閱讀來源：Lange 2025

核心論點

Lange 承認某些 AI 系統可以算是人工知識權威（artificial epistemic authority，以下簡稱 AEA）。他接著提出 AI 取代論（AI Preemptionism）：使用者應把 AEA 的輸出當成取代性理由，取代自己支持或反對 p 的理由（Lange 2025: 4–5）。

提出這個立場是為了反駁它。 Lange 論證，傳統取代論面對的三個反駁，到了 AI 身上都會加劇（Lange 2025: 5–6）。他自己主張整體證據觀（total evidence view）：AEA 的輸出應作為貢獻性理由（contributory reason），和使用者自己的理由整合，並在特定條件下撤回服從（Lange 2025: 7–8）。

AI 可以是知識權威

Lange 採用 Jäger 待刊文章的權威定義：S 正確地相信 A 能夠、也準備好幫助 S 達成 S 在領域 D 中的知識目標，而且這種能力來自 A 實際居於明顯較優的知識位置（Lange 2025: 3）。

依這個定義，權威重在優越位置與可靠性，不在信念與溝通意圖。所以有些 AI 可以算是權威：它們提供協助、在特定領域居於較優的知識位置、和使用者之間有專家與外行的落差，而且就像人類權威一樣不透明（Lange 2025: 4）。

反對 AI 取代論

AI 取代論的動機是紀錄論證（track-record argument）：跟隨更可靠的權威能讓正確率最大化，任何折衷都會降低正確率（Lange 2025: 5）。 Lange 用三個反駁回應。

不加批判的服從

不透明性加上良好的紀錄，會讓 AI 顯得不可能出錯。使用者也容易以為 AI 已經考慮過自己的理由（Lange 2025: 5–6）。

知識深陷

對優先論的第二個反駁是知識深陷（epistemic entrenchment）：行動者深陷在不理性或知識上腐敗的社群中，難以重新檢討自己被訓練去信任的權威（依 Lange 2025: 6 對 Lackey 2018 的轉述）。 Lange 認為這個問題遇上 AEA 更嚴重，因為 AEA 的權威是系統性、自動化，而且自我強化的（Lange 2025: 6）。 AEA 身處演算法建構的知識生態中，會在使用者看不見的地方，影響他看到、相信與接觸的內容（Lange 2025: 6）。人類權威不可靠時，會露出前後不一致、邏輯錯誤、不合專業規範這類可以質疑的跡象；AEA 沒有這些知識失誤標記（epistemic failure markers），不會猶豫、不會自我懷疑，也沒有可以查看的推理過程（Lange 2025: 6）。使用者因此很難察覺何時該停止服從。

拆除知識依據

這個反駁原本是 Jäger 對取代論的批評：取代論要求使用者把信念和自己的好理由的依據關係拆開。 Lange 認為在 AI 身上更嚴重：

顯示原文與出處

Human EAs, even when opaque about specific justifications, operate within a shared epistemic framework that allows for some degree of reconstruction of their reasoning; by contrast, many AI systems, particularly those based on black box models, do not.

人類知識權威即使對具體理由不透明，也在一個共享的知識框架中運作，這個框架讓他們的推理某種程度上可以重建；許多 AI 系統，特別是黑箱模型，則不是如此。

如果 AI 沒有為它的信念提供明確理由，只是回傳一個輸出，行動者就被要求放棄自己的知識依據，卻沒有東西替代（Lange 2025: 6）。用 Lange 的話說，使用者的知識依據不只是被調整，而是完全被切斷，造成「沒有知識理解的知識依賴」（Lange 2025: 6）。

由這三點，Lange 認為 AI 取代論繼承並加劇了傳統取代論的問題，應該拒斥（Lange 2025: 6）。

整體證據觀

Lange 先提出好理論要滿足的三個條件（Lange 2025: 7）：

1. 持續評估 AI 的可靠性。
2. 服從保持反思，而且可以修正。
3. 保留使用者自己的知識依據。

他的方案稱為監督下的批判式服從（critical deference with oversight）（Lange 2025: 8）。預設是強烈服從，但遇到下列四種情形時，使用者應撤回或重新檢視服從：

1. 問題落在 AI 的專長領域之外。
2. AI 的可靠性被削弱。
3. 同樣可靠的權威意見相反。
4. 使用者有 AI 可能沒考慮到的新理由。

在這個方案裡，使用者自己的理由可以重新納入信念的依據。

Lange 認為這個理論有三項好處（Lange 2025: 9–10）。第一，它能減緩專業萎縮（expertise atrophy）。他寫道，專家若一貫服從 AI 的輸出，可能變成演算法決策的被動管道，不再是主動的決策者，最後失去檢查或質疑 AI 建議的技能（Lange 2025: 9）。第二，它為「有意義的人類控制」提供知識論上的理由。第三，它能說明為什麼不信任 AI 有時是理性的。

他也承認這個理論要求很高，目前很少 AI 系統夠格成為 AEA（Lange 2025: 10）。