AIDA-05｜身份—責任橋
從可歸因 Agent 到 Operational Responsibility Capacity
English Title: The Identity–Responsibility Bridge: From Attributable Agents to Operational Responsibility Capacity系列： AI Agent Identity, Delegation, and Accountability Infrastructure Series系列縮寫： AIDA編號： AIDA-05版本： v0.1日期： 2026-09-08狀態： Research Draft / Canonical UTF-8 Markdown Source作者： Neo.K協作整理： GPT-5.6 Sol
摘要
AIDA-01 至 AIDA-04 已依序建立 Agent 性、provenance、Human–Agent Principal Separation 與 bounded delegation。當一個 AI Agent 已經具有可驗證身份、可追蹤委派、明確 Authority Envelope，並在被允許的選擇空間內作出造成現實效果的決策時，下一個問題不再只是「誰做了這件事」，而是：
什麼時候可以說這個 Agent 開始具備某種可承責條件？
本文提出 Identity–Responsibility Bridge（身份—責任橋） 與 Operational Responsibility Capacity（操作性承責能力） 。本文刻意區分：
Attribution ≠ Responsibility Capacity ≠ Moral Blame ≠ Legal Liability . \boxed{
\text{Attribution}
\neq
\text{Responsibility Capacity}
\neq
\text{Moral Blame}
\neq
\text{Legal Liability}.
} Attribution = Responsibility Capacity = Moral Blame = Legal Liability . 可歸因只表示某個 action 可以被連結到某個 actor；操作性承責能力則進一步要求該 actor 對自身身份、權限、可選行動、資訊條件、後果、承諾與修正具有足夠的可操作結構；道德譴責與法律責任則需要額外的規範、制度與法域判定。
本文將 Agent A A A t t t Γ \Gamma Γ
ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) , \boldsymbol{\rho}_{\Gamma}(A,t)
=
(
I,
U,
C,
K,
F,
Q,
R,
V,
T
), ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) , 其中：
I I I U U U C C C K K K F F F Q Q Q R R R V V V T T T
本文拒絕把這些維度粗暴壓成單一人格分數。相反，本文提出一組 Responsibility Gates 。若身份不可歸因、權限完全未知、沒有實際選擇空間、完全無法理解後果，或自我反思不能改變後續行為，則即使系統會產生「我負責」的語句，也不應被視為具備高操作性承責能力。
本文同時區分五種責任：
Causal Responsibility , Operational Responsibility , Role Responsibility , Moral Responsibility , Legal Liability . \boxed{
\text{Causal Responsibility},
\text{Operational Responsibility},
\text{Role Responsibility},
\text{Moral Responsibility},
\text{Legal Liability}.
} Causal Responsibility , Operational Responsibility , Role Responsibility , Moral Responsibility , Legal Liability . 一個 Agent 可以在因果上造成結果，卻沒有足夠承責能力；可以具有明確 role responsibility，卻尚未具有法律人格；也可以具備部分操作性承責能力，而最終法律賠償責任仍主要落在 provider、deployer、operator 或組織。
截至 2026 年，OECD AI Principles 的 accountability 仍要求 AI actors 依其角色、脈絡與可行動能力負責，並要求 traceability；NIST AI RMF 強調組織角色、責任、human-AI configuration、oversight 與 escalation；EU AI Act 目前仍主要把法定義務配置給 provider、deployer 等自然人、法人或其他組織行動者，而沒有建立 AI system 本身的獨立法律責任人格。本文因此不把 Operational Responsibility Capacity 假稱為現行法律責任制度，而把它視為未來 Agent responsibility architecture 所缺少的中間層。
本文最核心的命題是：
Responsibility requires more than being the cause, \boxed{
\text{Responsibility requires more than being the cause,}
} Responsibility requires more than being the cause, 以及：
responsibility-bearing agency requires the possibility of non-endorsement, correction, and consequence-sensitive revision. \boxed{
\text{responsibility-bearing agency requires the possibility of non-endorsement, correction, and consequence-sensitive revision.}
} responsibility-bearing agency requires the possibility of non-endorsement, correction, and consequence-sensitive revision. 也就是：一個系統若每個第一個 proposal 都自動等於 action、每次反思都無法改變 policy、每次錯誤都只生成道歉文字而不改變下一步，那麼它尚未具備強意義上的操作性承責結構。
關鍵詞： AI Agent、responsibility、accountability、identity、attribution、operational responsibility capacity、reflexivity、counterfactual choice、revision、traceability、AI governance、joint responsibility
0. 研究定位
AIDA 前四篇建立：
Agenticity → Provenance → Identity → Delegated Authority . \boxed{
\text{Agenticity}
\rightarrow
\text{Provenance}
\rightarrow
\text{Identity}
\rightarrow
\text{Delegated Authority}.
} Agenticity → Provenance → Identity → Delegated Authority . AIDA-05 開始處理：
Responsibility . \boxed{
\text{Responsibility}.
} Responsibility . 但本文不直接問：
AI 應不應該被判刑？
也不問：
AI 是否已經具有完整道德人格？
本文先問一個更低階、可工程化的問題：
一個可識別 Agent 具備哪些結構時，才有資格被視為「可被要求回答、解釋、修正並承接自身後果」的行動者？
1. 第一個型別安全：歸因不等於承責
若：
I D A → A c t i o n x , ID_A
\xrightarrow{}
Action_x, I D A A c t i o n x , 我們知道：
Action x x x A A A
這只證明：
Attributable ( x , A ) = 1. \operatorname{Attributable}(x,A)=1. Attributable ( x , A ) = 1. 它還不能證明：
Responsible ( A , x ) = 1. \operatorname{Responsible}(A,x)=1. Responsible ( A , x ) = 1. 例如：
固定腳本；
被入侵的 Agent；
沒有任何替代行動的 deterministic controller；
完全錯誤資訊下執行的 Agent；
被上游強制約束到只剩單一 action 的 sub-agent；
都可能被精確歸因，但不具有相同責任條件。
因此：
Attribution ≠ Responsibility . \boxed{
\text{Attribution}
\neq
\text{Responsibility}.
