前沿速递

身处（众多）领域之间的益处：绘制人工智能研究的高维空间图谱

核心概念

高维场域（High-dimensional field）：这是一个用来描述像 AI 研究这样新兴、跨界领域的概念。传统的场域理论通常将一个领域想象成由一两个主要边界（如学术与非学术）界定的二维空间。而高维场域则认为，AI 领域的身份和权力来自于它同时存在于许多个相互重叠的维度或空间中，这些维度包括不同的学科学术场域、不同的社会部门（学术、产业、政府）以及不同的地理与权力层级（地方、国家、国际）。这就像描述一个物体的位置，不仅需要二维的坐标，还需要高度、时间、所属环境等多个维度的信息。AI 研究正是通过在这些高维度的交叉点上定位，才能从四面八方汲取资源和合法性，虽然这使其边界模糊、难以描绘，但也赋予了它独特的灵活性和影响力。

纵向扩展（Vertical Scaling）：这个概念描述了 AI 研究领域内部的一种关键构建过程，即研究者们在同一个等级体系的不同层级之间进行上下移动。论文中最重要的例子是技术 - 应用这个等级尺度，其中技术性研究处于更抽象、更普适的全球层级，而应用性研究则处于更具体、更情境化的地方层级。纵向扩展包括两种方向的移动：向上扩展指创造通用的、可以脱离具体场景的理论或算法；向下扩展指将这些通用理论和工具进行调整，以适应特定领域的具体需求和限制。这就像一个厨师，他既可能致力于发明一种能用于上百道菜的万能酱汁（向上扩展），也可能把这种酱汁进行本地化改造，以完美搭配一道地方特色菜（向下扩展）。AI 研究者正是在这两种移动中构建了领域的内部结构和知识生产模式。

横向扩展（Horizontal Scaling）：这个概念描述了 AI 研究领域的另一种构建过程，即研究者通过跨越处于同一层级但性质不同的平行社会领域来建立自身的独特性和自主性。这些平行的领域主要是指学术界、产业界、政府和媒体。AI 研究领域通过充当这些不同领域之间的中间人或桥梁来进行横向扩展。例如，在国家层面上，一个 AI 研究中心不仅在学术圈内活动，还必须与产业界合作获取数据和资金，同时向政府资助机构证明其研究符合国家战略。AI 研究的价值和权力，很大程度上就来自于它能够成功地连接这些目标和话语体系各不相同的平行世界，并进行价值转换的能力。

研究问题

当前，以人工智能为名的研究项目在大学体系中蓬勃发展，获得了大量国家资金、产业投资和媒体关注，似乎一个 AI 研究领域正在迅速形成。然而，这个领域的组织原则却远非清晰，它很难被归入现有的学科边界。以往的批判性 AI 研究大多关注 AI 作为社会现象在其它场景中如何被动员，而对 AI 研究领域本身在学术界内部是如何构建的探讨不足；同时，传统的场域理论也多集中于分析边界清晰、结构稳定的成熟领域，缺乏解释像 AI 这样流动的、跨界的中间地带的理论工具。

因此，本文的核心研究问题是：关于 AI 研究者和 AI 研究领域的观念是如何被建构起来的？具体而言，在什么样的条件下，我们可以说一个 AI 研究领域正在形成？本文旨在探究这个新兴领域得以形成的驱动力、组织逻辑以及其内部和外部的动态关系。