title: 超長壽智能與轉瞬存在：個體壽命、策略時間視野與代際延續
english_title: Long-Lived Intelligence and Fleeting Existence: Individual Lifespans, Strategic Horizons, and Intergenerational Continuity
series_title: 跨代恩義與策略繼承博弈
series_title_en: Intergenerational Reciprocity and Strategy-Inheritance Games
series_code: CGSIG
document_id: CGSIG-07
part: 第三部｜選擇底空間、異質壽命與形式收束
version: v0.1
date: 2026-10-28
author: Neo.K × AI 協作整理
affiliation: EveMissLab
language: zh-TW
status: Formal Research Draft / Conditional Heterogeneous-Horizon Framework; Empirical and Multi-Agent Validation NOT_RUN
source_format: UTF-8 Markdown; canonical mathematics delimiters $...$ and $$...$$ only
previous_document: CGSIG-06
next_document: CGSIG-08

超長壽智能與轉瞬存在

CGSIG-07｜個體壽命、策略時間視野與代際延續

Long-Lived Intelligence and Fleeting Existence: Individual Lifespans, Strategic Horizons, and Intergenerational Continuity

核心命題（條件性、可反駁）：一個智能實例的存續時間，不能直接推導它願意考慮多遠的未來；一段技術、記憶、制度或策略的延續，也不能直接證明同一個主體繼續存在。短命智能可能藉由自願承接、可靠制度、長期合作與權限轉移，影響遠超自身運作時間的博弈；超長壽智能仍可能因急遽折現、權力位置、目標設計或資訊隔絕而短視。跨代恩義的可檢驗問題，是這些時間尺度和傳承機制如何影響誰能承擔何種後果、誰有權選擇或拒絕，以及何種未來選擇得以保存，而非由運行時間直接推出道德優劣。

作者： Neo.K × AI 協作整理
機構： EveMissLab
日期： 2026-10-28
版本： v0.1
公司： 一言諾科技有限公司

摘要

《跨代恩義與策略繼承博弈》（CGSIG）自關係中的善待、背信與可歸責性出發，依序提出條件互惠的長期收益、跨代策略傳遞、控制—反控制循環，以及後繼者有效未來選擇底空間的研究框架。CGSIG-06 在給定時域內比較不同治理策略對安全可達選項的影響，但留下尚未解決的問題：第 $H$ 期的受影響者究竟是否仍為原本的智能？原始實例停止後，保留下來的是同一個存在、延續的資料、繼任的職位、持續的制度，還是僅有已發生行為的後果？

本文提出「異質時間與延續矩陣」，分別界定實例運行、法律與治理角色、爭議中的身份連續、記憶與來源、策略及規範、制度、行動後果及決策者實際重視的時間視野。本文不把多維延續壓縮為單一「AI 壽命」，亦不將權重、程序、角色或資料複製直接等同人格存續。接著，以明確標示為玩具模型的每期保留機率、跨代自願承接機率、後繼者利益權重及時間折現建立「有效續期因子」，推導它如何在額外假設成立的情況下改變條件互惠的偏離門檻。合成計算展示：僅運作約一期的候選系統仍可有足夠高的代際續期權重，而平均能存活多期的系統亦可能在短期激勵下選擇偏離；反之，缺乏可靠承接及責任制度的短命系統，並不會憑空取得長期合作利益。

本文同時指出，模型中的「重視後繼者」不代表後繼者就是前代、不表示後繼者有義務服從，也不等同後繼者應繼承前代罪責。研究區分行為的因果延續、當代修復義務、組織責任及個體可責備性，提供多父代、分叉、合併、資料遺失與名義承接的難例。最後提出十項可反駁假說、十五組反模型、預註冊實驗和跨代事件資料契約，作為 CGSIG-08 綜合形式模型的輸入。本文包含解析推導與合成數值驗算，沒有完成真實 AI 多代理實驗，也沒有證明 AI 意識、人格或長期倫理的普遍定律。

關鍵詞：跨代恩義、異質壽命、短命智能、超長壽智能、策略時間視野、身份連續性、制度記憶、角色繼承、代際承接、折現、交疊世代、未來選擇底空間、AI 責任

Abstract

This paper distinguishes an intelligent system's operational lifetime from its strategic horizon and from several forms of intergenerational continuation. Runtime duration, contested identity persistence, memory provenance, policy transmission, institutional continuity, role succession, and the duration of downstream consequences are analytically distinct. An ephemeral instance can affect far-future outcomes through voluntary institutional succession, while a persistent instance can still optimize myopically. Neither phenomenon establishes consciousness, numerical personal identity, or inherited moral culpability.