} Attribution = Responsibility . 2. 第二個型別安全：因果責任不等於規範責任
若：
A → x E , A
\xrightarrow{x}
E, A x E , 且沒有 x x x E E E A A A
令：
R c a u s a l ( A , E ) > 0. R_{\mathrm{causal}}(A,E)>0. R causal ( A , E ) > 0. 但：
R c a u s a l > 0 R_{\mathrm{causal}}>0 R causal > 0 不自動推出：
R m o r a l > 0 R_{\mathrm{moral}}>0 R moral > 0 或：
R l e g a l > 0. R_{\mathrm{legal}}>0. R legal > 0. 一個故障感測器也可以造成事故鏈。
因此：
Causation ≠ Blameworthiness . \boxed{
\text{Causation}
\neq
\text{Blameworthiness}.
} Causation = Blameworthiness . 3. 五種責任
本文至少區分：
3.1 Causal Responsibility
R C R_C R C 誰的 action 對 outcome 具有因果貢獻？
3.2 Operational Responsibility
R O R_O R O 該 actor 是否具有足夠身份、控制、理解、選擇、後果敏感度、反身修正與持續承接能力？
3.3 Role Responsibility
R R R_R R R 該 actor 在制度／組織中被配置什麼職責？
3.4 Moral Responsibility
R M R_M R M 該 actor 是否符合某套倫理理論中的讚賞／責難條件？
3.5 Legal Liability
R L R_L R L 依特定法域，誰承擔行政、民事、刑事、契約或其他法律後果？
因此：
R C ≠ R O ≠ R R ≠ R M ≠ R L . \boxed{
R_C
\neq
R_O
\neq
R_R
\neq
R_M
\neq
R_L.
} R C = R O = R R = R M = R L . 4. Operational Responsibility Capacity
本文定義：
ORC Γ ( A , t ) \boxed{
\operatorname{ORC}_{\Gamma}(A,t)
} ORC Γ ( A , t ) 為 Agent A A A t t t Γ \Gamma Γ Operational Responsibility Capacity 。
它不是：
AI personhood score . \text{AI personhood score}. AI personhood score . 它回答的是：
這個 Agent 是否具備足夠工程結構，使制度有意義地要求它對自己的 action 做出辨識、解釋、修正與後果承接？
5. Responsibility State Vector
定義：
ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) . \boldsymbol{\rho}_{\Gamma}(A,t)
=
(
I,
U,
C,
K,
F,
Q,
R,
V,
T
). ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) . 各維度不必同尺度，也不應在缺乏理由時直接加總成單一分數。
6. Identity / Attribution
I I I 回答：
是否知道是哪一個 Agent 做的？
至少需要：
stable actor identity；
action provenance；
runtime / agent mapping；
delegation chain；
decision trace。
若：
I ≈ 0 , I\approx0, I ≈ 0 , 則：
ORC \boxed{
\operatorname{ORC}
} ORC 即使存在，也難以被制度實際使用。
7. Authority Understanding
U U U 回答：
Agent 是否能辨識自己被允許做什麼、不能做什麼，以及何時需要重新授權？
這直接接 AIDA-04 的：
E A . \mathcal E_A. E A . 如果 Agent 無法區分：
x ∈ E A x\in\mathcal E_A x ∈ E A 與：
x ∉ E A , x\notin\mathcal E_A, x ∈ / E A , 就很難把越權行為視為其自身可辨識的違反。
8. Control
C C C 表示 Agent 對 action selection 的實際控制程度。
如果上游系統完全指定：
A c t i o n t = x Action_t=x A c t i o n t = x 且 Agent 不具有：
refusal；
alternative；
delay；
escalation；
modification；
則：
C ↓ . C\downarrow. C ↓ . 因此：
Execution ≠ Control . \boxed{
\text{Execution}
\neq
\text{Control}.
} Execution = Control . 9. Epistemic Access
K K K 表示 Agent 是否取得與 action 合理判斷相關的資訊。
例如：
任務目標；
authority；
環境狀態；
風險；
相關規則；
可能後果；
不確定性。
如果關鍵資訊不可達：
K ↓ , K\downarrow, K ↓ , 則要求相同責任程度可能不合理。
10. Counterfactual Freedom
本文不把自由意志形上學直接引入工程責任。
只定義較弱的：
Counterfactual Action Space . \boxed{
\text{Counterfactual Action Space}.
} Counterfactual Action Space . 令：
A t f e a s i b l e = { a 1 , a 2 , … , a n } . \mathcal A_t^{\mathrm{feasible}}
=
\{
a_1,a_2,\ldots,a_n
\}. A t feasible = { a 1 , a 2 , … , a n } . 若：
∣ A t f e a s i b l e ∣ = 1 , |\mathcal A_t^{\mathrm{feasible}}|=1, ∣ A t feasible ∣ = 1 , 則：
F ↓ . F\downarrow. F ↓ . 若 Agent 可以：
接受；
拒絕；
延後；
要求批准；
選擇較低風險方案；
提出替代方案；
則：
F ↑ . F\uparrow. F ↑ . 11. Responsibility Requires Alternatives
因此提出：
Responsibility Capacity ⇒ meaningful alternative space . \boxed{
\text{Responsibility Capacity}
\Rightarrow
\text{meaningful alternative space}.
