惯习、认知不公与 AI 民意调查
AI 治理中谁有资格发言？
第一篇论文探讨了一个令人不安的现象：在关于人工智能未来的公共讨论中，为何来自弱势群体的声音总是缺席？研究借助布迪厄的理论指出，这并非简单的「不知道」，而是一种由社会地位内化而成的惯习，导致了系统性的认知不公。当调查问卷本身就构成了学术壁垒，我们所听到的民意究竟是谁的意见？
第二篇论文则将目光投向了测量民意的新工具，人工智能民意调查。当算法能够以惊人的精度预测选举，这究竟是赋予了选民更强的决策能力，还是让他们更容易受到操纵？作者大胆论证，这种看似危险的技术非但不会削弱选民的自主性，反而可能通过提供宝贵的信息捷径，激发更深度的思考，成为增强民主的利器。无疑，从意见的表达，到意见的衡量，人工智能正在深刻地重塑我们理解和参与公共生活的方式。
祝今日读写愉悦，洞见深省。
前沿速递
一项关于沟通人工智能治理意见的布迪厄理论
核心概念
惯习（Habitus）：这是布迪厄社会学理论的核心概念，指个体在特定的社会位置上，通过长期的生活实践和社会化过程，内化形成的一套持久的、可转移的、无意识的感知、思考和行动倾向系统。它不是僵化的规则，更像是一种对游戏的感觉，引导着人们在不同场域中做出合乎其身份和社会出身的行为与判断。例如，一个在学术家庭长大的孩子，其惯习可能使其自然地认为讨论抽象的社会议题是理所当然的，并觉得自己有资格、有能力参与其中。相反，一个在几乎从不讨论政治的家庭环境长大的孩子，其惯习可能会让他觉得政治、科技这类高深话题与我无关，因而在面对相关调查问卷时，会因感到疏远或能力不足而选择回避，即回答不知道。这种选择并非出于理性计算，而是惯习驱动下的自然反应。
认知不公（Epistemic Injustice）：这个概念指个体因其身份或所属群体而在作为认知主体（即知识的拥有者和传播者）的能力上受到不公正的对待。论文中提到了其两种形式。第一种是诠释性不公（Hermeneutical Injustice），即某些群体因为缺乏共同的语言或概念框架，无法理解或清晰表达自身的经历，就像论文中提到的学术壁垒，调查问卷的专业术语使得非专业人士难以理解和作答。第二种是证言不公（Testimonial Injustice），即说话者的言论因为偏见而被赋予了较低的可信度。在这篇论文的语境下，当调查方法系统性地筛选掉了弱势群体的声音（因为他们大量回答不知道而被视为无效数据），而只放大了优势群体的观点时，就造成了严重的认知不公。这使得关于 AI 治理的决策可能完全忽略了那些最易受其伤害群体的真实处境和诉求。
学术壁垒（Scholastic Barrier）：这个概念同样源于布迪厄，特指当源于学术场域的语言、思维方式和预设被应用到普通公众中时所形成的沟通障碍。学术研究往往拥有一种学术心态（scholastic disposition），即一种从容、脱离实际紧迫性的抽象思考模式，但这并非普罗大众的日常思维方式。例如，一份调查问卷询问公众为确保 AI 合乎伦理地发展，应依赖公共政策干预还是行业自我规制？，这个问题本身就预设了受访者熟悉这一特定的政策辩论框架。对于一个从未接触过这个话语体系的普通人来说，这个问题不仅难以回答，其背后的逻辑和选项的含义都是陌生的。这种由话语体系差异构成的壁垒，使得他们无法有效参与，最终只能选择放弃作答，从而被排除在民意之外。
研究问题
理解公众对人工智能的看法至关重要，因为公众是人工智能发展的关键利益相关者，尤其是那些可能受到其负面影响的少数和边缘化社群。然而，用于衡量公众意见的调查研究面临着显著挑战：不仅问卷回复率低，而且大量受访者在回答有关 AI 的问题时会选择不知道或放弃作答。以往研究注意到了这一现象，并发现这种不作答行为在不同社会经济特征的群体中分布不均，但很少有研究深入探讨造成这种意见沟通不平等的深层社会机制。
因此，本研究的核心问题是：为什么不同社会地位的个体在沟通其关于 AI 治理的意见时存在显著差异？这种社会地位与意见沟通之间的关系，是否像布迪厄理论所预测的那样，是由个体在社会化过程中形成的内在倾向，即惯习所中介的？此外，国家层面的宏观因素，如经济不平等的程度，是否也会影响一个国家民众整体的意见表达倾向？
