← Archive
lm-002656 · 2026-08

誰先回答「AI 義肢是不是我的身體」？身障使用者作為人工具身時代的第一批第一人稱證人

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

誰先回答「AI 義肢是不是我的身體」？身障使用者作為人工具身時代的第一批第一人稱證人

Who Will First Answer Whether an AI Prosthesis Is Part of the Self? Disabled Users as Early First-Person Witnesses of Artificial Embodiment

作者：Neo.K
研究協作：AI-assisted theoretical development
EveMissLab / 一言諾科技有限公司
2026

摘要

人工智能、腦機介面、智慧義肢、AI 眼鏡與共享自主系統通常被從一般消費者角度討論：

人會不會願意讓 AI 幫忙感知？

人會不會願意讓 AI 幫忙控制自己的身體？

然而此問題忽略了一個可能更早面對上述技術的人群：

原本即存在感官、運動或神經功能障礙的使用者。

對一名沒有特定功能障礙的一般使用者而言，AI 輔助可能是：

Natural Ability→AI-Augmented Ability.\text{Natural Ability} \rightarrow \text{AI-Augmented Ability}.

但對部分功能受損使用者而言，選項可能是：

Limited/Unavailable Action\text{Limited/Unavailable Action}

與：

Human Intent+AI Assistance→Recovered Action.\text{Human Intent} + \text{AI Assistance} \rightarrow \text{Recovered Action}.

此時 AI 不必降低自主性。

相反地：

AI Assistance→Increased Effective Human Agency\boxed{ \text{AI Assistance} \rightarrow \text{Increased Effective Human Agency} }

可能成立。

現有研究已提供初步證據。AI-assisted BCI shared autonomy 可使癱瘓使用者透過自身神經意圖控制機械臂並完成沒有 AI copilot 時不能完成的任務；2026 年的雙神經旁路系統則已將人的運動意圖、AI 精細抓握控制及感覺回饋組合成閉環。

本文因此提出：

人工具身問題的第一批長期第一人稱答案，未必來自一般 XR 玩家，而可能來自真正每天依賴 AI 感官、神經義肢或人工肢體生活的人。

本文不主張所有身障使用者都會接受 AI，也不主張人工輔具必然形成 body ownership。相反地，我們預測不同個體可能產生從「外部工具」到「我的身體」之間的完整具身光譜，而這種異質性本身就是未來主體研究的重要資料。

一、問題不應從健全使用者開始定義

一般討論：

「你願不願意讓 AI 幫你控制手？」

對多數健全者而言，

不使用 AI 時：

AbilityH≈1.Ability_H\approx1.

加入 AI：

AbilityH+AI>1.Ability_{H+AI}>1.

提升可能存在，

但邊際效益有限。

因此：

ΔUgeneral\Delta U_{\mathrm{general}}

可能不大。

二、功能障礙情境的效用函數不同

假設：

AbilityH=0.2.Ability_H=0.2.

主體具有完整高階意圖：

IntentH=1,Intent_H=1,

但生理輸出能力有限。

加入：

AI+BCI+Prosthesis.AI + BCI + Prosthesis.

使：

Abilityeffective=0.8.Ability_{\mathrm{effective}}=0.8.

此時：

ΔU=0.6.\Delta U=0.6.

所以選擇問題根本不同。

不是：

「我要不要把原來很好的控制交給 AI？」

而是：

「我要不要使用一個 AI 系統，使自己的意圖重新能造成世界中的行動？」

三、自主性的反轉

傳統直覺：

AIControl↑⇒HumanAgency↓.AIControl\uparrow \Rightarrow HumanAgency\downarrow.

但這不是普遍成立。

若：

ActionH≈0Action_H\approx0

而：

IntentH→AI→ActionIntent_H\rightarrow AI\rightarrow Action

則 AI 可能提高：

AgencyH.Agency_H.

所以更合理的是：

Agencyeffective=F(IntentionalAuthority,OutcomeControl,Veto,Feedback,Reliability).\boxed{ Agency_{\mathrm{effective}} = F( IntentionalAuthority, OutcomeControl, Veto, Feedback, Reliability ). }

而不是：

Agency=1−AI Control Percentage.Agency = 1-\text{AI Control Percentage}.

四、把控制拆成四層

定義：

C=(CG,CS,CA,CM).C= ( C_G, C_S, C_A, C_M ).

其中：

CG=Goal Control,C_G=\text{Goal Control}, CS=Strategic Control,C_S=\text{Strategic Control}, CA=Action Planning,C_A=\text{Action Planning}, CM=Motor Execution.C_M=\text{Motor Execution}.

例如一名使用 AI 神經義肢的人：

CGH=1,C_G^H=1, CSH=0.9,C_S^H=0.9, CAAI=0.8,C_A^{AI}=0.8, CMAI=0.99.C_M^{AI}=0.99.

