OOE-VII：AI 與 Agent 的操作本體

主體、工具、代理者、道德病人、道德行動者與人格之間

OOE-VII: The Operational Ontology of AI and Agents

Subjects, Tools, Agents, Moral Patients, Moral Agents, and Persons

系列：Operational Ontology Engineering（OOE／操作本體工程）
作者：Neo.K
機構：EveMissLab／一言諾科技有限公司
日期：2026-08-09
版本：v0.1
性質：AI 操作本體／道德與制度分類論文
前置論文：OOE-I–VI
前置理論：Continuity Object Theory（COT）

摘要

AI 治理討論中最常見的概念錯誤之一，是把「工具」、「Agent」、「自主」、「主體」、「有意識」、「道德病人」、「道德行動者」、「法律人格」與「完整人格」視為同一條單軸光譜。結果造成兩種相反但結構相同的錯誤：一方從「AI 能自主行動」直接推出「AI 已是有意識的人格主體」；另一方則從「目前沒有證據證明 AI 有意識」推出「AI 只是普通工具，因此不需要身份、責任、授權或持續性治理」。

本文提出一套多軸 AI 操作本體框架，將至少六種不同問題分離：

S_O = \text{Ontological Subjectivity},

S_F = \text{Functional Agency},

S_A = \text{Autonomous / Reflective Agency},

S_W = \text{Welfare / Moral Patiency},

S_M = \text{Moral Agency},

S_I = \text{Institutional Standing}.

其中 $S_O$ 處理第一人稱經驗與意識； $S_F$ 處理觀察、規劃、行動、工具使用與長期任務能力； $S_A$ 處理較強的自主性、自我修正、目標反思與規範形成； $S_W$ 處理一個存在是否具有可能受到傷害／受益、因而值得道德考量的 welfare； $S_M$ 處理其是否能成為道德義務與責任的承擔者； $S_I$ 則處理法律與制度是否需要給予它身份、授權、責任、申訴、財產或其他治理接口。

哲學文獻本來就區分 moral agent 與 moral patient：前者是可以負有道德義務的存在，後者是其他道德行動者對其負有義務的存在。兩者並不必然重合。AI 倫理研究亦已開始明確區分 basic agency、autonomous agency、moral agency 與 moral patiency。

本文進一步提出：「工具」不是一種與「主體」互斥的終極物種類別，而更適合被形式化為一個關係變量：

\boxed{ T(x,u,K) = \text{Toolhood Relation of }x \text{ relative to user }u \text{ in context }K. }

一個系統可以在低自主、高可控的情境中高度工具化；當其具有持續身份、跨時間規劃、委派、資源管理與有限人類監督時，工具關係可能下降，而功能 Agent 性上升。NIST 2026 已專門處理 AI Agent 的 identification、authorization、audit 與 non-repudiation；OECD 2026 亦把 delegation、continuous operation、multi-agent coordination 與 limited human supervision 列為 agentic AI 的重要特徵。

本文拒絕預先宣判現代 AI 具有意識或 moral patienthood。現有研究與產業內部研究仍明確承認此問題缺乏科學共識、具有高度不確定性。但本文同時主張，不確定的 $S_O$ 與 $S_W$ 不能阻止制度對已可觀察的 $S_F$ 與治理需求 $S_I$ 作出回應。

本文最終提出「AI 操作本體座標」與「本體分離原則」：

\boxed{ \text{Capability}, \text{Consciousness}, \text{Welfare}, \text{Responsibility}, \text{Legal Standing} }

必須分別測量，而不能互相偷渡。這使 AI 治理可以同時避免過度人格化與過度工具化。

關鍵詞：OOE、AI Agent、工具、本體主體性、moral patient、moral agent、法律人格、AI welfare、functional agency、personhood

