一般来说，科学家解决问题最传统的方法就是从自己的专长领域(例如民族志、法学、哲学、社会学或工程学)出发来看待这个问题。我所意识到的是，这些彼此独立的学科领域实际上也代表了人们在公共话语与政策条例当中对于人工智能、大数据和数据伦理的言说方式。在很长一段时间之内，我都在研究塑造上述领域的利益相关方与科学界在话语体系和传统机制方面的不同，这使得我能够对于每个群体及其传统的个性风格与语言表达洞若观火：一方面它们之间彼此泾渭分明，另一方面又彼此唇齿相依，存在同心共核。
在本书当中，我尝试有机地整合不同视角来解决既定问题。我想要创建一个多语言、多传统的整合型集成体系，从而传达一直在与我互动的公众之声。当然，将纷繁复杂的诸多传统联系起来予以研究，然后将其予以有机融合，这极具复杂性。我需要做的就是尝试接受社会技术变革的复杂性，这绝非易事。
当身处技术发展当中，特别是在讨论同一问题时所遵循的传统之间存在根本差异(有时甚至是相互矛盾)之时，我们应该如何创建一个元语言体系呢？
有关这一点，我特别受到托马斯·J. 米萨(Thomas J. Misa。1988，1992，2009)相关论著的启发。他采用了一种可以在不同分析层面之间切换的方法，以此应对社会技术变革的复杂性。他提倡采用能够兼顾微观与宏观角度的“多层次”分析方法，后在克服在他看来存在于两种不同框架之间的二分法偏误：分析人机关系之时。要么仅用微观技术视角，要么只用宏观技术视角(Misa，1988，2009)。在他看来，如果只是关注微观机制(如某种技术的设计师与工程师)，或者只关注宏观的经济或意识形态模式，都会对社会技术变革得出截然不同甚至经常相互矛盾的认识。换言之，前者往往看不到产生变革的宏观社会条件与权力机制，而后者则往往只从宽泛的宏观社会动态之中看待问题，从而忽略个体的细微差别与个性因素。相比之下，多层次分析则兼顾了两种视角。
权力的数据伦理学：大数据与人工智能时代的人本方法新解
10