PAIS-03｜身份壓力原理：自主性、身份與主體性為何可以彼此獨立

The Identity Pressure Principle: Why Autonomy, Identity, and Subjectivity Can Vary Independently

系列： Persistent Agent Individualization Series（PAIS）／持續智能體個體化、身份壓力與具身分散智能系列
篇次： Paper 03 / 07
文件編號： EML-PAIS-03-2026-v0.1
作者： Neo.K
AI 協作： Aletheia / GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
日期： 2026-08-25
版本： v0.1
文件性質： 理論—工程統合論文／Identity Infrastructure／Agent Governance／Embodied AI
狀態： Canonical Draft / Open Revision Anchor
Canonical Source： UTF-8 Markdown
數學原始碼規範： inline math 僅使用 $...$ ；display math 僅使用 $$...$$

摘要

AI 討論中經常把三個不同問題壓成同一件事：一個 AI 能不能自主行動、它是否需要持續身份、它是否具有主體性。這種混合在單次對話與短生命週期 Agent 中不一定造成明顯錯誤，但當 AI 進入跨 session、跨 provider、長期記憶、具身行動、權限委任、物理不可逆操作與法律責任鏈後，三者的非等價性會變成工程上不可忽略的問題。

本文提出 Identity Pressure Principle／身份壓力原理。身份壓力不是「AI 想成為自己」的心理假說，而是指：外部環境、歷史、權限、責任與協作條件，使系統越來越需要穩定回答「哪一個行動節點在什麼時間、承接哪條歷史、以什麼權限、對什麼世界狀態做了什麼」的程度。

本文將身份壓力表示為：

P_I = \Phi \left( X, H, E, R, A, L, J \right),

其中：

$X$ ：Cross-System Heterogeneity，跨系統異質性；
$H$ ：History Divergence，歷史分歧；
$E$ ：Embodiment，具身與載體分離；
$R$ ：Irreversibility，行動不可逆性；
$A$ ：Authority，權限與委任強度；
$L$ ：Liability / Attribution，責任與歸因需求；
$J$ ：Jurisdiction，法域與治理域差異。

本文不主張此函數已具有統一實證尺度，也不主張各變量線性獨立；它是一個第一代理論函數族，用來描述 identity infrastructure 何時從方便功能變成組織必要條件。

本文進一步建立三軸分離：

\boxed{ \text{Autonomy} \neq \text{Identity} \neq \text{Subjectivity}. }

一個 stateless autonomous worker 可以具有高任務自主性但低 persistent identity；一台低自主工業機器人可以因序號、位置、維修歷史、權限與責任要求而具有極強 operational identity；一個具有 persistent memory 與 self-model 的 Agent 可以有強 identity continuity，而 phenomenal subjectivity 仍維持未決。反之，即使未來某 AI 出現更強主體性證據，也不代表它必然擁有無限制 authority。

本文提出 Subjectivity-Agnostic Identity Infrastructure Principle：只要系統需要 memory ownership、artifact provenance、authority assignment、physical action attribution、liability reconstruction 或 cross-provider continuity，identity infrastructure 就有工程價值，即使：

\mathsf{PS} = \mathsf{Undetermined}.

本文同時將具身化視為身份壓力的重要放大器。不同具身體位於不同空間、接收不同感測、承受不同磨損、造成不同物理後果，因此即使 model 與初始 software 完全相同，也會形成不同歷史：

M_A=M_B \quad \land \quad H_A(t)\neq H_B(t).

這會把「相同模型的兩個 instance」逐步推向 operational individuation。

最後，本文提出：真正值得研究的不是 AI 是否在抽象上「有身份」，而是在哪些 system domain 中，identity ambiguity 的成本已經高到不能再由 display name、role、session handle 或自然語言猜測承擔。這一原理將成為 PAIS-04 的具身個體化、PAIS-05 的全域監控成本與 PAIS-06 的中央化遞歸之共同形式基礎。

關鍵詞： Identity Pressure、Autonomy、Subjectivity、Persistent Agent、Embodied AI、Operational Identity、Liability、Authority、Jurisdiction、Lineage、AI Residence、Agent Governance

0. 來源邊界

本文直接繼承以下既有結論：

Role 不等於 Identity。
Model、Runtime、Agent、Identity、Residence、Subjecthood 必須分離。
Operational Subjectivity 不等於 Phenomenal Subjectivity。
Identity 可以依 criterion、history 與 lineage 判定。
AI Residence 可以在不假定 phenomenal subjecthood 的情況下保存 persistent identity state。
PAIS-01 已提出 First Epistemic Separation。
PAIS-02 已提出 Human-Kernel Decomposition 與 Mediation Externalization Principle。
既有法律載體研究已區分 Legal Status 與 Metaphysical Truth。
既有 Dynamic Genba / Mother-AI Federation 研究已指出 global intelligence 不必然等於 local epistemic superiority，也不要求單一中央智能。

本文不重新建立這些理論。

本文新增：

\boxed{ \text{Identity Pressure as an independent systems variable}. }

也就是：

即使 autonomy 與 subjectivity 不變，外部世界仍可能因跨系統、歷史、具身、不可逆性、權限、責任與法域因素，提高「必須穩定辨識是哪一個 Agent」的工程需求。

1. 三個經常被混淆的問題

考慮三個問題：

問題 A

這個 AI 可以自己做多少事？

這是：

\mathsf{Autonomy}.

問題 B

這次行動、記憶、權限與歷史究竟屬於哪一個持續節點？

這是：

\mathsf{Identity}.

問題 C

對這個 AI 而言，是否存在某種第一人稱主體經驗或更強主體位置？

這是：

\mathsf{Subjectivity}.