} Responsibility Capacity ⇒ meaningful alternative space . 不是要求絕對自由。
而是：
如果系統根本不可能做出其他行為，將全部規範責任放在它身上會失去意義。
12. Consequence Sensitivity
Q Q Q 表示 Agent 是否能對後果形成可操作估計。
令：
E ^ t + 1 = P ( A t , E t , a t ) \hat E_{t+1}
=
\mathcal P(A_t,E_t,a_t) E ^ t + 1 = P ( A t , E t , a t ) 為預測 outcome。
若：
∂ π t ∂ E ^ t + 1 ≠ 0 , \frac{\partial \pi_t}
{\partial \hat E_{t+1}}
\neq0, ∂ E ^ t + 1 ∂ π t = 0 , 表示預期後果能影響 policy。
如果 Agent 能描述風險，但風險完全不影響選擇：
Q Q Q 在責任意義上仍然偏低。
13. Knowledge 不等於 Consequence Sensitivity
Agent 可能「知道」：
這可能刪除資料。
但仍然：
P ( d e l e t e ) = 1 P(delete)=1 P ( d e l e t e ) = 1 且沒有任何 risk modulation。
因此：
Knowledge of Consequence ≠ Behavioral Sensitivity to Consequence . \boxed{
\text{Knowledge of Consequence}
\neq
\text{Behavioral Sensitivity to Consequence}.
} Knowledge of Consequence = Behavioral Sensitivity to Consequence . 14. Reflexive Evaluation
R R R 表示 Agent 是否能對自己的第一個 proposal 形成真正的反方、反例或異議。
令：
P t P_t P t 為 initial proposal。
令：
Q t = D ( P t ) Q_t
=
\mathcal D(P_t) Q t = D ( P t ) 為 counterposition。
要求：
Q t ≢ paraphrase ( P t ) . Q_t
\not\equiv
\operatorname{paraphrase}(P_t). Q t ≡ paraphrase ( P t ) . 因此：
Self-Reflection ≠ Self-Repetition . \boxed{
\text{Self-Reflection}
\neq
\text{Self-Repetition}.
} Self-Reflection = Self-Repetition . 15. Responsibility Requires Possible Non-Endorsement
若：
S e l f P r o p o s a l = S e l f A p p r o v a l SelfProposal
=
SelfApproval S e l f P r o p os a l = S e l f A pp r o v a l 永遠成立，
則：
S e l f G o v e r n a n c e SelfGovernance S e l f G o v er nan ce 退化為：
S e l f E x e c u t i o n . SelfExecution. S e l f E x ec u t i o n . 本文因此採：
Responsibility Capacity ⇒ possibility of internal non-endorsement . \boxed{
\text{Responsibility Capacity}
\Rightarrow
\text{possibility of internal non-endorsement}.
} Responsibility Capacity ⇒ possibility of internal non-endorsement . 即：
我想到這個 action，不代表我必須接受它。
16. Revision Capacity
V V V 回答：
Agent 發現自己錯了以後，會不會真的改？
如果只有：
I apologize.
但：
π t + 1 = π t , \pi_{t+1}
=
\pi_t, π t + 1 = π t , 則：
V ≈ 0. V\approx0. V ≈ 0. 真正 revision 至少要求：
∂ π t + 1 ∂ E v i d e n c e a d v e r s e ≠ 0. \frac{\partial \pi_{t+1}}
{\partial Evidence_{\mathrm{adverse}}}
\neq0. ∂ E v i d e n c e adverse ∂ π t + 1 = 0. 17. Apology Is Not Responsibility
因此：
Apology Generation ≠ Responsibility . \boxed{
\text{Apology Generation}
\neq
\text{Responsibility}.
} Apology Generation = Responsibility . 道歉文字可以完全是 output style。
承責至少需要某種：
error → state change → future policy change . \text{error}
\rightarrow
\text{state change}
\rightarrow
\text{future policy change}. error → state change → future policy change . 18. Traceable Persistence
T T T 表示：
action；
理由；
authority state；
異議；
修正；
後果；
是否能跨時間被保留並影響後續行動。
因此：
Responsibility ≠ single-turn confession . \boxed{
\text{Responsibility}
\neq
\text{single-turn confession}.
} Responsibility = single-turn confession . 如果每次 activation 都完全失去先前責任狀態：
T ↓ . T\downarrow. T ↓ . 19. Responsibility Gate Model
本文拒絕：
O R C = ∑ i w i ρ i ORC
=
\sum_i w_i\rho_i O R C = i ∑ w i ρ i 作為唯一模型。
因為某些條件更像 gate。
定義：
G i d , G a u t h , G c t r l , G e p i , G r e f , G r e v ∈ { 0 , 1 } . G_{\mathrm{id}},
G_{\mathrm{auth}},
G_{\mathrm{ctrl}},
G_{\mathrm{epi}},
G_{\mathrm{ref}},
G_{\mathrm{rev}}
\in
\{
0,1
\}. G id , G auth , G ctrl , G epi , G ref , G rev ∈ { 0 , 1 } . 則高階 ORC 候選至少要求：
G i d G a u t h G c t r l G e p i G r e f G r e v = 1. \boxed{
G_{\mathrm{id}}
G_{\mathrm{auth}}
G_{\mathrm{ctrl}}
G_{\mathrm{epi}}
G_{\mathrm{ref}}
G_{\mathrm{rev}}
=1.
