形成独特的自我定位。
鉴于这两种截然不同的能力之间存在根本性冲突，我们有必要区分它们在人类动态环境之中的应用差异。这里，我们以人工智能系统方法为例。2019年12月，人工智能公司BlueDot基于人工智能对于新闻报道与机票数据的分析，针对即将到来的疫情发出了预警，展现出人工智能大数据预测分析的巨大潜力。然而，在2020年，由于全球封锁与全球危机，类似的预测性人工智能模型的巨大前景受到了人类环境与行为的挑战，发生了前所未有的根本性变化(McLeod，2020-8-14)。人工智能系统假定了一个不动的本体，或者换句话说，包括人类环境在内的可预测性现实事物。然而，如果我们不假思索地相信伯格森的过程本体论，我们可能会走向另一个极端——人类环境的本质属性就是不可预测并且变动不居。直到2019年底，关于人类行为的历史训练数据一直在塑造人工智能的预测行为，然而它根本无法处理具有不可预测属性的2020年现实世界以及遥不可及的未来。
同样，由于人工智能系统的普及与常态化应用，这些不同形式的人类动态品质(人类“关键文化时刻”的不可预测性)也受到了挑战。比如，为支持法官裁决而开发出来的人工智能工具可以基于针对判例法的处理，提供一个综合决策。法官可以使用这样的人工智能工具来为自己的决定提供信息支持。但是，我们也可以想象，像这样的人工智能工具会成为司法规范型AISTIs，它将量化人工智能分析(基于过去判例法裁决)置于法官个人的主观判断之上，并以这种方式固化下来。正如欧洲委员会的一份章程所描述的那样，“他未来的选择会成为这些先例’的一部分”(CEPEJ，2018：67)。地缘政治学教授路易丝·阿穆尔用不同的措辞，表达了类似的担忧，她将“质疑”看作是伦理决策过程当中最具人性化的部分，“质疑”挑战了那些绝对化机械性决策，这些决策是机器经过学习过程将几种因紧相权衡之后仅仅选择了一种可能性的结果：
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
178