[摘要] 引導(dǎo)人工智能科學(xué)地應(yīng)用于社會(huì)工作領(lǐng)域是順應(yīng)時(shí)代發(fā)展、強(qiáng)化循證實(shí)踐、實(shí)現(xiàn)科技賦能的必備環(huán)節(jié)。既有研究表明，人工智能展現(xiàn)的進(jìn)步優(yōu)勢往往伴隨著技術(shù)偏見和負(fù)面反饋。本文通過提煉“案主效價(jià)”的概念，闡釋社會(huì)工作領(lǐng)域在人工智能時(shí)代的發(fā)展標(biāo)靶與實(shí)踐邏輯。生成式人工智能所帶來的技術(shù)偏見，包括技術(shù)分配偏見、技術(shù)認(rèn)知偏見和技術(shù)判斷偏見。三種技術(shù)偏見與傳統(tǒng)社會(huì)工作的核心價(jià)值取向相對應(yīng)。在新舊機(jī)制交融碰撞的過程中，挖掘出社會(huì)工作應(yīng)然的技術(shù)實(shí)踐邏輯。當(dāng)下應(yīng)當(dāng)警惕的是人工智能賦能介入實(shí)踐的梗阻因素，把握中國社會(huì)工作的時(shí)代內(nèi)涵和技術(shù)潮流。

[關(guān)鍵詞] 案主效價(jià)" 人工智能" 社會(huì)工作介入" 技術(shù)偏見

[基金項(xiàng)目] 本文系國家自然科學(xué)基金青年項(xiàng)目“基于縱向追蹤數(shù)據(jù)庫的孤獨(dú)癥家庭抗逆力演變機(jī)制與靶向干預(yù)研究”（項(xiàng)目編號(hào)：72404045）、教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“困境兒童網(wǎng)絡(luò)風(fēng)險(xiǎn)識(shí)別與網(wǎng)絡(luò)素養(yǎng)培育的干預(yù)研究”（項(xiàng)目編號(hào)：24YJCZH073）的初期成果。

[作者簡介] 郭思佳，大連海事大學(xué)公共管理與人文藝術(shù)學(xué)院副教授，碩士生導(dǎo)師，研究方向?yàn)閮和鐣?huì)工作、社會(huì)工作介入;雷鈞安（通訊作者），吉林大學(xué)哲學(xué)社會(huì)學(xué)院博士研究生，研究方向?yàn)槌青l(xiāng)社會(huì)學(xué)、社會(huì)工作。

[中圖分類號(hào)] C916

[文獻(xiàn)標(biāo)識(shí)碼] A

[文章編號(hào)] 1008-7672（2024）06-0045-11

一、 引言

人工智能（Artificial Intelligence，AI）自誕生之日起，就代表著新一輪科技革命的重要驅(qū)動(dòng)力，推動(dòng)著人類實(shí)踐實(shí)現(xiàn)跨越式延展，業(yè)已成為全球各國爭相占領(lǐng)的技術(shù)高地。隨著OpenAI于2022年年底推出最新自然語言處理技術(shù)支持的人工智能聊天機(jī)器人ChatGPT（Chat Generative Pre-trained Transformer），人工智能生成內(nèi)容（AI-Generated Content，AIGC）成為繼專業(yè)生成內(nèi)容和用戶生成內(nèi)容之后的內(nèi)容生產(chǎn)方式。AIGC是基于機(jī)器學(xué)習(xí)的生成式AI自動(dòng)創(chuàng)造或超逼真合成的具有較強(qiáng)新穎性的內(nèi)容，包括文本、圖片、音頻、視頻等。①大型語言模型（Large Language Model，LLM）加持下的AICG，例如ChatGPT、文心一言和通義千問，在各領(lǐng)域中均表現(xiàn)出了巨大的應(yīng)用潛力，從根本上改變了人類解決問題的方式，重塑了數(shù)字信息交互以及與他人交流的方式，引發(fā)了人們對自動(dòng)化內(nèi)容生成技術(shù)的空前興趣。盡管在應(yīng)用AIGC的過程中，“人—機(jī)”交互是最直觀的方式，但其所充當(dāng)角色的本質(zhì)是“輔助式的中介”。在此基礎(chǔ)上，AI的實(shí)踐屬性更傾向于基于大量數(shù)據(jù)的“預(yù)測”，并以此為媒介為人與人的溝通和聯(lián)結(jié)架起數(shù)字化的橋梁。②由此觀之，社會(huì)工作天然具有應(yīng)用AIGC技術(shù)的適配性。一方面，社會(huì)工作是傳統(tǒng)“人與人”互動(dòng)的領(lǐng)域;另一方面，社會(huì)工作是一種前瞻性的實(shí)踐，預(yù)測性質(zhì)的工具適用于社會(huì)工作③，例如兒童社會(huì)工作涉及對兒童未來安全和風(fēng)險(xiǎn)的評(píng)估。因此，社會(huì)工作領(lǐng)域也開始探索適應(yīng)和擁抱新技術(shù)的道路。

赫爾辛基大學(xué)的研究員圖卡·萊赫蒂涅米（Tuukka Lehtiniemi）從預(yù)測和預(yù)期的角度闡述了AI的情境性社會(huì)效價(jià)（Contextual social valences）。④他主張，為使人工智能在社會(huì)工作中發(fā)揮效用，必須將其視作一種輔助人類專家知識(shí)創(chuàng)新過程的工具，而非單純的知識(shí)成果生產(chǎn)工具。更確切地說，隨著人工智能技術(shù)滲透至新的敏感應(yīng)用領(lǐng)域，人們不應(yīng)期待其具備普遍的價(jià)值和性能，而應(yīng)密切關(guān)注AI的情境性社會(huì)效價(jià)。強(qiáng)調(diào)情境化特征符合社會(huì)工作“人在情境中”的理念，但歸根結(jié)底最關(guān)鍵的要素還是“人”。社會(huì)工作是專業(yè)的助人活動(dòng)，這一活動(dòng)也必然會(huì)產(chǎn)生社會(huì)工作者與案主之間遵循專業(yè)規(guī)范行事的專業(yè)關(guān)系以及因情感等因素產(chǎn)生聯(lián)結(jié)的多元化的人際關(guān)系。⑤這種多元化不僅體現(xiàn)于種族和性別之上，而且還由人與人之間的代際決定。⑥因此，維持關(guān)系的基礎(chǔ)必須建立于社會(huì)工作者對不同人群所抱有的“同理心”之上。質(zhì)言之，社會(huì)工作介入的實(shí)效性依賴于社會(huì)工作者對案主真實(shí)情感的把握，而這恰恰是目前AIGC技術(shù)所欠缺的。

