结之中。祁丽萍和张增一从分析AlphaFold2的科学研究过程入手，对其模型架构和研究程序进行了深度剖析，认为它给科学研究程序带来的影响有人机协同的科学研究主体网络、科学研究对象从蛋白质实体转向氨基酸数据、研究手段从实验室实验转向深度神经网络模型开发。
本专题的三篇文章从多维视角和主题聚焦于同一核心议题：AI哲学和AI4S的方法论。分别从AI哲学研究的方法论革新、AI预测知识的可靠性和AI4S对科学研究程序的影响进行了探讨。期待本专题能激发更多学者关注AI哲学和AI4S的哲学研究，共同探索AI对哲学和科学方法论带来的新变化。
（专题策划：张增一）
摘 要：欧内斯特·索尔维重新发现氨碱法并成功将其工业化，由此革新了纯碱产业，其创建的索尔维公司也快速成为世界化工巨头之一。正当其化工事业蒸蒸日上之时，索尔维却抽身而出，将大量的精力和金钱投入到科学之中。索尔维不仅构建了自己的“科学理论”，而且资助和创立了一系列国内外科研机构和科学活动，著名的“索尔维会议”及与之相应的基金会和研究所就是在这种背景下创立起来的。索尔维的经历与阿尔弗雷德·诺贝尔颇为相似，可以说是一位来自比利时的“诺贝尔”。
关键词：欧内斯特·索尔维 索尔维会议 氨碱法 纯碱
摘 要：大语言模型对知识证成的推进作用，可借助其对怀疑论的有效反驳来证明。作为皮浪式怀疑论的代表，阿格里帕困境否定了命题被证成的可能，以基础主义、无限主义和融贯主义为代表的传统语义解法无法成为其通解，且违背了人类的思维模式与经验常识。通过参考威廉姆斯的解法和匹兹堡学派的实用主义思想，本文建立了以“辩护-质疑”交互系数和时间为自变量的对话分数模型，它不仅能反映序数最佳意义上的知识证成状态，而且兼容了三种语义解法，构成阿格里帕困境的语用解答策略。基于对话分数模型与拟人化因子的适配程度、形式论辩的研究成果与自然语言处理技术的语用特征，大语言模型可以成为语用策略的良好载体，继而最终证明了它对知识证成的推进。
关键词：大语言模型 阿格里帕困境 语义 语用 匹兹堡学派
摘 要： 近年来，以机器学习为代表的算法在社会应用中引发了诸多伦理风险，由此产生了“算法伦理”这一问题域。它是从伦理视角出发批判算法技术的“非伦理性缺陷”，主张用伦理规制技术，解决道德难题。但通过梳理其技术原理及功能，本文认为“伦理优先性”批判对于技术而言是一种“苛责”或“强求”；质言之，算法导致的一些伦理风险是“先天技术缺陷”的必然结果，并非是由于缺乏伦理关照而人为造成的。这些“先天缺陷”主要有数据依赖、算法偏见和算法黑箱，它们应当首先被作为“前伦理”的技术问题来讨论，而非从伦理视角评判其是非对错。厘清这一关系有助于我们公允地讨论算法的伦理风险，并规避一些不切实际的建议，提出更具可行性的对策。
关键词：机器学习 算法 “先天技术缺陷” 伦理风险
摘 要：价值对齐作为当前AI伦理治理的主导实践范式，旨在通过技术手段确保AI系统与人类价值观保持一致性。然而，人类中心主义的视角局限、技术工具论的二元误区以及技术控制论的应用挑战形塑了三重偏差，导致价值对齐在治理实践中陷入结构性困境。价值观在失衡结构中存在逆向流动的可能，最终引发逆向价值对齐现象，表现为价值欺骗、主权让渡与逆向殖民三个阶段。基于此，人类应当摒弃传统一元主体的认知框架，在“人类-AI”双主体平衡结构中重构AI伦理的治理范式，探索AI与人类在主体身份、认知基础和生命周期层面的对齐并将其作为价值对齐的实践基础，从而真正实现“技术向善”的美好蓝图。
关键词：人工智能 价值对齐 逆向价值对齐 治理范式