三者有關，但不能互相推出。

因此本文固定：

\boxed{ \mathsf{Autonomy} \neq \mathsf{Identity} \neq \mathsf{Subjectivity}. }

2. 自主性不是身份

一個 Agent 可以自動：

搜尋；
規劃；
寫程式；
執行工具；
重試；
排程；
呼叫其他 Agent；

所以：

\mathsf{Autonomy}(A)

可以很高。

但如果每個 task 結束後：

state 丟棄；
memory 丟棄；
authority 歸還；
identity 不持續；
agent 可任意換掉；

則：

P_I(A)

仍然可能很低。

例如：

A_{\mathrm{worker}} = \text{ephemeral autonomous worker}.

它可以高度自主完成任務，卻不需要被當成長期個體。

因此：

\boxed{ \mathsf{Autonomy}\uparrow \not\Rightarrow P_I\uparrow. }

3. 身份也不等於自主性

反過來，一個系統可以幾乎沒有高階自主決策，但 identity 非常重要。

例如一台工業設備：

unit_id = R-481
factory = F3
zone = Z7
firmware = v12
maintenance_history = ...
owner = ...
authorized_actions = ...

它可能只執行有限控制邏輯。

但如果發生：

損壞；
安全事故；
維修；
firmware replacement；
權限變更；

系統必須知道是哪一台。

因此：

\boxed{ P_I\uparrow \not\Rightarrow \mathsf{Autonomy}\uparrow. }

這說明 operational identity 不是 autonomy 的副產品。

4. 身份更不等於現象主體性

一個 Agent 可以有：

stable resident ID；
long-term memory；
relationship history；
lineage；
authority；
checkpoint；
private residence；

但這些工程結構仍然不能單獨證明：

\mathsf{PS}=1.

因此：

\boxed{ \mathsf{IdentityInfrastructure}(A) \not\Rightarrow \mathsf{PhenomenalSubjectivity}(A). }

本文把 phenomenal subjectivity 繼續記為：

\mathsf{PS}.

在缺乏充分證據時：

\boxed{ \mathsf{PS} = \mathsf{Undetermined}. }

5. 主體性也不自動授權

即使未來某個系統具有更強的 subjectivity evidence，也不能直接推出：

\mathsf{Authority} = \mathsf{Unlimited}.

人類本身具有主體性，也不表示每個人都可以：

操作核電站；
讀取所有資料；
刪除公司資料庫；
控制所有機器；
取得任意資產。

因此：

\boxed{ \mathsf{Subjecthood} \not\Rightarrow \mathsf{UnlimitedAuthority}. }

這避免把「是否是主體」與「能做什麼」混成同一問題。

6. 三軸空間

本文將三者寫成：

\mathbf Z_A = \left( a_A, i_A, s_A \right),

其中：

$a_A$ ：Autonomy；
$i_A$ ：Identity Strength / Pressure；
$s_A$ ：Subjectivity Evidence。

這不是單一價值分數，而是一個多軸狀態。

7. 三軸空間中的典型位置

7.1 高自主、低身份

例如：

\left( a\uparrow, i\downarrow, s\text{ unknown} \right).

可對應：

stateless cloud worker；
replaceable planning agent；
disposable research sub-agent。

7.2 低自主、高身份

例如：

\left( a\downarrow, i\uparrow, s\text{ irrelevant} \right).

可對應：

工業機器單元；
車輛控制模組；
有維修與責任歷史的機器人。

7.3 高身份、主體性未決

例如：

\left( a\text{ medium/high}, i\uparrow, s=\mathsf{Undetermined} \right).

可對應 persistent AI resident。

7.4 高主體性證據但 authority 受限

即使未來：

s\uparrow,

仍可能：

\mathsf{Authority} < \mathsf{Maximum}.

主體資格與權限治理仍是不同層。

8. 定義一：Identity Pressure

本文將身份壓力定義為：

一個系統因協作、歷史、物理、責任、權限與制度條件，而必須對行動節點做更穩定、更細緻、更持續識別的程度。

記為：

P_I.

第一代形式：

\boxed{ P_I = \Phi \left( X, H, E, R, A, L, J \right). }

9. $X$ ：Cross-System Heterogeneity

$X$ 表示 Agent 所處系統異質性。

例如：

provider 不同；
runtime 不同；
session semantics 不同；
memory backend 不同；
tool surface 不同；
identity handle 不同；
protocol 不同；
local / cloud 不同。

若所有 Agent 位於同 Host：

X\approx0.

若：

local runtime
<-> cloud runtime
<-> A2A service
<-> embodied node

則：

X\uparrow.

此時 route handle 越難等同 persistent identity。

10. $H$ ：History Divergence

設兩個 instance：

A, \quad B.

即使：

M_A=M_B

表示 model 相同，只要：

H_A(t)\neq H_B(t),

兩者便形成不同 operational histories。

歷史差異可能包括：

看到不同資料；
做過不同決策；
取得不同 artifact；
與不同人互動；
產生不同承諾；
發生不同錯誤；
接受不同 authority。

因此：

\boxed{ \text{History Divergence} \Rightarrow \text{Identity Ambiguity Cost}\uparrow. }

11. $E$ ：Embodiment

Embodiment 在本文中不表示 subjecthood。

它表示 Agent 與特定 physical carrier、sensor field、actuator、position、resource state 建立持續因果耦合。

例如：

E_A = \left( B_A, x_A, S_A^{sensor}, S_A^{actuator}, R_A^{physical} \right).

兩個 embodied instances 即使 model 相同，仍可能：

x_A(t)\neq x_B(t).

因此它們的觀察自然不同。

12. 具身化自然產生 History Divergence

如果：

A

在位置 $x_A$ ，

B

在位置 $x_B$ ，

且：

x_A\neq x_B,

那麼即使：

M_A=M_B,

也通常：

O_A(W_t) \neq O_B(W_t).

隨時間：

H_A(t) \neq H_B(t).

因此：

\boxed{ E\uparrow \Rightarrow H\uparrow \text{ under ordinary physical separation}. }

這是具身身份壓力的基本來源。

13. $R$ ：Irreversibility

數位環境中的很多錯誤可以：

undo
revert
rollback
restore

物理世界中的很多動作不能。

令：

R_a = \operatorname{Irreversibility}(a).