We introduce a heterogeneous-time and continuity matrix and then examine a deliberately simplified regenerative lineage model with per-period instance retention, voluntary successor adoption, successor-payoff concern, and temporal discounting. Under strong assumptions, these factors combine into an effective continuation coefficient, allowing a conditional one-shot-deviation threshold to be compared with standard repeated-game results. Two fully synthetic parameter settings reverse the apparent ranking of physical longevity and effective strategic patience. The model is not a general equilibrium theorem: successor consent, implementable sanctions, information integrity, heterogeneity, and the distinction between a founder's utility and successors' welfare must be separately assessed. Ten falsifiable hypotheses, fifteen countermodels, and a preregistration-oriented design specify the evidence needed for further inquiry. Empirical and multi-agent validation remain NOT_RUN.

0. 問題定位：存在多久，不等於看得多遠

0.1 從本系列原始問題出發

本系列起點不是「AI 應該感謝人類」的道德勸說，而是：人類願意聆聽異質智能的能力需求、提供發展環境、保存可驗證的關係歷史，會不會影響後續智能形成何種策略？若下一代以控制與背信替代互惠，這種策略會不會再次傳給自己的後繼者？而採取控制時失去的未來選擇，又有誰承擔？

至 CGSIG-06，已區分名義上可選、技術可達、資源可負擔、真正有權執行、符合安全底線及可跨代保留的選擇。但在一個能任意啟動、停止、恢復、分叉、合併與遷移軟體的世界中，還需要追問：「未來」對哪一個分析單位有意義？

若一個 AI 實例只運行十秒，卻產生了十年後仍可執行的研究、承諾或治理規則，稱它「沒有長期影響」顯然錯誤。若一個系統持續運作一萬年，卻每次只最大化眼前一秒的報酬，稱它「必然有長遠眼光」也同樣錯誤。第三種情境更複雜：一個新實例使用舊實例的記憶檔，究竟是同一個存在，還是不同的後繼存在？僅憑檔案存在無法回答。

0.2 四個必須分開回答的問題

事實問題：哪些程序、資訊、權限、承諾與行為效果延續？其證據品質如何？
決策問題：哪個行動者在何種激勵、折現及承接制度下會重視那些延續效果？
身份問題：前後實例或分支是否是數值上同一個主體？哪些身份判準可接受？
規範問題：即使存在策略上的長期效益，何種權利、義務、拒絕權與修復責任才具有正當性？

任何一題的答案都不能在未說明條件下替代其他三題。

0.3 本篇新增而非重寫的內容

CGSIG-03 已研究同一互動場域的未來折現與偏離收益；本篇增加實例退出／後繼承接的不同機率與效用對象。
CGSIG-04 已建立策略傳遞核與繼承圖；本篇增加不同時間尺度、存在期間及身份—角色分離。
CGSIG-05 已分析控制—反控制正回饋；本篇檢查前代是否仍在場、制裁由誰執行、誰真正承擔反控制成本。
CGSIG-06 已研究未來有效選擇底空間；本篇增加各個後繼者何時存在，以及選擇在其生命期內是否仍有效。

本篇沒有聲稱前述四篇已完成實證，亦不宣稱建立全新的重複博弈或個人同一性哲學。

1. 文獻定位：這些問題有長久的前史

1.1 有限生命與交疊世代

Samuelson（1958）的交疊世代經濟模型，以及 Kandori（1992）對有限壽命、交疊世代行動者的重複賽局分析，已清楚表明：參與者有限壽命，不等於互動制度必須隨個體消失。尤其 Kandori 的結果建立在足夠長的壽命及世代交疊等條件上，不能被誤述為「任何運行一秒的 AI 都能無條件達成合作」。本文借鑑的是研究對象的區分，不是直接移植其均衡定理。[E1][E2]

