不仅仅是能计数的: 安全定性AI的论述
人工智能
2025-11-13 v1 计算与语言
摘要
人工智能(AI)与大型语言模型(LLM)正在改变科学, 其最新进展 culminate 在完全自动化的科学发现管道中. 然而, 定性研究被忽视了. 定性方法研究者对AI采纳持保留态度. 当他们愿意使用AI时, 只能依赖诸如ChatGPT等通用工具协助面试解释、数据标注与主题建模, 同时又承认这些系统存在偏见、不可靠、不可复现且隐私受损等已知局限. 这构成了关键性缺口:尽管AI在定量方法上取得显著进展, 但对于意义建构与全面科学理解至关重要的定性维度仍未得到很好集成. 我们主张发展专为解释性研究而构建的定性AI系统.此类系统必须具备透明性、可复现性和隐私友好性.我们审阅了近期文献, 以展示现有自动发现管道如何通过强化定性能力得到提升, 并指出安全定性AI可推动跨学科与混合方法研究的关键机遇.
引用
@article{arxiv.2511.09325,
title = {Not Everything That Counts Can Be Counted: A Case for Safe Qualitative AI},
author = {Stine Beltoft and Lukas Galke},
journal= {arXiv preprint arXiv:2511.09325},
year = {2025}
}
备注
Accepted at 3rd International Conference on Frontiers of Artificial Intelligence, Ethics, and Multidisciplinary Applications (FAIEMA 2025)