R

G02 STS 代际演化详解

创建 2026-06-07 更新 2026-06-12 2 条双链 STS 专题 AI 整理

G02 STS 代际演化详解

本节点要解决的问题：G01 STS 思潮代际谱系总图 给了一张地图——四代 STS（SSK → SCOT/SST → ANT → Sociotechnical Imaginaries / Infrastructure Studies）在时间轴上的相对位置。但地图不能告诉你为什么会发生代际更替，更不能告诉你每一代到底给”分析 AI 产品进入社会后会发生什么”留下了哪一件可直接上手的工具。本节点逐代展开：代表学者、奠基著作（带年份、可追溯）、核心洞察、以及——这是 PM 真正要带走的——该代理论遗赠给 AI 分析的那把刀。本节点的视角框架是”工具谱系学”：不把 STS 当思想史背诵，而当成一个分析者的工具箱演化史，看每一代是为了修补上一代的什么盲点而生。

[!warning] 本专题的反共识立场 主流 PM 话语里，“AI 产品进入社会”被压缩成一条用户采纳曲线（Rogers 扩散模型 + Gartner Hype Cycle）。这是一个把社会当作”等待被技术填充的真空”的框架。STS 四代人花了六十年证明的恰恰相反：技术不是进入社会，而是和社会相互构成（co-production，Jasanoff 2004）。采纳曲线只能告诉你”多少人用了”，STS 的工具能告诉你”用的过程中，谁的行为被改写、谁的声音被消音、权力如何重组、不同社会为什么走出不同的产品形态”。这后面四件事，才是 AI PM 在跨国选型会和合规评审桌上真正会被拷问的。

§0 为什么是”代际工具谱系”而不是”思想史断代”

读 STS 史最容易掉进的坑，是把它读成一部”一代更比一代对”的线性进步史：SSK 太相对主义→SCOT 修正了→SCOT 太社会决定论→ANT 修正了→ANT 太描述性→想象力理论修正了。这是 §7 反模式清单点名的”线性进步史”，是 hype 腔在学术史里的变体。

真实的代际关系不是”取代”，而是盲点接力：每一代为了照亮上一代刻意不看的角落而生，但自己又制造了新的暗处。所以正确的读法不是”用最新的一代”，而是针对一个具体 AI 问题，知道该调哪一代的刀。本节点每一代都配一节”它修了什么 / 它又瞎了什么”，正是为了挡掉线性进步的默认错误框架。

下面这张表是全节点的导航骨架，请配合 G01 STS 思潮代际谱系总图 的时间轴看。

代际时期修复的上代盲点自身新盲点给 AI 分析的那把刀
第〇代 前史（Kuhn/Fleck/Merton）1935–1976实证主义把科学当中性真理仍停留在”科学知识”范式不可通约 → AI 范式切换不可通约
第一代 SSK（爱丁堡强纲领）1974–1980s真理无需社会解释只谈知识，不碰技术物对称性原则 → 别只解释 AI 的失败
第二代 SCOT/SST1984–1990s技术决定论人类中心、回避权力解释弹性 + 相关社会群体
第三代 ANT1980s 初–2005SCOT 的人类中心主义描述代替批判、忽视结构非人行动者 + 转译 + 黑箱化
第四代 想象力 / 基础设施2009–ANT 的去规范、去文化国家中心、精英偏向社会技术想象 + 基础设施倒置

§1 第〇代·前史：范式、科学事实的社会性（1935–1976）

代表学者与奠基著作：Ludwik Fleck，Genesis and Development of a Scientific Fact（1935，德文原版，预示了 STS 的全部核心议题）；Robert Merton，博士论文 Science, Technology and Society in Seventeenth-Century England（1938）；Thomas Kuhn，The Structure of Scientific Revolutions（1962）。机构上，1971 年斯坦福 STS 项目成立，是最早的正式学术建制之一。

核心洞察：科学不是从自然界单向”读出”真理的中性活动。Fleck 提出”思维集体（thought collective）“——一个事实之所以成为事实，依赖一个共同体的认知风格。Kuhn 把这个洞察打到普世量级：科学按”常规科学→危机→革命→新范式”循环演化，前后范式不可通约（incommensurable）——不是新范式”更对”，而是问题、标准、词汇整体换掉了，无法用旧尺子量新范式。