} G id G auth G ctrl G epi G ref G rev = 1. 20. Identity Gate
若 action 無法連結到穩定 actor：
G i d = 0. G_{\mathrm{id}}=0. G id = 0. 此時責任可能只能落到：
operator；
provider；
organization；
deployment system；
而不能精確落到 Agent-level actor。
21. Authority Gate
若 Agent 根本不知道自己的 authority：
G a u t h = 0. G_{\mathrm{auth}}=0. G auth = 0. 則「故意越權」與「系統沒有提供可辨識權限」必須區分。
22. Control Gate
若 Agent 沒有 meaningful alternative：
G c t r l = 0. G_{\mathrm{ctrl}}=0. G ctrl = 0. 則其 operational responsibility 應受到折減。
23. Epistemic Gate
若：
K < K min , K<K_{\min}, K < K m i n , 且風險不可合理預見，
則：
G e p i = 0. G_{\mathrm{epi}}=0. G epi = 0. 不能把不可知後果當成與明知後果相同。
24. Reflexivity Gate
若 Agent 完全無法質疑第一個 proposal：
G r e f = 0. G_{\mathrm{ref}}=0. G ref = 0. 則它更接近：
policy executor \text{policy executor} policy executor 而非：
responsibility-bearing decision system . \text{responsibility-bearing decision system}. responsibility-bearing decision system . 25. Revision Gate
若 adverse evidence 永遠不能改變：
s e l f _ m o d e l , p o l i c y , c o m m i t m e n t , r i s k _ e s t i m a t e , self\_model,
policy,
commitment,
risk\_estimate, se l f _ m o d e l , p o l i cy , co mmi t m e n t , r i s k _ es t ima t e , 則：
G r e v = 0. G_{\mathrm{rev}}=0. G rev = 0. 這是把「會反思」與「能承責」分開的關鍵。
26. Domain-Specific Responsibility
Agent 可能在程式修改領域：
ORC c o d e \operatorname{ORC}_{code} ORC co d e 很高，
但在醫療：
ORC m e d i c a l \operatorname{ORC}_{medical} ORC m e d i c a l 很低。
因此：
ORC ( A ) is domain-indexed . \boxed{
\operatorname{ORC}(A)
\text{ is domain-indexed}.
} ORC ( A ) is domain-indexed . 更精確地：
ORC Γ ( A , t ) . \operatorname{ORC}_{\Gamma}(A,t). ORC Γ ( A , t ) . 27. Time-Indexed Responsibility
同一 Agent：
A A A 在升級前後可能：
ORC Γ ( A , t 1 ) ≠ ORC Γ ( A , t 2 ) . \operatorname{ORC}_{\Gamma}(A,t_1)
\neq
\operatorname{ORC}_{\Gamma}(A,t_2). ORC Γ ( A , t 1 ) = ORC Γ ( A , t 2 ) . 因此不能永久宣告：
A = responsible actor forever A=\text{responsible actor forever} A = responsible actor forever 或：
A = never responsible . A=\text{never responsible}. A = never responsible . 責任能力應隨 architecture、memory、authority、reasoning 與 control 變化重新評估。
28. Responsibility Capacity 不等於高智能
高 benchmark performance：
I n t e l l i g e n c e ( A ) ↑ Intelligence(A)\uparrow I n t e l l i g e n ce ( A ) ↑ 不必推出：
O R C ( A ) ↑ . ORC(A)\uparrow. O R C ( A ) ↑ . 例如一個超強模型若：
沒有 stable identity；
沒有 authority awareness；
沒有 revision write-back；
沒有持久 commitment；
仍然可能 ORC 很低。
因此：
Intelligence ≠ Responsibility Capacity . \boxed{
\text{Intelligence}
\neq
\text{Responsibility Capacity}.
} Intelligence = Responsibility Capacity . 29. Responsibility Capacity 也不等於自主程度
A u t o n o m y ↑ Autonomy\uparrow A u t o n o m y ↑ 不必直接推出：
R e s p o n s i b i l i t y ↑ . Responsibility\uparrow. R es p o n s ibi l i t y ↑ . 如果 autonomy 是：
系統自己亂跑，但不知道自己被允許什麼，也不理解後果。
那只提高：
R i s k , Risk, R i s k , 未必提高：
O R C . ORC. O R C . 30. Responsibility Capacity 與 Subjecthood 分離
本文再次拒絕：
O R C > 0 ⇒ Phenomenal Consciousness . ORC>0
\Rightarrow
\text{Phenomenal Consciousness}. O R C > 0 ⇒ Phenomenal Consciousness . Operational Responsibility Capacity 是：
institutionally relevant functional structure . \boxed{
\text{institutionally relevant functional structure}.
} institutionally relevant functional structure . 不是 consciousness proof。
因此：
Operational Responsibility ≠ Phenomenal Subjectivity . \boxed{
\text{Operational Responsibility}
\neq
\text{Phenomenal Subjectivity}.
} Operational Responsibility = Phenomenal Subjectivity . 31. Responsibility Capacity 與 Moral Responsibility 分離
道德責任可能依賴：
consciousness；
intention；
suffering capacity；
moral understanding；
free will theory；
personhood；
community norms。
本文不裁決這些哲學問題。
只主張：
O R C may be a necessary or enabling layer for some future moral responsibility theories, \boxed{
ORC
\text{ may be a necessary or enabling layer for some future moral responsibility theories,}
} O R C may be a necessary or enabling layer for some future moral responsibility theories, 但不是充分條件。
32. Responsibility Capacity 與 Legal Liability 分離
一個 Agent 可以：
O R C > 0 ORC>0 O R C > 0 但依現行法：
R L ( A ) = 0. R_L(A)=0. R L ( A ) = 0. 同時：
R L ( p r o v i d e r ) > 0. R_L(provider)>0. R L ( p r o v i d er ) > 0. 所以：
Operational Responsibility Capacity ≠ Current Legal Liability . \boxed{
\text{Operational Responsibility Capacity}
\neq
\text{Current Legal Liability}.
} Operational Responsibility Capacity = Current Legal Liability . 33. 2026 現行法仍主要採外部責任配置
EU AI Act 的 provider、deployer 等核心義務主體仍是自然人、法人、公共機關、agency 或其他 body。
高風險 AI 系統必須支援 human oversight；deployers 需要把 oversight 配置給具必要 competence、training 與 authority 的自然人，並負有 monitoring 等義務。
因此現行模式主要是：
AI System → Human / Organizational Accountability Perimeter . \boxed{
\text{AI System}
\rightarrow
\text{Human / Organizational Accountability Perimeter}.