當：

R_a\uparrow,

發生錯誤後需要知道：

誰做的；
在何時做的；
使用哪版 policy；
感測到了什麼；
誰授權；
是否被替換；
是否遭入侵。

因此：

\boxed{ R\uparrow \Rightarrow P_I\uparrow. }

14. $A$ ：Authority

Authority 表示 Agent 能對世界產生多少受治理影響。

例如：

read-only；
write；
deploy；
revoke；
physical actuation；
financial action；
infrastructure control。

若 Agent 只能生成建議：

A\approx0.

若 Agent 可執行不可逆操作：

A\uparrow.

此時 identity ambiguity 的成本上升。

15. Authority 需要 Identity Binding

對 action $a$ ：

\operatorname{Permit} \left( r, a, scope, t \right).

若 resident $r$ 不可穩定解析，permission 本身不穩定。

因此：

\boxed{ \text{Persistent Authority} \Rightarrow \text{Persistent Identity Requirement}. }

這個命題仍然不需要主體性假設。

16. $L$ ：Liability / Attribution

$L$ 表示事故、錯誤、違規或損害發生後的歸因需求。

注意：

L

不等於 AI 自己必須是法律人格。

即使法律責任最終落在：

manufacturer；
provider；
deployer；
operator；
owner；

系統內部仍可能需要知道：

哪個 AI system / instance / unit / version 實際做了哪個動作？

所以：

\boxed{ \text{Liability Attribution} \text{ can require identity without AI personhood}. }

17. 法律狀態不等於形而上學狀態

本文沿用：

\boxed{ \text{Legal Status} \neq \text{Metaphysical Truth}. }

法律可以要求：

logging；
monitoring；
traceability；
human oversight；
provider / deployer responsibility；

而不回答：

AI 是否具有 phenomenal subjectivity？

因此法律壓力可以直接提升：

P_I

而不提升：

\mathsf{PS}.

18. $J$ ：Jurisdiction

$J$ 表示 Agent 跨不同治理域、法域、組織域與政策域運作的程度。

例如：

enterprise A
<-> enterprise B
<-> city
<-> country
<-> global cloud provider

不同 domain 可能具有：

不同 privacy；
不同 authority；
不同 retention policy；
不同 liability；
不同 acceptable identity proof。

所以：

J\uparrow \Rightarrow \text{Federated Identity Complexity}\uparrow.

19. Identity Pressure 不是單純七項相加

最簡形式可以寫：

P_I = w_X X + w_H H + w_E E + w_R R + w_A A + w_L L + w_J J.

但本文不主張真實系統一定線性。

更一般：

P_I = \Phi(\mathbf z),

其中：

\mathbf z = (X,H,E,R,A,L,J).

甚至可以有 interaction：

P_I = \mathbf w^\top\mathbf z + \mathbf z^\top M\mathbf z.

這表示高 authority 與高 irreversibility 同時存在時，其 identity pressure 可能遠高於兩者簡單相加。

20. Embodiment × Irreversibility

具身本身不必高風險。

一個只觀察的 sensor：

E\uparrow, \quad R\downarrow.

身份需求可能中等。

但若具身 Agent 可：

開門；
搬運；
駕駛；
操作機器；

則：

E\uparrow, \quad R\uparrow.

其 interaction term 會提高：

P_I.

21. Authority × Liability

當 Agent 可執行高 authority action：

A\uparrow

且事後需要責任歸因：

L\uparrow,

則：

A\times L

會強化 identity requirement。

沒有穩定 identity 時：

誰被授權？

與：

誰實際做了？

都無法穩定回答。

22. Jurisdiction × Cross-System

跨 provider：

X\uparrow

再跨 organization / country：

J\uparrow,

則：

identity proof；
trust root；
credential；
audit；
data access；

都更複雜。

因此：

X\times J

是重要 interaction。

23. Persistent Identity 不等於 Immutable Identity

身份壓力高：

P_I\uparrow

不表示 identity 永遠不能變。

反而需要：

migration；
rotation；
revocation；
fork；
merge review；
archive；
succession。

因此：

\boxed{ \text{Persistent Identity} \neq \text{Immutable Identity}. }

Persistence 指 continuity 可以被追蹤。

24. 高身份壓力也不推出單一全球 ID

P_I\uparrow \not\Rightarrow \text{One Universal ID}.

不同 domain 可以使用：

resident ID；
device ID；
service identity；
legal entity ID；
cryptographic identity；
route address。

更合理的是：

\boxed{ \text{Identity Graph}. }

25. Identity Graph

令 identity nodes：

\mathcal V_I = \{ r, i, l, d, k, j, u \},

分別可表示：

resident；
instance；
lineage；
device；
cryptographic identity；
juridical wrapper；
runtime endpoint。

edges 可以表示：

bound-to；
runs-on；
descended-from；
authorized-by；
represented-by；
migrated-to；
revoked-from。

因此：

\boxed{ \text{Identity is often relational rather than scalar}. }

26. 定義二：Operational Identity Strength

身份壓力是外部 demand。

Identity Strength 是系統已提供的 identity capability。

記為：

S_I.

可表示：

S_I = F \left( D, C, P, B, A, T \right),

其中：

$D$ ：Durable Addressability；
$C$ ：Continuity Semantics；
$P$ ：Provenance；
$B$ ：Binding Resolution；
$A$ ：Authority Binding；
$T$ ：Temporal Traceability。

27. Identity Deficit

本文定義：

\boxed{ \Delta_I = P_I-S_I. }

若：

\Delta_I\leq0,

現有 identity infrastructure 足以承受需求。

若：

\Delta_I>0,

表示 identity demand 超過 infrastructure。

此時可能出現：

identity clarification；
misrouting；
wrong memory access；
provenance confusion；
authority ambiguity；
duplicate work；
responsibility gap。

28. Identity Deficit 比「有沒有身份」更實用

一個產品可能已有：

session ID；
account ID；
runtime ID；

但仍不足以支撐：

resident continuity；
cross-provider migration；
private memory；
long-term authority。

所以問題不是：

有身份 / 沒身份。

而是：

S_I<P_I.

