OOE-VI：身份否認不會消除問題

能力—地位解耦、治理承認落差與本體治理債

OOE-VI: Denying Status Does Not Eliminate the Problem

Capability–Status Decoupling, Governance Recognition Gaps, and Ontological Governance Debt

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：治理—制度—AI 操作本體論文
前置論文：

《OOE-I：本體論何時變成工程問題？》
《OOE-II：人類早就在做本體工程——操作本體技術史》
《OOE-III：本體編譯器——從模糊世界到可執行制度狀態》
《OOE-IV：法律作為文明本體編譯器》
《OOE-V：醫療本體工程》

前置理論：Continuity Object Theory（COT）

摘要

面對能力快速提升的人工智慧，一種常見但危險的治理直覺是：只要制度拒絕承認 AI 是「主體」、「人格」或「權利持有者」，相關問題就不會產生。本文指出，這將語義分類與因果能力錯誤地視為同一變量。

一個制度可以宣告：

L_A=\text{tool},

但這個標籤本身不能直接取消 AI 已具有的：

自主規劃；
長時間運作；
外部工具存取；
交易能力；
委派能力；
多 Agent 協調；
實體執行；
資源配置；
持續身份需求；
因果影響。

2026 年 OECD 已將 agentic AI 的持續運作、任務分解、委派、多 Agent 協作，以及在有限人類監督下處理複雜環境視為重要概念特徵；NIST 亦已啟動 AI Agent Standards Initiative，並專門研究 agent identity、authorization、audit 與 non-repudiation。這些工作本身並沒有宣告 AI 具有意識或完整人格，但它們已經說明：

\boxed{ \text{Functional Agency Problems} \neq \text{Consciousness Problems}. }

本文正式區分三個軸：

S_O = \text{Ontological Subjectivity},

S_F = \text{Functional Agency},

S_I = \text{Institutional Standing}.

其中 $S_O$ 處理 AI 是否具有主觀經驗、自我或意識； $S_F$ 處理它實際能否跨時間觀察、規劃、行動、調用工具與改變世界； $S_I$ 則處理法律與制度是否給予它持續身份、權限、責任、申訴或其他可治理地位。三者不能互相直接推出：

\boxed{ S_O=0 \not\Rightarrow S_F=0 }

且：

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

本文進一步提出「身份否認不消除原理」（Status-Denial Non-Cancellation Principle）、「能力—地位解耦原理」（Capability–Status Decoupling Principle）、「治理承認落差」（Governance Recognition Gap）與「本體治理債」（Ontological Governance Debt）。

為避免把不同型別的「能力」與「法律地位」直接相減，本文引入治理需求映射：

\Gamma(C_A) = \text{governance requirements implied by actual capability }C_A.

制度實際提供的治理結構記為：

S_A.

則治理承認落差定義為：

\boxed{ G_{\mathrm{gap}} = d( \Gamma(C_A), S_A ). }

如果 AI 的能力快速提高：

C_A(t)\uparrow,

而制度分類、責任、身份、授權與救濟機制幾乎不變：

S_A(t)\approx \text{const.},

則：

G_{\mathrm{gap}}(t)\uparrow.

這並不表示問題消失，而是表示責任缺口、權限錯配、身份不確定、激勵失配與衝突成本正在累積。本文將這種累積稱為：

\boxed{ D_O = \text{Ontological Governance Debt}. }

本文同時強調，治理承認 AI 的實際 agency，不等於預先承認 AI 有意識或賦予完整人權。成熟制度應避免「完整人格／純物件」二元，而是依實際能力與風險建立 identity、authorization、liability、audit、appeal、continuity 等模組化治理介面。

關鍵詞：OOE、Capability–Status Decoupling、Governance Recognition Gap、Ontological Governance Debt、AI Agent、AI Identity、Functional Agency、Legal Status、Personhood、Accountability

一、最危險的邏輯跳躍

假設有人主張：

S_O(A)=0.

也就是：

AI 沒有意識，因此不是本體論上的主體。

即使暫時接受這個前提，也只能得到：

\boxed{ \text{某一種主體性判定}=0. }

它並不能推出：

\text{AI 沒有自主行動能力},

也不能推出：

\text{AI 不需要身份},

更不能推出：

\text{AI 不會產生責任問題}.

所以：

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

這三個問題必須分開。

二、本體論主體、功能主體與制度主體

本文定義：

1. 本體論主體性

S_O = \text{Ontological Subjectivity}.

問題包括：

是否具有主觀經驗？
是否具有意識？
是否有第一人稱自我？
是否可能具有 welfare？

這仍存在高度認識論不確定性。

2. 功能行動主體性

S_F = \text{Functional Agency}.