给 AI 分析的遗产：Kuhn 的不可通约性是本专题（乃至整个 04AI 知识库）反复调用的元工具。当 SHARED_CONTEXT 把”过去 24 个月发生过一次格式塔切换”列为专题选题判据时，用的就是 Kuhn。对 AI PM 的直接含义：从 BERT 时代（判别式、fine-tune 范式）到 GPT 时代（生成式、prompt 范式）不是”模型变强了”，而是评测标准、产品形态、团队技能整套换了范式——拿 BERT 时代的 F1 思维去管 ChatGPT 时代的产品，是在用旧尺子量新范式。这条线索在 0117社会学 的科学社会学脉络里也有落点。

[!note] 边界承担 把 Kuhn 套到 AI 有过度使用的风险：Kuhn 本人讲的是基础科学的范式，而工程领域的”范式切换”往往是渐进叠加而非危机驱动。我赌的是：Transformer→LLM→Agent 这条线里至少有一次真正不可通约的切换（生成式取代判别式），但把每个版本更新都喊成”范式革命”就是 hype，是 §7 要砍的 confirmation bias。

§2 第一代·SSK：强纲领与对称性原则（1974–1980s）

代表学者与奠基著作：爱丁堡学派的 Barry Barnes，Scientific Knowledge and Sociological Theory（1974）；David Bloor，Knowledge and Social Imagery（1976，提出”强纲领 Strong Programme”）。机构上溯到 1966 年后爱丁堡大学科学研究所（SSU）的成立。

核心洞察：科学知识社会学（SSK）的”强纲领”提出四条戒律，最致命的是对称性原则（symmetry）——解释一个科学主张时，无论它最终被判定为真还是假、成功还是失败，都要用同一类社会因素对称地解释。换言之，不能用”因为它是真的”来解释成功、用”因为有社会偏见”来解释失败。这斩断了”真理自己会浮出水面”的天真实证主义。

给 AI 分析的遗产——这是 PM 最容易违反的一条：对称性逼你别只在 AI 出错时才搬出社会学解释。业界的默认动作是：模型表现好 → 归功于技术（“模型能力强”）；模型 幻觉、出偏见 → 归咎于社会（“训练数据有偏""用户用错了”）。这是不对称的偷懒。对称地看：一个 RLHF 模型之所以”对齐得好”，和它之所以”谄媚（sycophancy）“，是同一套社会过程（标注者偏好、奖励建模、产品价值取向）的产物——成功与失败共享因果。这恰好与本专题 c13 升级方向呼应：c13 - 幻觉的不可消除性 现有全文在技术内部闭环解释幻觉，对称性原则提示——模型”答得准”和”幻觉”出自同一个概率采样 + RLHF 机制，不能只在幻觉时才谈社会后果。

它又瞎了什么：SSK 只盯”科学知识”，几乎不碰”技术人工物”。一台机器、一辆自行车、一个算法——这些物如何被社会塑造，SSK 没有工具。这个盲点直接催生了第二代。

§3 第二代·SCOT 与 SST：技术的社会建构（1984–1990s）

代表学者与奠基著作：Trevor Pinch（Cornell）& Wiebe Bijker（Maastricht），创始论文 “The Social Construction of Facts and Artefacts”（Social Studies of Science, 14(3), 1984, pp. 399–441，SAGE DOI 可核实）；文集 Bijker, Hughes & Pinch (eds.), The Social Construction of Technological Systems（MIT Press, 1987）。平行支流是 Donald MacKenzie & Judy Wajcman 的 SST（Social Shaping of Technology），文集 The Social Shaping of Technology（1985）。

核心洞察（三个概念，PM 直接可用）：

  1. 相关社会群体（Relevant Social Groups）：一个技术物的意义由对它赋予共同意义的群体协商决定——用户、工程师、记者、监管者、公民组织各持不同问题定义。
  2. 解释弹性（Interpretive Flexibility）：SCOT 最具区别性的概念。同一技术物对不同群体”向不同群体开放完全不同的诠释”。经典案例是 19 世纪自行车的气胎：对竞速者是”更快”，对部分公众是”丑陋、易爆、技术麻烦”。技术特性不是自然给定，是社会协商出来的。
  3. 闭合与稳定化（Closure & Stabilization）：解释弹性最终收敛，靠”修辞闭合”（群体认定问题已解决，哪怕没真解决）或”问题重新定义”。

