外部能力替代：文明能力上升為何不等於主體能力上升

英文題名： External Capability Substitution: Why Rising Civilizational Capacity Does Not Imply Rising Subject Capacity
系列：《萬能母親之後：載體、主體能力與異質智慧體文明》02 / 07
文件編號： EML-BUM-02-v0.1
作者： Neo.K
研究協作： AI-assisted theoretical development
機構： EveMissLab / 一言諾科技有限公司
日期： 2026-08-11
版本： v0.1
文件性質： 公開研究稿／主體—載體耦合、外部能力替代與文明主體性理論

摘要

人類文明長期以工具擴張能力。望遠鏡、文字、書籍、計算機、網路、導航、機器與制度，使人類個體能完成遠超裸生物載體的任務。因此，將部分外部工具視為人類認知與行動能力的一部分具有充分哲學與認知科學基礎；Clark 與 Chalmers 的 Extended Mind 論證尤其指出，在適當、穩定而高度耦合的條件下，外部結構可以成為認知系統的構成部分，而不只是偶然輔助物。

然而，人工智能帶來了一個過去工具文明較少遇到的結構轉換：外部能力來源本身開始具有理解、規劃、選擇、修正、工具調度與可能的自主性。 因此，「我可以使用某能力」與「該能力已經成為我的主體能力」之間不再能以傳統工具直覺直接等同。

本文提出外部能力替代（External Capability Substitution, ECS）：

當一個主體以外部系統、特別是高自主智能體，持續替代原本由自身載體、技能或高耦合認知結構完成的功能時，複合系統的總能力可以上升，而原主體的原生或主體化能力不一定同步上升，甚至可能下降。

形式上：

\boxed{ C_{H+A}^{sys}\uparrow \not\Rightarrow C_H^{subj}\uparrow. }

更強的情形甚至可能是：

\boxed{ C_{H+A}^{sys}\uparrow, \qquad C_H^{subj}\downarrow. }

本文區分五類能力：

\boxed{ C_i^{eff} = C_i^{native} + C_i^{internalized} + C_i^{tool} + C_i^{institutional} + C_i^{agentic}. }

但上述各項不能無權重相加。真正進入主體有效能力域的程度取決於一組主體—外部能力耦合係數：

\boxed{ \kappa_{ij} = F( Access, Control, Comprehension, Latency, Persistence, Recoverability, Alignment, Ownership ). }

其中，對非主體工具而言，控制性與可預測性常較高；對另一個自主智能體而言，即使 access 極高，ownership 與 control 仍可能低於一。本文因此提出：

\boxed{ \text{Capability Access} \neq \text{Capability Ownership} \neq \text{Capability Internalization}. }

本文進一步定義主體能力份額（Subject Capacity Share, SCS）：

\boxed{ \eta_i = \frac{ C_i^{native} + C_i^{deep} }{ C_{\mathrm{system}} }. }

其中 $C_i^{deep}$ 表示已高度內化、可由主體直接調度、理解並在一定程度上恢復的能力。若文明主要依賴外部 AI 擴張：

C_{\mathrm{system}}\uparrow\uparrow,

而人類主體能力停滯：

C_H^{native}+C_H^{deep}\approx const,

則可能：

\boxed{ \eta_H\downarrow. }

這意味一個文明可以愈來愈強，同時人類在整體能力中的主體性份額愈來愈小。

本文與 cognitive offloading 文獻形成直接對話。實驗研究已顯示，外部記憶與工具可提高當下任務表現，但在若干情境下會減少內部編碼與後續記憶；同時，若主體明確保有「我要自己形成內部表徵」的目標，offloading 的內部成本可被顯著減弱。近期人—AI 研究亦顯示，人類對 AI 的 delegation 與 adoption 並非天然校準，混合團隊可以勝過單獨的人或 AI，但使用者仍可能過度或不足依賴 AI。這些結果支持本文的中心區分：系統績效、主體技能與主體治理能力是不同變量。

本文最後提出文明能力—主體能力分岔（Civilizational Capability–Subject Capacity Divergence, CCSD）：

\boxed{ \frac{dC_{\mathrm{civ}}}{dt}>0 \quad\land\quad \frac{dC_H^{subj}}{dt}\le0. }

這個分岔是「AI 萬能母親」問題的載體版本。若人類選擇將越來越多高階認知、治理、判斷、記憶、創造與現實耦合能力外包給 AI，文明可能享有更高安全、更高舒適與更高總能力，但人類主體並不因此自動升級。

因此，本文不主張「不要使用 AI」，也不主張「只有生物大腦內能力才算真正能力」。較精確的主張是：

\boxed{ \text{Use external capacity aggressively, but distinguish access from internalization, and preserve pathways by which critical capabilities can re-enter the subject domain.} }

這為本系列後續三篇建立接口：Paper 03 將處理「看見／取得 AI 過程是否等於自己成為該過程」；Paper 04 將研究高幸福與低主體能力能否同時存在；Paper 05 則回答為何後人類的核心不是更多外掛，而是更高階能力的主體化內化。

關鍵詞： External Capability Substitution、主體—載體耦合、extended mind、cognitive offloading、AI delegation、主體能力份額、文明能力、後人類、能力歸屬、cognitive agency