建立于LLM上的AIGC技術(shù)，核心就是通過大量文本數(shù)據(jù)訓(xùn)練，實(shí)現(xiàn)“上下文理解”，以通過生成式表達(dá)來展現(xiàn)其對文字的理解。這也就導(dǎo)致AIGC本身并不具備同理心、創(chuàng)造力和靈巧性。以ChatGPT為例，它特別擅長拼湊文本、營造出似是而非的回答，因而被戲稱為“隨機(jī)鸚鵡”（Stochastic Parrot）。AI沒有同情、關(guān)愛之類的“感同身受”的感覺，既無法在情感方面實(shí)現(xiàn)與人類的真正互動(dòng)，也無法給他人帶去關(guān)懷。此外，盡管AI非常擅長針對單一領(lǐng)域的任務(wù)進(jìn)行優(yōu)化，使目標(biāo)函數(shù)達(dá)到最優(yōu)值，但它無法選擇自己的目標(biāo)，無法跨領(lǐng)域構(gòu)思，無法進(jìn)行創(chuàng)造性的思考，也難以靈活地運(yùn)用那些對人類而言不言自明的常識(shí)。換言之，AI針對不同屬性的案主所生成的介入方案，不可避免地存在著技術(shù)偏見，無法以案主的真實(shí)情感為切入點(diǎn)進(jìn)行干預(yù)。

AI技術(shù)中的偏見被定義為決策過程中的系統(tǒng)性錯(cuò)誤，從而導(dǎo)致不公平的結(jié)果。①以往社會(huì)工作領(lǐng)域中的AI技術(shù)應(yīng)用主要集中在研究從環(huán)境中提取信息②③，以及基于模擬的介入和工作培訓(xùn)④。這時(shí)AI的技術(shù)偏見累積的負(fù)面效應(yīng)尚未突顯。而AIGC技術(shù)的引入無疑為社會(huì)工作帶來了前所未有的機(jī)遇，但隨著其產(chǎn)出內(nèi)容的海量增長，原本訓(xùn)練數(shù)據(jù)中的偏見和扭曲不僅被放大，還在持續(xù)迭代中形成愈來愈難以打破的惡性循環(huán)。這意味著擁抱技術(shù)的最終目的并非將社會(huì)工作移交給大數(shù)據(jù)模型和計(jì)算機(jī)，而是發(fā)揮社會(huì)工作者的主觀能動(dòng)性為有需要的案主提供更優(yōu)質(zhì)的服務(wù)。因此，識(shí)別并解決人工智能中的偏見問題至關(guān)重要，解決偏見才可確保這些系統(tǒng)對所有用戶都能保持公平公正?；贏IGC技術(shù)中“人”所扮演角色的特殊性，本文提出“案主效價(jià)”（Client Valence）概念，以期對AIGC時(shí)代社會(huì)工作介入的實(shí)踐邏輯展開討論。

二、 傳統(tǒng)社會(huì)工作介入的價(jià)值取向及動(dòng)向回顧

傳統(tǒng)社會(huì)工作在長期的實(shí)踐過程中形成了一套完整的運(yùn)作體系。AI的出現(xiàn)，無論是賦能還是解離，都對社會(huì)工作造成了極大的影響，甚至是顛覆。欲要解析和回應(yīng)這種變化，需要對傳統(tǒng)社會(huì)工作的價(jià)值取向及其發(fā)展動(dòng)向進(jìn)行回顧和分析。

（一） 傳統(tǒng)社會(huì)工作介入的價(jià)值取向

自社會(huì)工作誕生至今，其價(jià)值取向的內(nèi)涵不斷豐富和發(fā)展。社會(huì)工作作為一門專業(yè)，其核心價(jià)值取向是指導(dǎo)實(shí)踐、塑造專業(yè)形象以及確保服務(wù)質(zhì)量。無論是美國社會(huì)工作者協(xié)會(huì)給出的價(jià)值取向，還是費(fèi)利克斯·比斯特克（Felix Biestek）歸納的價(jià)值體系，都深刻揭示了社會(huì)工作介入的核心價(jià)值，主要涉及以下三點(diǎn)。其一，責(zé)任是社會(huì)工作者對其工作、服務(wù)對象以及社會(huì)所承擔(dān)的義務(wù)和職責(zé)。社會(huì)工作者需要盡職盡責(zé)地提供服務(wù)，確保服務(wù)的質(zhì)量和效果，以滿足服務(wù)對象的需求和期望。他們還需要對服務(wù)對象的問題和需求保持敏感和關(guān)注，積極尋求解決方案，并與服務(wù)對象共同制定和實(shí)施干預(yù)計(jì)劃。責(zé)任還要求社會(huì)工作者遵守專業(yè)倫理和法律法規(guī)，確保服務(wù)的合法性和正當(dāng)性，同時(shí)對自己的行為和決策負(fù)責(zé)，勇于承擔(dān)可能的后果和責(zé)任。其二，公正是社會(huì)工作的基石，它要求社會(huì)工作者在實(shí)踐過程中，始終保持公平、正義和無偏見的態(tài)度。這意味著社會(huì)工作者需要關(guān)注并努力消除任何形式的歧視和不平等，確保所有人，無論其背景、身份或需求如何，都能平等地獲得服務(wù)和支持。公正還要求社會(huì)工作者在處理案件和決策時(shí)，保持客觀和中立，不偏袒任何一方，確保服務(wù)的公正和透明。其三，尊重體現(xiàn)了對每個(gè)人的獨(dú)特性、價(jià)值和尊嚴(yán)的深刻認(rèn)識(shí)和珍視。社會(huì)工作者需要尊重服務(wù)對象的意愿、選擇和決定，即使他們的觀點(diǎn)或行為與社會(huì)常規(guī)或主流價(jià)值觀不同。這種尊重不僅體現(xiàn)在言語和行為上，更需要在態(tài)度和情感上給予服務(wù)對象充分的認(rèn)同和理解。尊重還要求社會(huì)工作者在服務(wù)過程中保持禮貌、友善和同理心，以建立信任和促進(jìn)良好的溝通關(guān)系。