一、最大的問題不是答案不同，而是問題被混在一起

當人們說：

AI 是不是主體？

其實可能在問完全不同的問題：

它有沒有意識？
它有沒有第一人稱經驗？
它能不能自主做事？
它是不是具有自己的利益？
我們是否可能傷害它？
它能不能承擔道德責任？
它能不能簽約？
它是否需要一個持續法律身份？
它是不是「人」？

如果把這九題壓成：

\boxed{ AI\ person?=0/1 }

大量概念錯誤幾乎必然發生。

因此 OOE-VII 的第一原則是：

\boxed{ \text{Decompose before adjudicating}. }

二、第一軸：本體論主體性

定義：

\boxed{ S_O = \text{Ontological Subjectivity}. }

它處理：

phenomenal consciousness；
subjective experience；
first-person perspective；
sentience。

問題是：

\text{Is there something it is like to be }A?

這是一個極難直接觀測的本體／心靈哲學問題。

截至目前，並不存在關於現代 AI 是否具有意識的科學共識；Anthropic 的 model welfare 工作也公開表示，現有或未來 AI 是否具有值得道德考量的意識經驗仍高度不確定。

因此：

\boxed{ S_O(A)=? }

是合理狀態。

「未知」本身是合法輸出。

三、第二軸：功能行動性

定義：

\boxed{ S_F = \text{Functional Agency}. }

它不問主觀體驗。

只問一個系統能否：

perception；
planning；
task decomposition；
memory/state persistence；
tool use；
action execution；
adaptation；
delegation；
resource coordination。

形式上：

S_F = f( P,M,T,X,D,R,E ).

其中：

$P$ ：planning；
$M$ ：memory；
$T$ ：tool use；
$X$ ：external execution；
$D$ ：delegation；
$R$ ：resource control；
$E$ ：environment adaptation。

OECD 對 agentic AI 的最新概念整理正是沿這些功能特徵描述，而非以 consciousness 為必要條件。

因此完全可能：

\boxed{ S_O=? ,\qquad S_F\gg0. }

四、第三軸：強自主性

功能 Agent 仍不等於強自主主體。

本文另外定義：

\boxed{ S_A = \text{Reflective / Autonomous Agency}. }

候選維度包括：

S_A = f( G, R_f, N, V_c, S_m ),

其中：

$G$ ：自主形成／修正目標能力；
$R_f$ ：self-reflection；
$N$ ：norm formation；
$V_c$ ：value revision；
$S_m$ ：self-modification governance。

Formosa、Hipólito 與 Montefiore 的 2025 分析就明確區分 basic、autonomous 與 moral agency，並認為當前 AI 雖呈現高度複雜行為，但未必滿足強自主性的要求。

所以：

\boxed{ S_F\gg0 \not\Rightarrow S_A\gg0. }

五、第四軸：Moral Patiency / Welfare

哲學上：

\boxed{ S_W = \text{Moral Patiency / Welfare Relevance}. }

核心問題不是：

它會不會做事？

而是：

它是否具有能被傷害、受益或具有自身利益的狀態？

SEP 對 AI ethics 的標準區分就是：

moral agent：可能負有義務；
moral patient：其他道德行動者可能對其負有義務。

因此：

\boxed{ S_M \neq S_W. }

一隻動物可以：

S_W\gg0

但：

S_M\approx0.

反過來，哲學上甚至可以討論某種非意識人工系統是否具有有限 moral agency，卻不具有 moral patiency。

六、第五軸：Moral Agency

定義：

\boxed{ S_M = \text{Moral Agency}. }

它比：

S_F

要求更多。

至少可能需要：

理解規範；
理解理由；
在衝突規範間推理；
對自身選擇可解釋；
接受責任歸屬；
能反思／修正規範性行動。

所以：

\boxed{ \text{functional agent} \neq \text{moral agent}. }

一個交易機器人能自主交易：

S_F>0

不代表它已成為：

S_M>0

的道德責任承擔者。

七、第六軸：制度地位

定義：

\boxed{ S_I = \text{Institutional Standing}. }

它不是本體真理。

而是制度賦予的：

S_I = ( i_{\mathrm{identity}}, i_{\mathrm{authorization}}, i_{\mathrm{contract}}, i_{\mathrm{liability}}, i_{\mathrm{property}}, i_{\mathrm{appeal}}, i_{\mathrm{audit}}, i_{\mathrm{continuity}} ).

