研究框架

SRI 的研究框架是一個作業體系,旨在將宏大的構想逐步轉化為問題、證據、模型、原型、評估和社會實作的結論。它強調即使跨越多個領域,也能清楚區分哪些是已確認的事實、哪些是推論,以及哪些是尚未驗證的假設。
為何需要框架
AI 能夠在短時間內連結大量的資訊。然而,生成看似合理的解釋,並不等於該主張是正確的。此外,當我們優化單一評估指標時,可能會忽略那些無法被測量或少數視角的重要性。
為了避免過早得出結論,SRI 將從觀測到公開的過程進行分離,並在每個階段設置確認機制。
六個研究階段
1. Observation|觀測
收集現象、論文、統計數據、法律制度、新聞報導、當事人經驗和系統日誌。我們記錄來源、取得日期、涵蓋範圍、缺失資料和觀測條件,並區分資訊的「存在性」與其「內容的正確性」。
2. Representation|表達
將問題轉換為適當的形式,例如文章、數學公式、圖表、數據結構、地圖或模擬。任何形式都必然強調現實的一部分,而捨棄了另一部分。因此,我們不會讓單一的圖表或指標來代表整個整體。
3. Selection|選擇
明確指出採用哪些假設、變數、邊界、時間尺度和評估標準。同時記錄未採用的方案及其理由,確保後續的觀察者能夠重新審視這些判斷。
4. Experiment|實驗與驗證
從小型計算、反例測試、原型設計和比較實驗開始。AI 的輸出僅為待驗證的候選結果,而非證據本身。我們必須確認再現條件和失敗條件。
5. Governance|治理性與責任
設計誰做出決定、誰會受到影響,以及誰有權力停止系統運作。對於醫療、法律事務、公共政策或金融等需要高度謹慎的領域,我們必須預設專業人員確認、權限控制、審計日誌和使用範圍限制。
6. Publication|發布與更新
將研究成果轉譯為研究筆記、預印本、實作資料或一般大眾解説。即使公開後,我們仍需管理版本、更正、撤回以及更新的理由,避免結論被固定化。
區分四種描述類型
| Fact | 原始資料、觀測數據、可再次驗證的事實 |
|---|---|
| Inference | 從事實推導出的解讀。可能存在其他解釋 |
| Hypothesis | 待未來驗證的假設。目前尚未確認 |
| Creation | 探索可能性敘事、比喻或未來構想 |
Non-closure|非封閉式設計
我們不將判斷永遠擱置,而是同時保留當前暫定的結論和可供重新審視的餘地。保存未被選擇的方案、少數意見以及模型外的殘差,以便在情況改變時能夠回溯。
轉譯至實作
研究成果會轉換為知識資料庫、決策支援系統、AI 代理人、教育教材、公共數據視覺化和可審計的工作流程。我們的原則是:不能因為實作的便利性,而隱藏不確定性或社會風險。