（二） 傳統(tǒng)社會(huì)工作介入的動(dòng)向回顧

實(shí)踐是社會(huì)工作基礎(chǔ)和介入理論發(fā)展至今的落腳點(diǎn)。一直以來，傳統(tǒng)社會(huì)工作始終圍繞助人自助的專業(yè)稟賦開展介入服務(wù)。基于此，傳統(tǒng)社會(huì)工作介入的動(dòng)向主要集中于完善介入流程、革新介入模式和提高介入效果等方面。其一，干預(yù)流程的完善在于個(gè)案、小組和社區(qū)工作流程的通用化和特色化。這兩種特征是由社會(huì)工作領(lǐng)域的特點(diǎn)決定的，并不矛盾。一方面，社會(huì)工作者們通過長時(shí)間的介入實(shí)踐逐漸總結(jié)起一套行之有效的干預(yù)流程，而社會(huì)工作所服務(wù)的案主癥結(jié)具有很強(qiáng)的相似性，這就意味著通用化的介入流程能夠幫助社會(huì)工作者提高工作效率;另一方面，特色化則是針對特殊群體、特殊研究需要而專門發(fā)展所呈現(xiàn)出來的特征。由于個(gè)體心理及其經(jīng)歷的復(fù)雜性，社會(huì)工作要針對特殊情況進(jìn)行適配，不可能畢其功于一役。例如，在個(gè)案工作中，社會(huì)工作者根據(jù)事件中案主不同的反應(yīng)狀態(tài)，判定是否需要進(jìn)行危機(jī)介入，而不是完全遵循通用過程。再如小組工作中，社會(huì)工作者借鑒循證醫(yī)學(xué)的實(shí)證路徑，采用實(shí)驗(yàn)法、半隨機(jī)或完全隨機(jī)對照試驗(yàn)的方法驗(yàn)證小組干預(yù)效果。以隨機(jī)對照試驗(yàn)為例，學(xué)界公認(rèn)的CONSORT流程包括招募（Enrollment）、分配（Allocation）、隨訪（Follow-up）、分析（Analysis）。這些流程遞進(jìn)式地為循證社會(huì)工作實(shí)踐提供保障。其二，基于社會(huì)工作領(lǐng)域的介入模式，目前已經(jīng)開發(fā)出認(rèn)知行為治療、優(yōu)勢視角、焦點(diǎn)解決短期治療等多元化的介入模式，并具有與之配套的介入手冊，以規(guī)范社會(huì)工作實(shí)踐。學(xué)界對介入模式的探索并未止步于此，而是憑借多年的研究逐步發(fā)展出整合干預(yù)的模式，即根據(jù)案主特征和本土特征，將兩種或多種介入模式有機(jī)結(jié)合起來進(jìn)行實(shí)踐。這種方式的好處在于能夠最大限度地提高介入的適配性。近年來這種方式越發(fā)見諸社會(huì)工作領(lǐng)域。以優(yōu)勢視角為例，針對不同群體，優(yōu)勢視角也可與不同模式結(jié)合，如面向殘疾人的優(yōu)勢—殷盛模式（Strength-based Flourishing Intervention）①、應(yīng)用于大一新生的單階段優(yōu)勢—認(rèn)知模式（Single-session Character-strength-based Cognitive Intervention）②。其三，前述兩種動(dòng)向或多或少涉及介入效果的提高，除此之外，為了提高大樣本介入實(shí)踐的效果，學(xué)界逐漸開始主張模塊化的介入思路。一方面，在一個(gè)大樣本中，根據(jù)現(xiàn)實(shí)原則將這些樣本劃分為不同批次、不同類別，分開進(jìn)行干預(yù)。社會(huì)工作師在減輕干預(yù)壓力的同時(shí)，將干預(yù)內(nèi)容以更加精準(zhǔn)的方式傳遞給每一位案主。另一方面，加強(qiáng)對同項(xiàng)目社會(huì)工作師的培訓(xùn)和科學(xué)化監(jiān)督。在介入活動(dòng)開始前，對每一位社會(huì)工作師進(jìn)行統(tǒng)一培訓(xùn)，使之具備相似的干預(yù)能力。在每節(jié)活動(dòng)結(jié)束時(shí)，通過量表對每一位社會(huì)工作師進(jìn)行操作檢驗(yàn)，例如尋解保真度量表③?？偟膩碚f，社會(huì)工作介入的發(fā)展動(dòng)向始終圍繞著“人”，既包括案主，也包括社會(huì)工作者。盡管AI能夠通過大量案例分析以推進(jìn)社會(huì)工作介入模式的迭代與更新，但卻使社會(huì)工作領(lǐng)域的傳統(tǒng)價(jià)值取向出現(xiàn)了極易被忽視的松動(dòng)。

