2026级博士常云帆学术日志

刘海明

学术日志

刘海明

2026.02.02

【观看西方哲学史第一节】

轴心 19世纪-20世纪 雅思贝斯 轴心时代 公元前600年-300年

出现一些伟大的人物

西方 中国 印度

中国文明轴心 夷夏变传统 中华文明最早起源黄河流域

西方哲学起源于希腊 希腊是若干城邦的结合体

西方文明轴心 融合创新

很多学者认为中国古代没有哲学 哲学这个单词最早是日本人翻译过来的

哲学研究的问题离生活、实用最远

Philosophy 希腊词汇 爱智慧

中国希望把哲学问题落实到生活中 与政治和道德伦理相关

朱熹“其高极乎太极无极之妙而其实无利乎日用之间”

中国人强调学以致用 儒学是一个强调落实的学问

西方 学以致知 形而上的趋向 为学术而学术 纯粹爱智的学问 而不在乎爱智的结果

2026.02.03

【AI社交对“个体尊严”概念的伦理挑战】

当AI生成重复、套路化的互动内容，在无形中暗示着个体回应是可批量生产的，从而动摇每个人因其独特性而拥有不可替代的尊严。AI社交本质上是在模拟人类社交，目前距离真正能够模拟成功还有很大距离，但是在这一尝试的过程中，AI社交将人简化为数据模式，削弱我们珍视他人内在价值的道德感知能力，违背康德所指出的“人是目的”。

2026.02.04

【观看西方哲学史第二节】

哲学不会时时刻刻和现实生活相关

很难说终极的真理是什么

罗素认为哲学是在科学和神学之间的学科

浮士德精神 追求永无止境的问题

神学诉诸权威 哲学依靠理性 哲学和科学相同之处在于都依靠理性

学哲学要像苏格拉底一样 自知其无知

张世英 哲学是说不可说

哲学和哲学的演变和当时的社会背景有很大关联 需要了解历史背景和时代背景

黑格尔提出 哲学史就是哲学

古希腊探讨“本原”的问题 后来追问人的幸福的问题（伦理学）中世纪关注人的精神（在神的背景下思考，被放大的客体）

物质的贫乏会导致精神的狂妄

近代哲学 探讨主客观世界的问题

现代哲学 主观能动性的问题 人化自然 同时带有一种狂妄认为主观意识可以创造一切 走向主体性

2026.02.05

【观看西方哲学史第三节】

希腊哲学

第一个学派：米利都 第一个哲学家：泰勒斯

爱非斯

最早有四个学派 都不在希腊本土

城邦制 分离主义、自由主义

希腊是一个哲学的民族 中国是一个伦理的民族 印度是一个宗教的民族

亚里士多德 认为哲学产生于惊异与闲暇

雅典 经历了从君主制到僭主制到民主制到转变

城邦的概念与公民的概念紧密联系在一起

Polis Polites （城邦-公民）

每个城邦的立法者的地位都很高

奥瑞斯提亚三部曲

希腊神话是希腊哲学的前身

“技艺的力量无论如何也胜不过定数”（定数：命运、逻各斯、普遍性、必然性）

希腊悲剧是大众式的 哲学是精英式的

背后的东西比当下的东西更重要 肉眼感受不到的东西是重要的 奠定了希腊哲学的基础

2026.02.06

【观看西方哲学史第四节】

希腊哲学分为三个阶段

第一个阶段 自然哲学阶段 追问本源问题

第二个阶段 自然哲学转型形而上学阶段

第三阶段 伦理学与人生哲学（亚里士多德）希腊城邦岌岌可危（亚里士多德有一个学生 亚历山大）希腊化时代 幸福的问题取代了本源的问题 三个流派：伊壁鸠鲁、斯多葛主义学派、怀疑主义（他们都对世界漠不关心，只关心幸福问题）

悲观失意的哲学在希腊化晚期出现了基督教

早期希腊哲学

希腊哲学四大学派

1.米利都学派

2.毕达哥拉斯学派

3.艾菲斯学派

4.爱利亚学派

（米利都学派和艾菲斯学派属于东方的学派，有自然哲学的味道，属于唯物主义学派）

（毕达哥拉斯学派和爱利亚学派属于西方学派，具有形而上学的源端，属于唯心主义学派）

这四大学派最早都与希腊神话、希腊宗教有着密切的联系

希腊人从小听着希腊传说长大（神话）《伊利亚特》《奥德修记》《神谱》

·自然哲学侧重还原的方法，寻找万物的本源，两种不同的还原：一种是时间上的还原；一种是空间上的还原

·形而上学源端这一派的做法是抽象，把握背后看不见的东西（形式：本质规定性，一个事物之为一个事物的规定性）

2026.02.07

【阅读何怀宏.人是什么——康德的第四问[J].探索与争鸣,2024,(11):52-61+209-210.】

康德提出的四个问题

file:////Users/szh/Library/Containers/com.kingsoft.wpsoffice.mac/Data/tmp/wps-szh/ksohtml//wps1.jpg

人的期望最高应当是至善，而人自身无法实现至善，所以需要引入上帝，一定要有上帝和信仰。

“人是一种认知有界限，义务无局限、期望至善的存在。这意味着：人主要是凭自己的道德理性来显示出自己人性光辉的一面”。

三大批判指对人的认知能力、道德力和审美力的考察。

“只有先天综合判断不仅是可能的，也是真正可靠、具有普遍性的知识或真理”。

“康德既是可知论者，又是不可知论者。他一方面认为“先天综合判断”或“具有普遍性的真理”是可能的，另一方面又认为有些超验的东西是人认识不了的”。（对于物自体、上帝、灵魂不朽、自由根据这些概念时会陷入矛盾，这些是不可认识的）