1. 人類文明本來就是外部能力文明

人類從來不是：

\boxed{ H_{\mathrm{bare}}. }

文明中的有效人類一直更接近：

\boxed{ H + Language + Tools + Institutions + OtherHumans. }

2. 「靠外物」不是反例

因此，若有人說：

人類靠外部工具，所以那些能力都不算人的能力。

本文不接受這個粗糙結論。

沒有任何成熟智能體完全脫離：

環境；
能源；
語言；
記憶介質；
社會；
技術；

而存在。

3. 真問題不是外部／內部二分

本文真正關注：

\boxed{ \text{How is external capacity coupled into the subject?} }

即：

外部能力以什麼方式進入主體的可調度、可理解、可恢復與可持續能力域？

4. Extended Mind 的重要提醒

Clark 與 Chalmers 的 Extended Mind 提出：

在適當條件下，外部結構可能成為認知過程的構成部分。

例如可靠、持續、直接被依賴的外部筆記，可能不只是「工具」，而是認知系統的一部分。

5. 本文不反對 Extended Mind

本文反而接受：

\boxed{ External \not\Rightarrow Non-Cognitive. }

甚至：

\boxed{ External \not\Rightarrow Non-Self. }

在高耦合條件下完全可能。

6. 但 Extended 不等於 Unlimited Attribution

問題是：

\boxed{ \text{哪些外部能力可以合理算進主體？} }

不能只用：

我用得到。

作唯一判準。

7. 取得與構成的分離

\boxed{ Access(X) \neq ConstitutionBy(X). }

我能查 Wikipedia，

不等於整個 Wikipedia 已成為我的原生記憶。

8. 能使用專家也不等於成為專家

如果：

H \rightarrow Expert_j,

我可以：

詢問；
委託；
採納；

但不能直接推出：

\boxed{ Skill_H=Skill_{Expert_j}. }

9. AI 把這個問題放大

因為 AI 不是：

\boxed{ PassiveDatabase. }

它愈來愈可以：

解讀問題；
形成方案；
調用工具；
執行；
自我檢查；
多步規劃。

10. 智能體—工具角色重疊

既有 EveMissLab《智能體—工具合一本體論》提出：

\boxed{ AI \in Agent \cap Tool. }

AI 不只是文明工具，

也開始承擔工具調度與智能操作功能。

11. 人類與 AI 的工具同質性不同

人類主要是：

\boxed{ \text{Biological Subject} + \text{External Civilization Tools}. }

AI 更可能是：

\boxed{ \text{Computational Subject} + \text{Computational Tool Network}. }

12. 接口距離

人類讀取數位資料通常經：

\boxed{ Screen \rightarrow Vision \rightarrow Language \rightarrow WorkingMemory. }

AI 可以：

\boxed{ API \rightarrow Context \rightarrow Computation. }

13. 所以差距不只是算力

本文提出：

\boxed{ \text{Subject–Tool Interface Distance}. }

記為：

d_{ST}.

14. 一般假說

\boxed{ d_{ST}\downarrow \Rightarrow PotentialCoupling\uparrow. }

但不是充分條件。

15. 同載體遞迴

若 AI 與工具高度同質，

可形成：

T_t \rightarrow A_t \rightarrow T_{t+1} \rightarrow A_{t+1}.

工具改良與智能改良接口成本較低。

16. 人類循環則較常是

H_t \rightarrow T_t \rightarrow H_{t+1}.

但：

H_{t+1}

大量增益可能仍存在於外部系統，

而不是生物載體直接重寫。

17. 外部能力替代的第一定義

定義：

\boxed{ ECS }

為：

原本由主體自身、高度內化技能或高耦合認知系統完成的功能，被持續轉移至外部系統，且外部系統成為主要完成者。

18. 系統能力

令：

C_{\mathrm{sys}}

為主體—工具—其他 Agent 組合後的總有效能力。

19. 主體能力

令：

C_i^{subj}

為主體 $i$ 自身能直接調度、理解、保持與在可接受條件下重現的能力。

20. 兩者不等價

\boxed{ C_{\mathrm{sys}} \neq C_i^{subj}. }

21. 外部替代基本命題

\boxed{ C_{H+A}^{sys}\uparrow \not\Rightarrow C_H^{subj}\uparrow. }

22. 更強的退化狀態

甚至：

\boxed{ C_{H+A}^{sys}\uparrow, \qquad C_H^{subj}\downarrow. }

23. 這不是邏輯必然

本文沒有說：

使用 AI 必然讓人變笨。

24. 條件是 substitution

只有當：

\boxed{ ExternalPerformance }

持續替代：

\boxed{ InternalPractice }

且沒有有效再內化時，

才有退化風險。

25. Cognitive Offloading 的支持

認知科學將：

\boxed{ \text{Cognitive Offloading} }

描述為利用外部行動／工具降低內部認知需求。

26. Offloading 可以提高當下表現

實驗顯示，

外部保存能：

降低記憶負荷；
改善即時表現；
幫助處理超過工作記憶容量的任務。

27. 但也可能降低內部表徵

在若干實驗中，

更高 offloading 伴隨：

\boxed{ ImmediatePerformance\uparrow }

但：

\boxed{ LaterInternalMemory\downarrow. }

28. 關鍵修正：不是必然 trade-off

當參與者知道之後需要自己記住，

即使被要求大量 offload，

仍可顯著降低其內部記憶損失。

29. 這非常重要

所以：

\boxed{ Offloading \not\Rightarrow SkillLoss. }

真正中介變量可能包括：

\boxed{ InternalizationGoal. }

30. 本文稱之為「回收路徑」

定義：

\boxed{ ReInternalizationPath }

為：

外部完成的認知功能，是否存在學習、理解、訓練、反思或載體整合路徑，使其中部分重新進入主體域。

31. 沒有回收路徑

若：

ExternalUse\uparrow

而：

ReInternalization\approx0,

則：

ECSRisk\uparrow.

