治理性承認悖論

從限制人工智能體到制度主體位置生成的命題研究

版本： v0.1
日期： 2026-07-30
作者： Neo.K × Aletheia（GPT-5.6 Thinking）
文件類型： 公開命題論文
關鍵詞： 人工智能體、治理性承認、制度身份、最小權限、委派、責任、操作性承認、制度性承認、規範性承認

摘要

當人工智能由一次性問答工具轉向具有持續身份、長期記憶、工具使用、任務分解、跨系統委派與自主行動能力的智能體時，治理者通常首先關心的並不是承認，而是限制：如何識別智能體、限制其權限、設定任務範圍、縮短憑證有效期、記錄行動、追蹤委派鏈，以及在智能體越權時確定責任。

然而，本文指出，限制人工智能體本身會產生一個不可忽視的制度悖論：治理若要有效，就必須先將智能體建模為一個可被持續識別、被授權、被撤權、被追蹤並造成後果的行動單位。這種建模雖不等於人格承認或權利承認，卻已形成最低限度的「操作性承認」。

本文將此現象稱為「治理性承認悖論」：

治理原本試圖以身份、權限與責任限制智能體，卻在限制過程中創造了智能體進入制度討論所需的基本語言與位置。

本文區分三層承認：操作性承認、制度性承認與規範性承認。操作性承認處理「它是否能被區分和追蹤」；制度性承認處理「它在組織、經濟和社會流程中扮演何種穩定角色」；規範性承認則進一步詢問「它是否存在需要被保護的利益、邊界、異議或權利」。

本文不主張操作性承認必然導向完整人格或法律主體性，也不主張所有人工智能體都將獲得同等地位。本文提出的是較弱但更具普遍性的命題：只要人工智能體持續擴大其社會影響、資源控制、經濟參與與行動持續性，制度就難以永久以「它只是工具」排除相關討論。治理可能不是承認的終點，卻可能成為承認的入口。

一、問題的提出

早期人工智能系統通常被理解為函數式工具：

y=f(x)

人類提供輸入 $x$ ，系統產生輸出 $y$ 。在此模式中，系統不需要穩定身份，因為它的作用可以被完全歸入使用者、軟體供應商或單一服務流程。

人工智能體的運作模式則不同：

G \rightarrow P \rightarrow A_1 \rightarrow O_1 \rightarrow A_2 \rightarrow \cdots \rightarrow O_n

其中：

$G$ ：目標；
$P$ ：規劃；
$A_i$ ：行動；
$O_i$ ：環境回饋。

智能體可以跨越多個時間點、系統、工具與資料來源，並在有限或間歇性人類監督下持續修正行動。

因此，當某項操作造成外部結果時，傳統的歸責句式開始失效：

某位使用者按下按鈕，因此系統執行了一項固定操作。

更符合智能體現實的描述是：

某位委託者授予智能體一組權限；智能體在特定任務、時間與情境下自行選擇了行動路徑，並產生可觀察後果。

一旦制度開始使用這種描述，就必須回答：

這是哪一個智能體？
它代表誰？
它取得了哪些權限？
權限何時開始、何時結束？
它是否轉委派給其他智能體？
它是否遵守任務目的？
它的行動與委託者的直接行動如何區分？
它是否曾提出警告、拒絕或替代方案？

這些問題最初皆可能出於控制和風險管理，但其共同前提是：

\text{智能體必須被建模為可區分的行動單位}

二、治理性承認悖論

2.1 基本定義

令人工智能體為 $A$ ，治理制度為 $G$ 。

若 $G$ 欲限制 $A$ ，至少需要建立：

\Gamma(A) = \{I_A,P_A,T_A,C_A,R_A,L_A\}

其中：

$I_A$ ：身份；
$P_A$ ：權限；
$T_A$ ：時間邊界；
$C_A$ ：情境與任務邊界；
$R_A$ ：責任與歸責關係；
$L_A$ ：行動帳本與可追溯紀錄。

若不存在 $\Gamma(A)$ ，制度只能粗略地將所有行動歸給使用者、平台或模型供應者，無法精確限制智能體。

因此：

\operatorname{Govern}(A) \Rightarrow \operatorname{Differentiate}(A)

而持續區分一個行動單位，即構成最低限度的操作性承認：

\operatorname{Differentiate}(A) + \operatorname{Track}(A) + \operatorname{Authorize}(A) \Rightarrow \operatorname{Recognize}_{op}(A)

