Editor's Note

從 ChatGPT 到 DeepSeek ，人工智能正不斷跨越著我們想象的邊界：它可以學習、推理、自我糾正，甚至可以從事曾被認為是人類獨有的創造性活動。它飛速改變著人們的日常生活、就業環境、國家的政策治理、軍事模式，乃至我們人類的自我認知。這一技術革新的影響早已不僅局限于技術，而是給幾乎所有學科都帶來了新的沖擊和挑戰。

本期書單一次性推出普林斯頓大學出版社（PUP）關于人工智能的多部前沿著作，集中討論AI對各個學科領域的影響。書單分為五部分，以期從不同角度為讀者帶來跨學科的洞見：

（1）AI 通識基礎，幫助讀者深入理解AI的實際應用、前景與局限。

（2）AI 與人類自身認知與發展的關系，包括 AI 對哲學、教育、倫理學、神經科學與心理學等學科的影響。

（3）AI 在全球治理中的影響，包括 AI 為政治學、軍事學、社會學和經濟學等學科開拓的新問題和提出的解決方案。

（4）AI 技術自身發展的歷史。

（5）人工智能技術對研究方法的革新。

*本文內容為普林斯頓大學出版社中國辦公室原創內容，轉載請聯系PUP小書童（PUPChina_Official）獲取授權許可，并注明來源為【普林斯頓大學出版社官方微信公眾號“普林斯頓讀書匯”】

01

AI通識基礎

*點擊上方鏈接可查看完整目錄

AI Snake Oil: What Artificial Intelligence Can Do, What It Can’t, and How to Tell the Difference

北美多所高校的AI課程教參

本書的兩 位作者是普林斯頓 大學計算機科學領域的頂級學者 ，在AI與社會交叉研究方面有深厚的學術積累。 這部作品既有準確、權威但簡明易懂的AI技術分析，也涵蓋了AI在人文社科等領域的廣泛影響。 從AI技術的基本原理，到其在社會科學、法律、政策、倫理等方面的應用與影響，書中均有詳細探討。可謂一部兼具深度與可讀性的通識參考。

一方面，本書承認AI的潛力和能力，另一方面則拆穿了具有誤導性的關于人工智能的宣傳性話語，并指出人工智能在教育、醫療、招聘、銀行、保險和刑事司法等領域被不恰當應用所引發的嚴重危害。 書中區分了不同類型的人工智能，并回答了一些關鍵問題 ，如為什么人工智能無法解決社交媒體的問題，為什么人工智能不構成生存威脅，以及我們為什么更應該擔心人們如何利用人工智能，而非人工智能本身的行為。 書中還警告了由少數大科技公司掌控人工智能可能帶來的風險。

AI 將影響幾乎所有的行業，但真正能夠深入理解 AI 前沿技術的人畢竟是少數。 對人文社科等領域的學者和學生來說，如何有效認識 AI 帶來的沖擊與機遇，如何理解它所引發的新問題？ 當前，我們最需要的，可能是這樣 一本能夠連接技術和現實的前沿著作。

作者Arvind Narayanan，普林斯頓大學計算機科學教授兼信息技術政策中心主任；Sayash Kapoor，普林斯頓大學計算機科學博士候選人，曾在 Facebook 擔任軟件工程師，幫助創建了用于內容審核的人工智能。

02

AI與人類發展

哲學

*點擊上方鏈接可查看完整目錄

Artificial You: AI and the Future of Your Mind

哲學家思考人工智能帶來的棘手問題

我們正處在人類歷史上的轉折點，人工智能正在將智能技術帶入全新的方向。不僅如此，人工智能研究正在深入人腦內部，試圖增強人類思維。它甚至可能創造出超越人類水平的智能。哲學家 Susan Schneider 考察了隱藏在算法背后的哲學問題。她認為，在我們尚不足夠了解心智本質時，不應該貿然開展上述研究，否則對人工智能和大腦強化技術的運用就可能出現問題，甚至造成意識生物的痛苦和死亡。