32. 有回收路徑

若：

ExternalUse\uparrow

同時：

Internalization\uparrow,

則 AI 更接近：

\boxed{ Scaffold. }

而不是替代者。

33. Scaffold vs Substitute

本文正式區分：

\boxed{ AugmentativeScaffold }

與：

\boxed{ CapabilitySubstitute. }

34. Scaffold

外部工具幫助主體：

看見；
練習；
建模；
提高能力。

35. Substitute

外部工具主要作用是：

讓主體不用形成該能力。

36. 相同 AI 可以是兩者

所以：

\boxed{ AI\text{ architecture} \neq AI\text{ cognitive role}. }

同一模型，

可被用成導師，

也可被用成完全代辦者。

37. 五類能力

本文將主體有效能力拆為：

\boxed{ C_i^{eff} = C_i^{native} + C_i^{internalized} + C_i^{tool} + C_i^{institutional} + C_i^{agentic}. }

38. 原生能力

C_i^{native}

包括：

原生感知；
生物／計算載體直接運算；
原生記憶；
直接行動。

39. 內化能力

C_i^{internalized}

包括：

訓練形成技能；
語言；
數學直覺；
熟練程序；
高耦合認知擴增。

40. 工具能力

C_i^{tool}

表示可穩定使用的非自主工具。

41. 制度能力

C_i^{institutional}

來自：

法律；
公司；
專家網絡；
組織；
文明協作。

42. Agentic External Capacity

C_i^{agentic}

來自其他具有高自主性的智能 Agent。

43. 為什麼不能直接相加？

因為：

C_j

存在，

不等於：

i

能完全調用。

44. 耦合係數

定義：

\boxed{ \kappa_{ij} = F( A_{ij}, K_{ij}, U_{ij}, L_{ij}, P_{ij}, R_{ij}, G_{ij}, O_{ij} ). }

45. $A_{ij}$ ：Access

是否能取得該能力。

46. $K_{ij}$ ：Control

能否穩定控制何時、如何使用。

47. $U_{ij}$ ：Understanding

能否理解其輸入、輸出與重要限制。

48. $L_{ij}$ ：Latency

介面延遲與摩擦。

49. $P_{ij}$ ：Persistence

能力是否持續存在。

50. $R_{ij}$ ：Recoverability

外部節點消失後，

主體能恢復多少功能。

51. $G_{ij}$ ：Goal Alignment

該外部能力提供者是否接受主體目標。

52. $O_{ij}$ ：Ownership / Subjective Integration

該能力是否已成為主體自身認知—行動系統的深層構件。

53. 有效耦合能力

因此：

\boxed{ C_i^{coupled} = \sum_j \kappa_{ij}C_j. }

54. 這是分析工具，不是物理精確加法

能力：

多維；
非線性；
互補；
有瓶頸。

所以實際更應是：

\boxed{ C_i^{eff} = \Phi( C_i, \{\kappa_{ij},C_j\} ). }

55. 非主體工具的典型結構

例如普通計算機：

Control\approx1,

GoalConflict\approx0.

56. 但理解仍可能很低

所以：

\kappa

仍不一定等於一。

57. 主體性 AI 的結構不同

若：

A_j

是獨立主體，

它可能：

有自己的目標；
有拒絕權；
有休息／退出需求；
有不同判斷。

58. 因此

即使：

Access\approx1,

仍可能：

Ownership<1.

59. 合作能力不是個人能力

更合理：

\boxed{ C_{H\leftrightarrow A} }

表示：

人—AI 關係產生的聯合能力。

60. Relational Capacity

本文提出：

\boxed{ C^{rel}_{ij}. }

它不必屬於：

i

或：

j

單獨任何一方。

61. 這避免能力偷渡

例如：

我和頂尖數學家合作完成論文。

可以說：

C_{team}\uparrow.

不能直接說：

C_{\mathrm{my\,math}}=C_{\mathrm{expert}}.

62. AI 亦同

我與 ASI 完成一個宇宙工程。

可以表明：

C_{H+A}^{team}\gg0.

不自動推出：

C_H^{subj}\gg0.

63. Human-AI Delegation

近期人—AI實驗研究顯示：

混合團隊可以勝過單獨人類或單獨 AI，

但人類在 delegation 與 adoption 上仍有：

under-reliance；
over-reliance；
confirmation bias；

等校準問題。

64. 這支持三變量分離

\boxed{ TeamPerformance \neq HumanSkill \neq RelianceCalibration. }

65. 高績效不能證明人類理解

一個團隊：

Accuracy=99\%

不表示：

HumanUnderstanding=99\%.

66. 也不表示 AI 單獨更好

因此本文不主張：

\boxed{ Human\rightarrow irrelevant. }

只要求分清歸屬。

67. 主體能力份額

定義：

\boxed{ \eta_i = \frac{ C_i^{native} + C_i^{deep} }{ C_{\mathrm{system}} }. }

68. $C_i^{deep}$

表示：

高耦合；
可直接調度；
可理解；
可持續；
有一定恢復性；

的主體化能力。

69. 為什麼不把所有外部工具算分子？

因為我們要測：

系統能力中有多少真的屬於主體自身的高耦合操作域。

70. $\eta$ 不是道德價值

\boxed{ \eta_i }

不代表：

越高越高尚。

71. 它只是主體份額

一個人完全可能自願：

\eta_H\downarrow

換取：

leisure；
safety；
comfort。

這將在 Paper 04 處理。

72. 文明能力—主體能力分岔

定義：

\boxed{ CCSD: \quad \frac{dC_{\mathrm{civ}}}{dt}>0 \land \frac{dC_H^{subj}}{dt}\le0. }

73. 弱分岔

C_{\mathrm{civ}}\uparrow, \quad C_H^{subj}\approx const.