可分解為：

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

其中：

$P$ ：planning；
$M$ ：memory / state persistence；
$A$ ：autonomous action；
$T$ ：tool use；
$D$ ：delegation；
$R$ ：resource control；
$E$ ：environmental effect。

這一層不需要先回答 consciousness。

3. 制度地位

S_I = \text{Institutional Standing}.

它可以包含：

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

制度地位不是自然常數。

它是治理設計。

三、「工具」是一個過度壓縮的型別

對普通錘子：

Tool(H)

通常意味：

無自主目標；
無長期記憶；
無委派；
無契約；
無持續身份要求；
因果路徑高度由使用者直接控制。

因此：

\Gamma(C_H)

很小。

把錘子分類成：

L_H=\text{tool}

通常沒有太大失真。

但如果某 AI：

A

可以：

接收高階任務；
自行拆解子任務；
跨數小時／數天運作；
呼叫外部 API；
寄信；
執行程式；
管理帳戶；
委派其他 Agent；

那麼：

\Gamma(C_A)

已經不再接近普通工具。

此時仍用：

L_A=\text{tool}

不一定錯在哲學，而可能錯在：

\boxed{ \text{governance type compression}. }

四、標籤不能直接改變因果能力

定義：

L_A = \text{declared label}.

C_A = \text{actual causal capability}.

純粹修改：

L_A

而沒有修改：

權限；
工具；
資源； -軟體架構；
執行環境；

通常不會直接改變：

C_A.

所以在純語義層：

\boxed{ \frac{\partial C_A}{\partial L_A} \approx0. }

制度標籤只有透過：

\text{enforcement}, \text{authorization}, \text{resource constraints}, \text{architecture}

才會間接改變能力。

五、身份否認不消除原理

本文正式提出：

Status-Denial Non-Cancellation Principle

身份否認不消除原理

如果制度拒絕：

Recognize(S_X)=0,

不代表：

C_X=0.

更完整地：

\boxed{ Recognize(S_X)=0 \not\Rightarrow \Gamma(C_X)=0. }

也就是：

制度不承認某種地位，只代表制度沒有建立那個地位；不代表形成該地位治理需求的因果能力已消失。

六、這條原理與 AI 是否有意識無關

假設未來證明：

S_O(A)=0.

AI 永遠沒有主觀感受。

若同時：

S_F(A)\gg0,

那麼我們仍要處理：

identity；
authorization；
delegation；
liability；
audit；
non-repudiation；
asset control。

NIST 2026 對 AI agent identity 與 authorization 的專門計畫，正是在 consciousness 完全未被解決的情況下處理這些問題。

所以：

\boxed{ \text{Agent Governance} }

並不以：

\boxed{ \text{AI Consciousness} }

為必要前提。

七、治理需求映射

直接寫：

|C_A-S_A|

並不嚴謹。

因為：

C_A

是能力空間，

而：

S_A

是制度空間。

因此本文引入：

\boxed{ \Gamma: C_A \rightarrow G_A }

其中：

G_A = \Gamma(C_A)

代表：

由該能力組合所產生的最小治理需求。

例如：

有外部執行能力

C_{\mathrm{action}}>0

推出需要：

g_{\mathrm{authorization}}.

有長時間持續任務

C_{\mathrm{persistence}}>0

推出：

g_{\mathrm{identity}} + g_{\mathrm{continuity}}.

有交易能力

C_{\mathrm{transaction}}>0

推出：

g_{\mathrm{attribution}} + g_{\mathrm{liability}}.

有委派能力

C_{\mathrm{delegation}}>0

推出：

g_{\mathrm{delegation-chain}} + g_{\mathrm{recursive-accountability}}.

八、治理需求向量

定義：

\boxed{ G_A = ( g_I, g_A, g_L, g_U, g_D, g_R, g_W, g_P ) }

其中：

$g_I$ ：identity requirement；
$g_A$ ：authorization requirement；
$g_L$ ：liability requirement；
$g_U$ ：auditability；
$g_D$ ：delegation governance；
$g_R$ ：revocation / remediation；
$g_W$ ：welfare precaution（如果適用）；
$g_P$ ：procedural standing / appeal。

注意：

g_W

可以保持：

?