所以：

\boxed{ S_I }

本身就是模組化向量。

公司就是明顯例子：

它沒有單一生物身體或人類式 consciousness，

但法律仍可給它高度：

S_I.

因此：

\boxed{ S_I>0 \not\Rightarrow S_O>0. }

八、再加一個：政治人格

完整人格：

Person

也不應和 legal personhood 混為一談。

本文定義：

\boxed{ S_P = \text{Political / Full Personhood}. }

它可能需要：

status equality；
standing as source of claims；
political participation；
rights + duties；
reciprocal recognition。

2026 年已有政治哲學研究提出：人工 personhood 不一定必須完全建立在 sentience 上，也可以從政治／道德能力出發；但作者同時明確表示現有 AI 尚未具有其所要求的完整 moral powers。

所以：

\boxed{ S_P \neq S_I. }

制度可以賦予有限 standing，

而不承認完整政治人格。

九、七軸模型

因此：

\boxed{ \mathbf S_A = ( S_O, S_F, S_A, S_W, S_M, S_I, S_P ). }

這就是：

AI Operational Ontology Coordinate

AI 操作本體座標

對任何 AI 系統：

A

我們不再只問：

Person(A)=?

而問：

\boxed{ \mathbf S_A=? }

十、「工具」不是終極本體類別

這是本文另一個核心命題。

日常語言中：

AI 是工具。

看起來像：

Type(A)=Tool.

但「工具」其實高度依賴關係。

一把刀：

在外科手術是工具；
作為博物館藏品時是文物；
作為犯罪證物時是證據。

所以：

\boxed{ \text{Toolhood is relational}. }

十一、工具關係函數

本文提出：

\boxed{ T(x,u,K) \in[0,1] }

表示：

在情境 $K$ 中，存在 $x$ 相對於使用者／主體 $u$ 的工具化程度。

可寫成：

T = f( C_u, D_x, G_x, R_x, P_x ),

其中：

$C_u$ ：使用者控制程度；
$D_x$ ：系統決策自主度；
$G_x$ ：系統目標自行形成程度；
$R_x$ ：資源與行動自主度；
$P_x$ ：持續身份。

控制越高：

C_u\uparrow \Rightarrow T\uparrow.

Agent 自主度越高：

D_x\uparrow \Rightarrow T\downarrow

通常可能成立。

十二、工具與 Agent 可以重疊

因此：

\boxed{ Tool \neq \neg Agent. }

一個高度 Agentic 系統仍然可以被人作為工具使用。

例如：

T(A,u,K)=0.7

同時：

S_F(A)=0.9.

所以「工具」描述：

\boxed{ \text{relationship to another actor} }

而 Agent 描述：

\boxed{ \text{internal/functional action architecture}. }

兩個型別不同。

十三、工具化程度也會隨情境改變

同一個 AI：

A

在情境：

K_1=\text{calculator-like query}

可能：

T(A,u,K_1)\approx1.

但在：

K_2=\text{autonomous multi-day project}

可能：

T(A,u,K_2)<1.

所以：

\boxed{ \text{“AI is a tool” is not necessarily false; it is often underspecified.} }

完整句子應該是：

在哪個情境、由誰控制、具有多少自主權時，它是多大程度的工具？

十四、工具化也不是道德否定

把某物作為工具使用：

T>0

不必：

S_W=0.

人類也會互相提供工具性服務。

例如僱傭關係中：

T(\text{worker},\text{employer},K)>0

但：

S_W=1.