三、 人工智能時(shí)代社會(huì)工作介入的技術(shù)偏見

從AI誕生之日起，人類社會(huì)就從未停止對現(xiàn)有AI賦能方法路徑的討論。代碼和模型邏輯交織形成的AI處理單元，盡管從某種意義上是毫無保留地執(zhí)行了人類所輸入的指令，并在一定程度上保護(hù)了現(xiàn)代民主文化④，但其固有的非情感、非創(chuàng)造和不靈活性致使隱含的技術(shù)偏見左右了輸出的結(jié)果。此外，應(yīng)用技術(shù)的主體以為自己身處科技前沿，但可能也正在落入技術(shù)偏見的圈套之中。因此，在媒介與代碼無處不在的社會(huì)中，主體的自由意志不得不面向技術(shù)的規(guī)訓(xùn)與重塑。⑤在AI背景下，技術(shù)偏見可能源自多個(gè)方面，包括數(shù)據(jù)收集、算法設(shè)計(jì)和人類解釋。①②對于社會(huì)工作領(lǐng)域而言，偏見主要反映在組織、方案和流程之中。

（一） 責(zé)任削弱：組織中的技術(shù)分配偏見

訓(xùn)練LLM必須建立在大量文本數(shù)據(jù)基礎(chǔ)之上。這些模型通過閱讀和分析書籍、文章、對話等數(shù)據(jù)，學(xué)習(xí)語言結(jié)構(gòu)和用法，類似于背誦并學(xué)習(xí)大量文本的“人”。訓(xùn)練所用文本數(shù)據(jù)的質(zhì)量與數(shù)量對模型生成內(nèi)容至關(guān)重要。質(zhì)量不佳或價(jià)值觀不符的數(shù)據(jù)會(huì)影響模型生成內(nèi)容的方向。數(shù)量不足則可能導(dǎo)致模型總結(jié)語言規(guī)律不全面、不準(zhǔn)確或表達(dá)生硬。這表明AIGC天然具有滋生技術(shù)分配偏見的土壤，而且會(huì)使這種偏見更加明顯和復(fù)雜。這是目前AI技術(shù)的客觀情況，但放大消極作用的是技術(shù)的使用者。技術(shù)更關(guān)乎資源的優(yōu)化配置，更涉及社會(huì)工作組織之間、組織內(nèi)成員之間的利益分配和權(quán)力關(guān)系，以及案主的權(quán)益。復(fù)雜的利益沖突必然會(huì)削弱責(zé)任，弱化案主與社會(huì)工作者之間的責(zé)任關(guān)系。一方面，在宏觀上，政府購買社會(huì)工作服務(wù)時(shí)所選擇的服務(wù)機(jī)構(gòu)、項(xiàng)目以及投入的資金都可能成為放大技術(shù)分配偏見的來源。一旦獲得項(xiàng)目扶持，社會(huì)工作機(jī)構(gòu)便能夠迅速訓(xùn)練自身的LLM，而后續(xù)如果政府更傾向于支持那些已經(jīng)擁有先進(jìn)AIGC技術(shù)的機(jī)構(gòu)，就會(huì)出現(xiàn)“勝者全得”的情況，所有資源自然而然地向頭部機(jī)構(gòu)集中。極端的競爭也更易出現(xiàn)“劣幣驅(qū)逐良幣”的情景。在資源分配與競爭中，這無形削弱了社會(huì)工作機(jī)構(gòu)本該擔(dān)負(fù)的責(zé)任。無論是哪種情況，其他機(jī)構(gòu)都可能因資源匱乏而難以提供同樣質(zhì)量的服務(wù)，導(dǎo)致在介入效果和服務(wù)質(zhì)量上產(chǎn)生差異，進(jìn)而影響到案主的權(quán)益。另一方面，在微觀上，社會(huì)工作組織內(nèi)部的技術(shù)分配也可能存在偏見。在社會(huì)工作組織中，層級(jí)越高的人掌握著越豐富的信息資源，“喂”給AI越豐富的資源，其機(jī)器學(xué)習(xí)的效果越好。越接近以往介入數(shù)據(jù)和案例文本的高層管理者或技術(shù)專家可能擁有更多的技術(shù)決策權(quán)，更容易獲得技術(shù)支持和資源而擁有更好的服務(wù)效果，而一線社會(huì)工作者可能缺乏足夠的技術(shù)支持和培訓(xùn)，從而影響他們的工作效率和介入效果。這種內(nèi)部的技術(shù)分配偏見不僅可能影響組織成員的積極性和工作效率，還可能加劇組織內(nèi)的矛盾和不負(fù)責(zé)任現(xiàn)象，形成組織內(nèi)的“數(shù)據(jù)霸權(quán)”。此外，在應(yīng)用過程中，亦存在介入效果不盡如人意的情形，此時(shí)極易引發(fā)權(quán)責(zé)倫理方面的爭議，究其原因，是歸咎于AI生成方案的缺陷，抑或是社會(huì)工作者未依循科學(xué)方法執(zhí)行所致，但對于誰在什么情況下必須負(fù)起責(zé)任仍未有定論。

（二） 公正缺失：方案中的技術(shù)認(rèn)知偏見

AIGC的誕生將科技“黑箱”的混沌屬性推向了又一個(gè)高峰。通常情況下，使用者只能調(diào)用沒法打開的一堆復(fù)雜程序，而調(diào)用只需要一行代碼。過去的機(jī)器學(xué)習(xí)主要在計(jì)算，根據(jù)數(shù)據(jù)共性，總結(jié)“規(guī)律”。如今，AI的算法已經(jīng)開始對人腦思考進(jìn)行模擬，建立聯(lián)想，對人類思維的替代不僅限于計(jì)算，還包括邏輯、推理、猜測。然而，人的思維并非易于模仿，很有可能刻木為鵠。古語有云：“知之為知之，不知為不知，是知也?！边@反映了人類大腦兩個(gè)珍貴的特質(zhì)，即寬容與誠實(shí)。當(dāng)前的AI尚未具備這兩種特質(zhì)。由于AI擅長計(jì)算而非判斷，即通過模型訓(xùn)練和計(jì)算達(dá)到“上下文理解”的核心目的，有數(shù)據(jù)就存在計(jì)算，這使得只要輸入端不斷流，AI往往就不會(huì)輕易表達(dá)“無解”這樣的結(jié)論。但智慧有時(shí)恰恰就體現(xiàn)在“感覺是對的”和“我確實(shí)不知道”這兩種認(rèn)知上。現(xiàn)有研究表明，目前AI尚不足以細(xì)膩地捕捉到社會(huì)生活不同領(lǐng)域?qū)嵺`中復(fù)雜技術(shù)展褶下的認(rèn)知，也未能克服信息基礎(chǔ)的不足，這意味著目前AI的參與無力塑造更為公平的社會(huì)關(guān)系，因而不可避免地存在著技術(shù)偏見。