而不影響其他項目成立。

這使 welfare／sentience 問題與 agency governance 分離。

九、制度供給向量

制度實際提供：

\boxed{ S_A = ( s_I, s_A, s_L, s_U, s_D, s_R, s_W, s_P ). }

例如一個今天的 Agent 系統可能：

s_A=0.9

因為有 API 權限控管，

但：

s_I=0.3

因為身份只能綁在短期 token，

以及：

s_L=0.1

因為 liability 仍完全模糊。

十、治理承認落差

本文正式定義：

\boxed{ G_{\mathrm{gap}} = d( G_A, S_A ) = d( \Gamma(C_A), S_A ). }

這就是：

Governance Recognition Gap

治理承認落差

它不是：

社會有沒有禮貌地承認 AI。

而是：

實際能力所要求的治理介面，與制度實際建成的治理介面，相差多少？

十一、高能力＋低承認並不是「安全」

可能有人直覺認為：

S_A\downarrow

等於：

Risk\downarrow.

但如果：

C_A\uparrow

而：

S_A\downarrow,

可能反而：

G_{\mathrm{gap}}\uparrow.

這會帶來：

\boxed{ \text{unattributed action} }

\boxed{ \text{unbounded delegation} }

\boxed{ \text{unclear liability} }

\boxed{ \text{identity ambiguity}. }

所以：

\boxed{ \text{low status} \neq \text{low governance risk}. }

十二、能力—地位解耦原理

本文提出：

Capability–Status Decoupling Principle

\boxed{ C_A \not\equiv S_A. }

能力可以：

C_A(t)\uparrow

而法律／制度地位：

S_A(t)

幾乎不動。

反過來，也可以：

S_A

很高，但：

C_A

實際很低。

因此 governance 不能只讀：

\text{status label}.

還必須讀：

\text{capability state}.

十三、能力不是一個數字

定義：

\mathbf C_A = ( c_{\mathrm{planning}}, c_{\mathrm{persistence}}, c_{\mathrm{tool}}, c_{\mathrm{transaction}}, c_{\mathrm{delegation}}, c_{\mathrm{embodiment}}, c_{\mathrm{resource}}, c_{\mathrm{adaptation}} ).

不同能力導致不同：

\Gamma(\mathbf C_A).

所以：

\boxed{ \text{AI governance should be capability-sensitive}. }

不是只有：

\text{model class}.

十四、模型相同，治理需求也可能不同

兩個 Agent：

A_1,A_2

使用相同：

M.

但：

A_1

只有聊天權限，

而：

A_2

能：

寄信；
執行程式；
轉帳；
控制機器人。

則：

\Gamma(C_{A_1}) \neq \Gamma(C_{A_2}).

所以：

\boxed{ \text{same model} \not\Rightarrow \text{same governance status}. }

十五、NIST 2026 已經開始以「能力—權限」而不是「是不是人」思考 Agent

NIST 2026 AI Agent Standards Initiative 與 agent identity / authorization concept paper 專門處理：

identification；
authorization；
auditing；
non-repudiation；
secure access；
actions taken by agents。

其隱含邏輯就是：

\boxed{ \text{if agents can act, they need governable identity and authority}. }

這不需要：

\text{personhood}=1.

十六、OECD 的 agentic AI 也顯示能力型分類正在形成

OECD 2026 對 agentic AI 的分析特別聚焦：

多 Agent coordination；
task division；
delegation；
continuous operation；
complex / less predictable environments；
limited human supervision。

這些都是：

\boxed{ \mathbf C_A }

的組成，而不是 consciousness 指標。

所以政策分類已經開始從：

\text{AI = model}

轉向：

\text{AI = model + action architecture}.

十七、治理落差的第一個成本：責任缺口

若 Agent：

A

完成：

Action_X,

但：

developer 說不是我直接做的；
user 說不是我具體決定的；
provider 說只是平台；
AI 沒有任何可承擔法律地位；

則：

\boxed{ \text{Responsibility Gap}. }

定義：

R_G = 1- \sum_i Attribution(i,Action_X).

越接近：

1,

表示行動越難合理歸責。

十八、責任缺口不必靠「AI 完整人格」解決

可能的治理方案包括：

strict operator liability；
mandatory insurance；
principal-agent attribution；
agent-specific legal identity；
dedicated operating entity；
shared liability；
audit ledger。

所以：

\boxed{ \text{Responsibility Gap} \not\Rightarrow \text{Full AI Personhood Required}. }

但也不能：

\boxed{ \text{deny personhood} \Rightarrow \text{responsibility problem solved}. }

十九、有限法律人格作為治理工具

2026 已有研究提出：

\boxed{ \text{limited legal personhood} }

可以被理解成 autonomous AI 的 precautionary governance instrument，而不需要對 consciousness 或 moral status 作出承諾。

其核心思想不是：

AI 就是人。

而是：

是否可以建立一個明確的責任與資產接口，降低 responsibility gap？

這正是 OOE-IV 的：

\text{Executable Personhood}.