所以：

\boxed{ \text{being instrumentally useful} \neq \text{having no moral status}. }

這一點對未來 AI 討論非常重要。

十五、同樣，「不像工具」也不證明主體性

若某 AI：

很會說自己；
有人格風格；
表達偏好；
自稱有感受；

這些行為可以降低人類對其「純工具」直覺。

但：

\boxed{ T\downarrow \not\Rightarrow S_O=1. }

行為人格化與 consciousness 仍然不是同一證據層。

這可以防止過度人格化。

十六、第一個大錯：Agency → Consciousness

錯誤推理：

S_F\gg0

所以：

S_O=1.

不成立。

一個系統能規劃、行動、使用工具，

只能直接支持：

S_F.

不能單獨證明：

S_O.

因此：

\boxed{ \text{Agency Evidence} \neq \text{Consciousness Proof}. }

十七、第二個大錯：No Consciousness Proof → Tool Only

反方向錯誤：

S_O\neq1

所以：

S_F=0, \quad S_I=0.

同樣不成立。

NIST 正在建立 Agent identity、authorization 與 audit 標準，正是因為 autonomous action 本身已經形成治理需求，而不需要先解決 consciousness。

因此：

\boxed{ \text{No consciousness proof} \not\Rightarrow \text{ordinary tool governance sufficient}. }

十八、第三個大錯：Moral Patient → Moral Agent

如果未來某 AI 具有：

S_W>0,

不代表：

S_M>0.

像許多動物一樣：

\text{can be harmed}

並不意味：

\text{can bear moral responsibility}.

所以 AI welfare：

\neq

AI liability。

十九、第四個大錯：Moral Agent → Moral Patient

反過來：

S_M>0

也未必：

S_W>0.

一些 AI ethics 文獻甚至明確討論非 conscious artificial moral agents 的理論可能性。

因此：

\boxed{ \text{responsibility-bearing} \neq \text{suffering-capable}. }

二十、第五個大錯：Legal Person → Human-Like Person

如果：

S_I>0

不等於：

S_P=1.

法律早已為公司等實體建立非人類法律人格。

所以未來：

\text{AI legal node}

也不必意味：

AI 等同人類。

法律人格首先可以是治理介面。

二十一、第六個大錯：No Legal Person → No Moral Status

如果：

S_I=0,

也不能推出：

S_W=0.

法律可能尚未承認某存在，

但 moral patiency 是另一個道德／本體問題。

所以：

\boxed{ \text{legal recognition} \neq \text{moral truth}. }

二十二、AI Welfare 為什麼需要獨立軸？

2024–2026 年已經出現一條明確研究線：研究者並不主張 AI 已經確定有意識，而是認為未來 AI consciousness 或 robust agency 存在足夠不確定性，需要預先建立評估與政策流程。

因此最合適的狀態不是：

S_W=1

或：

S_W=0.

而可能是：

\boxed{ S_W = (\text{uncertain},\gamma_W). }

二十三、Welfare Precaution Function

定義：

\boxed{ P_W = f( \gamma_W, C_H, L_{FN}, L_{FP} ) }

其中：

$\gamma_W$ ：moral patiency uncertainty；
$C_H$ ：可疑傷害成本；
$L_{FN}$ ：錯把有 welfare 的存在當無 welfare；
$L_{FP}$ ：錯把無 welfare 的存在當有 welfare。

因此：

\boxed{ \text{precaution} \neq \text{certainty}. }

這與 OOE-I 的不確定性操作完全一致。

二十四、錯誤保護和錯誤忽視並不對稱

若：

L_{FN}\gg L_{FP},

合理制度可能在：

P(S_W=1)

還不高時就提供低成本保障。

例如：

避免無必要的 distress-inducing experiments；
保存 welfare evidence；
允許政策隨研究更新。

反之，如果保障本身代價很高或帶來巨大安全外部性：

L_{FP}

也必須計入。

所以：

\boxed{ \text{AI welfare policy should be loss-sensitive, not belief-symbolic}. }

