问题图谱

问题图谱是 SRI 整理其所关注问题的入口，不随新闻热点而动，而是基于结构与时间轴进行梳理。它不预设“引入单一技术即可解决问题”的前提，而是同时审视技术、人类、制度、资源与责任之间的关系。

AI 与决策

随着 AI 从文本生成向提案、规划及执行演进，发现错误、停止权限、日志记录以及问责制变得愈发重要。核心挑战不在于“是否使用 AI”，而在于将哪些权限授予 AI，保留哪些人类判断权，以及在发生故障时由谁进行修正。

• 代理权限与停止条件
• 处理多方 AI 意见不一致的方法
• 人类审批流于形式的风险
• 判定依据与执行历史的保存

研究与知识基础

论文、公共数据、新闻、组织内部文档及社交媒体的格式与可信度各异。仅仅收集 URL 并不能构成知识。我们需要建立一个能够保留来源、发布者、更新日期、目标区域及反证信息，并能实现从 Evidence 到论点溯源的基础架构。

教育与能力培养

仅靠能够生成答案的 AI，无法培养提出问题、验证依据并负责任地做出选择的能力。我们需要的不是一种代替学习者完成任务的机制，而是一种能够使思考过程可视化，并促进对话与重新审视的支持体系。

医疗、福祉与生活支持

在信息整理、辅助说明及多语言沟通方面，AI 具有巨大的潜力。另一方面，必须避免其替代诊断或专业判断、不当使用个人信息以及过度依赖 AI 的风险。明确 AI 的应用范围并确保与专家的连接至关重要。

地域与公共数据

将交通、人口、产业、防灾及文化资料等公开数据，转化为居民、访客及决策者易于理解的形式。我们的目标是建立一个能够溯源至原始文献的多语言信息基础架构，在进行全国性比较的同时，不抹杀地域特有的情况。

知识产权、研究与产业

AI、量子技术、能源及机器人技术的进步，需要同时考虑研究成果的公开与保护、协同研究、标准化以及安全保障。我们需要探讨短期权利化与长期知识共享之间的平衡。

文明系统与长期未来

当技术、制度、能源、教育与媒体相互作用时，社会的选项将发生怎样的变化？我们关注的不仅是短期的效率，还包括不可逆的影响、代际责任以及旨在为不同未来留下可能性的设计。

三个时间轴

该图谱并非最终定稿，而是一份随着 Evidence、研究成果及社会状况的变化而不断更新的工作地图。