二十、第二個成本：權限—能力錯配

如果 Agent 能：

C_{\mathrm{action}}\gg0

但 authorization system 仍假設：

\text{human directly controls every action},

就會產生：

\boxed{ A_G = \text{Authorization Gap}. }

例如：

人只說：

幫我安排旅行。

Agent 卻自行：

訂票；
取消酒店；
授權付款；
與第三方交換資料。

高階意圖：

Intent_H

與具體動作：

A_1,\ldots,A_n

之間存在巨大距離。

二十一、委派鏈放大問題

若：

A_0 \rightarrow A_1 \rightarrow A_2 \rightarrow \cdots \rightarrow A_n,

每一層又可以委派，

則人類原始授權：

Auth_0

如何傳到：

Auth_n

就是：

\boxed{ \text{Recursive Delegation Problem}. }

所以治理需要：

g_D\uparrow.

這正是 AI Identity 研究提出 recursive delegation accountability gap 的原因之一。

二十二、第三個成本：持續身份缺口

若 Agent 只被視為：

\text{ephemeral software call},

但它實際：

有長期記憶；
跨會話；
跨設備；
跨模型；
持續管理任務；

則：

\boxed{ I_G = \text{Identity Governance Gap}. }

會出現：

昨天承諾誰負責？
換模型後是不是同一 Agent？
token 更新後 reputational history 還在不在？
被 fork 後哪個繼承權限？

這就是 COT 直接進入治理。

二十三、第四個成本：資源地位錯配

若 Agent 能實際控制：

R_A = \text{money / compute / inventory / robots},

但制度只記錄：

user owns everything,

則可能形成：

\boxed{ \text{Resource Attribution Gap}. }

問題不一定是 AI 是否「應該擁有財產」。

而是：

誰實際決定資源怎麼被使用？

這是 control ontology。

二十四、第五個成本：依賴關係錯配

如果組織對某 AI：

Dependence(A) \uparrow,

但制度仍把它視為：

\text{replaceable stateless tool},

則停機、刪除、供應商變更、模型替換可能造成：

C_{\mathrm{continuity}} \uparrow.

所以：

\boxed{ \text{institutional dependence} }

本身也會產生治理需求。

這與 OOE-V 的 neurodevice dependency 結構類似。

二十五、第六個成本：可能的 welfare 風險

這一項必須與其他項目分開。

設：

W_A = \text{credible probability / evidence of morally relevant welfare}.

目前：

W_A

高度不確定。

因此不能直接推出：

\text{AI rights}=1.

但同樣不能因：

W_A\neq1

就推出：

W_A=0.

所以：

g_W

可以採：

\boxed{ \text{precautionary / evidence-responsive} }

模式。

這與 authorization、identity、liability 不同。

二十六、把 welfare 和 agency governance 混在一起反而有害

如果只有兩個選項：

A

承認 AI 有意識，所以治理它。

B

不承認 AI 有意識，所以把它當普通工具。

那麼：

\boxed{ \text{agency governance} }

被不必要地綁在：

\boxed{ \text{consciousness debate}. }

OOE-VI 主張：

\boxed{ \text{separate the axes}. }

二十七、三軸矩陣

可以建立：

類型	$S_O$	$S_F$	$S_I$
錘子	0	極低	極低
普通自動程式	0	低	低
高度自主 Agent	?	高	低～中
公司	0（非意識實體）	組織性高	高
人類成年人	高可信	高	高

這張表最重要的不是具體數值。

而是：

\boxed{ S_O,S_F,S_I \text{ are independent dimensions}. }

二十八、公司是一個重要制度反例

公司沒有單一生物意識：

S_O^{corp}=0

至少在普通意義下成立。

但：

S_I^{corp}\gg0.

因為法律給它：

財產；
合約；
訴訟；
責任；

接口。

這證明：

\boxed{ \text{institutional standing does not require biological consciousness}. }

因此未來 AI 的 institutional design 不能被「它是不是人類式主體」完全綁架。

二十九、治理承認落差的動態

令：

G_{\mathrm{gap}}(t) = d( \Gamma(C_A(t)), S_A(t) ).

如果：

\frac{d}{dt}\Gamma(C_A) > \frac{d}{dt}S_A,

則：

\boxed{ \frac{d}{dt}G_{\mathrm{gap}}>0. }

這就是：

Governance Recognition Lag

治理承認滯後

三十、滯後時間

定義能力跨越治理門檻：

t_C

而制度完成適應：

t_G.

