“AI人类学”并非一个单一、固定的学科，更像是一个正在快速成型的研究与实践领域。它探讨的核心问题是：当人工智能日益成为社会世界的一部分时，人类学这门以理解“人”为志业的学科，该如何理解它、介入它，甚至重塑自身。

🧭 三条核心路径：人类学如何“面对”AI？

目前学界一个广泛引用的框架，是将AI人类学区分为三重相互关联的路径：

1. 人工智能的人类学（Anthropology of AI）：将AI视为文化产物

这是最经典的人类学进路。它不把AI看作中立的技术，而是看作一种文化范畴，其设计、使用和监管都嵌入了特定的价值观与权力关系。研究关注不同社会如何“想象”和“驯化”AI，以及算法系统如何反过来重塑社会等级与不平等。

2. 为了人工智能的人类学（Anthropology for AI）：将洞见注入设计

这条路径主张人类学家不应止于批判，而应进入AI的建造过程。其目标包括揭开“算法黑箱”、纠偏带有文化偏见的训练数据，或在算法产生歧视性后果时拉动“紧急制动”。这体现了从“解释世界”向“改变世界”的转向。

3. 人工智能与人类学（AI and Anthropology）：人机协作的研究实践

这里AI从研究对象变为研究协作者。人类学家提供语境解释与道德判断，AI则负责处理海量数据、识别模式。这种协作催生了新的方法论，例如利用AI进行“算法厚描”（Algorithmic Thick Description），在保持阐释深度的同时扩展研究规模。

🔍 核心研究议题：权力、劳动与“AI文化”

沿着上述路径，AI人类学已形成几个关键的经验研究焦点：

· 算法治理与权力：研究算法如何以“效率”和“客观”为名，行使一种隐蔽的统治。这种“高科技现代主义”的权力藏在反馈循环的“黑匣子”里，比传统官僚制更难察觉和挑战。

· 数字劳动与隐形剥削：关注支撑AI系统的物质与人力基础，包括数据标注、内容审核等常被忽视的劳动形态，揭示其背后的全球不平等结构。

· “AI文化”与偏见：这是近年一个重要的理论推进。研究主张，大语言模型中的“偏见”不应仅被看作可修复的技术缺陷，而应被理解为一种内生的“AI文化”。模型的输出是用户、组织语境与训练数据之间复杂文化协商的产物，因此“无偏见”的AI在概念上或许就是不融贯的。

🛠️ 方法论创新：当民族志遇见算法

AI人类学的方法论正从“数字转向”走向更深入的“代理转向”（Agentic Turn）。

· 多智能体民族志（Multi-Agent Ethnography）：将基于大语言模型的AI智能体作为可配置的协作者，嵌入研究网络，参与从数据收集到分析的整个流程。

· 聊天机器人民族志：探索以对话式AI作为“共同民族志学者”，在算法结构化的环境中捕捉传统方法难以触及的瞬时性互动。

💎 批判性反思：谁的人类学，为谁的AI？

AI人类学自身也面临着深刻的反思。有研究指出，该领域的知识生产存在显著的地理与理论失衡：核心议题与理论框架高度集中于北美和西欧，当“隐私”或“算法偏见”等源自欧美经验的焦虑被预设为普世问题时，可能会遮蔽全球南方不同的社会经验与理论资源，甚至带有“学术采掘主义”的风险。与此同时，人类学在积极“入场”时，也需警惕被产业逻辑收编，从而丧失批判距离的风险。

AI人类学的张力与活力，恰恰源于它同时在做三件事：批判地理解AI、务实地介入AI、并在此过程中重新定义人类学自身。它追问的终极问题或许并非“AI是什么”，而是“当非人的系统开始深刻地组织人的生活时，关于‘人’的知识，该如何被重新生产”。