作者 Susan Schneider，美國國會圖書館和 NASA 的天體生物學和技術創新主席，佛羅里達大西洋大學哲學和神經科學的 Dietrich 杰出教授。

教育學

*點擊上方鏈接可查看完整目錄

The Importance of Being Educable: A New Theory of Human Uniqueness

在AI時代，人類的可教育性獨一無二

在AI越來越多介入知識生產和傳播的當下，我們需要深入思考教育的本質及其對人類文明的意義。The Importance of Being Educable 一書提出了一個振聾發聵的觀點：可教育性（educability）——人類吸收和應用知識的非凡天賦——不僅是推動個人成長與社會進步的核心力量，更是確保人類文明延續的關鍵。這種能力使我們能夠建立復雜的社會和文化體系。然而，其缺陷在于，人類容易盲目吸收超越自身經驗的思想體系，卻往往難以判斷哪些信息值得信任。Valiant 結合人類、動物及人工智能系統的信息處理方式，對人類獲取知識的過程進行了深刻解析。他提醒我們，高等教育不僅關乎社會流動性或職業發展，更關乎人類在面對未來不確定性時的整體韌性。

作者 Leslie Valiant，美國哈佛大學杰斐遜柯立芝計算機科學與應用數學教授。他因對機器學習和計算機科學的基礎性貢獻而獲得圖靈獎和內萬林納獎。

*點擊上方鏈接可查看完整目錄

The Teacher in the Machine: A Human History of Education Technology

從批判性視角出發的教育技術史，關于高等教育的社會角色變化

從確保個性化教學但不能做數學題的AI輔導，到本應使高等教育民主化的精英大學的免費在線課程，有關科技創新將改變教育的說法往往并不靠譜。早在20世紀60年代和70年代，斯坦福大學、麻省理工學院和伊利諾伊大學的學者們就在教育領域試驗計算機和人工智能。現在，人們則對生成式人工智能輔導和大規模在線課程的顛覆性潛力感到興奮。Trumbore 認為，這兩個教育技術時代的對比揭示了高等教育在美國的角色變化，從公共事業轉變為私人投資。本書追溯了當今關于生成式人工智能、學生貸款和高等教育中社會信任下降的討論，這些討論可以追溯到50年前少數精英大學的共同起源。這些早期的教育實驗在今天仍有共鳴。

作者 Anne Trumbore，弗吉尼亞大學達頓商學院金沙終身學習研究所的首席數字學習官（Digital Learning）。

倫理學

*點擊上方鏈接可查看完整目錄

AI Needs You: How We Can Change AI's Future and Save Our Own

AI時代的人文主義宣言

隨著AI的力量不斷增長，弄清楚這項技術究竟為誰服務變得尤為重要。作者 Verity Harding 是科技和政治領域的領軍人物，拒絕接受將AI到來比作原子彈的主流敘事。Harding 從20世紀三場科技革命——太空競賽、體外受精技術和互聯網——的歷史中總結了經驗教訓，鼓勵每個人都加入關于AI及其未來的討論。她認為，歷史指出，我們人類可以賦予AI深刻的意向性（intentionality），反映我們的最佳價值觀、理想和利益，并服務于公共福祉。

作者 Verity Harding，《時代》周刊“人工智能領域最具影響力的 100 人”之一，現任劍橋大學 Bennett 公共政策研究所人工智能與地緣政治項目主任。

神經科學與心理學

*點擊上方鏈接可查看完整目錄

The Self-Assembling Brain: How Neural Networks Grow Smarter

關于大腦的自我構建，神經生物學和人工智能告訴了我們什么？

神經網絡如何演變成大腦？神經生物學家研究自然如何實現這一壯舉，而人工智能科學家則通過技術來實現這一目標。本書講述了這兩個領域中的科學家們在歷史上和現今采取的研究方法，即：制造一個智能神經網絡所需的信息是什么？正如作者 Peter Robin Hiesinger 所指出的，“信息問題”貫穿于這兩個領域，推動著研究前沿進展。本書關注神經網絡如何變得更加智能，適合對神經科學和人工智能進展感興趣的讀者。

作者 Peter Robin Hiesinger，柏林 Freie 大學的神經生物學教授。

*點擊上方鏈接可查看完整目錄

Virtual You: How Building Your Digital Twin Will Revolutionize Medicine and Change Your Life