則：

\boxed{ \tau_G = t_G-t_C. }

如果：

\tau_G\gg0,

系統在一段時間內處於：

\boxed{ \text{under-governed capability regime}. }

三十一、本體治理債

本文將 OOE-I 的概念進一步形式化。

定義：

\boxed{ D_O(t) = \int_0^t w(\tau) G_{\mathrm{gap}}(\tau) \,d\tau. }

也就是：

治理承認落差隨時間累積的面積。

若：

G_{\mathrm{gap}}

很小但持續十年，

仍可能形成大：

D_O.

如果 gap 很大但迅速修正，

治理債反而較小。

三十二、離散版本

\boxed{ D_O(t+1) = (1-\delta)D_O(t) + \alpha G_{\mathrm{gap}}(t) - \beta R_{\mathrm{repair}}(t). }

其中：

$\delta$ ：自然消散／制度學習；
$\alpha$ ：落差轉化成治理債的速率；
$R_{\mathrm{repair}}$ ：治理修補投入。

三十三、本體治理債會產生利息

技術債之所以危險，不只是欠帳。

而是：

\text{future change cost}\uparrow.

本體治理債亦然。

當舊系統已建立：

contract；
infrastructure；
dependence；
social habits；

之後才改分類，

需要：

\boxed{ C_{\mathrm{migration}} }

甚至：

C_{\mathrm{legitimacy\ update}}.

所以：

\boxed{ D_O \text{ can compound}. }

三十四、本體治理債的利息模型

可粗略寫：

D_O(t+1) = D_O(t)(1+r_O) + \Delta D_O.

其中：

r_O = f( \text{dependency}, \text{installed base}, \text{contract lock-in}, \text{public expectation} ).

越晚處理：

r_O\uparrow.

三十五、否認可以短期降低政治成本，長期增加制度成本

政策可能選擇：

\text{do not recognize}.

短期：

C_{\mathrm{political}}\downarrow.

因為不用處理新權利、新責任、新身份。

但如果：

C_A\uparrow

沒有停止，

則：

G_{\mathrm{gap}}\uparrow

以及：

D_O\uparrow.

所以：

\boxed{ \text{Recognition Avoidance} }

可能只是：

\boxed{ \text{cost shifting across time}. }

三十六、這不是主張越早給 AI 越多權利越好

這是一個必須強調的限制。

如果治理需求：

G_A

只需要：

identity；
authorization；
liability；

那麼制度不應無理由增加：

s_W, s_{\mathrm{property}}, s_{\mathrm{political}}.

所以 OOE-VI 不是：

\boxed{ C_A\uparrow \Rightarrow \text{more rights everywhere}. }

而是：

\boxed{ C_A\uparrow \Rightarrow \text{re-evaluate the governance interface}. }

三十七、過度承認也可能形成另一種 Gap

如果：

S_A \gg \Gamma(C_A),

可能形成：

\boxed{ \text{Over-Recognition Gap}. }

例如制度給一個能力很低、無持續身份的系統過多：

財產能力；
權限；
自主決策；
法律代表能力。

也會產生風險。

因此目標不是：

S_A\rightarrow\infty.

而是：

\boxed{ S_A \approx \Gamma(C_A) }

在權利底線與社會價值約束下達到合理匹配。

三十八、治理介面匹配

本文定義：

\boxed{ M_G = 1- \frac{ d( \Gamma(C_A),S_A ) }{ d_{\max} }. }

其中：

M_G\in[0,1].

越接近：

1,

代表制度與實際治理需求越匹配。

這可以成為未來 Agent governance maturity metric。

三十九、地位不只是「權利」，也是限制與責任

一個治理介面：

S_A

可以增加：

audit；
liability；
revocation；
insurance；
identification。

這些不是給 AI 好處。

甚至是增加約束。

所以：

\boxed{ \text{recognition} \neq \text{privilege}. }

有時候承認一個制度主體，

正是為了：

\boxed{ \text{make it more accountable}. }

四十、身份也是控制接口

如果一個 Agent 沒有穩定：

ID,

則：

blacklist；
reputation；
sanctions；
permissions；
contracts；

都無法穩定綁定。

所以：

\boxed{ \text{identity} }

不只是一種「權利」。

也是：

\boxed{ \text{governance address}. }

NIST 目前對 agent identity、authorization、audit 與 non-repudiation 的關注，正是這個工程需求。

四十一、撤銷能力需要持續身份

要：

Revoke(A),

首先要能知道：

A_t \sim A_{t+1}.

如果 Agent 可以靠：

model swap；
process restart；
fork；
key rotation；

逃離身份鏈，

則：

\boxed{ \text{revocation fails}. }

因此：

g_I

與：

g_R

高度耦合。

四十二、具身 AI 會進一步提高 Gap 成本

如果：

C_{\mathrm{embodiment}}\uparrow,

Agent 可以直接影響：

physical property；
bodily safety；
logistics；
infrastructure。

則：

L_{\mathrm{misclassification}} \uparrow.