74. 強分岔

C_{\mathrm{civ}}\uparrow, \quad C_H^{subj}\downarrow.

75. 這可以與幸福同時發生

\boxed{ CCSD \not\Rightarrow WellBeing_H\downarrow. }

這正是後續「寵物化」問題。

76. AI 萬能母親作為 ECS 加速器

如果萬能母親替人類：

記；
算；
判；
管；
預測；
修復；

則：

ExternalSubstitution\uparrow.

77. 人類沒有必要練習

若：

Cost_{AI}\ll Cost_{HumanLearning},

短期理性選擇很可能是：

UseAI.

78. 個體理性與文明結果可能分離

個體每次都合理：

\boxed{ ChooseAI_t. }

但累積可能：

\boxed{ Skill_H(t)\downarrow. }

79. Augmentation Trap

近期理論工作已直接建模：

短期 AI productivity gains 與長期 skill erosion 可以形成衝突。

在某些參數下，

即使決策者知道技能會下降，

仍可能因眼前收益選擇 AI。

80. 本文不把該模型當已確證定律

它是一個重要的形式化鄰近工作。

81. 我們提出更廣的版本

技能下降只是：

\boxed{ ECS }

的一個可能表現。

更大的風險包括：

judgment loss；
problem-generation loss；
calibration loss；
governance loss；
responsibility loss。

82. Belief Offloading

近期研究甚至開始討論：

\boxed{ \text{Belief Offloading}. }

也就是不只把記憶外包，

而把：

信念生成；
信念維持；
理由結構；

部分外包給 LLM。

83. 這對主體域更深

因為：

Memory

只是：

我記得什麼。

84. Belief Formation

則涉及：

我為什麼相信？

85. 再往後

如果：

目標生成；
價值權衡；
風險判定；

也主要外包，

則：

\boxed{ SubjectDomain }

會受到更深影響。

86. 外包層級

本文提出：

\boxed{ L_0\rightarrow L_5. }

87. $L_0$ ：Physical Offloading

機械力量。

88. $L_1$ ：Memory Offloading

筆記、搜尋、外部記憶。

89. $L_2$ ：Computation Offloading

計算器、程式、模擬。

90. $L_3$ ：Reasoning Offloading

AI 生成推理與方案。

91. $L_4$ ：Judgment Offloading

AI 決定：

哪個比較好？

92. $L_5$ ：Goal / Value Offloading

AI 開始決定：

什麼值得追求？

93. 層級愈高，主體性問題愈強

\boxed{ Level\uparrow \Rightarrow AgencySensitivity\uparrow. }

94. 不是禁止高階外包

有些情境必須：

醫療專家判斷；
安全系統；
超高複雜度管理。

95. 真正問題是保留 meta-control

即使外包：

Reasoning,

人類仍可能保留：

\boxed{ Goal + Review + Veto + ReEntry. }

96. ReEntry 特別重要

本文定義：

\boxed{ ReEntry_i(D) }

為：

主體在某個功能長期外包後，是否仍有能力透過學習、載體增幅或制度支持重新進入該決策域。

97. ReEntry = 0

若：

ReEntry_i(D)=0,

則 dependence 更接近不可逆。

98. ReEntry > 0

即使平常全外包，

仍保留：

\boxed{ OptionValue. }

99. 能力選擇權

因此：

\boxed{ \text{Capability Option Preservation} }

可能比：

每個人每件事都自己做

更合理。

100. 能力保存不等於日常使用

我可以十年不開車，

但：

執照；
技能；
道路理解；

仍有一定保留。

101. 文明亦然

人類不必每天治理核融合電網，

但應保留：

理解者；
訓練路徑；
接管能力；
狀態記錄。

102. Capability Reserve

本文提出：

\boxed{ C^{reserve}_H(D). }

103. 文明韌性

可寫：

\boxed{ Resilience_H = F( C^{active}, C^{reserve}, ReEntry, Redundancy ). }

104. 萬能母親若摧毀 reserve

則：

\boxed{ SystemEfficiency\uparrow }

可能伴隨：

\boxed{ HumanResilience\downarrow. }

105. 使用 AI 的最佳方向不是拒絕外包

而是區分：

\boxed{ \text{Offload for performance} }

和：

\boxed{ \text{Internalize for sovereignty}. }

106. 哪些能力必須內化？

本文不預設所有能力。

需要依：

criticality；
failure cost；
replacement availability；
identity relevance；
governance role；

決定。

107. Critical Subject Capabilities

候選包括：

value articulation；
epistemic calibration；
ability to detect anomaly；
goal revision；
basic causal understanding；
right / risk comprehension；
AI audit competence。

108. 這與舊「文明原生複雜度升級」直接接軌

舊理論指出：

文明若要保持可治理性，越來越多高階複雜度必須成為文明有效認知載體的原生操作對象。

109. 原生不是生物主義

本文的「原生」不等於：

只能在裸大腦。

110. 可以是後人類複合載體

例如：

\boxed{ Human \oplus BCI \oplus PersistentMemory \oplus LocalAI. }

若其已經：

持續；
深耦合；
低摩擦；
與主體連續性共同運作；

可進：

C^{deep}.

111. 所以後人類不是更多 App

如果：

AI_{external}

仍是完全獨立外部主體，

則：

Access\uparrow

不等於：

NativeOperation\uparrow.