给 AI 分析的遗产：SCOT 给了 AI PM 一把反技术决定论的刀。当有人说”AI 必然会取代客服/必然走向 AGI/这条技术路线是唯一可能”——SCOT 的历史案例（自行车、Bakelite）证明”通向现在的路径并非唯一可能的路径”，技术形态有偶然性（contingency）。把解释弹性套到大模型：同一个 ChatGPT，对程序员是”结对编程伙伴”，对学生是”作弊器”，对作家是”剽窃机器”，对客服主管是”降本工具”——这不是”用户教育不到位”，而是解释弹性尚未闭合。产品的真正工作是促成对你有利的修辞闭合。

[!note] 跨域呼应——人类学迁移（Rick 的不公平优势） Rick 有 Descola / Viveiros de Castro 的人类学底子。SCOT 的”相关社会群体各持不同意义”在人类学里有更锋利的版本：多元本体论（multiple ontologies）——不是”同一个物，不同观点”，而是”不同世界里，根本不是同一个物”。这条迁移在 人类学、民族志 节点有落点，并将在 E02 实例剖解里显式展开：Rick 在巴西做国际化 安全感知与干预 时，“安全”对圣保罗中产乘客、对外围 favela 司机、对监管者根本不是同一个对象——SCOT 说”解释弹性”，本体论人类学说”这是三个不同的安全”。后者给跨文化 AI 产品分析提供了比”相关社会群体”更深的刀。

它又瞎了什么——这一节是 §7 对手框架的核心：

  • 回避权力（Langdon Winner, 1993）：Winner 在 “Upon Opening the Black Box and Finding It Empty”（Science, Technology, & Human Values, 18(3)）提出四点重击——SCOT 只拆黑箱不问后果、遗漏无法发声的沉默群体、对阶级/制度/经济等宏观结构不敏感、道德上中立到无法判断技术好坏。接受 + 边界：接受 Winner 对的部分——SCOT 早期确实把”相关社会群体”限定在能上谈判桌的人，系统性漏掉了被技术影响却无法参与协商的边缘群体（这正是 AI 偏见研究的核心痛点：被算法误判的人不在产品的”相关社会群体”里）。但坚持边界——Winner 的替代方案（“人工物有政治性吗”，1980，以 Robert Moses 低矮立交桥阻挡公交为例）本身也有争议：历史学家质疑那些低桥是否真是刻意设计而非当时的工程标准所致。所以我赌的是：SCOT 的解释弹性仍是好用的诊断工具，但分析 AI 必须补上 Winner 的权力维度——这恰恰是第三代 ANT 和第四代想象力理论接力要做的。
  • 女性主义批判（Wajcman 2000）：在 Technology and Culture 指出 SCOT 的”相关社会群体”界定过窄，系统排除女性和劳工。这对 AI 标注劳动（下文 §5 的 Ghost Work）是预言式的命中。
  • 内部修正（Klein & Kleinman, 2002，Science, Technology, & Human Values, 27(1)）：SCOT 自家人承认它缺对资本关系、制度规则等结构约束的说明。

§4 第三代·ANT：非人行动者、转译、黑箱（1980s 初–2005）

代表学者与奠基著作：Bruno Latour（1947–2022）、Michel Callon、John Law，在巴黎 Centre de Sociologie de l’Innovation 发展。关键文献：Callon, “Some Elements of a Sociology of Translation”（The Sociological Review, 32(S1), 1984；文集收录版 1986——两个年份都见，引用须分清）；Latour, Science in Action（Harvard UP, 1987）；Latour, We Have Never Been Modern（法文 1991 / 英译 1993）；集大成之作 Latour, Reassembling the Social（Oxford UP, 2005）。