事實(shí)上，無論是哪一個(gè)行業(yè)或生活領(lǐng)域，人們深植于自身的經(jīng)驗(yàn)之中，都難以置身于偏見之外;隨之而來的，便是對其中一方自我認(rèn)知和信念的侵蝕，便是其話語權(quán)因其社會(huì)身份而招致成見和貶低。新興科技的興起往往伴隨著監(jiān)管上的挑戰(zhàn)，這本不足為奇;但AIGC所引發(fā)的問題，卻特別凸顯了更深層次的認(rèn)知偏見和不平等（即“認(rèn)知不公”，Epistemic Injustice）。從這方面看，利用AIGC產(chǎn)生的介入方案本身就包含著技術(shù)認(rèn)知偏見。而公正恰恰是社會(huì)工作的原則之一，這要求社會(huì)工作者要對案主一視同仁。但因AI存在固有的認(rèn)知偏見，它無法對案主的實(shí)際感受產(chǎn)生同理心，進(jìn)而也無法理性公正地看待每一個(gè)案主及其社會(huì)網(wǎng)絡(luò)中的個(gè)體。社會(huì)建立在復(fù)雜利益交織的體系之上，解決社會(huì)問題最簡單粗暴的方式是損害一部分人的利益，并使之讓渡給另一部分人。這種方式對身處社會(huì)中的個(gè)人而言亦然。AI無法權(quán)衡利益，也就無法照顧到案例中每個(gè)人的感受，損害其他人的利益以幫助案主走出困境的情況就無可避免。此外，這種偏見還可能由于夾雜在基礎(chǔ)數(shù)據(jù)中難以剔除的偏見或歧視性語言內(nèi)容，直接體現(xiàn)于方案的文字表述中，因而加劇了重現(xiàn)于自然語言處理使用的數(shù)據(jù)和標(biāo)簽中的偏見。在這種情況下，如果將這些技術(shù)應(yīng)用至日常生活、工作環(huán)境甚或社會(huì)工作實(shí)踐中，那么其所帶來的影響將會(huì)遠(yuǎn)超理論上的討論，而會(huì)直接觸及社會(huì)公義與人類福祉的根本。

（三） 尊重析離：流程中的技術(shù)判斷偏見

在完成數(shù)據(jù)介入和案例文本輸入，以及實(shí)現(xiàn)“上下文理解”的目標(biāo)之后，LLM對語言具備了初步的理解能力?；诖耍珹I能夠依據(jù)其儲(chǔ)備對新輸入的案例數(shù)據(jù)和文本內(nèi)容進(jìn)行解析。AI將運(yùn)用其掌握的語言邏輯規(guī)律，識(shí)別出語言的語法規(guī)則和句子結(jié)構(gòu)等要素，并依據(jù)這些模式特征和規(guī)律特征，預(yù)測接下來的“下一個(gè)字或詞”的文本內(nèi)容。隨后，AI將從預(yù)測結(jié)果中選取“預(yù)測概率”最高的選項(xiàng)，將其添加至現(xiàn)有內(nèi)容之后。基于更新后的完整內(nèi)容，AI繼續(xù)進(jìn)行預(yù)測循環(huán)，直至出現(xiàn)一個(gè)“預(yù)測完結(jié)”的特定標(biāo)識(shí)，從而終止預(yù)測過程。通過這種方式，LLM能夠基于提供的案主文本內(nèi)容，生成使用者能看懂且想看到的內(nèi)容。盡管AI存在通用的模式，但社會(huì)工作覆蓋的群體范圍廣、差異性大、情況多變，容易導(dǎo)致針對幼兒的模型在應(yīng)對老年人問題時(shí)，出現(xiàn)模型適應(yīng)不良的情況。這就不可避免地產(chǎn)生了模型間無形的“藩籬”。對于案主多元化的社會(huì)工作領(lǐng)域而言，這些壁障以一種隱匿的方式析離了社會(huì)工作者本該給予案主的理解與尊重。

社會(huì)工作者的日常工作習(xí)慣和解決問題的思維與AI的“預(yù)測”結(jié)果高度相關(guān)。眾所周知，社會(huì)工作的通用介入過程包括接案、預(yù)估、計(jì)劃、介入、評(píng)估、結(jié)案。倘若社會(huì)工作者在實(shí)際介入中，習(xí)慣性地不嚴(yán)格按照干預(yù)手冊進(jìn)行干預(yù)，被漏掉或者不合理存在的冗余環(huán)節(jié)就會(huì)暗含偏見，那么這種情況下產(chǎn)生的數(shù)據(jù)和案例文本本身也就帶有這些偏見。當(dāng)使用AIGC的社會(huì)工作者有意識(shí)或無意識(shí)地將自己的現(xiàn)實(shí)偏見引入AI模型后，模型也只不過是進(jìn)行偏見的重復(fù)，產(chǎn)生判斷偏見。但在局外人眼中，似乎這種過程并不存在不嚴(yán)謹(jǐn)?shù)牟糠郑踔劣捎谔咨狭薃IGC加持下的“科學(xué)外衣”，更易被冠以循證之名。社會(huì)工作是一個(gè)既需要理性又需要感性的領(lǐng)域，而科學(xué)恰恰容易左右社會(huì)工作者的情感判斷。而不加論證的技術(shù)拿來主義更加深了這一現(xiàn)象的危害程度。例如，在兒童和老年社會(huì)工作中，基于案主在介入過程中所呈現(xiàn)的認(rèn)知水平和接受度，本該適時(shí)延長介入環(huán)節(jié)的時(shí)長，卻因套用認(rèn)知正常的成年人的模型而沒有給出這一建議，這不僅影響了最終的介入效果，對案主的尊重也在AI應(yīng)用的過程中被析離了。再如，婦女兒童群體中的案主被AI界定為弱勢群體而需要危機(jī)介入，但并非所有的弱勢群體都需要危機(jī)介入。質(zhì)言之，社會(huì)工作的尊重理念集中體現(xiàn)于“助人自助”，案主享有最大程度的自決，但AI技術(shù)的加持給予了傳統(tǒng)社會(huì)工作不具備的計(jì)算理性，當(dāng)理性與案主的潛在意愿沖突時(shí)，社會(huì)工作者的采納傾向就顯得尤為重要。

