对于同一件事情，不同的人有不同的看法。在科学家、平台企业、政府以及社科人文学者眼里，智能科技的发展是不一样的事情。
科学家所追求的是研究成果，对于一些科技难题的解释，他们会本着追求科学真理的态度，孜孜不倦地开展自己的研究。他们也可能会关注智能科技的社会用途及其后果，但是那并不是他们关注的主要对象。而商家关注的主要是盈利，即某一项智能科技的产业性应用，以及它能带来什么样的利益。至于政府所关注的，主要是管理社会秩序、促进经济发展，并在一定的意义上保护公民的权益。
表面上看来，社科人文学研究与智能科技的发展并无直接关系，实则社科人文学者肩上担负的责任十分重大。智能科技应该朝什么方向发展？如何发展？这些问题除了关乎科技本身的规律，还牵涉到智能科技会带来的社会影响。
智能科技的研究需要人文社科的支持
即便是科技的能力达到了某一个层次，能够制造出某一种“神器”，但是否应该制造这种东西却是智能科技本身决定不了的。因为这牵扯到很多外在的因素，取决于社会的需要和人的需要。
举例而言，设计并生产自动驾驶汽车的能力已经非常成熟，但在什么样的情况下、什么样的地方以及什么样的人群中可以使用无人驾驶汽车，则是比较复杂的问题，需要进行评估。不是说有能力制造了，就必须要制造出来。这不是科技能解决的问题。
再如，关于人工生命的建构，即便是智能科技达到了能够制造出人的水平，应该不应该制造人，制造出来的人工生命应该享有什么样的权利？会起什么作用？这牵扯到几千年历史形成的道德传统，是科技研究者不能回答的问题。而社科人文学者则对这些难题有更多的发言权。
人文社科学者必须尊重专业，尊重科技研究的专业性和专业人才的权威性和专业技术的不可替代性。但这并不意味着人文社科人才在智能科技研究领域就毫无用处。因为，有时候智能科技的研究也需要人文社科的支持。
一个显著的例子是人工智能与法律推理的研究。这个领域是人工智能与法律的研究中最早开始的领域，包括根据案例推理、根据规则推理以及可辩驳推理。有研究智能科技的学者指出，我们今天的人工智能和法律推理研究之所以停滞不前，并不是因为智能科技技术上的问题，而是因为法学家没有提供足够好的、关于推理的理论。
在新的环境下，需要新的思想和理论作为指导。假设法学家们在法律推理方面有新的理论可用，也许人工智能和法律推理的研究还会再往前走一步。
再如人工智能价值匹配。这项工作是确保人工智能系统可靠地执行符合人类价值观的任务。具体而言，即收集大量关于“系统应该做什么”的数据，并使用学习算法，从这些数据中推断出可推广到其他情况的模式。
由于人工智能被要求做出符合人们价值观的行为，因而最重要的数据将是来自人类的价值观数据。这可以分几步实现。首先，要对人类的价值观有一个满意的定义。其次，要以符合定义的方式，收集关于人类价值观的数据。然后，找到可靠的机器学习算法，使人工智能得以从这些数据中学习和泛化。
上述几步都存在很大的不确定性。第一步，即对人类价值观的定义，显然不是智能科技所能确定的。所谓科技向善，首先要确定什么是善。这乃是宗教、哲学、伦理学、政治学和法学的领地。
更何况，人类的价值观太复杂，无法用简单的规则来描述。像“公正”“平等”这样的价值本身意义不大，只有把它们用在具体场合时，其重要性才能彰显。加之，在现实生活中价值观与大量关于世界的事实纠缠在一起，在构建机器学习模型时，无法将事实和价值观明晰地分开。
因此，就科技领域的发展而言，社科人文学领域的贡献不仅是可欲的，而且是必须的。现在，谷歌、微软等科技巨头公司都会聘用社会科学或人文科学背景的人才, 希望他们与工程团队一起工作，帮助开发符合伦理的人工智能。
普及智能科技文化迫在眉睫
同时，人文社会科学可以助力普及智能科技文化，提高全民的信息素养、数字素养和数据素养。这是一个非常重要、具有相当紧迫性的问题。
在智能科技时代，争取让所有人能够使用智能科技，消除所谓的“数字鸿沟”，避免大多数人成为被算法社会边缘化的“闲人”，是任何文明的国家和政府急需面对的问题。人文社科学者至少可以助力普及智能科技，包括编撰普及读物，或者和科学家联合，或者独自做些简易的节目，尽可能努力建设智能科技文化，并促进提升全民的智能技术素养。
科学家们本身有自己研究的课题，要花很多精力从事研究。人文社科学者从观察者的角度，可以看到一些问题，并用比较妥当的文字表达出来。
当然，助力提升全民科技素养需要人文社科学者自身对智能科技有相应的了解。这一点似乎还没有成为人文社科学者普遍关注的目标。从人文社会科学到艺术和设计，这一切都在人工智能中占有一席之地。
引入人类学、社会学、政治学、心理学、经济学、历史学等社会科学学科的相关信息，可以使人工智能对数据的理解更加丰富。而人文社科领域对智能科技的运用也遍布各个领域，非常广泛。
尽管如此，在很多情况下，人文社科学者仍然存在知识老化、信息不足的境地。一个比较难以解决的困境是：人文社科领域存在比较严重的知识不对称现象。一方面，熟悉智能科技而又具有创新能力的人并不占有资源，另一方面，占有资源、有决定权的人往往知识老化，并不了解智能科技。这种现象自然不利于人文社会科学知识和方法在人工智能中的应用。