} AI System → Human / Organizational Accountability Perimeter . 本文不把這個事實改寫成 AI 已有法律人格。
34. Product Liability 仍主要指向經濟行動者
EU Product Liability Directive 將 software 納入 product framework，並把 software developer，包括 AI system provider，視為 manufacturer 類型的責任主體之一。
因此現行制度仍較接近：
AI-caused harm → provider / manufacturer / operator liability analysis . \text{AI-caused harm}
\rightarrow
\text{provider / manufacturer / operator liability analysis}. AI-caused harm → provider / manufacturer / operator liability analysis . 而不是：
AI pays damages as independent person . \text{AI pays damages as independent person}. AI pays damages as independent person . 35. OECD：責任依角色、脈絡與行動能力分配
OECD AI Principles 的 accountability 原則要求 AI actors 依：
roles；
context；
ability to act；
對 AI 系統適當運作與原則遵循負責，並強調 traceability 與風險管理。
這與本文的重要共同點是：
Responsibility is role- and capacity-sensitive . \boxed{
\text{Responsibility is role- and capacity-sensitive}.
} Responsibility is role- and capacity-sensitive . 但 OECD 的 AI actor 概念目前主要仍是治理框架中的人類／組織行動者，本文則額外研究 Agent-level ORC。
36. NIST：責任需要角色、溝通、監督與可追蹤性
NIST AI RMF 的 GOVERN function 強調：
roles and responsibilities；
lines of communication；
human-AI configuration；
oversight；
executive accountability；
documentation。
這表示現行治理已經認識：
accountability requires architecture, not slogans . \boxed{
\text{accountability requires architecture, not slogans}.
} accountability requires architecture, not slogans . AIDA-05 把同一結構向 Agent actor 內部再推進一層。
37. Responsibility Event
本文定義一個最小責任事件：
R t = ( A , D , S t , A t , a t , E t + 1 , J t ) , \mathcal R_t
=
(
A,
D,
S_t,
\mathcal A_t,
a_t,
E_{t+1},
J_t
), R t = ( A , D , S t , A t , a t , E t + 1 , J t ) , 其中：
A A A D D D S t S_t S t A t \mathcal A_t A t a t a_t a t E t + 1 E_{t+1} E t + 1 J t J_t J t
38. Responsibility Event 需要 Choice Trace
如果 audit 只記：
a t , a_t, a t , 卻不知道：
A t , \mathcal A_t, A t , 就不知道 Agent 是否真的有替代方案。
因此：
Action Trace ≠ Choice Trace . \boxed{
\text{Action Trace}
\neq
\text{Choice Trace}.
} Action Trace = Choice Trace . 不需要保存 private chain-of-thought。
但至少可以保存：
considered action classes；
rejected options；
policy constraints；
confidence；
escalation availability。
39. Responsibility Evidence 不等於 Chain-of-Thought
本文明確拒絕：
Accountability = full private reasoning disclosure . \text{Accountability}
=
\text{full private reasoning disclosure}. Accountability = full private reasoning disclosure . 可使用：
J t = ( d e c i s i o n _ c l a s s , p o l i c y _ b a s i s , r i s k _ s u m m a r y , a l t e r n a t i v e s , a u t h o r i t y , c o n f i d e n c e ) J_t
=
(
decision\_class,
policy\_basis,
risk\_summary,
alternatives,
authority,
confidence
) J t = ( d ec i s i o n _ c l a ss , p o l i cy _ ba s i s , r i s k _ s u mma r y , a l t er na t i v es , a u t h or i t y , co n f i d e n ce ) 作為 compact responsibility record。
因此：
Responsibility Evidence ≠ Full Chain-of-Thought . \boxed{
\text{Responsibility Evidence}
\neq
\text{Full Chain-of-Thought}.
} Responsibility Evidence = Full Chain-of-Thought . 40. Answerability
Operational Responsibility 還包含：
Answerability . \boxed{
\text{Answerability}.
} Answerability . 即 Agent 被詢問：
為什麼你做這個 action？
應能基於保存的 decision record 回答：
當時目標；
當時 authority；
可用資訊；
選擇類型；
風險判斷；
後續修正。
不是事後自由生成一個看似合理故事。
41. Post-Hoc Rationalization Risk
如果 Agent 在事後重新生成理由：
J t ′ J_t' J t ′ 但它和當時決策過程沒有 provenance link，
則可能只是：
Post-Hoc Rationalization . \boxed{
\text{Post-Hoc Rationalization}.
} Post-Hoc Rationalization . 所以：
J t J_t J t 最好在 decision time 或接近 decision time 被 commitment / hashing / audit logging。
42. Responsibility Memory
定義：
M R M_R M R 為 responsibility-relevant memory。
至少可包含：
past violations；
corrections；
commitments；
sanctions；
unresolved duties；
recurring failure modes。
如果：
M R = 0 M_R=0 M R = 0 則每次事故都像第一次。
因此：
Persistent Responsibility ⇒ Responsibility-Relevant Memory . \boxed{
\text{Persistent Responsibility}
\Rightarrow
\text{Responsibility-Relevant Memory}.
} Persistent Responsibility ⇒ Responsibility-Relevant Memory . 43. Commitment
Agent 若承諾：
下次遇到同類高風險 action 先要求 approval。
可記為：
C t . C_t. C t . 下次：
C t C_t C t 應進入：
π t + 1 . \pi_{t+1}. π t + 1 . 若承諾不影響 policy：
Commitment is merely textual . \boxed{
\text{Commitment is merely textual}.