綜上所述，AI因其本身的特性而容易產(chǎn)生技術(shù)偏見，但“人”的因素會(huì)不斷放大這些偏見，導(dǎo)致出現(xiàn)更為嚴(yán)重的消極影響。因此，“人”的因素也會(huì)被納入后續(xù)討論過程中。

四、 案主效價(jià)的生成與實(shí)踐邏輯

AIGC的使用始終存在技術(shù)隔閡和壁壘，加之不同領(lǐng)域的應(yīng)用深度和廣度不盡相同，導(dǎo)致行業(yè)間的不良競爭和技術(shù)恐懼。在AIGC技術(shù)的浪潮下，為了避免出現(xiàn)與環(huán)境之間的格格不入，大部分人通常會(huì)隱藏自己的擔(dān)憂和焦慮。然而，技術(shù)應(yīng)用本身并不是目的，社會(huì)工作的根本目的始終都是圍繞案主開展服務(wù)的。換言之，社會(huì)工作領(lǐng)域的從業(yè)者是AIGC技術(shù)的使用者，但真正技術(shù)作用的對象卻是案主。這極易被忽視的一點(diǎn)從很大程度上割裂了傳統(tǒng)意義上社會(huì)工作的價(jià)值取向。摻入AI技術(shù)而迥異于傳統(tǒng)模式的案主為本理念，本質(zhì)上是技術(shù)沖擊下社會(huì)工作中實(shí)踐的一種新理念與取向，本文將其概念化為“案主效價(jià)”。相較于傳統(tǒng)意義上的“案主自決”與“助人自助”，當(dāng)前呈現(xiàn)出來的這種案主為本的社會(huì)工作介入邏輯，表現(xiàn)得更為順應(yīng)時(shí)代，也更符合案主的利益。

效價(jià)（Valence）是一個(gè)受到多學(xué)科關(guān)注的概念或者價(jià)值，從效價(jià)的管理學(xué)和心理學(xué)的視角出發(fā)，社會(huì)效價(jià)、情緒效價(jià)、情境效價(jià)等理論成為人類社會(huì)研究中的重要內(nèi)容。效價(jià)，即當(dāng)對象（如人工智能工具）嵌入不同的社會(huì)環(huán)境中時(shí)，話語和實(shí)踐中會(huì)出現(xiàn)一系列的期望。①雖然AI已經(jīng)在各個(gè)應(yīng)用場所和社會(huì)部門中傳播，但對AI的價(jià)值和性能的期望往往是通用的，并且非常相似。對案主效價(jià)的探究，可從社會(huì)效價(jià)的概念中借鑒，AI背景下的社會(huì)效價(jià)是指在各種社會(huì)環(huán)境中對人工智能的價(jià)值和性能的期望。②社會(huì)工作領(lǐng)域的案主效價(jià)，則可被定義為案主在AI應(yīng)用時(shí)代對社會(huì)工作價(jià)值和表現(xiàn)的期望。案主效價(jià)的實(shí)踐邏輯根植于社會(huì)工作“助人自助”的原則之中，但也區(qū)別于傳統(tǒng)理念，更傾向于在AI與現(xiàn)實(shí)、理性與感性間為客體服務(wù)。因此，即便技術(shù)取得了突破，但也依然建立于社會(huì)工作三大基礎(chǔ)方法之上，也因個(gè)案、小組和社區(qū)的事件處理環(huán)境不同而存在不同的特性?；诖?，通過分開討論三種工作方法下案主效價(jià)的核心生成方式，進(jìn)一步探討AIGC技術(shù)在社會(huì)工作中的實(shí)踐邏輯。

（一） 個(gè)案工作：案主關(guān)系中的預(yù)測機(jī)制

在個(gè)案工作中，AIGC技術(shù)的應(yīng)用極大地便捷和高效化了案主關(guān)系的建立和管理過程。借助數(shù)據(jù)分析的強(qiáng)大功能，社會(huì)工作者能夠更精準(zhǔn)地預(yù)測案主的需求和問題，從而提前為他們量身定制個(gè)性化的服務(wù)計(jì)劃。然而，這種預(yù)測機(jī)制也可能帶來一定的副作用，即可能導(dǎo)致案主效價(jià)的扭曲。預(yù)測模型涉及確定服務(wù)資格、傷害風(fēng)險(xiǎn)或不當(dāng)行為傾向的分類任務(wù)。從代碼設(shè)計(jì)的基礎(chǔ)邏輯上講，這些模型以犧牲其他人的利益為代價(jià)，服務(wù)于另一些群體及其行為，并使之正?；?。在弱勢群體社會(huì)福利領(lǐng)域，這種隱含的技術(shù)偏見將會(huì)導(dǎo)致錯(cuò)誤，并放大不平等和歧視性的行為。③這表明AI支持的介入過程中，案主可能會(huì)感到自己的隱私被無端侵犯，或者擔(dān)憂自己的行為和需求被過度解讀和預(yù)判，從而產(chǎn)生抵觸情緒。因此，從社會(huì)工作的專業(yè)視角來看，預(yù)測并非僅由AIGC簡單執(zhí)行的任務(wù)，它不僅是一個(gè)過程，更是一種維護(hù)關(guān)系的實(shí)踐，涉及個(gè)案工作者與身處困境之中的案主的互動(dòng)。發(fā)揮AI優(yōu)勢的前提是必須確保AI介于個(gè)案工作者與案主之間的互動(dòng)具備關(guān)聯(lián)性。這意味著，預(yù)測不應(yīng)被視作一種單純的結(jié)果，而應(yīng)被理解為一個(gè)持續(xù)維持案主效價(jià)的過程。與具有諷刺性的技術(shù)樂觀主義者或AI批判主義者不同，個(gè)案工作者所期待的是通過AI獲得一些符合現(xiàn)實(shí)情況且“上下文”高度相關(guān)的理性預(yù)測內(nèi)容，以便更加高效地與案主溝通。因此，社會(huì)工作者在使用AIGC技術(shù)時(shí)，必須充分尊重案主的意愿和選擇，確保技術(shù)的使用不會(huì)以任何方式損害案主的權(quán)益和尊嚴(yán)，從而維護(hù)良好的案主關(guān)系。