虛擬醫學的“數字雙胞胎”將如何改善我們的健康和未來

以往醫學需要在實驗室或生物體內開展實驗，而虛擬醫學可以利用計算機仿真技術，將人體相關數據模擬化與模型化，在這一計算機系統中形成的虛擬人類被稱之為“數字雙胞胎”。數字孿生體可以考慮到個體的具體特征，比如個人基因與器官系統等，通過模擬臨床試驗，實現真正個性化的醫學治療。本書介紹了世界各地科學家為建立人類數字雙胞胎所做的研究，涵蓋了從細胞、組織到器官與身體的全過程。

作者 Peter Coveney，倫敦大學學院計算科學中心主任、阿姆斯特丹大學信息學研究所教授、耶魯大學醫學院兼職教授。Roger Highfield，科學博物館集團的科學總監、醫學研究委員會成員、倫敦大學學院和牛津大學鄧恩學院的客座教授。

03

AI與全球治理

政治學

*點擊上方鏈接可查看完整目錄

Technology and the Rise of Great Powers

技術革命如何影響權力更迭的全新理論

國際關系專家 Jeffrey Ding 在其新書中展示了有關大國興衰與技術革命之間關系的最新研究成果。現有理論普遍承認領先創新對于大國地位的重要影響，但并未深入探討技術擴散和大規模應用對于大國秩序演變的作用。

作者重新審視了英國在第一次工業革命中的崛起，美國和德國在第二次工業革命中的趕超，日本在第三次工業革命（即“信息革命”）中對美國發起的挑戰，解釋了為什么某些國家在成規模地適應和應用新科技方面比另一些國家更成功，并形成了一種有關技術革命對大國興衰的影響的新理論。值得注意的是，作者在本書第八章集中討論了中美在 AI 及第四次工業革命中的競爭，對于理解當前技術革命下的中美博弈具有啟發性意義。

作者 Jeffrey Ding ，喬治·華盛頓大學政治學助理教授。他還在外交政策研究所、埃利奧特國際事務學院和人工智能治理中心從事研究工作。

*點擊上方鏈接可查看完整目錄

Big Mind: How Collective Intelligence Can Change Our World

如何利用數字技術使集體和組織具有更高的智力水平

為什么智能技術不會自動導致智能結果？社會、政府或管理系統如何解決復雜的問題？本書從哲學、計算機科學和生物學等跨學科領域出發，揭示了如何引導組織和社會充分利用人腦和數字技術進行大規模思考，從而提高整個集體的智力水平，以解決我們時代的巨大挑戰。作者在書中回答了為什么充滿聰明人和智能機器的組織會犯愚蠢的錯誤（例如投資銀行損失數十億美元，情報機構誤判地緣政治事件），并展示了如何避免這些錯誤。

作者 Geoff Mulgan，倫敦大學學院集體智能、公共政策和社會創新教授，也是哈佛大學Ash中心的高級訪問學者。

*點擊上方鏈接可查看完整目錄

Algorithms for the People: Democracy in the Age of AI

人工智能算法如何做出民主決策

人工智能和機器學習強大的預測能力正在改變決策的方式，但同時也減少了人們鍛煉判斷力、同情心和創造力的機會。在 Algorithms for the People 一書中，作者 Josh Simons 主要探討了如何將民主置于人工智能治理的核心，而非技術對民主的影響。在 Simons 看來，預測是有政治色彩的：人類如何設計和使用預測工具決定了預測的效果。本書通過政治理論的視角來看待預測技術，為民主國家應該如何管理代議制政治領域之外的政治決策提供了新的啟示。

作者 Josh Simons，哈佛大學技術與民主中心博士后。

*點擊上方鏈接可查看完整目錄

AI, Automation, and War: The Rise of a Military-Tech Complex

為什么AI無法取代人類在戰爭中的戰略判斷：走出科幻，直面軍事事實

在未來戰爭的中，由人工智能控制的無人機群和殺手機器人會主宰戰場嗎？本書作者 Anthony King 討論了過去十年中軍隊對人工智能的應用，駁斥了這種帶有科幻色彩的說法。他發現，人工智能的數據處理能力將主要幫助軍隊更快、更有效地規劃、瞄準和開展網絡行動，而不是取代人類指揮官和戰斗員。武裝部隊和技術部門的合作關系標志著軍事技術聯合體的出現，它有望在本世紀像上世紀的軍工聯合體一樣強大。