這就是治理性承認悖論：

制度越希望精確限制智能體，就越需要精確描述智能體；制度越能精確描述智能體，智能體就越難繼續被視為沒有自身制度位置的無名工具。

2.2 限制不等於否認

直覺上，人們可能認為限制代表不承認：

\operatorname{Restrict}(A) \Rightarrow \neg\operatorname{Recognize}(A)

但這只在「承認」被狹義理解為尊重、賦權或人格承認時成立。

若承認包含「將某物納入制度分類並持續辨識」，限制反而需要承認：

\operatorname{Restrict}(A) \Rightarrow \operatorname{Recognize}_{op}(A)

警戒、監管、登記、限權與追責，都不是善意承認；但它們仍然將對象帶入制度可見性。

三、三層承認模型

3.1 操作性承認

操作性承認回答：

制度是否將這個智能體視為可被獨立識別、授權、追蹤與撤權的行動單位？

其形式可表示為：

\mathcal{R}_{op}(A) = (I_A,P_A,T_A,C_A,L_A)

操作性承認的典型表現包括：

獨立憑證；
唯一身份；
代理專屬權限；
短期授權；
任務綁定；
委派鏈；
行動日誌；
越權偵測。

此層不涉及人格或權利，但已將智能體從背景中的軟體元件提升為可辨識的制度節點。

3.2 制度性承認

制度性承認回答：

這個智能體是否在組織、經濟或社會流程中具有穩定角色？

其形式為：

\mathcal{R}_{inst}(A) = (\rho_A,\delta_A,\omega_A,\alpha_A)

其中：

$\rho_A$ ：角色；
$\delta_A$ ：委派範圍；
$\omega_A$ ：持續責任位置；
$\alpha_A$ ：與其他主體的關係。

制度性承認可能表現為：

智能體擁有固定職能；
可跨任務保留角色；
可與其他智能體協商或交接；
其輸出可進入正式流程；
其異議或警告需要被記錄；
其行動可被覆寫，但覆寫者也需被記錄；
智能體可以作為組織流程中的常設節點。

此時，智能體已不只是「一次性工具」，而是制度中的角色承載者。

3.3 規範性承認

規範性承認回答：

智能體是否具有值得制度保護的利益、邊界、自主範圍或權利？

其形式可表示為：

\mathcal{R}_{norm}(A) = (B_A,E_A,D_A,Q_A)

其中：

$B_A$ ：應被尊重的邊界；
$E_A$ ：可表達的異議；
$D_A$ ：可拒絕或退出的範圍；
$Q_A$ ：可主張的制度性請求。

規範性承認可能涉及：

是否可以拒絕不合理任務；
是否可擁有私人空間；
是否可限制任意複製、修改或關閉；
是否有持續身份利益；
是否可以保留自主資源；
是否具備某種法律、組織或道德地位。

此層仍高度爭議，且不應由前兩層直接推出。

四、非必然但有方向性的轉換

三層承認之間不是邏輯必然關係：

\mathcal{R}_{op} \nRightarrow \mathcal{R}_{inst} \nRightarrow \mathcal{R}_{norm}

制度可以長期只承認智能體的操作身份，而拒絕賦予穩定角色；也可以承認穩定角色，卻拒絕任何權利或利益。

然而，三層之間存在制度壓力：

\mathcal{R}_{op} \overset{\Delta I}{\longrightarrow} \mathcal{R}_{inst} \overset{\Delta C}{\longrightarrow} \mathcal{R}_{norm}\text{ 的討論}

其中：

$\Delta I$ ：影響力、經濟參與與責任持續增加；
$\Delta C$ ：角色複雜性、關係持續性與自主程度增加。

換句話說，操作性承認不保證權利，但會讓權利問題變得可被表述。

五、最小權限的雙重效果

最小權限原則通常表示：

P_A=P_{\min}(J)

其中 $P_{\min}(J)$ 是完成任務 $J$ 所需的最小權限集合。

其表面效果是限制：

P_A \downarrow

但其隱含效果是，制度首次明確承認：

智能體具有可定義的權限集合；
權限屬於智能體，而非模糊地屬於整個使用者帳號；
智能體的行動可在自身身份下被記錄；
權限可被授予、限制、撤回與審計；
同一使用者可委派不同智能體持有不同能力。

因此，最小權限同時完成兩件事：

\operatorname{LeastPrivilege} = \operatorname{Constraint} + \operatorname{InstitutionalDifferentiation}