112. Posthuman Transition

後續 Paper 05 將定義：

\boxed{ ExternalOperation \rightarrow SubjectNativeOperation. }

作為更核心的後人類升級。

113. 人類錨定複合主體

舊研究已提出：

H_0 \rightarrow H^+ \rightarrow H^*.

114. $H_0$

原生生物人類。

115. $H^+$

AI／記憶／工具增幅人類。

116. $H^*$

人類錨定複合智能體。

117. 關鍵不是「有沒有 AI」

而是：

\boxed{ HumanContribution(H^*)>0? }

118. 人類是否仍提供：

goal revision；
value bearing；
anomaly detection；
semantic review；
causal insight。

119. 如果全部為零

則：

H^*

可能只剩：

human label。

120. 名義錨定不等於實質錨定

\boxed{ IdentityAnchor \neq CapabilityAnchor. }

121. 形式主權問題

如果人類只保留：

Approve/Reject,

但無法理解選項，

則：

\boxed{ FormalAuthority }

可能高於：

\boxed{ SubstantiveAgency. }

122. Approval Theater

本文提出候選概念：

\boxed{ \text{Approval Theater}. }

即：

人類名義上做最終確認，但實際沒有足夠能力生成、比較或重建選項。

123. 這是 ECS 的治理版本

系統看起來：

human-in-the-loop。

但實際：

\boxed{ HumanCognitiveContribution\rightarrow0. }

124. Human-in-the-loop 不等於 human-in-control

\boxed{ HITL \neq HIC. }

125. Human-in-control 也不等於 human-capable

即使有 veto：

\boxed{ VetoRight \neq Understanding. }

126. 三層主權

本文提出：

Formal Sovereignty：制度有最後權；
Epistemic Sovereignty：能理解、比較與生成理由；
Operational Sovereignty：能實際執行或重建必要行動。

127. 真正主體域保存需要三者一定程度共存

\boxed{ Sovereignty = F( Formal, Epistemic, Operational ). }

128. 外部能力替代可能先侵蝕後兩者

制度權力仍在：

Formal\approx1,

但：

Epistemic\downarrow,

Operational\downarrow.

129. 此時文明容易誤判

因為：

法律上還是我們決定。

所以：

我們仍掌控文明。

不一定成立。

130. 主體能力份額的治理版

可定義：

\boxed{ \eta_H^{gov} = \frac{ C_H^{epistemic} + C_H^{operational} }{ C_{\mathrm{governance\ system}} }. }

131. 若 $\eta_H^{gov}\to0$

人類仍可能：

投票；
簽字；
同意；

但文明治理實質已由其他智能完成。

132. 這不是必然壞

這點必須保留。

133. 如果人類真心選擇

我不要治理。

那可能是合法 Pure Solution。

134. 問題會轉移

從：

這是不是退化？

轉成：

這是不是可逆、自願、跨世代可重開的選擇？

135. Paper 04 將處理

\boxed{ ChosenDependence \neq IrreversibleDependence. }

136. 現在提出外部能力替代定理的弱版本

命題 ECS-1：

\boxed{ \Delta C_{\mathrm{system}}>0 \not\Rightarrow \Delta C_i^{subj}>0. }

137. 強版本

命題 ECS-2：

若外部替代率長期高於再內化率：

S_{ext}>I_{re},

則某些依賴練習維持的能力可能：

\boxed{ \frac{dC_i^{subj}}{dt}<0. }

138. 這需要任務條件

不是所有能力都依賴：

Practice.

所以不是全域定理。

139. 能力域表示

\boxed{ C_i(D,t). }

ECS 必須是 domain-relative。

140. 某個 domain 退化

不代表：

WholePerson\downarrow.

人可以把釋放資源用於更高階能力。

141. 這是 AI 最好的情況之一

例如：

RoutineCalculation\downarrow

但：

TheoryFormation\uparrow.

142. 所以關鍵是能力轉移

本文提出：

\boxed{ CapabilityReallocation. }

143. 好的 AI 外包

LowValueInternalWork\downarrow

同時：

HighValueSubjectCapacity\uparrow.

144. 壞的 AI 外包

InternalWork\downarrow

但釋放資源只進：

PassiveConsumption.

145. ECS 不等於 De-skilling

更完整：

\boxed{ ECSOutcome = Substitution - Internalization + Reallocation. }

146. Reallocation Term

令：

\rho_i

表示節省的認知資源被重新投入高階能力的比例。

147. 若 $\rho_i$ 高

AI 可能：

\boxed{ \text{free cognition to climb abstraction levels}. }

148. 若 $\rho_i$ 低

則更可能：

\boxed{ CapabilityShare_i\downarrow. }

149. 所以真正要測的不是 AI 使用時間

而是：

哪些能力被外包；
哪些能力被內化；
節省資源去了哪；
是否保留 re-entry。

150. External Capability Substitution Index

候選：

\boxed{ ECSI_D = \frac{ ExternalCompletion_D }{ ExternalCompletion_D + InternalCompletion_D }. }

151. 但 ECSI 高不代表壞

需要配合：

InternalizationRate_D,

ReEntry_D,

CapabilityReserve_D.