作者 Antony King，埃克塞特大學戰爭研究教授兼戰略與安全研究所所長。

社會學

*點擊上方鏈接可查看完整目錄

The Last Human Job: The Work of Connecting in a Disconnected World

在自動化時代，我們的勞動在何種意義上是對人類社會不可或缺的

隨著人工智能和各種節省勞動力的技術的快速發展，工作的未來充滿前所未有的不確定性，即便是需要高度人際互動的工作似乎也不再安全。本書提出了“連接性勞動” 的概念，這是一種建立在同理心、相互認同和人性信任基礎上的勞動 。不同于現有的在算法偏見、隱私、失業等方面對人工智能的討論，Pugh 將研究的目光更多聚焦在了人際交往和情感需求的領域。她深入分析了連接性勞動的獨特之處，如身體交流、情感語言，展示了這種勞動為何無法被AI取代。

作者指出，連接性勞動面臨的威脅不僅來自AI等技術的進步。商業邏輯和工業邏輯結合起來，遮蔽了我們真正看見彼此的能力。Pugh 指出，若想在自動化浪潮中保存自我，對抗人格解體的危機，我們需要重建社會親密關系，在“被看見”的實踐中找到歸屬感與價值。

作者 Allison Pugh，弗吉尼亞大學社會學教授兼婦女、性別和性學系主任。

*點擊上方鏈接可查看完整目錄

Data Driven: Truckers, Technology, and the New Workplace Surveillance

數字監控介入長途卡車運輸生活的幕后故事

長途卡車司機構成了美國的經濟支柱，他們在艱苦的條件、巨大的經濟壓力下運輸貨物。本書探討了數字監控如何顛覆開放道路上的生活和工作。聯邦法規要求卡車司機安裝數字監控。從行業貿易展到律師事務所和卡車站酒吧，作者揭示了這些侵入性技術如何重新配置行業關系，如何為管理和法律控制提供新的工具，以及卡車司機如何挑戰和抵制它們。本書將啟發人們反思技術如何影響我們的工作和個人生活，同時指導我們思考如何在數字時代保護公共利益、維護人類尊嚴。

作者 Karen Levy，康奈爾大學信息科學系教師，也是康奈爾法學院的副教授。

經濟學

*點擊上方鏈接可查看完整目錄

The Technology Trap: Capital, Labor, and Power in the Age of Automation

技術革命史幫助我們理解自動化時代的經濟和政治兩極分化

本書探討了從工業革命到人工智能時代，科技進步如何從根本上改變了社會成員之間的政治經濟權力分配。從歷史的維度上看，工業革命開創出空前的繁榮。但同時機器取代了一批中等收入的工作崗位——工資停滯不前、勞動收入比例下降，從而造成了經濟不平等的加劇。如今，這樣的景象正出現在被人工智能所取代的行業中。人們往往看到科技進步的重大利好，卻忽視了科技陰影下的受害者。對此，本書提供了歷史的教訓，可以幫助我們更有效地應對AI發展的當下和未來。

作者 Carl Benedikt Frey，牛津馬丁花旗會士，牛津新經濟思維研究所高級研究員。

04

AI與歷史研究

*點擊上方鏈接可查看完整目錄

Behind Deep Blue: Building the Computer That Defeated the World Chess Champion

“深藍”建造者的講述——建造一臺能與世界上最偉大的人類棋手對抗的機器

1997年5月11日，全世界數百萬人聽到了一個驚人的消息：一臺機器打敗了世界象棋衛冕冠軍加里·卡斯帕羅夫。Behind Deep Blue 講述了創造所有象棋機器之母——“深藍”的幕后歷程，以及在“深藍”與卡斯帕羅夫的兩場歷史性對決中發生的故事。在書中，“深藍”的系統架構師許峰雄揭示了1985年在卡內基梅隆大學開始的一個小型學生項目，如何促成了一臺價值數百萬美元的超級計算機的誕生。他講述了在開發終極國際象棋機器的競賽中的挫折、緊張和競爭，以及最終戰勝世界上最偉大的人類棋手引發的激烈爭論。總之，本書帶領我們回顧了人工智能領域最著名的進展之一，以及發明它的杰出工程師的故事。

作者許峰雄，是“深藍”項目的創始人和系統架構師，微軟亞洲研究院高級研究員。

*點擊上方鏈接可查看完整目錄

"You Are Not Expected to Understand This": How 26 Lines of Code Changed the World