核心洞察（四把刀）：

  1. 非人行动者 / actant（行动元）+ 广义对称性：ANT 用 actant 取代 actor，主张人与非人（机器、文本、算法、微生物）在分析框架里对称——不预设谁更重要。这是 ANT 对 SCOT 人类中心主义的直接修复。
  2. 转译（Translation）四阶段（Callon 圣布里厄湾扇贝研究）：问题化 → 利益化 → 征募 → 动员。一个行动元如何把自己变成所有人必经的节点。
  3. 必经节点（Obligatory Passage Point, OPP）：权力积累的机制——把自己设成所有人达成目标都得经过的隘口。
  4. 黑箱化（Black-boxing）：稳定的网络被当成单一整体，不再追溯其内部构建。

给 AI 分析的遗产——这是本专题核心调度之一：把 Agent 当作 ANT 意义上的非人行动者纳入组织分析，看权力与信息流如何重组。这不是比喻，是有当代文献支撑的活方法：Morton Gutiérrez, “On Actor-Network Theory and Algorithms: ChatGPT and the New Power Relationships in the Age of AI”（AI and Ethics, 4, 2023/2024, pp. 1071–1084, DOI 10.1007/s43681-023-00314-4）明确把 ChatGPT 当 actant，分析它在人-机网络中重构权力关系。三把刀的 PM 落地：

  • OPP：推荐算法、搜索引擎、企业内的 Agent 平台，正在成为人类行为必经的过滤节点——谁控制了 OPP，谁就积累了权力。选型一个 AI 中台，是在决定让谁成为组织的 OPP。
  • 黑箱化：算法黑箱化 = 社会与技术决策被封装进”模型说的”，使批判性追溯困难。这是 幻觉 之所以危险的组织机制——一旦黑箱稳定，没人再问它怎么得出的。
  • 转译：一个 AI 功能上线，本质是说服一群行动元（用户、运营、法务、模型本身）重新分配角色。

它又瞎了什么——对手框架接力：

  • 放弃批判（Collins & Yearley 1992 “Epistemological Chicken”；Mills 2018, British Journal of Sociology, 69(2)）：ANT 的对称性导致它只描述权力如何流动，无法批判剥削与不平等。接受 + 边界：接受这条——ANT 让权力显形却拒绝预设好坏，对”AI 偏见该不该治理”这种规范问题失语。但坚持边界：对 AI PM 而言，ANT 的描述性恰恰是优点——它逼你先看清谁是 OPP、信息流如何重组，再做价值判断；先诊断后开药。规范判断的活，交给第四代和 0115道德哲学-伦理学。
  • 对称性是本体论错误（Winner；人文主义者）：给物和人同等能动性，是不是混淆了？这是 Rick 未必熟悉的对手框架，值得引入逼问：当我们说”AI agent 是行动者”时，是分析便利还是真把它当道德主体？这条界线对 AI 责任归属（谁为 Agent 的决策负责）是生死攸关的。
  • failure scenario：ANT 擅长追踪”进行中的争议”，但对已经稳定、持久的结构性不平等（如全球南方的数据劳动）解释力弱——它会说”宏观是微观联结的效果”，却给不出为什么这个效果几十年纹丝不动。这正是第四代要补的。

§5 第四代·想象力与基础设施：文化差异与隐形权力（2009– ）

第四代是两条并行支流，共同修复 ANT”去文化、去规范、忽视持久结构”的盲点。

5a 社会技术想象（Sociotechnical Imaginaries）

代表学者与奠基著作：Sheila Jasanoff & Sang-Hyun Kim，奠基论文 “Containing the Atom”（Minerva, 47(2), 2009, pp. 119–146, DOI 10.1007/s11024-009-9124-4）；专著 Dreamscapes of Modernity（University of Chicago Press, 2015）。理论根基是 Jasanoff 的”共同生产（co-production）“框架（States of Knowledge, Routledge, 2004）。

核心洞察：社会技术想象是”集体持有、制度上稳定化、并被公开表演的关于可欲未来的愿景”。2009 年奠基论文用核能跨国比较证明：同一技术（核电），美国的主导想象是”驯服原子”（国家是负责任监管者，三里岛/切尔诺贝利被吸纳为强化监管的理由），韩国是”发展的原子”（核技术被编进民族发展叙事）——同样的技术，不同社会走出不同的治理结构与产品形态。