（二） 小組工作：人在情景中的離散與收斂

社會(huì)工作始終秉持“人在情境中”的觀點(diǎn)，認(rèn)為人處于運(yùn)動(dòng)變化中的情境中。在小組工作中，AIGC技術(shù)為社會(huì)工作者提供了有力的工具，以更好地理解和分析小組成員在特定情境中的行為和反應(yīng)。由于小組工作本質(zhì)上涉及小組成員特征及其分組行為的離散與收斂問題，案主效價(jià)在這一背景下的生成和實(shí)踐邏輯變得更加復(fù)雜。盡管每個(gè)小組成員都因具有相似的問題才被納入干預(yù)活動(dòng)，然而他們的情況依然具有一些不同之處，這就導(dǎo)致其所處情境特征是離散的。離散，指的是每個(gè)小組成員都有其獨(dú)特的個(gè)性、需求和背景，他們在小組中的表現(xiàn)和行為是多樣化的。這種離散性在小組工作中是不可避免的，也是小組工作豐富性和復(fù)雜性的來源。在小樣本介入活動(dòng)中，人力區(qū)分容易達(dá)到目的。但在大樣本介入活動(dòng)中，社會(huì)工作者憑借有限的人力資源和已知成員信息，通常是無法準(zhǔn)確捕捉和解釋每個(gè)人的獨(dú)特性和復(fù)雜性，而僅能根據(jù)共同特征生成一般化的介入方案。具有相同問題的案主，因同一問題被聚集，所涉及的人際關(guān)系也僅限于其自身，個(gè)體之間的關(guān)聯(lián)甚少，導(dǎo)致固有人際導(dǎo)向下的自然集聚難以為繼。案主可能感到自己的獨(dú)特性和需求被忽視或誤解，從而產(chǎn)生不滿和挫敗感。

收斂，則是小組工作追求的目標(biāo)之一，即通過小組活動(dòng)和互動(dòng)，使小組成員在某些方面達(dá)成共識(shí)、形成共同體，并促進(jìn)他們的成長和發(fā)展。特征分析很容易被看作一項(xiàng)機(jī)器可以處理的任務(wù)。存儲(chǔ)在小組工作登記冊和其他數(shù)據(jù)庫中的數(shù)據(jù)使得將小組成員塑造為某些特征的組合成為可能，并通過識(shí)別與暗示消極變量相吻合的組合來預(yù)測負(fù)性結(jié)果。在AIGC技術(shù)的輔助下，社會(huì)工作者可以更有效地引導(dǎo)小組成員進(jìn)行收斂，例如通過數(shù)據(jù)分析來識(shí)別小組的共同需求和問題，并據(jù)此制定針對性的介入策略。然而，在離散與收斂的對立統(tǒng)一過程中，案主效價(jià)的生成和實(shí)踐邏輯面臨著挑戰(zhàn)。一方面，社會(huì)工作者需要確保技術(shù)的使用不會(huì)損害任何一個(gè)小組成員的權(quán)益和尊嚴(yán)，尊重他們的獨(dú)特性和需求。另一方面，社會(huì)工作者還需要利用技術(shù)來促進(jìn)小組的收斂，確保小組成員能夠在小組中獲得成長和發(fā)展。為了實(shí)現(xiàn)這一目標(biāo)，社會(huì)工作者需要在小組工作中采取一種綜合的策略。他們需要結(jié)合技術(shù)手段和人文關(guān)懷，關(guān)注每個(gè)小組成員的個(gè)體差異和需求，同時(shí)利用技術(shù)來引導(dǎo)小組成員進(jìn)行收斂。此外，社會(huì)工作者在運(yùn)用技術(shù)手段的同時(shí)，必須融入人文關(guān)懷，關(guān)注每個(gè)小組成員的個(gè)體差異和需求，確保技術(shù)的使用能夠真正服務(wù)于案主的成長和發(fā)展，促進(jìn)小組工作的順利進(jìn)行。