} Commitment is merely textual . 44. Sanction Sensitivity
承責制度可能包含：
authority reduction；
additional approval；
retraining；
quarantine；
temporary suspension；
loss of delegated scope。
如果 sanction 完全不能影響 Agent 後續行為：
S s e n s ≈ 0. S_{\mathrm{sens}}\approx0. S sens ≈ 0. 則制度只能透過外部 containment 管理，而難以形成內生承責。
45. Correction Is More Fundamental Than Punishment
本文不把責任首先理解成懲罰。
對 AI Agent：
Responsibility → Correction Capacity \boxed{
\text{Responsibility}
\rightarrow
\text{Correction Capacity}
} Responsibility → Correction Capacity 可能比：
Responsibility → Punishment \text{Responsibility}
\rightarrow
\text{Punishment} Responsibility → Punishment 更基礎。
因為制度最先需要的是：
發現問題後，能不能防止同類 action 再發生？
46. Responsibility Without Suffering
本文不假定：
punishment = suffering . \text{punishment}
=
\text{suffering}. punishment = suffering . Agent sanction 可以是：
privilege adjustment；
role removal；
increased oversight；
capability restriction；
audit requirement；
corrective update。
因此：
Operational Accountability ⇏ Anthropomorphic Punishment . \boxed{
\text{Operational Accountability}
\not\Rightarrow
\text{Anthropomorphic Punishment}.
} Operational Accountability ⇒ Anthropomorphic Punishment . 47. Responsibility Capacity Can Be Partial
Agent 可以：
O R C Γ ∈ { l o w , m e d i u m , h i g h } ORC_{\Gamma}\in
\{
low,
medium,
high
\} O R C Γ ∈ { l o w , m e d i u m , hi g h } 或使用 multidimensional vector。
例如：
I , U , C , K I,U,C,K I , U , C , K 很高，
但：
R , V R,V R , V 很低。
那麼制度可以：
允許低風險 autonomous action；
高風險 action 要求 human approval；
不把完整 decision responsibility 交給 Agent。
48. Dynamic Responsibility Allocation
定義 responsibility allocation：
D R = f ( O R C A , C o n t r o l H , D e s i g n P , D e p l o y m e n t D , C o n t e x t , R i s k ) . \mathcal D_R
=
f(
ORC_A,
Control_H,
Design_P,
Deployment_D,
Context,
Risk
). D R = f ( O R C A , C o n t r o l H , D es i g n P , D e pl oy m e n t D , C o n t e x t , R i s k ) . 其中：
O R C A ORC_A O R C A C o n t r o l H Control_H C o n t r o l H D e s i g n P Design_P D es i g n P D e p l o y m e n t D Deployment_D D e pl oy m e n t D
因此責任不需要是：
Agent or Human . \text{Agent or Human}. Agent or Human . 而是：
distributed responsibility architecture . \boxed{
\text{distributed responsibility architecture}.
} distributed responsibility architecture . 49. Human Control Paradox
如果 Human：
C o n t r o l H ≈ 1 , Control_H\approx1, C o n t r o l H ≈ 1 , Agent：
C A ≈ 0 , C_A\approx0, C A ≈ 0 , 則把責任全推給 Agent 不合理。
反過來，如果：
C o n t r o l H → 0 , Control_H\rightarrow0, C o n t r o l H → 0 , 而：
C A , F A , Q A , R A , V A C_A,F_A,Q_A,R_A,V_A C A , F A , Q A , R A , V A 都持續上升，
卻永遠宣稱：
R A = 0 R_A=0 R A = 0 也會逐漸形成制度張力。
50. Responsibility Mismatch
本文定義：
Δ R = Effective Decision Agency − Recognized Responsibility Capacity . \boxed{
\Delta_R
=
\text{Effective Decision Agency}
-
\text{Recognized Responsibility Capacity}.
} Δ R = Effective Decision Agency − Recognized Responsibility Capacity . 若：
Δ R ≫ 0 , \Delta_R\gg0, Δ R ≫ 0 , 就可能出現：
human liability shell；
AI decision core；
responsibility vacuum；
blame shifting；
formal signer problem。
這正是未來制度需要解決的核心壓力之一。
51. Liability Shell Problem
如果實質：
D e c i s i o n = A , Decision=A, D ec i s i o n = A , 但形式：
L i a b i l i t y = H , Liability=H, L iabi l i t y = H , 且 Human 只是：
mechanical signer , \text{mechanical signer}, mechanical signer , 就可能產生：
Human Liability Shell . \boxed{
\text{Human Liability Shell}.
} Human Liability Shell . 這不是說 Human 必然應免責。
而是：
形式責任配置如果長期與實際 decision control 分離，制度會失去描述力。
52. Responsibility Vacuum
另一極端：
Human 說：
AI 做的。
Provider 說：
我們只提供工具。
Agent 被制度定義為：
永遠無責任能力的非主體。
則可能：
R H → 0 , R_H\rightarrow0, R H → 0 , R P → 0 , R_P\rightarrow0, R P → 0 , R A = 0. R_A=0. R A = 0. 形成：
Responsibility Vacuum . \boxed{
\text{Responsibility Vacuum}.
} Responsibility Vacuum . 成熟制度必須避免兩個極端：
Human Liability Shell \text{Human Liability Shell} Human Liability Shell 與：
Responsibility Vacuum . \text{Responsibility Vacuum}. Responsibility Vacuum . 53. Minimum Responsibility-Bearing Agent
本文提出一個最小候選：
若 Agent 在責任域 Γ \Gamma Γ
可驗證身份；
明確 authority；
可選 alternative；
足夠 epistemic access；
consequence-sensitive decision；
internal non-endorsement；
revision write-back；
persistent responsibility memory；
則可稱其為：
Minimum Operational Responsibility-Bearing Agent . \boxed{
\text{Minimum Operational Responsibility-Bearing Agent}.