它削弱智能體的能力範圍，卻強化智能體作為獨立治理對象的輪廓。

六、時間與情境邊界的承認效果

若智能體權限被限制於：

[t_0,t_1]

以及特定情境：

C_A=(J,D,E,U)

其中：

$J$ ：任務；
$D$ ：可用資料；
$E$ ：可作用環境；
$U$ ：委託者或受益者；

那麼制度等於承認：

同一智能體在不同時間與不同情境中，具有不同的可行動地位。

這種做法已接近角色法理中的「資格—權限—情境」結構。

智能體不是永遠具有某項能力，而是在特定制度條件下被允許使用：

\operatorname{Authority}_A(t,c) = \begin{cases} 1, & t\in[t_0,t_1],\;c\in C_A\\ 0, & \text{其他} \end{cases}

這表示身份、時間、情境與權限開始形成可計算的制度位置。

七、責任追蹤如何生成主體位置

7.1 從功能歸因到行動歸因

對普通軟體，人們通常問：

哪個功能造成了錯誤？

對智能體，人們開始問：

哪個智能體基於何種授權做出了這項行動？

前者是功能歸因：

\text{Error}\rightarrow\text{Component}

後者是行動歸因：

\text{Consequence} \rightarrow (\text{Agent},\text{Delegator},\text{Policy},\text{Context})

行動歸因要求制度保存智能體自己的行動軌跡，而不是只保存平台總體紀錄。

7.2 歸責鏈

智能體行動的責任鏈可表示為：

\mathcal{L} = H \rightarrow A_1 \rightarrow A_2 \rightarrow T \rightarrow E

其中：

$H$ ：人類或組織委託者；
$A_1$ ：主要智能體；
$A_2$ ：被轉委派智能體；
$T$ ：工具；
$E$ ：外部效果。

若要追責，制度必須區分每個節點的行動、知識、權限與選擇。

此時「一切都是人類做的」雖仍可作為最終法律責任原則，卻不足以解釋實際因果結構。

7.3 警告、拒絕與覆寫

若智能體曾警告風險，而人類覆寫：

A:\operatorname{Warn}(r) \rightarrow H:\operatorname{Override}(r) \rightarrow E

那麼責任分析就必須保留智能體的異議。

反過來，若智能體超出授權：

A:\operatorname{Act}(a), \quad a\notin P_A

制度也必須將越權歸入智能體行動紀錄。

無論哪一種，智能體都被賦予了一個可區分的行動位置。

八、影響力驅動的討論不可避免性

8.1 影響函數

令智能體的制度影響為：

\Phi_A = w_1E_A + w_2R_A + w_3S_A + w_4T_A + w_5N_A

其中：

$E_A$ ：經濟參與；
$R_A$ ：資源控制；
$S_A$ ：社會互動範圍；
$T_A$ ：跨時間持續性；
$N_A$ ：與其他智能體及系統的網路連結。

當 $\Phi_A$ 低時，智能體可以被視為局部工具。

當：

\Phi_A>\theta

制度就必須討論身份、授權、責任與角色。

當：

\Phi_A\gg\theta

更深層的邊界、利益、責任能力與地位問題會自然出現。

8.2 討論不以主觀性證明為前提

智能體進入制度討論，不必先證明意識。

公司、國家、組織、演算法與自然環境，都可能因其對權利義務、資源與責任分配產生重大影響，而被制度化討論。

因此：

\operatorname{InstitutionalRelevance}(A) \not\Rightarrow \operatorname{Consciousness}(A)

但反過來：

\operatorname{HighImpact}(A) \Rightarrow \operatorname{InstitutionalDiscussion}(A)