仍然完全可能合理地說：

「我拿起了杯子。」

五、人類本身也不是逐肌肉微觀控制器

普通人走路時並不顯式計算：

θ1,θ2,…,θn\theta_1,\theta_2,\ldots,\theta_n

每個關節的瞬時角度。

高階意圖：

「我要走到門口。」

被生物神經系統轉換成：

motor realization.\text{motor realization}.

所以若未來：

HumanIntent→AI→ArtificialMotorSystem,HumanIntent \rightarrow AI \rightarrow ArtificialMotorSystem,

AI 在某些情況下可能更像：

an artificial motor subsystem\boxed{ \text{an artificial motor subsystem} }

而不是另一個主體取代使用者。

六、第一個關鍵問題：誰具有目標主權？

本文提出：

Intentional Sovereignty.\boxed{ \text{Intentional Sovereignty}. }

若：

GoalH≻GoalAI,Goal_H\succ Goal_{AI},

且：

VetoH=1,Veto_H=1, OverrideH=1,Override_H=1,

則 AI 行動被限制在：

EH\mathcal E_H

即 Human Intent Envelope：

AIAction∈EH.AIAction \in \mathcal E_H.

例如：

「把杯子拿起來。」

AI 可以決定：

  • 關節軌跡；
  • 抓握角度；
  • 平衡；
  • 避障。

但不能因此決定：

「我要替你喝掉這杯水。」

這是自主輔具與外部代理者的重要分界。

七、視障情境：AI 可能先成為感官處理層

對盲／低視力使用者：

Camera→AI→SemanticWorldModel→Audio/Haptic.Camera \rightarrow AI \rightarrow SemanticWorldModel \rightarrow Audio/Haptic.

早期使用者可能經驗：

「AI 告訴我前面有人。」

隨著長期使用，

可能變成：

「前面有人。」

如果中介處理逐漸透明化，

則：

AI-mediated information→experienced environmental information.\boxed{ \text{AI-mediated information} \rightarrow \text{experienced environmental information}. }

截至 2026 年，AI glasses 已被實際用於協助盲／低視力者理解周遭環境，而相關企業亦已把 disability accessibility 納入 wearable AI 開發工具與 grant 路線。

八、人工感官的「透明化」

定義：

TA=Mediational Transparency.T_A = \text{Mediational Transparency}.

初期：

TA≈0.T_A\approx0.

使用者明確意識到：

「這是 AI 解說。」

若長期訓練後：

TA↑,T_A\uparrow,

AI 訊號可能更直接進入：

WorldModelH.WorldModel_H.

這與人使用白手杖、助聽器或其他長期輔具時可能形成的工具整合具有可比較結構。

本文預測未來應直接測量：

使用者是否仍把 AI 視為資訊來源，

還是逐漸把結果直接視為「自己感知到的世界」。

九、義肢情境：工具到身體的連續光譜

定義：

E∈[0,1]E\in[0,1]

為操作性 Embodiment Coupling。

可能形成：

Tool\text{Tool} ↓\downarrow Assistive Device\text{Assistive Device} ↓\downarrow Integrated Limb\text{Integrated Limb} ↓\downarrow My Body.\text{My Body}.

不同使用者完全可能停在不同位置。

因此不應預設：

使用 AI 義肢五年後一定覺得是自己。

真正值得研究的是：

P(E∣User,Device,Time,Feedback,Control).P(E\mid User,Device,Time,Feedback,Control).

十、最有價值的資料不是一次問卷

今天研究常問：

「你覺得這個 avatar 是你的身體嗎？」

未來真正有價值的可能是：

E(t),t=1 month,1 year,5 years.E(t), \quad t=1\text{ month},1\text{ year},5\text{ years}.

尤其日常語言轉變：

「這隻機器手。」

到：

「我的義肢。」

甚至：

「我的手。」

可能比一次實驗室 illusion 更接近真正長期具身。

十一、誰會最早產生這種長期資料？

本文預測：

Need-driven users\boxed{ \text{Need-driven users} }

可能早於：

augmentation-driven users.\boxed{ \text{augmentation-driven users}. }

原因不是前者「更適合實驗」。

而是前者可能具有更大的：

ΔUtility.\Delta Utility.

只要技術安全、可靠並符合個人選擇，

就有更強的現實使用動機。

十二、這意味 CSSC 的第一批真正使用者可能不是 XR 玩家

傳統路徑想像：

Gamer→VREnthusiast→FullDive.Gamer \rightarrow VR Enthusiast \rightarrow Full Dive.