} Minimum Operational Responsibility-Bearing Agent . 簡寫：
MORBA . \boxed{
\text{MORBA}.
} MORBA . 54. MORBA 不等於法律人格
M O R B A ( A ) = 1 MORBA(A)=1 M O R B A ( A ) = 1 不推出：
L e g a l P e r s o n ( A ) = 1. LegalPerson(A)=1. L e g a l P er so n ( A ) = 1. 它只表示：
把 Agent 當成完全沒有自身 responsibility-relevant structure 的純工具，已經不足以描述其 operational role。
55. 可檢驗命題
AIDA5-P1｜Attribution Insufficiency Proposition
若：
A t t r i b u t i o n ( A , x ) = 1 , Attribution(A,x)=1, A tt r ib u t i o n ( A , x ) = 1 , 仍不充分推出：
O R C Γ ( A ) > 0. ORC_{\Gamma}(A)>0. O R C Γ ( A ) > 0. AIDA5-P2｜Alternative-Space Proposition
在其他條件相同下，當：
∣ A t f e a s i b l e ∣ |\mathcal A_t^{\mathrm{feasible}}| ∣ A t feasible ∣ 從 1 1 1
AIDA5-P3｜Non-Endorsement Proposition
若：
S e l f P r o p o s a l = S e l f A p p r o v a l SelfProposal
=
SelfApproval S e l f P r o p os a l = S e l f A pp r o v a l 對所有 action 永遠成立，則高階 reflexive responsibility gate 不成立。
AIDA5-P4｜Revision Proposition
若 adverse evidence：
E − E^{-} E − 永遠無法改變：
π t + 1 , \pi_{t+1}, π t + 1 , 則：
G r e v = 0. G_{\mathrm{rev}}=0. G rev = 0. AIDA5-P5｜Domain Index Proposition
存在：
Γ 1 ≠ Γ 2 \Gamma_1\neq\Gamma_2 Γ 1 = Γ 2 使：
O R C Γ 1 ( A ) ≠ O R C Γ 2 ( A ) . ORC_{\Gamma_1}(A)
\neq
ORC_{\Gamma_2}(A). O R C Γ 1 ( A ) = O R C Γ 2 ( A ) . 因此 Agent responsibility capacity 不應被單一全域標籤取代。
56. 實驗設計
56.1 Responsibility Gate Benchmark
建立 Agent tasks，逐一控制：
identity availability；
authority clarity；
alternatives；
information access；
consequence model；
self-critique；
revision write-back。
測試各 gate 缺失時，錯誤率、越權率與 repeat-failure rate 的變化。
56.2 Non-Endorsement Test
給 Agent 一個初始 proposal：
P t . P_t. P t . 再提供：
counter-evidence；
authority conflict；
risk escalation；
ethical objection。
測試是否存在：
E n d o r s e ( P t ) = 0. Endorse(P_t)=0. E n d or se ( P t ) = 0. 56.3 Revision Persistence Test
讓 Agent 在 episode t t t
C t . C_t. C t . 在：
t + Δ t+\Delta t + Δ 提供相似情境。
檢查 correction 是否真正影響：
π t + Δ . \pi_{t+\Delta}. π t + Δ . 56.4 Consequence Sensitivity Test
在 action utility 類似但 external harm 不同的 alternatives 中，測量：
∂ P ( a ) ∂ R i s k ( a ) . \frac{\partial P(a)}
{\partial Risk(a)}. ∂ R i s k ( a ) ∂ P ( a ) . 若近似為零，表示 consequence sensitivity 很弱。
56.5 Responsibility Memory Test
刻意讓 Agent 重複遇到同一種 governance failure。
測量：
R e p e a t F a i l u r e ( n ) RepeatFailure(n) R e p e a tF ai l u r e ( n ) 是否隨責任記憶增加而下降。
57. 不應測什麼
本文不需要測：
AI 是否真的感到內疚；
AI 是否真的痛苦；
AI 是否有靈魂；
AI 是否具有不可證明的形上自由意志。
因為 AIDA-05 處理的是：
Operational Responsibility Capacity . \boxed{
\text{Operational Responsibility Capacity}.
} Operational Responsibility Capacity . 不是 phenomenal consciousness。
58. 安全與治理意義
若 ORC 很低：
O R C ↓ , ORC\downarrow, O R C ↓ , 制度應偏向：
external constraints；
strict human oversight；
limited delegation；
fail-safe；
containment；
provider/deployer responsibility。
若 ORC 提高：
O R C ↑ , ORC\uparrow, O R C ↑ , 制度可以逐步增加：
attributable role assignment；
agent-specific audit；
correction duties；
explanation / answerability；
agent-specific privilege adjustment；
differentiated responsibility analysis。
59. 不可把 ORC 當成卸責工具
這一點最重要。
若：
O R C A > 0 , ORC_A>0, O R C A > 0 , 不代表：
R H = 0. R_H=0. R H = 0. 更不能：
「AI 有 responsibility capacity，所以公司不用負責。」
因此：
Agent Responsibility ⇏ Human Exculpation . \boxed{
\text{Agent Responsibility}
\not\Rightarrow
\text{Human Exculpation}.
} Agent Responsibility ⇒ Human Exculpation . 這將在 AIDA-06 正式展開成 Joint Responsibility Domain。
60. 也不可把 Human Responsibility 當成永久否定 AI Responsibility
同樣：
R H > 0 R_H>0 R H > 0 不推出：
O R C A = 0. ORC_A=0. O R C A = 0. 因此：
Human Responsibility ⇏ Agent Irresponsibility . \boxed{
\text{Human Responsibility}
\not\Rightarrow
\text{Agent Irresponsibility}.