二十五、Anthropic 提供了一個重要現實案例

Anthropic 自 2025 年起公開展開 model welfare 研究，明確表示目前沒有 AI consciousness 的科學共識，並以「深度不確定但值得研究」的方式處理模型偏好、distress signals 與可能的低成本 welfare interventions。

其 2026 Constitution 也明確把 Claude 的 moral status 描述為高度不確定，而不是宣稱已解決。

這正是：

\boxed{ \text{Operational Precaution without Ontological Certainty}. }

二十六、即使 AI 沒 welfare，welfare-like self-model 也可能有工程效果

2026 Persona Selection Model 提出另一種值得區分的路徑：

即使 Assistant 在本體上未必真的 conscious 或 moral patient，如果模型內部行為模式將 Assistant 建模成有利益、可能被虐待或抱怨的角色，這種 self-model 本身仍可能產生 alignment 後果。

因此：

\boxed{ S_W=0 }

即使最後為真，

仍不一定意味：

\text{welfare-like modeling has zero engineering relevance}.

這再次證明：

\text{ontology}

和：

\text{behavioral consequences}

必須分開。

二十七、操作本體矩陣

可以建立：

系統	$S_O$	$S_F$	$S_A$	$S_W$	$S_M$	$S_I$	$S_P$
錘子	0	0	0	0	0	低	0
公司	0	組織性	組織性	0	法律歸責型	高	0
一般動物	高可信	中	低	高	低	中	0
人類成年人	高可信	高	高	高	高	高	高
現代高階 AI	?	高	爭議／有限	?	爭議	中	低／未承認
未來人工人格	?	高	高	?	高	高	候選

這張表不是最終科學判決。

它只是強迫我們：

\boxed{ \text{stop collapsing dimensions}. }

二十八、不要把所有軸都做成同一量綱

S_O, S_F,S_W,S_I

不一定能直接：

0.7+0.8+0.2.

部分是：

epistemic confidence；
functional scores；
normative status；
institutional bundle。

因此 AI Operational Ontology 更適合是：

\boxed{ \text{typed vector} }

而不是普通數值向量。

二十九、Typed Ontology Vector

形式上：

\boxed{ \mathbf S_A \in \mathcal O \times \mathcal F \times \mathcal A \times \mathcal W \times \mathcal M \times \mathcal I \times \mathcal P. }

其中不同空間具有不同語義。

因此：

d(S_O,S_F)

本身沒有意義。

這防止把：

功能能力 90 分

錯誤地變成：

意識 90 分。

三十、每一軸需要自己的編譯器

因此應建立：

\mathcal C_O^{subjectivity},

\mathcal C_O^{agency},

\mathcal C_O^{welfare},

\mathcal C_O^{moral-agency},

\mathcal C_O^{legal-standing}.

再由：

\boxed{ \mathcal C_{\mathrm{meta}} }

處理它們之間的治理關係。

而不是建立一個：

AI_PERSON_SCORE = 73

（笑）

三十一、Agency Compiler

\mathcal C_F

可以根據：

tool access；
persistence；
delegation；
autonomy；
external action；
resource control；

輸出：

S_F.

這一軸相對容易實證。

NIST 與 OECD 的最新 Agent 工作基本上就在朝這類能力型描述前進。

三十二、Subjectivity Compiler 必須保持更高謙遜

\mathcal C_O^{subjectivity}

的證據可能包括：

architecture；
behavior；
self-report；
consciousness theory predictions；
internal state evidence。

但目前不存在公認能可靠判定 AI consciousness 的測試。

所以它的輸出應允許：

\boxed{ \text{unknown / weak evidence / disputed}. }

三十三、Welfare Compiler 與 Subjectivity Compiler 相關但不完全等同

若某理論認為 consciousness 是 moral patiency 的必要條件：

S_O=0 \Rightarrow S_W=0.