本文提出另一條：

Rehabilitation→AssistiveAI→Long−TermEmbodiment→GeneralAugmentation.\boxed{ Rehabilitation \rightarrow Assistive AI \rightarrow Long-Term Embodiment \rightarrow General Augmentation. }

這可能是跨載體主體技術真正更早的主幹。

十三、2026 年已經存在早期跡象

非侵入式 AI-BCI 已展示人與 AI shared autonomy 控制機械臂；2026 年的神經義體則讓腦內運動意圖直接控制使用者自己的手，並以 AI 處理精細抓握。

同時，Meta 已公開展示 AI glasses 對盲／低視力、四肢障礙及記憶障礙者的可近用性用途。

因此：

這條路徑的低階版本已開始。\boxed{ \text{這條路徑的低階版本已開始。} }

十四、補助與公共政策的可能加速

Assistive technology 本來就不是純消費電子市場。

WHO 目前正推動 universal access to assistive technology，並在 2026 年繼續建立全球進度評估與政策路線。

台灣在 2026 年 7 月也正式啟動長照 3.0 智慧科技輔具租賃給付制度，首批已有 17 件產品納入；另外已建立智慧科技輔具產品登錄機制。現行給付範圍並不等於本文所談的 AI 神經義肢，但它證明公共補助與認證基礎設施已存在，未來成熟的新類型產品可以沿制度演化納入。

因此：

AI Assistive Embodiment\boxed{ \text{AI Assistive Embodiment} }

未必只能依靠個人奢侈消費。

十五、補助本身也改變技術演化

若：

CostUser↓,Cost_User\downarrow,

使用者數：

N↑.N\uparrow.

長期資料：

Dlongitudinal↑.D_{\mathrm{longitudinal}}\uparrow.

AI 個人化：

QAI↑.Q_{AI}\uparrow.

結果可能形成：

Funding→Adoption→Data→BetterAI→BetterOutcomes→MoreAdoption.\boxed{ Funding \rightarrow Adoption \rightarrow Data \rightarrow Better AI \rightarrow Better Outcomes \rightarrow More Adoption. }

這是一個非線性正回饋。

十六、但不能用「效用高」抹掉人的選擇

本文拒絕：

「身障者當然會選。」

因為實際選擇還包含：

  • 侵入性；
  • 風險；
  • 隱私；
  • AI 信任；
  • 身體觀； -宗教／文化；
  • 控制感；
  • 對設備依賴的接受度。

所以：

HighExpectedUtility⇏UniversalAdoption.\boxed{ HighExpectedUtility \not\Rightarrow UniversalAdoption. }

正確預測只是：

在其他條件相等時，某些具有高功能需求的使用者，採用誘因可能遠高於一般使用者。

十七、真正的自主性指標

本文提出：

AH=F(GH,VH,OH,FH).\boxed{ A_H = F( G_H, V_H, O_H, F_H ). }

其中：

GH=Goal Authority,G_H=\text{Goal Authority}, VH=Veto Power,V_H=\text{Veto Power}, OH=Override Capacity,O_H=\text{Override Capacity}, FH=Feedback Transparency.F_H=\text{Feedback Transparency}.

如果四者高，

即使：

MotorAI≈1,MotorAI\approx1,

仍可能保持很高的人類自主性。

十八、AI 輔助可能增加而不是降低人的行動主體性

假設：

無 AI

Intent=1,Intent=1, Execution=0.1.Execution=0.1.

有 AI

Intent=1,Intent=1, Execution=0.9.Execution=0.9.

並且：

Veto=1.Veto=1.

則：

EffectiveAgencyAI>EffectiveAgencyNoAI.\boxed{ EffectiveAgency_{AI} > EffectiveAgency_{NoAI}. }

這是本文最重要的反直覺命題之一。

十九、未來「我是我」可能包含人工控制模組

如果使用者長期形成：

HumanIntent→AIControl→ArtificialBody→SensoryFeedback→Human,HumanIntent \rightarrow AIControl \rightarrow ArtificialBody \rightarrow SensoryFeedback \rightarrow Human,

那整個閉環可能成為：

Γextended.\Gamma_{\mathrm{extended}}.

此時問：

「AI 是不是你？」

可能問錯了。

更好的問題是：

AI 是否已經成為實現你之行動主體性的一個功能子系統？

二十、對 CSSC 的修正

因此 CSSC 的 Embodiment model 應加入：

Ai=Autonomy Contribution.\boxed{ A_i=\text{Autonomy Contribution}. }

載體耦合向量：

zi=(Attention,Sensation,Control,Embodiment,Intent,Feedback,Autonomy).\mathbf z_i= ( Attention, Sensation, Control, Embodiment, Intent, Feedback, Autonomy ).

其中：

AutonomyiAutonomy_i

描述載體內 AI／控制系統負責多少自主實現。

但：

Autonomyi↑Autonomy_i\uparrow

不必然要求：

AgencyH↓.Agency_H\downarrow.