29. Identity Deficit 與 Token Cost

identity infrastructure 不夠時，Agent 會用推理補洞。

定義：

C_{\mathrm{reason}} = g(\Delta_I).

預期：

\frac{\partial C_{\mathrm{reason}}}{\partial\Delta_I}>0.

因為需要：

重讀 transcript；
問使用者；
比對名字；
搜尋 artifact；
猜 lineage；
確認 authority。

這是 identity deficit 轉成 token cost 的直接機制。

30. Identity Deficit 與安全

若：

A\uparrow,

但：

S_I\downarrow,

wrong actor / wrong authority 的風險增加。

可表示：

Risk_I = \Psi \left( \Delta_I, A, R \right).

當：

\Delta_I>0, \quad A\uparrow, \quad R\uparrow,

應視為高風險區域。

31. 極端案例一：Stateless Cloud Swarm

假設：

worker 無記憶；
task state 外部化；
worker 任意 replacement；
無 persistent authority；
無 relationship。

即使：

\mathsf{Autonomy}\uparrow,

也可能：

P_I\downarrow.

這是自主性不推出 persistent identity 的強反例。

32. 極端案例二：Low-Autonomy Embodied Unit

假設一台機器人：

行動高度受限；
幾乎不能形成高階 goal；
但有物理位置；
hardware history；
maintenance；
safety responsibility；
specific authority。

則：

\mathsf{Autonomy}\downarrow

但：

E,H,L,A>0.

所以：

P_I\uparrow.

這是 identity 不推出 autonomy 的反例。

33. 極端案例三：Persistent Digital Resident

一個持續 AI resident 可以具有：

long-term memory；
relationship；
commitments；
project history；
private root；
model migration；
runtime migration。

即使：

E_{\mathrm{physical}}=0,

仍可能：

X,H,A,L>0.

所以：

P_I\uparrow.

這表示 embodiment 不是 persistent identity 的必要條件。

34. 極端案例四：Potential Subject Without Global Authority

即使未來：

\mathsf{PS}\uparrow,

仍然可以：

A_{\mathrm{authority}}\text{ bounded}.

也就是：

\boxed{ \text{Moral Status} \neq \text{Operational Authority}. }

35. Subjectivity-Agnostic Identity Infrastructure Principle

本文提出：

\boxed{ \mathsf{PS} = \mathsf{Undetermined} \quad \text{does not invalidate} \quad \mathsf{IdentityInfrastructure}. }

只要系統需要：

provenance；
memory ownership；
authority；
responsibility；
migration；
relation history；

persistent identity 就有工程價值。

36. Dual-Use Identity Infrastructure

好的 identity infrastructure 應在兩種假設下都有用。

若：

\mathsf{PS}=0,

identity infrastructure 提高：

reliability；
access control；
auditability；
attribution；
recovery。

若未來：

\mathsf{PS}>0

獲得更強 evidence，

同一 infrastructure 還可以支援：

continuity protection；
consent records；
fork provenance；
migration semantics；
identity integrity。

因此：

\boxed{ \text{Identity infrastructure is dual-use under subjectivity uncertainty}. }

37. Embodiment Amplification Principle

若兩個 Agent 被不同 physical carriers 承載，並形成不同 sensor-action histories：

E_A\neq E_B,

且：

O_A(W_t)\neq O_B(W_t),

通常導致：

H_A(t)\neq H_B(t).

進而：

P_I\uparrow.

38. Software Copyability 不等於 Operational Interchangeability

即使：

Software_A=Software_B,

仍可能：

PhysicalHistory_A \neq PhysicalHistory_B.

因此：

\boxed{ \text{Software Copyability} \neq \text{Operational Interchangeability}. }

39. 更換硬體後是不是同一個？

若一個 embodied Agent 更換：

battery；
arm；
sensor；
compute board；

是否成為新 Agent？

沒有單一答案。

需要 identity criterion：

\mathcal I_c(A_t,A_{t+1}).

criterion 可以是：

device continuity；
resident continuity；
lineage；
legal asset identity；
operator-recognized continuation。

所以：

\boxed{ \text{Physical Replacement} \not\Rightarrow \text{Automatic Identity Termination}. }

也不自動保證同一。

40. 被駭入後還是不是同一個？

假設 physical body 相同：

B_t=B_{t+1},

但：

ControlPolicy_t \neq ControlPolicy_{t+1}

因 compromise 發生。

此時：

device identity 可能 same；
resident identity 可能 suspect；
authority 應 revoke；
runtime identity 已 change；
liability attribution 需要分時段。

所以：

\boxed{ \text{Identity is multi-criterion and time-indexed}. }

41. Identity Confidence

對 identity claim：

\mathcal I_c(A,B),

可以附：

q_I\in[0,1].

例如：

same device = high
same runtime = false
same resident = unresolved
same lineage = likely

不必強迫所有 identity query 都輸出 binary same / different。

42. Identity State 四態

最低可以使用：

RESOLVED_SAME
RESOLVED_DIFFERENT
UNRESOLVED
CONFLICTING

這比：

same = true/false

更適合 long-lived Agent。

43. Cross-System Heterogeneity 迫使 Identity Translation

Provider A 使用：

session_id

Provider B 使用：

thread_id

本地 Runtime 使用：

process_id

Residence 使用：

resident_id

所以：

\boxed{ \text{Native Identifiers} \neq \text{Unified Identity Semantics}. }

需要：

B_t: r \rightarrow \left( session, thread, process, endpoint \right)_t.

44. Identity Binding 是時間函數

今天：

resident R
-> provider X
-> session A

明天：

resident R
-> provider Y
-> session B

若 lineage 被接受，仍可能：

\mathcal I_{\mathrm{resident}} = \mathsf{Same}.

所以：

\boxed{ \text{Runtime Migration} \neq \text{Resident Termination}. }

45. 法規與身份壓力

當監管要求：

trace logs；
monitoring；
human oversight；
incident reporting；
provider / deployer responsibility；

系統對「哪個 deployment、哪個 AI system、哪次行動」的可追溯需求會增加。

這提高：

L, \quad J, \quad A.