给 AI 分析的遗产——本专题核心调度之三，也是跨文化 AI 分析利器：这正面回应了本专题反共识立场里”采纳曲线无法解释跨国差异”的痛点。已有大量文献把该框架移植到 AI 跨国比较：Richter, Katzenbach & Zeng (2025) 在 Journal of Science Communication 用 n=40 访谈对比美/中/德的 AI 想象——美国是”全球霸权的 AI 竞赛”（绑定美国例外主义），德国是”主权 AI 竞赛”（欧洲作为受规制第三极），中国是”可信赖的社会解决方案 + 追赶中的超级大国”。对 Rick 在 DiDi/99 做 安全感知与干预 跨国产品的直接含义：巴西/拉美对”AI 安全监控”的想象，与中国的不是同一个——前者带着对国家监控的殖民历史警惕，后者带着对秩序与发展的期待。同一套 AI 安全功能，在两个社会技术想象里是两个产品。这条跨国迁移在 E02 与 拉美知识图 显式落地。

[!note] 最具争议的理论前沿 Emilio Barkett (2026), “The Compulsory Imaginary: AGI and Corporate Authority”（arXiv:2602.23679，提交 2026-02-27，arXiv ID 与作者已 WebFetch 核实）把想象框架从民族国家延伸到私营企业：分析 Sam Altman《The Intelligence Age》与 Dario Amodei《Machines of Loving Grace》（均 2024 末），识别出”自我豁免""目的论自然化""有限度承认风险""隐性不可或缺性”四种修辞。含义：Anthropic、OpenAI 正在取代国家成为 AI 想象的主要生产者——它们的博客不是公关，是在制度化一个”可欲未来”。

它又瞎了什么：Rudek（2021, Science and Public Policy, 49(2)）批评该框架国家中心、精英偏向——大量研究只”登记既有想象”却不追问其形成机制，方法上依赖政府文件/精英访谈/媒体话语，忽视普通人叙事与流行文化。confirmation-bias 砍除：本专题若只引”美/中/德三国想象”这类精英政策话语，就重复了 Rudek 点名的偏向；补入反例——巴西 favela 司机对算法的日常抵抗（关掉定位、共享账号），这些草根反想象不在任何政府文件里，却真实重塑了产品。这正好把人类学的 民族志 田野方法接了进来，补想象力理论的精英盲点。

5b 基础设施研究（Infrastructure Studies）

代表学者与奠基著作：Susan Leigh Star（及合作者 Griesemer / Ruhleder / Bowker）。“边界对象（Boundary Objects）“原文 Star & Griesemer（Social Studies of Science, 19, 1989，是该刊被引最多的论文）；基础设施八维度 Star & Ruhleder（Information Systems Research, 7(1), 1996）；“The Ethnography of Infrastructure”（American Behavioral Scientist, 43(3), 1999，扩为九维度）；“基础设施倒置”出自 Bowker & Star, Sorting Things Out（MIT Press, 1999）。

核心洞察：基础设施正常运转时对使用者不可见，只在故障/崩溃时才显形（visibility upon breakdown）。“基础设施倒置（infrastructural inversion）“是把背景中的基础设施拉到前景的分析操作，揭露藏在技术运作里的政治选择、分类权力与隐形劳动。

给 AI 分析的遗产：把大模型/数据集当基础设施分析。Denton et al.（2021, Big Data & Society）用 Star 的框架解剖 ImageNet——数据集是被后台化、习以为常的信息基础设施，内嵌大量不可见劳动。Crawford《Atlas of AI》（Yale UP, 2021）与 Gray & Suri《Ghost Work》（2019）则揭露 AI 的隐形劳动链——数据标注、内容审核、模型微调。对 Rick 的 fieldwork 迁移：Le Ludec, Cornet & Casilli（2023, Big Data & Society）研究法国-马达加斯加之间的标注外包——AI 的”幽灵劳动”沿着旧殖民地理分布。这与 Rick 在巴西-拉美看到的数字劳动结构同构，是 E02 跨域呼应的硬接地点。基础设施倒置给 PM 的操作：当你声明”把 AI 系统移到前景分析”，你就在执行这个方法——别把模型当透明工具，问它背后被隐形的劳动、分类与权力。