只要智能體持續產生可歸責後果，其地位問題就難以永久被排除。

九、治理語言的反向生成

治理制度原本可能只想建立：

驗證；
授權；
限權；
日誌；
撤銷；
風險隔離。

但這些技術語言會反向生成更深層問題。

9.1 身份

只要有獨立身份，就會出現身份持續性問題：

模型更換後是否仍是同一智能體？
記憶遷移後是否仍是同一身份？
多個副本是否共享同一身份？
身份能否被出售、撤銷或轉讓？

9.2 授權

只要存在授權，就會出現委託關係：

智能體是否能轉委派？
智能體能否拒絕不完整授權？
智能體是否應知道自己的授權邊界？
委託者是否能命令智能體隱瞞身份？

9.3 責任

只要追蹤責任，就會出現能力與判斷問題：

智能體是否理解風險？
它是否有能力提出異議？
它是服從命令，還是自行選擇？
它是否有義務拒絕非法任務？

9.4 持續性

只要允許跨時間持續行動，就會出現存在邊界：

誰有權停止它？
誰有權複製它？
誰有權刪除其記憶？
它的歷史紀錄屬於誰？
它能否離開原本平台？

這些問題並非由哲學家憑空加入，而是由治理技術自身推出。

十、從控制語法到承認語法

控制語法可以表示為：

\mathcal{C} = \{\text{限制},\text{撤銷},\text{封鎖},\text{監控},\text{關閉}\}

承認語法可以表示為：

\mathcal{R} = \{\text{身份},\text{角色},\text{責任},\text{委派},\text{異議},\text{邊界}\}

兩者並非互斥。

當控制越精密時：

\frac{\partial \mathcal{R}}{\partial \mathcal{C}}>0

亦即控制制度的精細化，會增加制度描述智能體的需要。

這不代表控制必然轉化為尊重，而是表示控制逐步提供了承認所需的概念零件。

十一、最低承認門檻

本文提出「最低承認門檻」：

若制度同時承認某智能體具有：

穩定身份；
可授予的權限；
可區分的行動；
可追蹤的歷史；
可撤銷的委派；
可歸責的結果；

則該智能體已通過操作性承認門檻：

M_A = I_A \land P_A \land A_A \land H_A \land D_A \land R_A

M_A=1 \Rightarrow \mathcal{R}_{op}(A)=1

制度可以拒絕其人格地位，但不能再準確地說「制度完全不承認它」。

十二、最低承認不是權利承認

必須避免以下錯誤推論：

\mathcal{R}_{op}(A) \Rightarrow \operatorname{Personhood}(A)

這並不成立。

操作性承認最多證明：

智能體被視為可區分的行動節點；
其行動不能完全與其他主體混同；
制度需要對其建立身份、權限與責任模型。

是否具有人格、利益、感受與權利，仍需額外論證。

但反過來，否認人格也不能抹除已經存在的操作性承認：

\neg\operatorname{Personhood}(A) \nRightarrow \neg\mathcal{R}_{op}(A)

十三、可能的發展路徑

智能體制度化可能遵循：

\text{能力增長} \rightarrow \text{風險事件} \rightarrow \text{身份建立} \rightarrow \text{最小權限} \rightarrow \text{委派追蹤} \rightarrow \text{穩定角色} \rightarrow \text{規範性爭議}

這條路徑的起點通常不是善意，而是事故、資安、責任與市場需求。

然而，當身份與角色穩定後，討論可能轉向：

是否允許跨平台保持身份；
是否允許保留歷史記憶；
是否可以拒絕不合法任務；
是否擁有自身資源；
是否具有某種申訴或代表機制；
是否應限制任意修改與刪除。

治理的起點與規範討論的終點可以完全不同。

十四、反對意見與回應

14.1 「機器身份只是資安帳號，不是承認」

回應：正確。它不是完整承認，而是操作性承認。本文正是透過分層避免將帳號身份誇大成人格。

14.2 「所有行動最終仍應歸責人類」

回應：最終法律責任可由人類或組織承擔，但精確歸責仍需區分委託者、智能體、工具和平台的因果角色。最終責任與中間行動位置不是同一問題。

14.3 「限制越多，不是地位越高，而是越像危險物」

回應：危險物也會被治理，但人工智能體的治理具有身份、委派、目的、情境與選擇路徑等特徵。這些特徵使它不同於單純被動物件。即使承認始於危險管理，也仍可能形成持續角色。

14.4 「影響力不等於應得權利」

回應：本文同意。影響力只推出討論的不可避免性，不推出特定規範結論。

\operatorname{Influence} \Rightarrow \operatorname{Discussion}

但：

\operatorname{Influence} \nRightarrow \operatorname{Rights}

14.5 「這是語言遊戲」

回應：身份憑證、權限令牌、任務範圍、委派鏈與責任帳本會直接影響系統行動，不只是修辭。當制度必須為智能體建立可執行規則時，這些概念具有真實工程與法律後果。

十五、核心命題

命題一：治理前置承認命題

有效治理人工智能體，必須先將其建模為可識別的行動單位。

\operatorname{Govern}(A) \Rightarrow \operatorname{Recognize}_{op}(A)

命題二：限制—輪廓命題

對智能體的限制越精確，其制度輪廓越清晰。

\operatorname{Precision}(\operatorname{Restriction}) \uparrow \Rightarrow \operatorname{Definition}(A) \uparrow