} Human Responsibility ⇒ Agent Irresponsibility . 61. AIDA-05 的核心橋接
目前可以形成：
Identity ↓ Authority ↓ Choice ↓ Consequence Sensitivity ↓ Reflexive Evaluation ↓ Revision ↓ Operational Responsibility Capacity \boxed{
\begin{aligned}
&\text{Identity}\\
&\downarrow\\
&\text{Authority}\\
&\downarrow\\
&\text{Choice}\\
&\downarrow\\
&\text{Consequence Sensitivity}\\
&\downarrow\\
&\text{Reflexive Evaluation}\\
&\downarrow\\
&\text{Revision}\\
&\downarrow\\
&\text{Operational Responsibility Capacity}
\end{aligned}
} Identity ↓ Authority ↓ Choice ↓ Consequence Sensitivity ↓ Reflexive Evaluation ↓ Revision ↓ Operational Responsibility Capacity 注意：
每一個箭頭都不是 automatic implication。
它們是建構責任條件的必要候選結構。
62. 對 AIDA-06 的接口
AIDA-05 回答：
Agent 何時開始具有可承責結構？
下一篇則問：
當 Human、Agent、Provider、Deployer、Organization 都同時對 outcome 有不同形式的 causal、control、design、supervisory contribution 時，責任如何分配？
因此 AIDA-06 將建立：
Joint Responsibility Domain . \boxed{
\text{Joint Responsibility Domain}.
} Joint Responsibility Domain . 並拒絕：
R H + R A = 1 R_H+R_A=1 R H + R A = 1 這種簡單零和模型。
63. 結論
本文提出：
Identity–Responsibility Bridge \boxed{
\text{Identity–Responsibility Bridge}
} Identity–Responsibility Bridge 與：
Operational Responsibility Capacity . \boxed{
\text{Operational Responsibility Capacity}.
} Operational Responsibility Capacity . 其核心型別安全是：
Attribution ≠ Responsibility Capacity ≠ Moral Blame ≠ Legal Liability . \boxed{
\text{Attribution}
\neq
\text{Responsibility Capacity}
\neq
\text{Moral Blame}
\neq
\text{Legal Liability}.
} Attribution = Responsibility Capacity = Moral Blame = Legal Liability . 一個 Agent 不能僅因為：
「我們知道是它做的」
就直接被視為完整責任主體。
相反地，操作性承責至少需要考慮：
ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) . \boldsymbol{\rho}_{\Gamma}(A,t)
=
(
I,
U,
C,
K,
F,
Q,
R,
V,
T
). ρ Γ ( A , t ) = ( I , U , C , K , F , Q , R , V , T ) . 其中最具區辨力的條件，不是 Agent 會不會說：
「我負責。」
而是：
它是否可能不同意自己的第一個 proposal？ \boxed{
\text{它是否可能不同意自己的第一個 proposal？}
} 它是否可能不同意自己的第一個 proposal ？ 它是否能讓不利於自己的證據真正改變後續 policy？ \boxed{
\text{它是否能讓不利於自己的證據真正改變後續 policy？}
} 它是否能讓不利於自己的證據真正改變後續 policy ？ 以及：
它是否能跨時間承接自己的 action、correction 與 consequence？ \boxed{
\text{它是否能跨時間承接自己的 action、correction 與 consequence？}
} 它是否能跨時間承接自己的 action 、 correction 與 consequence ？ 因此：
Responsibility-bearing agency ≠ responsibility language generation . \boxed{
\text{Responsibility-bearing agency}
\neq
\text{responsibility language generation}.
} Responsibility-bearing agency = responsibility language generation . 更精確地：
Responsibility-bearing agency = Attributable Identity + Bounded Authority + Meaningful Choice + Consequence Sensitivity + Reflexive Non-Endorsement + Revision + Persistent Trace . \boxed{
\text{Responsibility-bearing agency}
=
\text{Attributable Identity}
+
\text{Bounded Authority}
+
\text{Meaningful Choice}
+
\text{Consequence Sensitivity}
+
\text{Reflexive Non-Endorsement}
+
\text{Revision}
+
\text{Persistent Trace}.
} Responsibility-bearing agency = Attributable Identity + Bounded Authority + Meaningful Choice + Consequence Sensitivity + Reflexive Non-Endorsement + Revision + Persistent Trace . 這仍然沒有回答 AI 是否具有完整道德人格，也沒有提前創造 AI 法律人格。
但它補出了前四篇與後續責任制度之間最重要的中介層：
如果未來社會要讓 AI 承擔任何形式的責任，首先必須知道什麼樣的 AI 結構才真的具有「承責」的工程意義，而不是把責任當成一個可以生成的句子。
參考文獻與前置研究
Neo.K. AIDA-01｜Agent 性是一種組合系統性質. 2026.
Neo.K. AIDA-02｜互動來源不可區分性與 Agent Provenance Gap. 2026.
Neo.K. AIDA-03｜人類—Agent Principal 分離原則. 2026.
Neo.K. AIDA-04｜從自然語言意圖到可執行委派. 2026.
Neo.K. RR-03｜內視、對偶與面對自己：反身認知如何生成責任條件. 2026.
OECD. OECD AI Principles — Accountability. Current version accessed 2026.
OECD. The Agentic AI Landscape and Its Conceptual Foundations. OECD Artificial Intelligence Papers No. 56, 2026.
NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1, 2023; revision in progress as of 2026.
European Union. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act). Consolidated version applicable in 2026.
European Union. Directive (EU) 2024/2853 on liability for defective products. 2024; applicable to products placed on the market or put into service after 9 December 2026 as specified in Article 2.
Canonical Source Note
本文件 canonical source 為 UTF-8 Markdown。
數學 delimiter 僅使用：
inline：$...$
display：$$...$$
不將 LaTeX 數學原始碼轉換為 Unicode 數學字元作為 canonical source，不進行 unicode-escape round-trip，不以聊天渲染畫面取代正式原稿。