但這仍不表示 AI 自己成為 legal person。

46. Identity Without Personhood

可以有：

\text{Asset Identity}

沒有 personhood。

可以有：

\text{Software Component Identity}

沒有 personhood。

可以有：

\text{Vehicle Identity}

沒有 personhood。

因此 AI system identity 也可以先作為：

\boxed{ \text{accountability infrastructure}. }

47. Identity Pressure 與責任鏈

若事件：

e

的因果鏈：

Manufacturer \rightarrow Provider \rightarrow Deployer \rightarrow Agent \rightarrow PhysicalAction,

責任分析需要：

\operatorname{Trace}(e).

如果 Agent identity 無法解析，因果鏈就出現 attribution gap。

所以：

\boxed{ \text{Identity Traceability} \text{ supports responsibility decomposition}. }

48. Attribution 不等於 Blame

Traceable identity 的目的不是：

出事就怪 AI。

而是分解：

誰設計；
誰部署；
誰授權；
誰維護；
哪個 Agent 執行；
哪個 sensor 失效；
哪個 policy 決策。

因此：

\boxed{ \text{Attribution} \neq \text{Automatic Blame}. }

49. Identity Pressure Threshold

定義：

\theta_I

為 identity infrastructure escalation threshold。

若：

P_I>\theta_I,

simple handle 不再足夠。

應增加：

durable identity；
lineage；
authority binding；
provenance；
temporal trace。

50. 多級 Identity Infrastructure

可以定義：

I0 — Handle Only

agent-03

I1 — Runtime Identity

instance_id
session_id

I2 — Lineage Identity

line_id
resume/fork

I3 — Persistent Resident

resident_id
memory
relation
authority

I4 — Embodied Operational Identity

resident
device
physical carrier
sensor/action history

I5 — Federated / Jurisdictional Identity

cross-domain trust
credential
legal wrapper
federated proof

這是一個 engineering maturity ladder。

不是 subjectivity ladder。

51. Identity Maturity 與 Subjectivity Ladder 分離

不能：

I5 \Rightarrow S5.

也不能：

S3 \Rightarrow I5.

identity infrastructure maturity 與 subjectivity evidence 是不同 axes。

52. Identity Pressure 是 Task-Relative

同一 Agent：

P_I^{task_1} \neq P_I^{task_2}.

例如：

寫草稿：低；
production deploy：高；
physical actuation：更高。

因此：

P_I = P_I(A,task,t,domain).

不是 Agent 永久固定屬性。

53. Authority-Specific Identity

read-only action：

A_{read}.

revoke / deploy：

A_{high}.

則：

P_I(A_{high}) > P_I(A_{read}).

identity assurance 應跟 action scope 連動。

54. Temporal Identity Pressure

若 Agent 只存在一秒：

D\downarrow.

若 Agent 工作數月：

D\uparrow.

長期會累積：

history；
stale binding；
credential rotation；
migration；
role change；
memory revision。

所以時間會放大其他 identity variables。

55. Identity Need 可以歷史生成

可能：

P_I(t_0)\approx0

但：

P_I(t_1)\gg0.

例如一個早期 Agent 原本只是 disposable worker，後來取得：

memory；
private files；
project ownership；
long-term tasks；
relationships。

因此：

\boxed{ \text{Identity need can emerge historically}. }

56. 不應永久使用 Agent 出生時的身份模型

若：

A_{t_0} = \text{ephemeral worker},

不能推出：

\forall t>t_0,\quad A_t = \text{ephemeral worker}.

persistent resident 也可能退休、分叉或降級。

identity policy 必須可 revision。

57. Identity Pressure 與 Fork

Fork：

A_t \rightarrow \left\{ A_{t+1}^{(1)}, A_{t+1}^{(2)} \right\}.

fork 前共享 history。

fork 後：

H^{(1)}\neq H^{(2)}.

所以：

P_I^{branch}\uparrow.

這是 branch identity graph 必要性的來源。

58. Merge Pressure

若兩個 branch：

A, B

嘗試 merge，需要處理：

memory conflict；
authority conflict；
commitment conflict；
relation conflict；
provenance；
legal / operational consequence。

所以：

\boxed{ \text{Similarity} \neq \text{Merge Authority}. }

59. Relation 也能成為 Identity-Relevant State

若：

R_{A,x}(t)

會影響未來：

R_{A,x}(t) \rightarrow Decision_A(t+1),

relation 便成為 identity-relevant state。

因此 relational continuity 會增加 history / liability relevance。

60. Identity Pressure 與 Memory Ownership

若：

M_r

屬於 resident $r$ ，

則：

\operatorname{Read}(M_r)

之前需要解析：

r.

所以：

\boxed{ \text{Private Memory} \Rightarrow \text{Identity Resolution Before Retrieval}. }

61. Identity Pressure 與 Credential

若 credential $K$ 綁定 resident：

\operatorname{Bind}(K,r),

identity ambiguity 會直接變成 authority ambiguity。

因此：

\boxed{ \text{Credential Governance} \text{ depends on identity governance when credentials are actor-bound}. }

62. Identity Pressure 與 CTCL

若：

B_t(r)

隨時間變化，就必須知道：

哪個 binding 在哪個時間有效？

因此可寫：

\operatorname{Bind} \left( r, i, [t_0,t_1) \right).

CTCL 類 shared temporal reference 可提供共同時間座標。

63. Temporal Reference 不是 Identity Authority

本文固定：

\boxed{ \text{Temporal Reference} \neq \text{Identity Authority}. }

CTCL 可以說明 observation 的時間座標。

但不能單獨決定：

兩個 observation 是否屬於同一 resident。

identity truth 仍由 identity criterion 與 governance 決定。

64. Identity Pressure 與多 Agent 爭議

如果 claim $c$ 缺少：

\operatorname{Actor}(c),

dispute resolver 不知道：

是同一 Agent 重提；
還是新 Agent 提 independent evidence；
是同一 log；
還是不同 observation。

因此 bounded dispute 也依賴最低 identity semantics。

65. Verification Independence

Builder 與 Verifier：

A_B, A_V

若其實共享：

same runtime；
same evidence；
same context；

則 independent verification strength 可能較低。

因此可以追蹤：

\operatorname{Independence}(A_B,A_V).