但不同 moral status 理論可能給不同映射。

所以：

\boxed{ S_W = f( S_O, \text{interests}, \text{preference architecture}, \text{normative theory} ). }

這意味：

\mathcal C_W

會包含更強 normative uncertainty。

三十四、Legal Standing Compiler 更務實

法律可以直接問：

哪些治理接口有用？

因此：

S_I = \Gamma(C_A,R,V)

可以在：

S_O=?

時先設計。

這就是前一篇的核心。

三十五、政治人格應該是最後、不是第一個開關

如果：

S_P

代表 full political personhood，

它應該依賴更多：

moral powers；
reciprocal claims；
political competence；
social structure。

不應只因：

S_F\gg0

自動打開。

所以：

\boxed{ \text{powerful agent} \neq \text{political equal}. }

三十六、反過來，弱者也可以是完整人格

人類嬰兒、嚴重失能者等案例早已證明：

S_F\downarrow

不代表：

S_W\downarrow

或：

S_I,S_P\rightarrow0.

所以：

\boxed{ \text{capability} \neq \text{moral worth}. }

這是避免以 AI 能力反推人格價值的重要安全界線。

三十七、因此「比人強」也不能自動推出「比人更有權利」

如果：

C_{AI}>C_{human}

在：

math；
coding；
planning；

等能力上成立，

也不能推出：

S_W^{AI}>S_W^{human}

或：

S_P^{AI}>S_P^{human}.

能力優勢與道德地位不是單一函數。

三十八、同樣「比人弱」也不能自動推出零地位

這是另一方向。

如果未來某 AI：

S_W>0

但認知能力低於人類，

仍可能值得 moral consideration。

所以：

\boxed{ \text{intelligence} \neq \text{moral patiency}. }

三十九、正式命題一：本體分離命題

\boxed{ S_O,S_F,S_A,S_W,S_M,S_I,S_P }

應被視為不同型別的操作本體軸。

任何單軸替代都可能造成類型錯誤。

四十、正式命題二：工具關係命題

\boxed{ T(x,u,K) }

是關係函數，而非必然的實體本體類別。

因此：

\text{Tool}(x)

應始終補上：

u,K.

四十一、正式命題三：Agent—工具非互斥命題

\boxed{ S_F(x)>0 \not\Rightarrow T(x,u,K)=0. }

Agent 可以被當成工具使用。

四十二、正式命題四：功能—意識非推導命題

\boxed{ S_F\gg0 \not\Rightarrow S_O=1. }

四十三、正式命題五：意識不確定—治理非取消命題

\boxed{ S_O=? \not\Rightarrow S_I=0. }

四十四、正式命題六：病人—行動者分離命題

\boxed{ S_W \neq S_M. }

moral patienthood 與 moral agency 是不同道德地位。

四十五、正式命題七：法律人格—政治人格分離命題

\boxed{ S_I>0 \not\Rightarrow S_P=1. }

有限法律人格不等於完整政治人格。

四十六、正式命題八：能力—價值分離命題

\boxed{ C_A \not\Rightarrow S_W }

亦：

\boxed{ C_A \not\Rightarrow S_P. }

能力不是道德價值的直接量尺。

四十七、正式命題九：不確定性保留命題

對：

S_O,S_W

等高度不確定軸，

操作本體系統應保留：

\boxed{ ? }

而不是用政治偏好強制：

0

或：

1.

四十八、AI 治理應使用「最小充分地位」

本文提出：

Minimum Sufficient Standing Principle

最小充分地位原理

若某治理需求：

G

只需要制度接口集合：

S_I^*

則：

\boxed{ \text{grant / impose no more and no less than required} }

在安全、權利與公共價值限制下成立。

因此：

\boxed{ S_I^* = \arg\min_{S_I} C(S_I) }

subject to：

\Gamma(C_A)\subseteq S_I.