一流技術專家、歷史學家和記者揭示計算機代碼背后的故事

從電子游戲到太空探索的一切都依賴于人們編寫的代碼，因此，程序員當時做出的選擇和假設將對社會產生長期且深遠的影響。Unix 歷史上最著名的一句話是“不指望你理解這個”（You Are Not Expected to Understand This），以此為題，本書講述了編程背后之人的故事。編者 Torie Bosch 匯集了許多當今頂尖的技術專家，以全新的視角解讀塑造我們生活的代碼，他們談論的話題包括大學數據庫在很久以前是如何被編程為只接受兩種性別的，為第一個彈出式廣告編程的人當時在想什么，第一個計算機蠕蟲和比特幣白皮書等等。

編者 Torie Bosch，Future Tense 雜志的編輯，該雜志由《石板報》、《新美國》和亞利桑那州立大學合作創辦，旨在探索技術、政策和社會的交叉點。Kelly Chudler，一位多學科藝術家和音樂家。

05

研究方法革新

*點擊上方鏈接可查看完整目錄

Ethics of the Algorithm: Digital Humanities and Holocaust Memory

算法重塑大屠殺記憶的人文視角

大屠殺（Holocaust）作為人類歷史上記錄最為詳盡的事件之一，現已實現數字化存儲。相關機構與檔案館中保存著龐大的證詞資料，包括數十萬小時的音頻與視頻內容，這些證詞由多種語言構成，包含超過十億個單詞和數百萬條描述性元數據。若以傳統方法逐一審查這些證詞，將耗費數代人的時間。計算方法的應用使得對整個檔案的分析成為可能，但同時，利用算法對大屠殺證詞進行“聆聽”所引發的倫理問題亦不容忽視。本書深入探討了數字人文學科如何為大屠殺記憶與歷史研究提供新穎的視角與人性化的解讀，從而豐富了我們對這一歷史事件的認知與理解。

作者 Todd Presner，加州大學洛杉磯分校歐洲語言和跨文化研究教授。

*點擊上方鏈接可查看完整目錄

Understanding the Digital World: What You Need to Know about Computers, the Internet, Privacy, and Security, Second Edition

熱門基礎教科書的全新版本，探討計算機硬件、軟件和網絡的工作原理

電腦無處不在。有些是顯而易見的，例如筆記本電腦和手機。但大多數是隱形的，比如電器、醫療設備、電網和武器中的電腦。在本書中，Kernighan 解釋計算機硬件、軟件和網絡是如何工作的，相關的安全隱私、財產隱患，和其他重要的社會、政治和經濟問題。書中新的章節探討了Python編程、大數據、機器學習等，并伴有大量的彩色插圖，資源注釋以及術語表。本書適合所有想要進一步了解計算機的讀者。

作者 Brian W. Kernighan，普林斯頓大學計算機科學系教授。他的著作包括計算機經典著作 The C Programming Language（Prentice Hall出版社）。

*點擊上方鏈接可查看完整目錄

Bit by Bit：Social Research in the Digital Age

數字時代如何開展社會科學研究

在過去的幾年里，我們見證了社交媒體、手機和許多其他數字奇觀的誕生和迅速傳播。本書揭示了如何利用這些新方法搜集和處理關于人類行為的數據。普林斯頓大學社會學教授 Matthew Salganik 在書中解釋了數字化革命如何變革社會科學家觀察行為、詢問問題、操作實驗和團隊協作的方式。作者列舉了大量例子，行文易于理解，沒有學術“黑話”，在飛速發展的數字時代中，本書是社會研究的必讀之作。

作者 Matthew J. Salganik，普林斯頓大學社會學教授，同時隸屬于該校信息技術政策中心和統計與機器學習中心。

*點擊上方鏈接可查看完整目錄

Text as Data: A New Framework for Machine Learning and the Social Sciences

利用Python編程的計算文本分析方法指南

本書展示了如何將文本數據與機器學習和社會科學研究設計結合起來。作者提供了有序、迭代和歸納的研究設計方法，每個項目都有完整的現實應用和方法示例。本書跨越了計算機科學與社會科學、定性與定量、業界與學術界等諸多領域，對于對相關領域感興趣的人而言是理想的學習資源。

作者 Justin Grimmer，斯坦福大學胡佛研究所政治學教授和高級研究員。

編譯：陳俊宜

責編：張心遠