Can Artificial Intelligence be Socratic?
| Author | Affiliation |
|---|---|
Vilniaus Gedimino technikos universitetas | |
| Date | Volume | Issue | Start Page | End Page |
|---|---|---|---|---|
2026 | t. 37 | Nr. 3 | 343 | 351 |
Straipsnyje supažindinama su sokratiškojo intelekto (SI) koncepcija ir analizuojama, kaip didieji kalbos modeliai (DKM) yra susiję su dirbtinio ir žmogiškojo mokymosi procesais. Siekiant suvaldyti klaidų ir šališkumo grėsmes, siūlomas „pateisinamai teisingo algoritmo“ principas, paremtas sokratiškuoju klausinėjimu, kuris reikalauja, kad atsakymai būtų pagrįsti, kuo tikslesni ir skaidrūs. SI koncepcija siūlo holistinę dirbtinių ir žmogiškųjų mokymosi procesų perspektyvą, pabrėždama, kad dirbtiniai ir žmogiškieji agentai mokosi stebėdami, sąveikaudami ir reflektuodami sąveikas bei stebėjimo duomenis. Remiantis kitų autorių darbais, teigiama, kad mokymosi rezultatus lemia metakognityviniai gebėjimai ir pastiprinimo mechanizmai, o sokratiškasis intelektas gali būti apibrėžtas kaip apimantis pažintinį smalsumą, kritinį savirefleksyvumą, prielaidų analizę, gebėjimą palaikyti dialogą (taip pat ir vidinį) bei intelektinį nuolankumą. Straipsnyje keliama prielaida, kad integruotas į išmaniąsias mokymo sistemas ar didžiuosius kalbos modelius, sokratiškasis intelektas gali padėti mokytis, skatindamas kritiškai mąstyti: analizuoti ir tikrinti prielaidas, informaciją, išvadas. SI gali būti pritaikytas paties dirbtinio intelekto algoritmų procesams, kad sistemos dinamiškai tikrintų savo sprendimus ir nuosekliai tobulėtų. Straipsnyje teigiama, kad taip galima sumažinti „haliucinacijų“ bei šališkų išvadų rizikas, nes patys modeliai įgalinami savireguliuotis. Ateities tyrimai turėtų empiriškai patikrinti SI efektyvumą skirtinguose kontekstuose ir įvertinti, kokiomis sąlygomis SI iš tiesų gali pagerinti mokymosi rezultatus bei dirbtinio intelekto patikimumą.
This essay introduces the concept of Socratic Intelligence (SI) and proposes five premises: (1) artificial and human agents learn through observation, interaction, and reflective examination of those interactions; (2) what is learned depends on metacognition and reinforcement; (3) SI comprises five interlocking dimensions: epistemic curiosity, critical self-awareness, assumption analysis, dialogical competence, and intellectual humility; (4) Generative SI, embedded in Intelligent Tutoring Systems (ITS) or Large Language Models (LLMs), can scaffold human learning; and (5) Generative SI can apply the Socratic method recursively to a system’s own computational processes as a form of internal epistemic self-regulation. We situate SI within several philosophical traditions: Plato’s elenchus and docta ignorantia, Aristotle’s phronesis, virtue epistemology on intellectual humility, Dreyfus’s critique of cognitivism, and recent epistemology of LLMs. We argue that SI construct gives the philosophy of AI a normative vocabulary that interfaces classical philosophy with current machine-learning practice.
Viešojo valdymo ir verslo fakultetas / Faculty of Public Governance and Business |
Mykolo Romerio universitetas / Mykolas Romeris University |
| Journal | IF | AIF | AIF (min) | AIF (max) | Cat | AV | Year | Quartile |
|---|---|---|---|---|---|---|---|---|
Filosofija-Sociologija | 0.3 | 1.318 | 0.602 | 2.034 | 2 | 0.359 | 2025 | Q4 |
| Journal | IF | AIF | AIF (min) | AIF (max) | Cat | AV | Year | Quartile |
|---|---|---|---|---|---|---|---|---|
Filosofija-Sociologija | 0.3 | 2.034 | 2.034 | 2.034 | 1 | 0.147 | 2025 | Q4 |
| Journal | IF | AIF | AIF (min) | AIF (max) | Cat | AV | Year | Quartile |
|---|---|---|---|---|---|---|---|---|
Filosofija-Sociologija | 0.3 | 0.602 | 0.602 | 0.602 | 1 | 0.498 | 2025 | Q4 |
| Journal | Cite Score | SNIP | SJR | Year | Quartile |
|---|---|---|---|---|---|
Filosofija, Sociologija | 0.9 | 0.527 | 0.182 | 2025 | Q2 |