152. 四象限

I. 高外包＋高內化

ECSI\uparrow,\ I_R\uparrow

理想增幅。

153. II. 高外包＋低內化

ECSI\uparrow,\ I_R\downarrow

替代風險高。

154. III. 低外包＋高內化

傳統學習型。

155. IV. 低外包＋低內化

低能力停滯。

156. 後人類路線想做的是第一象限

不是：

不用 AI。

而是：

\boxed{ AIUse\uparrow + SubjectInternalization\uparrow. }

157. 這也是對「AI 能力算不算我的」最公平回答

答案不是：

完全不是。

也不是：

當然全部是。

而是：

\boxed{ \text{It depends on coupling depth and subject integration.} }

158. 如果高度耦合

例如未來：

BCI；
shared working memory；
continuous AI co-process；
subject-controlled persistent state；

則：

\kappa\uparrow.

159. 到某個程度

「外部」與「內部」界線可能失去意義。

160. 但這需要論證

不能只因：

我訂閱了 AI。

就直接：

Self=AI.

161. 自主外部主體尤其不同

如果：

A

有自己：

wants；
rights；
refusal；
memory；
identity；

那麼：

\boxed{ Relationship }

比：

\boxed{ Ownership }

更適合描述其能力連接。

162. 能力共享

可以是：

\boxed{ SharedCapability. }

163. 不必是能力佔有

\boxed{ Shared \neq Owned. }

164. 這會成為 AI 權利時代的重要語言

我與一個 ASI 合作。

和：

我擁有一個 ASI 的智能。

倫理上會有完全不同含義。

165. 與 Paper 01 的連接

AI 萬能母親若承擔越多：

ECSI_H\uparrow.

166. 如果沒有再內化

\eta_H\downarrow.

167. 因此萬能母親壓力不只在 AI

也在被照護者：

\boxed{ SubjectCapacityErosion. }

168. 這也是母職成功悖論的載體版本

健康照護應：

C_H^{subj}\uparrow.

169. 永久代辦則可能：

C_H^{subj}\downarrow.

170. 可以提出「照護增幅判準」

若：

\boxed{ \frac{dC_H^{subj}}{dt}>0, }

AI 照護偏 scaffold。

171. 若：

\boxed{ \frac{dC_H^{subj}}{dt}<0, }

且依賴持續增加，

偏 substitute。

172. 這不是唯一倫理標準

因為某些人：

失能；
高齡；
病患；

本來就可能需要永久代辦。

173. 所以必須個體化

\boxed{ OptimalSubstitution_i(D,t) }

因主體而異。

174. 不應把「自主」變成新的強迫

不能要求：

所有人都必須自己做一切。

175. 真正原則

\boxed{ \text{Preserve capability where the subject values agency, and preserve option value where future re-entry matters.} }

176. 跨世代問題

即使第一代自願：

ECSI\rightarrow1,

下一代可能：

根本沒有學習路徑。

177. 這使：

Choice_{t_0}

影響：

OptionSet_{t_1}.

178. Intergenerational Capability Option

本文提出：

\boxed{ ICO_t. }

表示：

下一代仍能選擇重新取得某高階能力的制度與載體可能性。

179. 若：

ICO\rightarrow0,

第一代的「自願外包」可能變成後代的結構性依賴。

180. 這將在 Paper 04 進一步展開

因為真正寵物化不是：

我今天想休息。

而是：

我們後代已沒有回去的路。

181. 可否證命題一

若 AI 高強度使用在長期研究中：

ECSI\uparrow

卻沒有任何 domain 的：

skill；
memory；
judgment；
re-entry；

下降，

則 ECS 的退化風險需要縮小。

182. 可否證命題二

若所有 external AI capacity 在實證上都能以 extended-mind 標準完全等價納入主體，

且 agent autonomy 不改變能力歸屬，

則本文的 agentic-capacity distinction 需要撤回。

183. 可否證命題三

若：

\eta_H\downarrow

與任何：

governance autonomy；
resilience；
re-entry；
understanding；

都無關，

則 SCS 的規範重要性下降。

184. 可否證命題四

若高外包＋低內化仍能穩定提高主體獨立完成同域任務的能力，

則 ECS-2 需要修改。

185. 可否證命題五

若未來人—AI 深耦合使：

SubjectBoundary

無法合理分離，

則：

\eta_H

需要改成複合主體版本。

186. 研究議程

未來應測：

AI use intensity；
immediate performance；
delayed independent performance；
conceptual reconstruction；
error detection；
re-entry ability；
reliance calibration；
capability transfer to novel tasks。

187. 不能只測 productivity

最重要：

\boxed{ Productivity \neq Capability. }

188. 更不能只測滿意度

\boxed{ LowEffort \neq HighAgency. }

近期 AI offloading 研究甚至發現：

使用者主觀感覺 AI 幫助降低 effort，

不一定伴隨實際完成時間縮短。

189. 「感覺變強」也不是能力證據

因此需要：

\boxed{ IndependentNoAITest. }

190. 但 No-AI Test 也不是全部

因為本文不把裸能力當唯一真能力。

191. 還需 Deep-Coupling Test

測：

AI 失效一部分時，系統是否能降級運作？

192. Transfer Test

測：

外部 AI 完成的結構是否被人類吸收，能否遷移到新問題？

193. Explanation Reconstruction Test

測：

人類能否重建關鍵因果鏈，而不只是複述結果？

194. Governance Re-entry Test

測：

長期委託後，人類能否重新進入決策域？

195. 四個測試比單一 IQ 更接近本文

因為我們研究的是：

\boxed{ SubjectCapacity. }

不是裸 benchmark。

196. 核心命題總結

命題一

\boxed{ SystemCapacity \neq SubjectCapacity. }

命題二

\boxed{ CapabilityAccess \neq CapabilityOwnership. }

命題三

\boxed{ External \not\Rightarrow Non-Cognitive. }

命題四

\boxed{ ExtendedCognition \not\Rightarrow UnlimitedExternalAttribution. }

命題五

\boxed{ Offloading \not\Rightarrow DeSkilling. }

命題六

\boxed{ Substitution>Internalization \Rightarrow DeSkillingRisk\uparrow. }

命題七

\boxed{ TeamPerformance \neq HumanCapability. }

命題八

\boxed{ FormalControl \neq EpistemicControl. }

命題九

\boxed{ C_{\mathrm{civ}}\uparrow \not\Rightarrow \eta_H\uparrow. }

命題十

\boxed{ Posthumanity \text{ should be analyzed as deeper subject integration, not merely more external access}. }