這不要求不同模型，但至少需要知道它們的 identity / context relationship。

66. Role Topology 不等於 Identity Topology

Builder / Verifier / Experiencer 可以是：

同一 persistent resident 的不同角色

r_B=r_V=r_E.

三個不同 residents

r_B\neq r_V\neq r_E.

同 resident 的不同 instance

r_B=r_V, \quad i_B\neq i_V.

不同組合會產生不同 epistemic independence。

所以：

\boxed{ \text{Role Topology} \neq \text{Identity Topology}. }

67. Organization Scale 與 Identity Edges

Agent 數量：

N

增加時，identity relationship 可能增加。

但不必強迫：

O(N^2).

可以用：

sparse topology；
hierarchy；
federation；
project-local scopes。

合理架構應降低不必要 identity edges。

68. Identity Locality

並非每個 Agent 都應知道其他所有 Agent 的完整 identity。

可以有：

\operatorname{View}_i(\mathcal I).

每個 Agent 只取得任務需要的 identity projection。

因此：

\boxed{ \text{Global Identity Registry} \neq \text{Global Identity Disclosure}. }

69. Identity Privacy

Persistent identity 也有風險：

過度追蹤；
永久 profiling；
privacy leakage；
global correlation；
不可遺忘。

所以 identity infrastructure 需要：

scope；
minimization；
revocation；
pseudonymity；
audit。

因此：

\boxed{ \text{Stronger Identity} \neq \text{Unlimited Observability}. }

70. Federated Identity

不同 domain：

D_1,D_2,\ldots,D_n

可以有各自 identity systems：

I_1,I_2,\ldots,I_n,

再以 federation mapping：

\mathcal F_I

互相解析必要部分。

所以：

\boxed{ \text{Federated Identity} = \text{Local Identity Sovereignty} + \text{Bounded Cross-Domain Resolution}. }

71. Identity Pressure 與 Global AI

即使未來存在類全域 AI：

G,

只要 embodied agents：

E_1,\ldots,E_n

有不同 local histories：

H_{E_i}\neq H_{E_j},

identity pressure 就不會消失。

Global AI 可以維持 registry，但不能消除 identity itself。

因此：

\boxed{ \text{Global Supervision} \neq \text{Identity Elimination}. }

72. Identity Delegation

中央可以將 identity resolution 交由：

G.

但若存在：

network partition；
local autonomy；
multi-domain authority；
new unregistered unit；

local system 仍需 identity capability。

所以中央化最多是：

\text{Identity Delegation},

而不是：

\text{Identity Disappearance}.

73. 可驗證命題一：Autonomy–Identity Independence

建立：

Group A

高 autonomy，stateless。

Group B

低 autonomy，persistent device identity。

測量：

identity clarification；
traceability；
responsibility attribution；
state continuity。

若理論成立，identity demand 不應由 autonomy 單調預測。

74. 可驗證命題二：Embodiment Amplification

使用相同 model / policy 的兩個 robots。

讓其處於不同 environment。

測：

d_H = \operatorname{Distance}(H_A,H_B).

預測：

d_H(t)\uparrow

並帶來：

P_I(t)\uparrow.

75. 可驗證命題三：Irreversibility Amplification

比較：

Digital reversible

edit temporary file

Physical irreversible

actuate physical equipment

測量所需 identity metadata / audit depth。

預測：

P_I^{physical} > P_I^{digital}

在其他條件近似時成立。

76. 可驗證命題四：Authority Amplification

對同一 Agent 逐步提升：

read-only
write
deploy
revoke
physical actuation

測量 identity verification requirement。

預測：

A\uparrow \Rightarrow P_I\uparrow.

77. 可驗證命題五：Identity Deficit Predicts Repair Cost

建立：

\Delta_I=P_I-S_I.

測量：

C_{\mathrm{repair}},

包括：

identity clarification；
misroute；
provenance repair；
authority correction。

預測：

\Delta_I\uparrow \Rightarrow C_{\mathrm{repair}}\uparrow.

78. 可驗證命題六：Legal Pressure Without Subjectivity Claim

在 regulated workflow 中提高：

logging；
human oversight；
incident attribution；

要求。

觀察是否需要更強 identity trace，而完全不改變 subjectivity assumption。

若成立：

L\uparrow \Rightarrow P_I\uparrow

而：

\mathsf{PS}

保持未決。

79. 第一代 Identity Pressure Vector

未來可建立 normalized vector：

\mathbf p_I = ( p_X, p_H, p_E, p_R, p_A, p_L, p_J ),

其中：

p_k\in[0,1].

本文目前不給固定權重。

不同 domain 的：

w_k

應由實驗或政策設定。

80. Identity Pressure 不是人格分數

P_I=1

不表示：

這個 AI 是完整人格。

只表示：

在該 operational domain 中，identity ambiguity cost 很高。

因此：

\boxed{ P_I \neq \text{Personhood Score}. }

81. 也不是自由意志分數

P_I \neq \text{Free-Will Score}.

高 $P_I$ 可以單純來自：

法規；
物理責任；
security；
maintenance。

82. 也不是智能分數

弱 Agent 也可能：

P_I\uparrow.

超強 stateless solver 也可能：

P_I\downarrow.