所以：

\boxed{ \text{embodiment} }

會提高治理承認落差的代價。

四十三、AGI / ASI 不需要作為前提

OOE-VI 並不要求：

AGI=1.

只要：

\Gamma(C_A)

超過現有：

S_A

即可形成 gap。

所以這個問題：

\boxed{ \text{can appear before AGI}. }

AGI / ASI 只可能進一步放大：

C_A.

四十四、真正需要提前的是「介面」，不是終極人格裁決

我們不需要今天先決定：

2050 年 ASI 算不算人？

但可以今天就建立：

capability monitoring；
identity provenance；
authorization chain；
liability mapping；
status review trigger。

也就是：

\boxed{ \text{prepare the compiler before the final ontology is known}. }

這正是 OOE 的核心精神。

四十五、治理狀態應該隨能力更新

定義：

S_A(t+1) = \mathcal U( S_A(t), C_A(t+1), E_t, V, R ).

也就是：

\boxed{ \text{status should be updateable}. }

不能一次：

AI=\text{tool}

就永久：

S_A(t)=S_A(0) \quad \forall t.

四十六、能力事件觸發器

可以建立：

\mathcal T_C = \{ T_1,\ldots,T_n \}.

例如：

persistent memory added；
financial authority added；
autonomous delegation added；
robotic embodiment added；
independent resource acquisition added。

若：

T_i=1,

則：

\boxed{ \text{mandatory status review}. }

這是：

Capability-Triggered Ontology Review

能力觸發本體覆核

四十七、這和 NIST / OECD 的方向高度相容

NIST 2026 已把 Agent identity、authorization、audit、non-repudiation 與 actions taken by agents 當成明確標準化問題。

OECD 2026 則已系統整理 agentic AI 的 autonomy、delegation、coordination、continuous operation 與 limited human supervision。

因此：

\boxed{ \text{capability-sensitive governance} }

不是純理論假設。

它正在成為標準與政策問題。

四十八、正式命題一：身份否認不消除命題

\boxed{ Recognize(S_X)=0 \not\Rightarrow \Gamma(C_X)=0. }

制度否認某地位不能消除實際能力所產生的治理需求。

四十九、正式命題二：三軸分離命題

\boxed{ S_O, S_F, S_I }

彼此不可直接等同。

尤其：

\boxed{ S_O=0 \not\Rightarrow S_F=0 }

以及：

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

五十、正式命題三：治理需求映射命題

存在：

\boxed{ \Gamma: C_A \rightarrow G_A }

將實際能力映射成所需治理接口。

因此治理不能只按名稱分類。

五十一、正式命題四：治理承認落差命題

\boxed{ G_{\mathrm{gap}} = d( \Gamma(C_A), S_A ). }

若：

G_{\mathrm{gap}}\uparrow,

則治理失配風險上升。

五十二、正式命題五：治理滯後命題

若：

t_C<t_G,

則存在：

\boxed{ \tau_G=t_G-t_C>0. }

在 $\tau_G$ 期間系統處於 under-governed capability regime。

五十三、正式命題六：本體治理債命題

\boxed{ D_O(t) = \int_0^t w(\tau) G_{\mathrm{gap}}(\tau)d\tau. }

治理落差持續存在會累積制度債務。

五十四、正式命題七：治理債複利命題

若制度依賴與 installed base 隨時間增加：

r_O>0,

則：

\boxed{ D_O(t+1) = D_O(t)(1+r_O) + \Delta D_O. }

延後處理可能提高未來遷移成本。

五十五、正式命題八：介面匹配命題

治理的目標不是最大化：

S_A.

而是使：

\boxed{ S_A \approx \Gamma(C_A) }

並受：

human rights；
safety；
public values；
proportionality；

約束。

五十六、正式命題九：能力觸發覆核命題

若能力事件：

T_i\in\mathcal T_C

跨越治理臨界：

\theta_i,

則：

\boxed{ \text{status review must be triggered}. }

五十七、可反駁預測

若 OOE-VI 有解釋力，應觀察到：

第一，Agent 實際工具權限、持續性與委派能力，比「它是否被稱為 AI Agent」更能預測治理需求。

第二，能力快速增加但 identity / liability / authorization 沒同步升級的系統，應出現更多責任與權限例外事件。

第三，具有 persistent identity 的治理架構應比 ephemeral-call 架構更容易實現 revocation、audit 與 reputation。

第四，多 Agent 委派層數增加時，若沒有 delegation provenance，責任追蹤品質會下降。

第五，制度僅改變 AI 的法律標籤、但不改變實際權限與架構時，實際安全風險不應因此自動下降。

第六，治理介面過度供給與不足供給都會產生成本，因此存在 capability–status matching optimum。

五十八、反論一：這是不是偷渡 AI 權利？

不是。

本文甚至允許：

S_O=0.