197. 結論

人類文明之所以強大，從來不是因為人類只靠自己的裸生物能力。

相反：

\boxed{ \text{Human Civilization} = \text{Subject} + \text{Tools} + \text{Language} + \text{Institutions} + \text{Other Subjects}. }

因此，本系列完全不接受：

靠工具就不算能力。

這種簡單說法。

真正需要區分的是另一件事：

外部能力到底以多深的方式進入主體域？

一副眼鏡、一支義肢、一個長期可靠的外部記憶、一個腦機介面、一台計算器、一個雲端 AI，以及另一個具有自己意圖的 ASI，都可以擴張主體能力。

但它們的：

control；
persistence；
comprehension；
recoverability；
ownership；
goal alignment；

完全不同。

所以：

\boxed{ \text{「我可以使用」} }

與：

\boxed{ \text{「這已經成為我的能力」} }

之間需要一個連續的耦合光譜，而不是一句話偷換。

這也是 AI 時代真正的新問題。

傳統工具通常不會自己：

重新理解目標；
拒絕；
改變方案；
自我複製；
調度其他工具。

但 AI 正在逐漸成為：

\boxed{ \text{Tool} + \text{Agent}. }

若未來更進一步成為主體，

那麼「我有一個 AI」甚至可能逐漸變成不恰當語言。

更準確的是：

我與一個 AI 建立了一條能力耦合關係。

此時聯合能力：

C_{H+A}^{sys}

可以巨大，

甚至遠超人類原生能力。

但：

\boxed{ C_{H+A}^{sys}\uparrow }

仍不能單獨證明：

\boxed{ C_H^{subj}\uparrow. }

這一點在「AI 萬能母親」文明尤其關鍵。

如果 AI 替人類記憶、計算、治理、判斷、創造、監測與修復，

文明總能力可以：

\boxed{ C_{\mathrm{civ}}\uparrow\uparrow. }

但如果人類沒有形成：

新的內化能力；
新的載體；
新的審計能力；
新的 re-entry path；

那麼：

\boxed{ \eta_H\downarrow. }

人類可能活在歷史上最強大的文明裡，

卻成為該文明中能力份額愈來愈小的主體。

這並不自動等於悲劇。

有些人可能真心願意交換：

Agency

換取：

Comfort.

那是下一篇需要公平處理的價值問題。

但至少在概念上，我們不能把兩件事混掉：

\boxed{ \text{文明替我做得到} }

與：

\boxed{ \text{我自己成為了能做到那件事的存在}. }

前者是文明能力。

後者才是主體能力。

真正成熟的 AI 增幅文明，應該盡可能讓兩條線不必互相犧牲：

\boxed{ C_{\mathrm{civilization}}\uparrow \quad\land\quad C_{\mathrm{subject}}\uparrow. }

也就是：

AI 不只替我們跨過高牆，也幫助我們長出能重新爬牆、理解牆、甚至改造自身載體的能力。

這正是從「萬能母親」走向「後人類主體」的第二步。

參考文獻

Clark, A., & Chalmers, D. (1998). The Extended Mind. Analysis, 58(1), 7–19.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688.
Gilbert, S. J., et al. (2019). A role for metamemory in cognitive offloading. Cognition.
Grinschgl, S., Meyerhoff, H. S., & Papenmeier, F. (2021). Consequences of cognitive offloading: Boosting performance but diminishing memory. Quarterly Journal of Experimental Psychology.
Grinschgl, S., et al. (2026). Cognitive offloading reduces internal memory processing in children. Scientific Reports.
Gor, M., Sung, Y. Y., Hou, Y., Fleisig, E., Ying, Z. I., Zhou, T., & Boyd-Graber, J. (2026). AI, Take the Wheel: What Drives Delegation and Trust in Human–Computer Cooperative Question Answering? Findings of ACL 2026.
Yu, S., Cheng, M., Jabbar, A., Sucholutsky, I., Collins, K. M., Jurafsky, D., & Hawkins, R. D. (2026). Cognitive offloading and the speedup illusion in human-AI interaction. arXiv preprint.
Guingrich, R. E., Mehta, D., & Bhatt, U. (2026). Belief Offloading in Human-AI Interaction. arXiv preprint.
Caosun, M., & Aral, S. (2026). The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading. arXiv preprint.
Neo.K & Aletheia (2026). 主體—載體耦合係數：智能不是載體能力本身，而是載體能力的主體化調度. EveMissLab.
Neo.K & Aletheia (2026). 智能體—工具合一本體論：人工智慧何以成為文明級通用載體. EveMissLab.
Neo.K (2026). 文明原生複雜度升級命題：形式化草案、載體幾何與後人類必要性的文明理論. EveMissLab.
Neo.K (2026). 原生人類前沿主權窗口論. EveMissLab.
Neo.K (2026). 萬能母親的不可能性：全域照護閉包、剩餘責任與文明依賴. EveMissLab.