它又瞎了什么：Star 本人（2010, “This is Not a Boundary Object”, Science, Technology, & Human Values, 35(5)）批评学界把”解释弹性”从模型里剥离孤立滥用。Dal Molin（2024, First Monday, 29(2)）则争论：LLM 的语言表演性使它不同于 Star 意义上”透明/后台化”的传统基础设施——它的输出本身在改写用户行为，反而高度可见。这是个未解的生产性争议，也正是本专题独特命题的落点（见下）。

§6 判断主轴：四个 90% 的人会搞错的代际误用点

本节是区分”PM 顶刊”与”技术博客”的命门。每点带”症状 → 为什么会错 → 正确做法 → 真实反例”。

误用 1：把代际读成线性进步，用最新的一代废掉前几代。

  • 症状：“ANT 比 SCOT 先进，所以分析 AI 只用 ANT。”
  • 为什么会错：每代修的是上代盲点，但 ANT 的去规范、去文化恰恰是想象力理论要补的洞。用 ANT 分析跨国 AI 差异，会得出”都是网络效应”的扁平答案，丢掉文化维度。
  • 正确做法：按问题调刀——诊断权力流用 ANT，解释跨国差异用想象力理论，挖隐形劳动用基础设施研究。
  • 真实反例：Blok & Jensen（2025, Dialogues in Sociology, 1(1)）“What Next for ANT?” 提出 ANT 在 Latour 去世后要”变形”而非守成，明确承认 ANT 在气候/后殖民张力前需要外部框架补强。

误用 2：对称性原则的半截使用——只在 AI 出错时谈社会。

  • 症状：模型答得好归功技术，幻觉/偏见归咎社会。
  • 为什么会错：违反 SSK 对称性，成功与失败本是同一套社会过程的产物。
  • 正确做法：解释 RLHF 的”对齐”与”谄媚”用同一套因果（标注偏好 + 奖励建模）。
  • 真实反例：c13 - 幻觉的不可消除性 揭示幻觉与正确输出共用概率采样机制——技术层已证明二者同源，社会层更该对称。

误用 3：把”非人行动者”当道德主体，混淆分析对称与责任对称。

  • 症状：“AI agent 是行动者，所以 AI 该为决策负责。”
  • 为什么会错：ANT 的对称性是方法论工具（别预设谁重要），不是本体论主张（物和人一样有意图）。Winner 与人文主义者正打这一点。
  • 正确做法：分析时把 Agent 当 actant 纳入网络，但责任归属回到部署它的人/机构。
  • 真实反例：Khoreva et al.（2025, Human Resource Management Journal）用 ANT 分析算法在人才管理中的能动性，仍把问责落回组织而非算法本身。

误用 4：用”采纳曲线”替代”社会嵌入分析”。

  • 症状：跨国选型会上只看 DAU/渗透率，不问不同社会的想象差异。
  • 为什么会错：采纳曲线假设社会是等待填充的真空，无法解释为什么同一 AI 功能在巴西被抵抗、在中国被欢迎。
  • 正确做法：在采纳数据之上叠社会技术想象分析（Jasanoff/Kim）+ 基础设施倒置（看隐形劳动）。
  • 真实反例：Richter et al.（2025）显示美/中/德的 AI 想象差异，单凭采纳数据完全不可见。

§7 产品 PM 视角补盲

  • 用户心理模型：解释弹性意味着”用户不是在用同一个产品”。一个 AI 写作助手，对焦虑的学生是”防抄袭审判者”，对资深作家是”灵感陪练”——同一 UI 触发的是不同恐惧/期待。PM 的活是设计让对你有利的解释闭合的引导，而非假设所有人理解一致。
  • 商业模式：OPP 就是护城河的 STS 命名。把自己做成用户/开发者的必经节点（应用商店、模型 API、Agent 编排层），权力就积累在你这。但 OPP 也是监管靶子——欧盟 DMA 打的正是”守门人”。
  • 合规边界：社会技术想象解释了为什么同一 AI 合规框架不能跨国复制。巴西 LGPD、欧盟 AI Act、中国生成式 AI 管理办法背后是三套不同的”可欲未来”想象——合规不是翻译条文，是适配想象。这对 Rick 的 CPF实名验证、乘客信息透明化 是直接的。