2026.02.08

【观看西方哲学史第五节】

米利都学派

·泰勒斯

（自然）哲学之父

七贤之一

1.“水是万物的本源”

摆脱了神话思维，用自然物质解释世界本源

2.“万物有灵论”

认为灵魂是一种精气，是一种潮湿、润湿的东西

泰勒斯并没有把动力与质料分开，将动力和质料融为一体

刘海明

2026.02.09

【观看西方哲学史第六节】

阿那克西曼德

关于本源的概念，这个词由他提出“arch”（本源、始基）

万物的本源是阿派朗（是无限制、无定形）有些像希腊神话中的命运 阿派朗是哲学史上第一个否定的概念 正是因为它什么都不是才可以成为所有的东西

黑格尔哲学也受到他影响

阿派朗内部包含两对矛盾 （冷-热；干-湿）这四种元素可以相互结合，可以产生水火土气，之后融合，最终复归于阿派朗

2026.02.10

【修改硕士毕业论文】

修改第五章：

算法透明度是破解算法黑箱、识别和评估算法偏见的关键路径。它既能减少用户与设计者之间的信息不对称，也承载着形式与实质双重价值——形式透明侧重信息可及，实质透明强调信息可控。实现算法透明需技术支撑，在现有条件下推进研发，兼顾形式与实质；同时要平衡多方利益，在保障公民知情权、隐私权与算法素养的基础上，合理保护商业秘密，避免“为透明而透明”。

2026.02.11

【修改硕士毕业论文】

修改第五章：

尽管算法本身具有典型的“黑箱”属性，其内部复杂的运行机制和决策逻辑往往难以被外界直观感知和理解，且随着人工智能技术的迭代演进，模型的复杂度与自主性不断提升，这无疑会进一步加剧算法公开的难度——不仅要公开静态的代码或参数，更要解释动态的、甚至不可预见的推理过程。然而，即便面临技术与认知上的双重挑战，算法公开依然不可动摇地构成了算法治理的基石。没有公开，透明便无从谈起，可解释性也失去了对象。令人鼓舞的是，当前围绕算法公开的生态建设已初具规模：在产业界，以阿里巴巴、百度、今日头条为代表的科技公司正积极探索并推出适配自身业务的算法解释工具与方法，试图在合规与实用之间找到平衡；在学术界，关于算法可解释性、透明度评估以及信息披露机制的理论研究也在持续深化，涌现出大量富有启发性的研究成果。正是这种“业界实践”与“学界创新”的双向奔赴，共同为算法公开的落地与规范化发展奠定了坚实的基础。

2026.02.12

【修改硕士毕业论文】

增加访谈对象、进行访谈，整理访谈内容；对论文格式进行修改。

2026.02.13

【修改硕士毕业论文】

在将原始信息转化为机器可读标签的关键工序中，构建公平生态的核心挑战在于对抗“人的偏见”的渗透。当前依赖大规模众包、以效率为导向的标注模式，极易在指南制定、标注员认知及劳动过程中引入系统性偏差。对此，治理路径需从四个维度展开：一是推动标注指南制定的跨学科协商，融合多领域知识预判边缘案例，避免单一文化视角的强加；二是强化标注员的专业培训与伦理教育，帮助其识别自身认知局限，理解任务的社会影响；三是优化劳动保障机制，通过合理薪酬与审校流程避免因疲劳作业导致的质量滑坡；四是引入技术创新辅助，如开发矛盾识别工具或采用“对抗性标注”模式，通过多背景标注者的差异协商逼近更全面的共识。

2026.02.14

【修改硕士毕业论文】

算法并非价值中立的简单镜像，而是对社会现实的“放大镜”。其偏见往往源于训练数据中所蕴含的社会既有偏见，但更值得警惕的是，算法并非被动呈现信息，而是在算法的筛选与过滤机制下对这些偏见进行了强化与再生产。由此引出一个核心悖论：人工智能是否应当如实反映带有偏见的社会真实？若如实呈现，经由算法这一被人们赋予情感信任的“新媒介伙伴”传递的偏见信息，将对受歧视群体造成难以估量的二次伤害；同时，在算法推荐逻辑的驱动下，被放大的偏见会进一步加剧对弱势群体的系统性伤害。与报纸、电视等传统媒介不同，人工智能已从单纯的信息中介演变为人们投注情感、建立复杂交织关系的“伙伴”。这种根本性的媒介关系变革，使得算法偏见不再仅仅是信息偏差问题，而是关乎社会心理与权力结构的深层议题。基于此，该段内容提出本文的研究旨趣：致力于探究算法扩大偏见的内在机制、反思人工智能是否应简单复刻社会偏见，并深入剖析人工智能作为新媒介相较于传统媒介所发生的根本性范式转换。

2026.02.15

【修改硕士毕业论文】

算法偏见，尤其是其根源问题，近年来受到越来越多的关注。一个普遍存在的误解是，算法偏见主要源于算法设计本身的缺陷。然而，越来越多的研究与实例表明，算法偏见的真正源头往往并非算法逻辑，而是训练和使用算法时所依赖的数据。人工智能建立在算法与大数据的双重基础之上。大数据中包含了人类社会各个方面的信息，既有积极进步的内容，也无可避免地混杂着历史与现实中固有的偏见。如果在数据采集和预处理阶段未能进行充分有效的筛选与清洗，那些隐含歧视、刻板印象或代表性不足的数据便会进入训练数据库，最终影响人工智能的运行结果。例如，当某一群体在历史数据中长期处于被忽视或被错误表征的状态时，基于这些数据训练的模型便会延续甚至放大这种不平等。因此，算法偏见本质上是“数据偏见”的折射，治理算法偏见必须从数据的采集、清洗与评估这一源头入手。