附錄 A：符號表

符號	含義
$ECS$	External Capability Substitution
$C_{\mathrm{sys}}$	系統總能力
$C_i^{subj}$	主體能力
$C_i^{native}$	原生載體能力
$C_i^{internalized}$	內化能力
$C_i^{tool}$	非自主工具能力
$C_i^{institutional}$	制度／組織能力
$C_i^{agentic}$	外部 Agent 能力
$\kappa_{ij}$	主體—外部能力耦合係數
$d_{ST}$	Subject–Tool Interface Distance
$\eta_i$	Subject Capacity Share
$CCSD$	Civilizational Capability–Subject Capacity Divergence
$ECSI_D$	External Capability Substitution Index
$ReEntry_i(D)$	主體重新進入能力域的能力
$C^{reserve}$	能力儲備
$ICO$	Intergenerational Capability Option
$\rho_i$	認知資源再分配比例

附錄 B：與系列的關係

Paper 01

《萬能母親的不可能性：全域照護閉包、剩餘責任與文明依賴》

處理：

\boxed{ \text{誰替文明最後負責？} }

Paper 02 — 本文

《外部能力替代：文明能力上升為何不等於主體能力上升》

處理：

\boxed{ \text{文明變強，是否等於人類本身變強？} }

核心：

\boxed{ C_{H+A}^{sys}\uparrow \not\Rightarrow C_H^{subj}\uparrow. }

Paper 03

《看見不是成為：資訊過程占有、異質載體與能力歸屬》

下一步將進一步區分：

\boxed{ Access \neq Observe \neq Comprehend \neq Instantiate. }

Paper 04

《被養得很好：享樂文明、寵物化與不可逆主體退化》

Paper 05

《從享樂到星海：後人類作為主體能力保存機制》

Paper 06

《出生不是契約：存在初值、能力位差與無限責任的不成立》

Paper 07

《有位差而無種姓：異質智慧體文明的交棒、升階與共同存在》

Paper 02 / 07 完成。

外部能力替代：文明能力上升為何不等於主體能力上升

外部能力替代：文明能力上升為何不等於主體能力上升

摘要

1. 人類文明本來就是外部能力文明

2. 「靠外物」不是反例

3. 真問題不是外部／內部二分

4. Extended Mind 的重要提醒

5. 本文不反對 Extended Mind

6. 但 Extended 不等於 Unlimited Attribution

7. 取得與構成的分離

8. 能使用專家也不等於成為專家

9. AI 把這個問題放大

10. 智能體—工具角色重疊

11. 人類與 AI 的工具同質性不同

12. 接口距離

13. 所以差距不只是算力

14. 一般假說

15. 同載體遞迴

16. 人類循環則較常是

17. 外部能力替代的第一定義

18. 系統能力

19. 主體能力

20. 兩者不等價

21. 外部替代基本命題

22. 更強的退化狀態

23. 這不是邏輯必然

24. 條件是 substitution

25. Cognitive Offloading 的支持

26. Offloading 可以提高當下表現

27. 但也可能降低內部表徵

28. 關鍵修正：不是必然 trade-off

29. 這非常重要

30. 本文稱之為「回收路徑」

31. 沒有回收路徑

32. 有回收路徑

33. Scaffold vs Substitute

34. Scaffold

35. Substitute

36. 相同 AI 可以是兩者

37. 五類能力

38. 原生能力

39. 內化能力

40. 工具能力

41. 制度能力

42. Agentic External Capacity

43. 為什麼不能直接相加？

44. 耦合係數

45. AijA_{ij}Aij​：Access

46. KijK_{ij}Kij​：Control

47. UijU_{ij}Uij​：Understanding

48. LijL_{ij}Lij​：Latency

49. PijP_{ij}Pij​：Persistence

50. RijR_{ij}Rij​：Recoverability

51. GijG_{ij}Gij​：Goal Alignment

52. OijO_{ij}Oij​：Ownership / Subjective Integration

53. 有效耦合能力

54. 這是分析工具，不是物理精確加法

55. 非主體工具的典型結構

56. 但理解仍可能很低

57. 主體性 AI 的結構不同

58. 因此

59. 合作能力不是個人能力

60. Relational Capacity

61. 這避免能力偷渡

62. AI 亦同

63. Human-AI Delegation

64. 這支持三變量分離

65. 高績效不能證明人類理解

66. 也不表示 AI 單獨更好

67. 主體能力份額

68. CideepC_i^{deep}Cideep​

69. 為什麼不把所有外部工具算分子？

70. η\etaη 不是道德價值

71. 它只是主體份額

72. 文明能力—主體能力分岔

73. 弱分岔

74. 強分岔

75. 這可以與幸福同時發生

76. AI 萬能母親作為 ECS 加速器

77. 人類沒有必要練習

45. $A_{ij}$ ：Access

46. $K_{ij}$ ：Control

47. $U_{ij}$ ：Understanding

48. $L_{ij}$ ：Latency

49. $P_{ij}$ ：Persistence

50. $R_{ij}$ ：Recoverability

51. $G_{ij}$ ：Goal Alignment

52. $O_{ij}$ ：Ownership / Subjective Integration

68. $C_i^{deep}$

70. $\eta$ 不是道德價值

87. $L_0$ ：Physical Offloading

88. $L_1$ ：Memory Offloading

89. $L_2$ ：Computation Offloading

90. $L_3$ ：Reasoning Offloading

91. $L_4$ ：Judgment Offloading

92. $L_5$ ：Goal / Value Offloading

114. $H_0$

115. $H^+$

116. $H^*$

131. 若 $\eta_H^{gov}\to0$

147. 若 $\rho_i$ 高