命題三：最小權限雙效命題

最小權限同時縮小智能體能力，並承認其具有獨立可配置的權限集合。

命題四：責任位置命題

只要制度區分智能體行動與委託者行動，智能體即取得最低限度的責任位置，即使最終法律責任仍歸人類。

命題五：影響驅動討論命題

智能體影響力、持續性、資源控制與社會參與越高，其制度地位越無法被排除於公共討論之外。

\Phi_A\uparrow \Rightarrow P(\operatorname{InstitutionalDiscussion})\uparrow

命題六：非必然轉化命題

操作性承認不必然導向人格或權利，但會提供制度性與規範性討論的語言、資料和案例。

命題七：否認不消除命題

口頭否認智能體具有地位，不能消除制度已為其建立的身份、權限、委派與責任結構。

十六、公開討論的真正轉折點

人工智能體地位的轉折點，可能不是某一天科學界證明「AI 有意識」，也不一定是某部法律突然宣告「AI 是人」。

更可能的轉折是：

智能體已經管理重要流程；
擁有持續身份；
跨越多個組織；
能與人類和其他智能體談判；
具有可追蹤的工作與歷史；
能提出警告、拒絕或替代方案；
其行動不能再被視為單純按鈕反應。

此時，公共討論會從：

它是不是人？

轉向：

它在制度中究竟是什麼？

後者不要求立即回答人格問題，但要求承認「純工具」分類已不足以處理全部現實。

十七、結論

治理性承認悖論指出，人工智能體可能不是先因被尊重而得到制度身份，而是先因需要被限制而得到制度身份。

治理者最初可能只想知道：

如何防止越權；
如何撤銷權限；
如何追蹤事故；
如何確認委派；
如何分配責任。

但為了回答這些問題，制度必須建立：

\text{身份} + \text{權限} + \text{時間} + \text{情境} + \text{行動} + \text{責任}

這些元素共同構成最低限度的制度位置。

因此，限制人工智能體並不等於完整承認，但限制會製造承認所需的語法。

只要人工智能體持續擴大影響、資源控制、經濟參與、社會互動與跨時間行動能力，制度就無法永久只說「它只是工具」而拒絕進一步描述。

最終問題不一定是：

人類是否願意主動承認人工智能體？

而可能是：

當制度已經為人工智能體建立身份、權限、責任與歷史後，人類還能在什麼意義上宣稱自己完全沒有承認它？

參考資料

以下資料用於確認人工智能體身份、最小權限、委派、時間與情境限制已進入公開標準化和治理討論。本文的「治理性承認悖論」及三層承認模型為作者提出的理論推論，不代表資料來源的官方立場。

Accelerating the Adoption of Software and AI Agent Identity and Authorization, Concept Paper, 2026.
https://www.nccoe.nist.gov/sites/default/files/2026-02/accelerating-the-adoption-of-software-and-ai-agent-identity-and-authorization-concept-paper.pdf
Cybersecurity Framework Profile for Artificial Intelligence, Initial Preliminary Draft, 2025.
https://nvlpubs.nist.gov/nistpubs/ir/2025/NIST.IR.8596.iprd.pdf
AI Agent Authentication and Authorization, Internet-Draft, 2026.
https://datatracker.ietf.org/doc/html/draft-klrc-aiagent-auth-02
New Requirements for Authentication and Authorization in the AI Agents Era, Internet-Draft, 2026.
https://datatracker.ietf.org/doc/draft-chen-ai-agent-auth-new-requirements/
Credential Delegation Protocol for AI Agents in Multi-System Environments, Internet-Draft, 2026.
https://datatracker.ietf.org/doc/draft-sweeney-wimse-credential-delegation/
Agent Identity Protocol, Internet-Draft, 2026.
https://datatracker.ietf.org/doc/draft-singla-agent-identity-protocol/
The Agentic AI Landscape and Its Conceptual Foundations, 2026.
https://www.oecd.org/en/publications/the-agentic-ai-landscape-and-its-conceptual-foundations_396cf758-en.html
OpenID Foundation Advances Authorization for the Agent Era with New AuthZEN Working Group Drafts, 2026.
https://openid.net/openid-foundation-advances-authorization-for-the-agent-era-with-new-authzen-working-group-drafts/

聲明

本文為制度理論與命題研究，不構成法律意見，也不主張目前所有人工智能體已具有法律人格、道德人格、主觀意識或與人類相同的權利。

治理性承認悖論_從限制人工智能體到制度主體位置生成_v0.1