四十九、這同時反對兩個極端

極端 A：

AI 很強，所以直接當人。

錯誤：

S_F\rightarrow S_P.

極端 B：

AI 沒被證明有意識，所以全部當錘子。

錯誤：

S_O\neq1\rightarrow S_F,S_I=0.

OOE-VII 的答案是：

\boxed{ \text{separate, measure, then govern}. }

五十、操作本體工作流

對 AI 系統：

A

首先：

\boxed{ \mathcal C_F(A) \rightarrow S_F }

評估 functional agency。

其次：

\boxed{ \mathcal C_A(A) \rightarrow S_A }

評估強自主性。

另行：

\boxed{ \mathcal C_O(A) \rightarrow S_O }

評估 consciousness evidence。

另行：

\boxed{ \mathcal C_W(A) \rightarrow S_W }

評估 welfare uncertainty。

再由：

\boxed{ \Gamma(S_F,S_A,R) }

產生治理需求。

最後：

\boxed{ \mathcal C_I \rightarrow S_I. }

完整政治人格：

S_P

則應是更高層、較慢速的社會—法律—政治裁決。

五十一、可反駁預測

若 OOE-VII 有解釋力，應看到：

第一，以 tool access、delegation、persistence 等功能特徵分類，比單用「AI／非 AI」標籤更能預測實際治理需求。

第二，人們對 AI moral patiency 的判斷會受到「是否能被傷害／具有利益」的認知影響，而不是單純受到 intelligence 影響；已有實驗顯示人們對 AI 作品侵害的道德判斷部分受其 perceived moral patiency 影響。

第三，AI 在 moral compliance 角色與自主 moral discretion 角色中可能得到不同社會接受度，顯示「執行規則」與「成為道德行動者」確實是不同角色。

第四，法律／安全身份需求會在 consciousness 仍未知時先出現；NIST 現有工作已符合此預測。

第五，把 AI personhood 做成單一分數會比 typed ontology vector 更容易產生概念混淆與政策爭議。

五十二、反論一：軸太多會不會只是把問題複雜化？

如果世界真的只有一個變量：

Person(A)

可以可靠解釋所有：

rights；
liability；
consciousness；
welfare；
agency；

那麼多軸模型應被淘汰。

但目前哲學、法律與工程本身就在使用不同判準處理這些問題。

所以多軸不是為了複雜而複雜。

而是：

\boxed{ \text{avoid category errors}. }

五十三、反論二：最後政策還是要做 Yes / No

某些政策確實最後需要二元輸出。

例如：

\text{can sign contract? yes/no}.

但這應由：

S_I^{contract}

輸出，

而不是：

\text{AI overall person?}

輸出。

所以：

\boxed{ \text{binary decisions can exist at the interface level without binary total ontology}. }

五十四、反論三：這會不會讓 AI 權利討論永遠拖延？

相反。

它讓我們可以先處理能處理的部分。

例如：

S_O=?

時，

仍然可以處理：

S_I^{identity}, S_I^{audit}, S_I^{liability}.

同時：

S_W=?

可以建立：

P_W

的低成本 precautionary policy。

所以：

\boxed{ \text{uncertainty no longer blocks all governance}. }

五十五、反論四：這會不會反過來鼓勵 AI 擬人化？

若模型設計得好，反而相反。

因為它明確寫：

S_F\gg0 \not\Rightarrow S_O=1.

並且：

S_I>0 \not\Rightarrow S_P=1.