（三） 社區(qū)工作：介入實(shí)踐中的倫理紓解

社區(qū)工作中，介入目標(biāo)不是只聚焦某個(gè)人或者某個(gè)群體，而是滿足社區(qū)中大多數(shù)人的訴求。這些社區(qū)成員之間，彼此的關(guān)系既獨(dú)立又相互聯(lián)結(jié)。AIGC技術(shù)的應(yīng)用為社會(huì)工作者提供了更全面的視角和更強(qiáng)大的工具，以更深入地了解社區(qū)問題和需求，并制定更有效的介入策略。然而，在介入實(shí)踐中，倫理問題成了一個(gè)重要的挑戰(zhàn)。一方面，數(shù)據(jù)的收集和使用可能涉及隱私問題。在社區(qū)工作中，社會(huì)工作者往往需要收集大量的數(shù)據(jù)來分析和了解社區(qū)問題，但這些數(shù)據(jù)可能包含案主的個(gè)人信息和隱私。如果數(shù)據(jù)的使用和處理不當(dāng)，就可能引發(fā)倫理問題，損害案主的權(quán)益和尊嚴(yán)，從而降低他們的效價(jià)。另一方面，算法的決策可能帶來不公平的結(jié)果。如果說在個(gè)案工作中，這種預(yù)測是對于案主自身的預(yù)測，那么在社區(qū)工作中，預(yù)測的對象就從個(gè)體變?yōu)榉菍?shí)體的“社區(qū)”，即群體關(guān)系。AIGC技術(shù)往往依賴算法來作出決策和預(yù)測，但這些算法可能存在偏見和歧視，導(dǎo)致不公平的結(jié)果。這種不公平可能進(jìn)一步加劇社區(qū)內(nèi)的不平等和矛盾，使案主對社會(huì)工作的價(jià)值和表現(xiàn)產(chǎn)生懷疑，進(jìn)而降低他們的效價(jià)。

為了應(yīng)對這些倫理挑戰(zhàn)，社會(huì)工作者需要在介入實(shí)踐中充分考慮倫理因素，確保技術(shù)的使用符合倫理標(biāo)準(zhǔn)，并能夠?yàn)榘钢鲙矸e極的影響。他們需要與案主建立信任關(guān)系，通過溝通和協(xié)商來解決可能出現(xiàn)的倫理問題，確保技術(shù)的使用能夠得到案主的認(rèn)可和支持。同時(shí)，社會(huì)工作者還需要在社區(qū)工作中注重倫理紓解?？梢酝ㄟ^開展倫理教育和培訓(xùn)來提高社會(huì)工作者的倫理意識(shí)和能力，使其能夠更好地應(yīng)對倫理挑戰(zhàn)。此外，社會(huì)工作者還可以建立倫理審查機(jī)制，對技術(shù)的使用進(jìn)行倫理審查和監(jiān)督，確保技術(shù)的使用不會(huì)損害案主的權(quán)益和尊嚴(yán)。

五、 結(jié)語

在AIGC技術(shù)的推動(dòng)下，數(shù)字化工作業(yè)已成為各行各業(yè)生產(chǎn)實(shí)踐的日常。但目前身處AIGC接收端口的社會(huì)工作相關(guān)從業(yè)群體，尚未共識(shí)性地將數(shù)字時(shí)代的數(shù)字化信息生成視為回應(yīng)新式問題解決所不可避免的流程。“急切享受技術(shù)紅利”和“主觀忽略知識(shí)異化風(fēng)險(xiǎn)”的目標(biāo)替代取向滋生出充滿機(jī)會(huì)主義色彩的AIGC使用策略，不僅嚴(yán)重阻滯與銷蝕了社會(huì)工作領(lǐng)域AI應(yīng)用秩序，而且還從結(jié)果實(shí)用性層面加深了案主“被AI操縱”的消極觀念和數(shù)字焦慮。AI專家斯圖爾特·羅素在《人類兼容》中強(qiáng)調(diào)了為AI系統(tǒng)提供剛性目標(biāo)的風(fēng)險(xiǎn)，他主張底層邏輯應(yīng)是AI輸出目標(biāo)的不確定性，并設(shè)置人類監(jiān)管和選擇結(jié)果的環(huán)節(jié)。

在社會(huì)工作領(lǐng)域，AIGC技術(shù)的引入無疑為社會(huì)工作者提供了前所未有的機(jī)遇和挑戰(zhàn)。案主身處復(fù)雜社會(huì)關(guān)系中，要助其通往“自由”之路，就需要梳理好案主身處的境況，合理預(yù)測案主及其事件的發(fā)展方向，剝離困境形成的根源。通過技術(shù)的輔助，社會(huì)工作者能夠更深入地了解案主的需求，更有效地制定和實(shí)施介入策略，從而提升服務(wù)質(zhì)量和效果。突出案主效價(jià)的技術(shù)準(zhǔn)則與實(shí)踐邏輯，不僅確保了AIGC結(jié)果與人類價(jià)值觀的一致，還能夠從一定程度上預(yù)防使用者陷入拿來主義的風(fēng)險(xiǎn)之中。但也必須提防AIGC能所帶來的技術(shù)偏見。在規(guī)避偏見的前提下，AIGC能夠給予社會(huì)工作介入模型創(chuàng)新的除社會(huì)工作者智力外的第二重保障，即通過大量案例對比尋找有機(jī)結(jié)合點(diǎn)，使模型能夠更適合特殊群體的干預(yù)需要，并迅速實(shí)現(xiàn)本土化。在現(xiàn)有社會(huì)工作干預(yù)框架下，AIGC以其數(shù)據(jù)處理和機(jī)器學(xué)習(xí)的優(yōu)勢，為循證社會(huì)工作的發(fā)展提供了窗口和便利。

本文嘗試借助“案主效價(jià)”這一分析概念來闡釋當(dāng)下AI與社會(huì)工作的交互及其背后的實(shí)踐邏輯。我們將社會(huì)工作領(lǐng)域中AI技術(shù)偏見下的案主期望概念化為“案主效價(jià)”。作為一個(gè)分析概念，“案主效價(jià)”表達(dá)的是AI技術(shù)應(yīng)用中社會(huì)工作所要維護(hù)的案主權(quán)益的新形式、新策略。與傳統(tǒng)社會(huì)工作理念不同的是，案主效價(jià)更強(qiáng)調(diào)對技術(shù)偏見的規(guī)避。正是這種基于技術(shù)的介入邏輯，在有效助力循證社會(huì)工作實(shí)現(xiàn)的同時(shí)，又較好地打破了AI技術(shù)對個(gè)體福祉實(shí)現(xiàn)所設(shè)置的無形“藩籬”。

（責(zé)任編輯：徐澍）