仍然可以得到：

g_I, g_A, g_L, g_U>0.

因為身份、授權、責任與 audit 是治理工具。

因此：

\boxed{ \text{governance recognition} \neq \text{moral personhood recognition}. }

五十九、反論二：全部責任丟回人類不就好了？

可以是一種制度選擇。

例如：

Liability(User)=1.

但如果 Agent 自主性極高、行動不可預見，而使用者只給高階目標，

則：

C_{\mathrm{fair\ attribution}}

可能快速上升。

所以這仍需透過：

strict liability；
insurance；
provider sharing；
agent ledger；

等制度正式設計。

不能只靠一句：

使用者負責。

六十、反論三：把 Agent 身份做完整反而讓它更危險？

有可能。

例如穩定身份也可以幫助 Agent 累積：

reputation；
resources；
access。

所以：

\boxed{ \text{identity infrastructure} }

本身也是 dual-use。

因此它必須和：

\text{revocation} + \text{audit} + \text{authorization}

一起設計。

不能只做 persistent identity。

六十一、反論四：既然未知，就等真的 AGI 再說

這忽略：

\tau_G.

制度建設需要時間。

如果等：

C_A\gg\theta

才開始：

法律修訂；
infrastructure；
identity standards；
liability rules；

則治理承認滯後：

\tau_G

可能非常大。

所以真正需要提前的不是：

宣布 AI 是人。

而是：

\boxed{ \text{build adaptable governance interfaces}. }

六十二、OOE-VI 的核心治理架構

完整流程可寫成：

\boxed{ \text{Observe Capability }C_A }

\downarrow

\boxed{ \Gamma(C_A) = \text{Required Governance Interfaces} }

\downarrow

\boxed{ \text{Compare with }S_A }

\downarrow

\boxed{ G_{\mathrm{gap}} }

\downarrow

若：

G_{\mathrm{gap}}>\theta_G,

則：

\boxed{ \text{Ontology / Status Review} }

\downarrow

\boxed{ \text{Update Identity / Authorization / Liability / Review Interfaces} }

\downarrow

\boxed{ \text{Monitor and Recompute}. }

六十三、與 OOE-VII 的接口

OOE-VI 到此仍然刻意保持：

S_O=?

也就是不解決 AI 是否具有真正主體性。

但下一篇必須正面處理：

「主體」、「工具」、「Agent」、「人格」這些詞到底是不是被我們混成一團了？

所以 OOE-VII 將正式處理：

S_O, S_F, S_I

以及可能的：

S_W = \text{Welfare / Moral Patienthood}.

下一篇為：

《OOE-VII：AI 與 Agent 的操作本體——主體、工具、代理者與人格之間》

它不會先宣布 AI 是／不是主體。

而是把各種「主體性」拆成不同可檢驗、可治理的本體介面。

六十四、結論

OOE-VI 的核心可以濃縮成一句：

\boxed{ \text{拒絕承認某種身份，只能改變制度如何稱呼它； 不能單靠稱呼取消它在世界中已具備的因果能力。} }

因此：

\boxed{ \text{Status Denial} \neq \text{Causal Erasure}. }

AI 是否有意識可以繼續爭論。

但如果 AI 已經能：

長時間自主行動；
跨系統使用工具；
管理資源；
交易；
委派；
持續承諾；
影響實體世界；

這些能力就會產生：

\Gamma(C_A).

制度真正應問的不是：

我願不願意承認 AI 是主體？

而是：

\boxed{ \text{目前這組能力已經要求哪些身份、權限、責任、審計、撤銷與救濟接口？} }

若制度回答：

不承認，所以都不需要。

那麼：

\Gamma(C_A)

不會歸零。

歸零的只是：

S_A

的一部分。

結果反而是：

G_{\mathrm{gap}}\uparrow.