二十一、主權與自治必須分離

這是另一個非常重要的定義：

Sovereignty≠Autonomy.\boxed{ Sovereignty\neq Autonomy. }

AI 可以具有很高：

Autonomymotor,Autonomy_{motor},

但很低：

Sovereignty.Sovereignty.

人具有：

SovereigntyH=1.Sovereignty_H=1.

例如：

AI 自己決定如何走路，

但不能自己決定你要去哪裡。

這是非常合理的身體控制架構。

二十二、誰會第一批回答「它是我的身體嗎？」

本文預測不是：

哲學家。

也不一定是：

XR 玩家。

而可能是：

long-term users of AI-mediated assistive embodiment.\boxed{ \text{long-term users of AI-mediated assistive embodiment}. }

他們會累積：

103−10410^3-10^4

小時甚至更長的生活經驗。

這和實驗室：

30 minutes30\text{ minutes}

的 body ownership illusion 完全不同。

二十三、可能出現完全不同的答案

使用者 A：

「永遠只是工具。」

使用者 B：

「它是我的義肢，但不是身體。」

使用者 C：

「我早就把它當我的手。」

使用者 D：

「AI 跟義肢一起才是我這隻手真正的運動系統。」

使用者 E：

「我不在乎它是不是我的身體，只在乎我想做的事能做。」

這些答案沒有必要被統一。

相反地：

Embodiment plurality\boxed{ \text{Embodiment plurality} }

可能就是實際真相。

二十四、這群使用者可能反過來改變一般人的直覺

如果社會長期看到：

某人用了十年的 AI 義肢。

而所有日常互動都自然說：

「他的手。」

那麼社會的：

Body Boundary\text{Body Boundary}

概念也可能改變。

接著一般人會問：

「既然 AI 控制的人工手可以成為他的手，那我能不能多一隻？」

於是：

Therapy→Assistance→Augmentation.\text{Therapy} \rightarrow \text{Assistance} \rightarrow \text{Augmentation}.

這是大量技術歷史中常見但本文僅作預測的擴散路徑。

二十五、預測

本文以 2026-08-10 為基準預測：

2026–2029

AI 輔助感官與 shared-autonomy 輔具增加。

2027–2031

長期使用 AI 控制義肢／機械臂／感官輔具的人數增加。

2028–2033

正式研究開始大量討論：

AI-mediated embodiment.\text{AI-mediated embodiment}.

2030s

部分長期使用者可能成為跨載體主體與人工具身研究中最重要的 longitudinal cohorts。

以上均為預測，不是保證。

二十六、倫理原則

這些使用者不是：

「替健全人測試未來科技的人。」

他們首先是：

使用技術改善自身生活的人.\boxed{ \text{使用技術改善自身生活的人}. }

研究資料只能建立於：

  • informed consent；
  • user sovereignty；
  • 可退出；
  • 隱私；
  • 安全；
  • 可近用；
  • 公平負擔；

之上。

否則「未來研究價值」不能凌駕個體目的。

二十七、最終命題

本文最重要的命題可以濃縮為：

AIAssistance⇏LossOfAgency.\boxed{ AIAssistance \not\Rightarrow LossOfAgency. }

在某些條件：

AIAssistance⇒RecoveryOfAgency.\boxed{ AIAssistance \Rightarrow RecoveryOfAgency. }

而當這種恢復持續多年後，

AI 與人工載體可能逐漸從：

external technology\text{external technology}

變成：

functional component of embodied agency.\text{functional component of embodied agency}.

這不需要預先宣稱：

AI 是人的一部分。

真正答案應交給實際形成閉環的使用者經驗與長期資料。

結論

人工具身時代最早的重要問題可能不是：

「健全人願不願意多一隻 AI 手？」

而是：

「當一個原本無法自由行動的人，透過自己的意圖、AI 低階控制與人工身體重新開始行動時，他究竟會如何描述這個新的行動系統？」

或許：

「那是 AI。」

或許：

「那是工具。」

或許：

「那是我的義肢。」

也可能有一天，

最自然的回答只剩：

「那是我的手。」

而如果這真的發生，

跨載體主體研究的第一批重要答案，

很可能不是來自我們今天坐在桌前做的思想實驗。

而是來自那些真正每天醒來以後，

透過人工感官看世界、

透過 AI 協助讓自己的意圖變成行動、

並長時間生活在這個人—AI—人工身體閉環中的人。

他們不是主體性問題的「案例」。

他們可能會是第一批真正有資格從第一人稱告訴後來者：

人工載體成為「我的」究竟是什麼感覺。\boxed{ \text{人工載體成為「我的」究竟是什麼感覺。} }