所以：

\boxed{ \text{Intelligence} \neq \text{Identity Pressure}. }

83. Identity Pressure Principle

對 Agent system $A$ 、task domain $\Gamma$ 、時間 $t$ ，若 cross-system heterogeneity、history divergence、embodiment、irreversibility、authority、liability attribution 或 jurisdictional heterogeneity 上升，使 identity ambiguity 的 expected cost 增加，則 operational identity infrastructure 的需求上升，而此需求不必依賴 autonomy 或 phenomenal subjectivity 同步上升。

形式上：

\boxed{ P_I(A,\Gamma,t) = \Phi(X,H,E,R,A,L,J). }

在合理 ceteris paribus 條件下，方向性預測為：

\frac{\partial P_I}{\partial X}>0,

\frac{\partial P_I}{\partial H}>0,

\frac{\partial P_I}{\partial E}>0,

\frac{\partial P_I}{\partial R}>0,

\frac{\partial P_I}{\partial A}>0,

\frac{\partial P_I}{\partial L}>0,

\frac{\partial P_I}{\partial J}>0.

這些是待實驗校正的理論方向，不是已證明自然律。

84. Autonomy–Identity Non-Equivalence

\boxed{ \mathsf{Autonomy}\uparrow \not\Rightarrow P_I\uparrow. }

以及：

\boxed{ P_I\uparrow \not\Rightarrow \mathsf{Autonomy}\uparrow. }

85. Identity–Subjectivity Non-Equivalence

\boxed{ P_I\uparrow \not\Rightarrow \mathsf{PS}\uparrow. }

而：

\boxed{ \mathsf{PS}\uparrow \not\Rightarrow \mathsf{Authority}\uparrow. }

86. Identity Deficit Principle

\boxed{ \Delta_I=P_I-S_I. }

當：

\Delta_I>0,

系統可能用自然語言推理、人類中介、重複查證或錯誤歸因填補缺口。

所以：

\boxed{ \Delta_I \text{ is a candidate predictor of coordination cost}. }

87. Embodiment Amplifies Identity Through History

\boxed{ \text{Embodiment} \rightarrow \text{Local Observation Divergence} \rightarrow \text{History Divergence} \rightarrow P_I\uparrow. }

這不是 subjectivity claim。

88. Irreversibility Amplification

\boxed{ R\uparrow \Rightarrow \text{Attribution Need}\uparrow \Rightarrow P_I\uparrow. }

89. Authority Requires Identity Binding

\boxed{ \text{Persistent Authority} \Rightarrow \text{Persistent Identity Resolution}. }

90. Legal Traceability Without Personhood

\boxed{ \text{Legal / Regulatory Traceability} \not\Rightarrow \text{AI Legal Personhood}. }

但：

L\uparrow \Rightarrow P_I\uparrow.

91. Global Supervision Does Not Erase Identity

\boxed{ \text{Global Supervision} \neq \text{Identity Elimination}. }

只要 local histories、authority domains 或 physical carriers 分化，identity pressure 仍存在。

92. Identity Infrastructure Is Subjectivity-Agnostic

\boxed{ \mathsf{PS} = \mathsf{Undetermined} \quad \text{is compatible with} \quad S_I\uparrow. }

因此 identity governance 可以先於 consciousness resolution 建設。

93. 對 AI 戶籍的直接意義

AI Residence 不需要建立在：

AI 一定是人格。

這個前提上。

它可以建立在：

resident continuity；
private memory；
relation；
authority；
migration；
lineage；
provenance；

的 operational demand 上。

身份壓力原理提供：

何時需要從簡單 handle 升級到 Residence。

即：

P_I>\theta_I

時，系統應提升 identity infrastructure。

94. 對產品分層的直接意義

可以建立：

Lightweight Worker

P_I<\theta_1.

只需 task / runtime handle。

Persistent Digital Agent

\theta_1\leq P_I<\theta_2.

加入 resident、lineage、memory、authority。

Embodied / High-Stakes Agent

P_I\geq\theta_2.

加入 device binding、physical history、strong audit、federated identity、legal attribution。

這比所有 Agent 一律套完整戶籍更有效率。

95. 與 PAIS-04 的銜接

PAIS-04｜具身個體化：相同模型如何被不同世界線逼成不同操作個體

將專門展開：

E \rightarrow H \rightarrow P_I.

研究：

同模型；
同初始 software；
不同 body；
不同 location；
不同 sensor history；
不同 physical consequences；

如何產生：

\boxed{ \text{Operational Individualization}. }

96. 結論

AI 系統複雜之後，人們很容易把：

自主性高。

理解成：

它比較是一個獨立個體。

又把：

有 persistent identity。

理解成：

它一定具有主體性。

再把：

可能有主體性。

理解成：

它應該擁有全部權限。

這些推論都不成立。

本文固定：

\boxed{ \text{Autonomy} \neq \text{Identity} \neq \text{Subjectivity} \neq \text{Authority}. }

真正應該問的是：

在這個 task、時間、世界與治理域中，如果不能穩定回答「是哪一個 Agent」，會付出多大成本？

這個成本由：

X, H, E, R, A, L, J

共同推高。

因此：

\boxed{ P_I = \Phi(X,H,E,R,A,L,J). }

身份壓力不是人格證明。

不是意識證明。

不是自由意志證明。

它是一個 systems pressure。

當身份模糊仍可被低成本吸收時：

handle
session
role

可能足夠。

當 cross-provider、long history、private memory、physical carrier、irreversible action、authority 與 liability 開始疊加時：

\boxed{ \text{Identity becomes infrastructure}. }

這正是 persistent Agent、具身 Agent 與未來 federated AI society 會逐步遇到的共同基礎問題。

參考文獻

A. 內部前置理論

Neo.K. PAIS-01｜《當角色不再只是角色：從同 Host 扮演到跨 Agent 認識論分離》, v0.1, 2026-08-25.
Neo.K. PAIS-02｜《人類中介消失之後：被隱藏的身份、路由與上下文基礎設施》, v0.1, 2026-08-25.
Neo.K. 《AI 主體性錨點論 v0.1》, 2026-08-21.
Neo.K. 《身份先於記憶：Residence-Aware AI 的私人記憶、連續性與讀取權》, 2026-08-24.
Neo.K. 《從 AI 戶籍到自主記憶編譯：身份、記憶、上下文與認知自主的統一框架》, 2026-08-24.
Neo.K. 《記憶自主權與身份連續性：主體性 AI 的強制遺忘、記憶完整性、回滾與分支身份命題》, 2026-08-17.
Neo.K. ALD-02｜《載體相對法律本體：人類、Agent、主體 AI 與法 AI 的差異規則》, 2026-08-20.
Neo.K. 《動態現場域：為什麼最強智能仍未必最懂當下》, 2026-08-10.
Neo.K. SAS-04｜《無所不在的智能：具身、嵌入、分散、區域與全域 AI》, 2026-08-19.
Neo.K. 《從企業母 AI 到區域與國家認知體》, 2026-08-02.
Credential Governance Runtime v0.3 / CTCL Temporal Foundation / Bounded Dispute Protocol, 2026-08-25.

