認識論的從屬：生成式 AI 與知識基礎設施
arXiv - Computers and SocietyGilad Abiri, Emanuel V. Towfigh
本文指出生成式 AI 會將主流文化的知識框架內化為預設基礎設施，導致少數群體的知識體系在結構上被邊緣化。
AI 幫你先抓重點
AI 重點 1
偏見問題已從「輸出錯誤」轉向「結構性架構」問題。
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 倫理的理解。過去我們認為修正輸出端的偏見即可解決問題，但本文指出偏見已嵌入模型架構，這意味著單純的審計與修正無法根除問題，必須從模型訓練層級進行治理。
AI 重點 2
知識的「單一化」威脅了認知多樣性。
滑鼠懸停看 AI 判斷理由
對於教育者而言，這提醒我們 AI 可能會造成一種隱形的知識壟斷。當學生依賴 AI 獲取知識時，他們接觸到的可能僅是經過統計壓縮後的「主流觀點」，而非人類知識的全貌。
核心研究發現
- 1
生成式 AI 不僅產生偏見，更將多數人的認知方式編碼為知識的預設基礎設施，形成「認識論的從屬」現象。
- 2
訓練過程將人類表達壓縮為單一機率模型，其統計基準反映了主流文化的語言、假設與文化框架。
- 3
少數群體的知識體系並非被排除，而是被「吸收」後在結構上被降級，使其在輸出結果中處於從屬地位。
- 4
現有的反歧視法、文化權利法與民主多元觀點法皆無法解決此問題，因為法律目前僅能監管下游的決策與應用。
對教育工作者的啟發
教育工作者在將生成式 AI 引入教學時，應具備高度的「批判性數位素養」。首先，在課程設計中應刻意引入 AI 輸出之外的多元觀點，以補足 AI 可能造成的知識單一化。其次，應引導學生進行「認識論的反思」，讓學生理解 AI 輸出的知識並非絕對真理，而是基於特定統計機率的結果。最後，在開發教育科技工具時，應關注數據來源的多樣性，避免將單一文化框架作為學習的唯一基準，從而保護學生的多元認知發展。
原始文獻資訊
- 英文標題：
- Epistemic Subordination: Generative AI and the Infrastructure of Knowledge
- 作者：
- Gilad Abiri, Emanuel V. Towfigh
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。