《Journal of Biological Engineering》：Beyond linearity: reimagining AI as a participant in circular bioeconomies
编辑推荐：
随着人工智能从行业专用工具向面向公众的技术转型，社会面临将其整合到社会生态系统中的关键决策。本文提出将人工智能重新构想为循环生物经济（Circular Bioeconomy, CBE）中的一种合成参与者——这是一种强调资源、信息和能量循环流动的再生模型。借鉴布
随着人工智能从行业专用工具向面向公众的技术转型，社会面临将其整合到社会生态系统中的关键决策。本文提出将人工智能重新构想为循环生物经济（Circular Bioeconomy, CBE）中的一种合成参与者——这是一种强调资源、信息和能量循环流动的再生模型。借鉴布鲁诺·拉图尔（Bruno Latour）的行动者网络理论（Actor-Network Theory, ANT）和唐娜·哈拉维（Donna Haraway）的后人类主义，研究人员将人工智能重构为一种非生命有机体，能够在多物种系统中运作，类似于病毒在无常规生命特征的情况下塑造生态系统。文中指出，常规生命需符合新陈代谢、繁殖和稳态等生物学标准，而人工智能与病毒均不满足这些标准。当前人工智能在循环生物经济中的应用——从生物废物回收到精准农业——既展示了变革潜力，也带来了伦理担忧。虽然人工智能通过先进算法和具身机器人实现了前所未有的效率，但它也可能延续提取逻辑，将信息视为待开采而非流通的资源。由此产生的关键伦理挑战包括：算法偏见加剧不平等、认知不透明性削弱利益相关者信任、人工智能驱动损害的问责制模糊、人类劳动力的替代以及本土和地方生态知识的边缘化。通过医学和遥感领域的实例，研究人员论证了只有当人工智能被设计为循环和关系性的，而非线性和提取性的，它才能成为循环生物经济的“朋友”。这需要采用保护隐私的合成数据集、实现多维理解的多模态架构，以及用持续问责制取代终端输出的人-机-生态系统反馈回路。最终，人工智能的角色取决于植根于正义和多物种尊严的意向性设计——将其从提取工具转变为共享再生未来的参与者。
论文解读：人工智能在循环生物经济中的伦理重构与路径探索
本研究由相关领域科研人员开展，旨在探讨人工智能（Artificial Intelligence, AI）在循环生物经济（Circular Bioeconomy, CBE）中的角色定位与伦理挑战，研究成果发表于《Journal of Biological Engineering》。研究背景源于近年来AI的普及化趋势，使其从被动工具转变为与社会生态系统紧密交织的动态主体。当前，人类社会正处于类似工业革命的技术范式转折点，这要求重新审视技术进步的本质。然而，现有的AI应用往往沿袭了现代工业主义的线性逻辑，即输入、输出、丢弃，这种单向交换模式在处理生物资源和信息时具有不可持续性。为了应对这一挑战，研究人员试图解决的核心问题是：如何将AI从一个线性的、提取性的工具，重塑为多物种再生系统中的合成参与者？
为实现这一目标，研究人员采用了基于哲学理论的定性分析与案例研究方法。在关键技术方法层面，研究主要依托布鲁诺·拉图尔的行动者网络理论（Actor-Network Theory, ANT）和唐娜·哈拉维的后人类主义理论构建分析框架；通过医学诊断和遥感环境监测两个具体领域的案例进行对比分析；并引入了合成数据集构建与多模态学习架构作为技术解决方案的参考依据。
研究结果部分，论文首先界定了AI在循环生物经济中的角色。研究表明，AI正日益渗透CBE的各个链条，从传统的回归、决策树算法用于生物废物回收、堆肥、发酵和厌氧消化过程控制，到基于Transformer的模型和具身AI（Embodied AI）如智能机器人在物料分拣、运输和生物质操作中的应用。尽管这提升了生产效率和可追溯性，但也引发了过度依赖AI及潜在的人力替代风险。
在伦理与责任争议方面，研究人员指出，由于AI算法的“黑箱”特性，首先面临的是算法偏见放大既有社会不平等的风险，特别是在资源分配环节可能低估边缘化社区的贡献。其次，认知不透明性（Epistemic opacity）削弱了利益相关者的信任，使得监管问责变得复杂。第三，当AI造成损害时，开发者、用户与算法本身之间的责任归属往往模糊不清，违反了道义论伦理学（Deontological ethics）中关于明确责任的要求。
关于实践引发的伦理争议，研究揭示了AI对劳动力市场的冲击。具身AI系统虽能接管繁琐任务，却可能导致从事废物分类等脆弱行业的劳动力被替代，破坏社会凝聚力。此外，AI驱动的决策往往排除了本土和原住民社区对生态系统的深刻理解，标准化的AI模型难以捕捉土壤颜色、气味等细微的生态线索，导致决策失误。
随后，论文提出了AI作为多物种生物经济中的合成参与者的概念。通过将AI类比为病毒——一种结构简单但能塑造生态系统的非生命载体，研究人员论证了AI可以成为信息循环的非生命转化媒介。在精准农业和医学诊断中，AI应当作为持续护理周期中的节点，而非终点。
研究进一步区分了线性提取逻辑与循环系统。当前的AI架构常被诟病为“查询机器”，像开采石油一样从数据集中“挖掘”信息，这是一种不可持续的线性交换。而在医学领域，这种提取范式导致诊断工具缺乏情境理解，将个体简化为统计问题的答案。
针对上述问题，研究人员提出了具体的解决路径。在医学领域，应通过合成数据集（保护隐私）和多模态分析架构（赋予AI多维理解能力）来实现循环关系系统。在遥感和环境应用中，虽然AI能揭示景观中的微妙模式，但其背后的基础设施本身具有提取性（如高能耗服务器、稀土开采），这与CBE的精神相悖。因此，必须引入多物种正义和代际责任的伦理框架。
结论部分总结道，要使AI成为CBE的“朋友”，必须进行意向性的关系设计。这包括三个核心要素：保护隐私并恢复代理权的合成数据集；允许AI以更高维度解释世界的多模态架构；以及用人-机-生态系统回路取代终端输出的持续问责机制。研究人员强调，AI的发展不应停止，而应引导其融入社会生态世界。如同病毒可被工程化为疾病载体或治愈手段，AI的影响取决于如何被塑造和部署。最终，AI是敌是友，取决于社会是否选择以意图、谦逊和关系性问责来指导其发展，使其服务于共享的再生未来。