§8 本专题的独特命题：AI 的 script 比传统技术物更强

把四代工具叠起来看，会逼出一个本专题独有的判断（也是与 A02 Script 理论·产品内嵌脚本 强呼应的命题）：生成式 AI 的”脚本（script）“比任何传统技术物都强，因为 AI 的输出本身在实时改写用户行为。

Akrich（1992, “The De-Scription of Technical Objects”, in Bijker & Law eds., Shaping Technology / Building Society, MIT Press, pp. 205–224——注意编者是 Bijker & Law 而非常见误写的 Bijker & Pinch）说：设计者把对用户的预设”铭刻（inscription）“进技术物。一把减速带的脚本是固定的——它只会让你减速。但 ChatGPT 的脚本是生成性的：它的每一句输出都在重新铭刻用户的下一步行为，而且”谁在铭刻”极度模糊（训练者？提示工程师？用户？）。EASST 2026 的专题正在争论生成式 AI 是否颠覆了 Akrich 1992 的 script 概念〔争议中〕。这正是 Dal Molin（2024）说 LLM 的”语言表演性”使它逸出 Star 传统基础设施框架的同一个现象——AI 是一个会自我改写脚本的基础设施。对 PM 的终极含义：你设计的不是一个固定脚本的产品，而是一个持续重写用户脚本的引擎——这是 p307 - Copilot 到 Autopilot 光谱 里 autopilot 段最深的伦理风险所在。

§9 PM 决策启示

  • 面试怎么用：被问”AI 产品如何影响社会”时，别答采纳曲线。答：“STS 给了四把刀——对称性（别只在出错时甩锅社会）、解释弹性（不同群体在用不同产品）、非人行动者+OPP（看权力如何重组）、社会技术想象（解释跨国差异）。” 30 秒立判段位。
  • 选型怎么用：评估一个 AI 中台，问”它会成为组织的 OPP 吗？谁因此积累权力？它黑箱化了哪些本该被追溯的决策？”
  • 复现/跨国怎么用：在 安全感知与干预 这类跨国产品里，先做一次”社会技术想象诊断”——目标市场对这类 AI 的主导想象是什么？再做一次”基础设施倒置”——它背后的隐形劳动链落在哪？

§10 与已有节点的关系

  • 对 G01 STS 思潮代际谱系总图：本节点是其”详解版”，G01 给地图与时间轴，本节点给每代的工具遗产与盲点接力，不复述 G01 的谱系图。
  • 对 c13 - 幻觉的不可消除性：补缺。c13 在技术内部闭环解释幻觉，本节点用 SSK 对称性原则 + ANT 黑箱化补上”幻觉的社会后果”维度——不复述 c13 的分类学与架构根因。
  • 对 p307 - Copilot 到 Autopilot 光谱：深化。本节点 §8 用 Akrich script 给 autopilot 段补一个伦理风险的理论根基。
  • 对 A02 Script 理论·产品内嵌脚本（本专题同级）：对话。本节点把 script 放进代际谱系，A02 做单点深挖。

§11 关联节点

核心（必读）

延伸（可选）

修订日志

  • R1（2026-06-07）：首稿。逐代展开 STS 四代（前史/SSK/SCOT-SST/ANT/想象力-基础设施），每代配奠基著作（带年份+期刊/出版社）、核心洞察、给 AI 分析的遗产、“它又瞎了什么”对手框架接力。判断主轴四误用点四件套齐备；§3、§5a 落地人类学/国际化跨域迁移；§8 提出本专题独特命题（AI script 比传统更强）；与 c13/p307/G01/A01 显式升级对照。Barkett 2026 arXiv:2602.23679（作者 Emilio Barkett、提交日 2026-02-27、主题）已 WebFetch 核实。唯一待核实项：EASST 2026 generative AI script 专题的最终结论（仍在争议中，文中已标〔争议中〕，未当确证）。
  • 2026-06-12 内审·arXiv 联网核实：清了 0 个、存疑 0 个（本节点唯一 arXiv:2602.23679 此前已核实；本轮重新 WebFetch 复核仍为真实论文，标题/作者/提交日不变）。“唯一待核实项”EASST 2026 为非 arXiv 会议来源，未处理。