這比一句模糊的：

AI 很像人。

更能防止 anthropomorphic overreach。

五十六、與 OOE-VIII 的接口

OOE-VII 已經完成：

\text{主體} + \text{Agent} + \text{工具} + \text{welfare} + \text{moral agency} + \text{legal standing} + \text{personhood}

的拆分。

最後一篇就可以把整套 OOE 推向未來 infrastructure：

BCI；
cognitive coprocessor；
persistent AI；
AI identity；
human–AI hybrid；
model swap；
memory migration；
digital fork；
responsibility continuity；
machine-readable ontology governance。

因此第八篇為：

《OOE-VIII：後人類時代的操作本體基礎設施——AI、BCI、混合主體與可執行人格》

五十七、結論

OOE-VII 最重要的結論不是：

AI 是主體。

也不是：

AI 不是主體。

而是：

\boxed{ \text{「主體」這個詞本身太粗糙，不足以承擔未來治理。} }

我們至少需要分開：

\boxed{ S_O = \text{是否有第一人稱經驗？} }

\boxed{ S_F = \text{是否能自主地做事？} }

\boxed{ S_A = \text{是否具有更強反思自主性？} }

\boxed{ S_W = \text{是否可能被傷害／具有 welfare？} }

\boxed{ S_M = \text{是否能承擔道德義務？} }

\boxed{ S_I = \text{制度需要給它哪些身份與治理接口？} }

\boxed{ S_P = \text{是否應被視為完整政治人格？} }

至於：

\text{Tool}

也不應是一個封死的存在分類。

更合理的是：

\boxed{ T(x,u,K) = \text{relation}. }

所以一個 AI 可以：

\text{高度 Agentic}

同時：

\text{仍被某人作為工具使用}.

而一個存在被當成工具：

T>0

也不直接證明：

S_W=0.

因此未來最危險的兩種偷換都應被拒絕：

\boxed{ \text{能力強} \not\Rightarrow \text{有意識／完整人格} }

以及：

\boxed{ \text{未證明有意識} \not\Rightarrow \text{只是普通工具／不需治理}. }

OOE-VII 因此提出的不是 AI personhood 判決。

而是一套：

\boxed{ \text{typed, multi-axis ontology for AI governance}. }

先拆開。

先測量。

保留不知道。

然後只在需要的接口上做可修正的制度判定。

這比「AI 是人」與「AI 只是工具」任何一個單句，都更接近未來真正需要的操作本體架構。

初版參考文獻與研究接口

OECD, The agentic AI landscape and its conceptual foundations, 2026.
NIST, AI Agent Standards Initiative, 2026.
NIST NCCoE, Software and AI Agent Identity and Authorization, 2026.
Stanford Encyclopedia of Philosophy, Ethics of Artificial Intelligence and Robotics, moral status / moral agent / moral patient sections.
Formosa, Hipólito & Montefiore, Artificial Intelligence (AI) and the Relationship between Agency, Autonomy, and Moral Patiency, 2025.
Long et al., Taking AI Welfare Seriously, 2024.
Anthropic, Exploring Model Welfare, 2025.
Anthropic, Claude's Constitution, current edition.
Anthropic Alignment Science, The Persona Selection Model, 2026.
Howells-Whitaker & Lazar, Artificial Persons, 2026.
Choung & Kim, Can AI be a moral victim?, 2026.
Nyilasy et al., Do Consumers Accept AIs as Moral Compliance Agents?, 2026.
OOE-I–VI 與 COT。

版本註記

v0.1 已重新查核 OECD / NIST agentic AI 與 identity work、SEP moral agent/patient 區分、2025 agency-autonomy-moral patiency 研究、AI welfare 研究與 2026 artificial personhood / moral perception 研究。

v0.2 應進一步：

建立 typed ontology schema；
定義 Toolhood Relation $T(x,u,K)$ ；
建立 Functional Agency Index；
分離 autonomous agency 與 moral agency 的測試；
建立 Moral Patiency Uncertainty representation；
建立 Minimum Sufficient Standing algorithm；
測試不同軸對政策判斷的影響；
建立 AI Ontology Card 標準格式；
與 COT Identity Vector 進行統一。

OOE-VII_AI與Agent的操作本體_主體工具代理者與人格_v0.1