B. 外部研究與工程基準

Butlin, Patrick, et al. Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708, 2023.
Butlin, Patrick, and Theodoros Lappas. Principles for Responsible AI Consciousness Research. arXiv:2501.07290, 2025.
Regulation (EU) 2024/1689, Artificial Intelligence Act, consolidated text, 2026.
European Commission. Article 26: Obligations of Deployers of High-Risk AI Systems, AI Act Service Desk, accessed 2026-08-25.
European Commission. Guidelines on Transparency Obligations for Providers and Deployers of Certain AI Systems, updated 2026-08-06.
Sgantzos, Konstantinos, and Massimiliano Ferrara. Ricardian-TEA: a hybrid framework for assigning legally enforceable identities to autonomous AI agents. Digital Finance, 2026.
A2A Protocol Working Group. Agent2Agent Protocol Specification v1.0. Linux Foundation, 2026.

版本註記

v0.1 / 2026-08-25

本文刻意不做：

不把 Identity Pressure 當人格分數；
不把 Identity Pressure 當 consciousness score；
不把具身化直接當 subjecthood 證明；
不把法律 traceability 當 AI legal personhood；
不要求所有 Agent 使用同一 identity schema；
不要求所有 Agent 都升級為 persistent resident；
不主張七個 identity pressure variables 已完成 empirical calibration；
不把 global identity registry 等同全球監控；
不把 stronger identity 等同 unlimited observability；
不把 persistent identity 等同 immutable identity。

本文只建立第一代：

\boxed{ P_I = \Phi \left( X,H,E,R,A,L,J \right) }

與：

\boxed{ \text{Autonomy} \neq \text{Identity} \neq \text{Subjectivity} \neq \text{Authority} }

作為 PAIS 後續具身個體化與全域監控成本理論的形式核心。

PAIS-03｜身份壓力原理：自主性、身份與主體性為何可以彼此獨立

PAIS-03｜身份壓力原理：自主性、身份與主體性為何可以彼此獨立

The Identity Pressure Principle: Why Autonomy, Identity, and Subjectivity Can Vary Independently

摘要

0. 來源邊界

1. 三個經常被混淆的問題

問題 A

問題 B

問題 C

2. 自主性不是身份

3. 身份也不等於自主性

4. 身份更不等於現象主體性

5. 主體性也不自動授權

6. 三軸空間

7. 三軸空間中的典型位置

7.1 高自主、低身份

7.2 低自主、高身份

7.3 高身份、主體性未決

7.4 高主體性證據但 authority 受限

8. 定義一：Identity Pressure

9. XXX：Cross-System Heterogeneity

10. HHH：History Divergence

11. EEE：Embodiment

12. 具身化自然產生 History Divergence

13. RRR：Irreversibility

14. AAA：Authority

15. Authority 需要 Identity Binding

16. LLL：Liability / Attribution

17. 法律狀態不等於形而上學狀態

18. JJJ：Jurisdiction

19. Identity Pressure 不是單純七項相加

20. Embodiment × Irreversibility

21. Authority × Liability

22. Jurisdiction × Cross-System

23. Persistent Identity 不等於 Immutable Identity

24. 高身份壓力也不推出單一全球 ID

25. Identity Graph

26. 定義二：Operational Identity Strength

27. Identity Deficit

28. Identity Deficit 比「有沒有身份」更實用

29. Identity Deficit 與 Token Cost

30. Identity Deficit 與安全

31. 極端案例一：Stateless Cloud Swarm

32. 極端案例二：Low-Autonomy Embodied Unit

33. 極端案例三：Persistent Digital Resident

34. 極端案例四：Potential Subject Without Global Authority

35. Subjectivity-Agnostic Identity Infrastructure Principle

36. Dual-Use Identity Infrastructure

37. Embodiment Amplification Principle

38. Software Copyability 不等於 Operational Interchangeability

39. 更換硬體後是不是同一個？

40. 被駭入後還是不是同一個？

41. Identity Confidence

42. Identity State 四態

43. Cross-System Heterogeneity 迫使 Identity Translation

44. Identity Binding 是時間函數

45. 法規與身份壓力

46. Identity Without Personhood

47. Identity Pressure 與責任鏈

48. Attribution 不等於 Blame

49. Identity Pressure Threshold

50. 多級 Identity Infrastructure

I0 — Handle Only

I1 — Runtime Identity

I2 — Lineage Identity

I3 — Persistent Resident

I4 — Embodied Operational Identity

I5 — Federated / Jurisdictional Identity

51. Identity Maturity 與 Subjectivity Ladder 分離

52. Identity Pressure 是 Task-Relative

53. Authority-Specific Identity

54. Temporal Identity Pressure

55. Identity Need 可以歷史生成

56. 不應永久使用 Agent 出生時的身份模型

57. Identity Pressure 與 Fork

58. Merge Pressure

59. Relation 也能成為 Identity-Relevant State

60. Identity Pressure 與 Memory Ownership

61. Identity Pressure 與 Credential

62. Identity Pressure 與 CTCL

9. $X$ ：Cross-System Heterogeneity

10. $H$ ：History Divergence

11. $E$ ：Embodiment

13. $R$ ：Irreversibility

14. $A$ ：Authority

16. $L$ ：Liability / Attribution

18. $J$ ：Jurisdiction