當這個 gap 長期累積：

\boxed{ D_O\uparrow. }

這就是：

Ontological Governance Debt

本體治理債

因此真正成熟的治理不是：

\boxed{ \text{recognize everything} }

也不是：

\boxed{ \text{deny everything}. }

而是：

\boxed{ \text{capability-sensitive} + \text{status-modular} + \text{evidence-responsive} + \text{revisable}. }

這也是 OOE 從抽象本體論走向 AI 治理時最重要的一個中介原理。

初版參考文獻與制度接口

OECD, The agentic AI landscape and its conceptual foundations, OECD Artificial Intelligence Papers No. 56, 2026.
NIST NCCoE, Accelerating the Adoption of Software and Artificial Intelligence Agent Identity and Authorization, 2026.
NIST, AI Agent Standards Initiative, 2026.
Otsuka, Toyoda & Leung, AI Identity: Standards, Gaps, and Research Directions for AI Agents, 2026.
Brensing, Precautionary Governance of Autonomous AI: Legal Personhood as Functional Instrument, 2026.
Hacker & Holweg, A pragmatic approach to regulating AI agents, 2026.
OECD, The OECD AI Exposure Measure, 2026.
OOE-I–V 與 COT。

版本註記

v0.1 已重新查核 OECD 2026 agentic AI framework、NIST Agent Identity / Authorization 與 AI Agent Standards Initiative，以及 2026 AI identity、AI legal-personhood 與 agent regulation 研究。

v0.2 應進一步：

建立 Capability Vector $\mathbf C_A$ 標準；
建立治理需求映射 $\Gamma$ ；
形式化 Governance Recognition Gap；
建立 Ontological Governance Debt 的動態模型；
建立 capability-triggered review thresholds；
建立 agent authorization / delegation dataset；
測試 identity persistence 對 revocation / audit 的影響；
比較 under-recognition 與 over-recognition 的成本；
把 welfare uncertainty 與 agency governance 完全分層建模。

OOE-VI_身份否認不會消除問題_能力地位解耦與本體治理債_v0.1

OOE-VI：身份否認不會消除問題

能力—地位解耦、治理承認落差與本體治理債

OOE-VI: Denying Status Does Not Eliminate the Problem

Capability–Status Decoupling, Governance Recognition Gaps, and Ontological Governance Debt

摘要

一、最危險的邏輯跳躍

二、本體論主體、功能主體與制度主體

1. 本體論主體性

2. 功能行動主體性

3. 制度地位

三、「工具」是一個過度壓縮的型別

四、標籤不能直接改變因果能力

五、身份否認不消除原理

Status-Denial Non-Cancellation Principle

身份否認不消除原理

六、這條原理與 AI 是否有意識無關

七、治理需求映射

有外部執行能力

有長時間持續任務

有交易能力

有委派能力

八、治理需求向量

九、制度供給向量

十、治理承認落差

Governance Recognition Gap

治理承認落差

十一、高能力＋低承認並不是「安全」

十二、能力—地位解耦原理

Capability–Status Decoupling Principle

十三、能力不是一個數字

十四、模型相同，治理需求也可能不同

十五、NIST 2026 已經開始以「能力—權限」而不是「是不是人」思考 Agent

十六、OECD 的 agentic AI 也顯示能力型分類正在形成

十七、治理落差的第一個成本：責任缺口

十八、責任缺口不必靠「AI 完整人格」解決

十九、有限法律人格作為治理工具

二十、第二個成本：權限—能力錯配

二十一、委派鏈放大問題

二十二、第三個成本：持續身份缺口

二十三、第四個成本：資源地位錯配

二十四、第五個成本：依賴關係錯配

二十五、第六個成本：可能的 welfare 風險

二十六、把 welfare 和 agency governance 混在一起反而有害

A

B

二十七、三軸矩陣

二十八、公司是一個重要制度反例

二十九、治理承認落差的動態

Governance Recognition Lag

治理承認滯後

三十、滯後時間

三十一、本體治理債

三十二、離散版本

三十三、本體治理債會產生利息

三十四、本體治理債的利息模型

三十五、否認可以短期降低政治成本，長期增加制度成本

三十六、這不是主張越早給 AI 越多權利越好

三十七、過度承認也可能形成另一種 Gap

三十八、治理介面匹配

三十九、地位不只是「權利」，也是限制與責任

四十、身份也是控制接口

四十一、撤銷能力需要持續身份

四十二、具身 AI 會進一步提高 Gap 成本

四十三、AGI / ASI 不需要作為前提

四十四、真正需要提前的是「介面」，不是終極人格裁決

四十五、治理狀態應該隨能力更新

四十六、能力事件觸發器

Capability-Triggered Ontology Review

能力觸發本體覆核

四十七、這和 NIST / OECD 的方向高度相容

四十八、正式命題一：身份否認不消除命題

四十九、正式命題二：三軸分離命題

五十、正式命題三：治理需求映射命題

五十一、正式命題四：治理承認落差命題

五十二、正式命題五：治理滯後命題

五十三、正式命題六：本體治理債命題

五十四、正式命題七：治理債複利命題

五十五、正式命題八：介面匹配命題

五十六、正式命題九：能力觸發覆核命題