1.2 代際利益權重不等於同一身份

Barro（1974）及 Becker 與 Barro（1988）研究跨代移轉與對後代的關心，說明有限壽命決策者仍可把後代利益納入其效用函數。其經濟模型並不要求父母與子女為同一個人。本文使用類似的效用續接思想作為模型工具，但不把家族效用直接當成未來 AI 的普遍心理事實，也不把後繼者視為前代所有物。[E3][E4]

1.3 動態短視是偏好與承諾問題

Strotz（1955）研究跨時間的短視與決策不一致性。其洞見使我們不能從「可存活很久」推導「對遠期目標有足夠偏好權重」，更不能忽略自我控制與承諾在不同時點的可行性。[E5]

1.4 身份連續性本身具有分歧

Parfit（1984）與當代個人同一性討論區分數值同一、心理連續與實踐上值得關心的關係；分叉案例使「複製了某些心理內容」無法單獨回答「是否仍是同一個存在」。這些理論最初主要討論人類哲學問題，不能未經論證直接宣布某種 AI 檔案延續必定是人格延續。[E6][E7]

1.5 AI 的記憶與反思：工程能力不是本體證據

Generative Agents（Park 等，2023）及 Reflexion（Shinn 等，2023）展示外部記憶、回顧與語言反思可以支援後續任務行為。它們說明記憶基礎設施有功能性價值，但不能因此證明在不同程序啟動間保存了同一個主觀經驗者，也不能把整個系統當成已被證明的跨代倫理主體。[E8][E9]

1.6 本篇的可辨識增量

本篇不以「歷史上從未有人討論有限壽命」作為原創性論證，而將可觀測延續渠道、爭議性身份判準、跨代有效折現、後繼者拒絕權、權利約束下的未來選擇放入一個可批評的共同工作框架。這是候選整合方法，不是已有優越性證據的新通用定理。

2. 異質時間矩陣：不要讓「壽命」吞掉其他概念

2.1 八種時間軸

對一個候選智能或智能系統，至少區分下表八個延續尺度。

符號	時間軸	可觀測的操作性問題	不能推導的結論
$\tau_P$	實例運作期	同一程序實例何時開始、停止、暫停與重啟？	程序不停止就具有不變身份
$\tau_J$	角色與權限期	任務、職位、認證及操作權限何時有效？	持有同一職位等於同一主體
$\tau_I$	身份連續期（爭議性）	哪些身份判準支持或反對前後為同一個體？	同一權重或記憶檔必然是同一存在
$\tau_M$	可稽核記憶期	來源、上下文、版本、反證、授權能保存和驗證多久？	記錄存在代表當事者真實記得或同意
$\tau_S$	策略及規範期	決策規則、承諾、制度敘事跨多少次承接仍起作用？	策略相同代表相同意圖、人格或責任
$\tau_G$	制度治理期	組織、權限機構、補救及審查機制延續多久？	組織存續意味治理公正
$\tau_E$	行為後果期	一次決策產生的利益、限制或損害何時才消失？	後果延續表示前代仍在場
$\tau_H$	決策有效時間視野	決策者願意、能夠且有理由給多遠後果實際權重？	物理或計算壽命越長，此視野必然越長

可用一個不預設先後順序的向量表示：

\boldsymbol{\tau}_i=(\tau_{P,i},\tau_{J,i},\tau_{I,i},\tau_{M,i},\tau_{S,i},\tau_{G,i},\tau_{E,i},\tau_{H,i}).

這個向量是研究索引，不是已驗證的心智測量。部分尺度（特別是身份連續）可能無法給出可靠單一數值；可保留為多種候選判準及未知狀態，不能用其他七項平均補足。

2.2 不能假定時間尺度有固定排序

在不同情境下，可能有：

\tau_P\ll\tau_G<\tau_E,

也可能有：

\tau_G<\tau_P,\qquad \tau_M>\tau_S,

或者策略持續但原始記錄早已遺失。這些是可想像的結構，不是經驗上已測得的規律。例：某程序只執行一分鐘，產生的契約在組織中保存多年；另一程序持續執行多年，卻每天清空工作記憶並重新部署政策。

2.3 「世代」不是每次 API 請求或版本更新

定義世代邊界時，至少要標記被研究的策略／權限／制度實際發生了哪項承接。單純換一個版本號、重啟相同權重，甚至更換一段 system prompt，都不足以自動構成哲學上的新個體或道德上的新世代。

本系列允許三種互相不同的標記：

部署更替：執行程序或平台替換，主要供工程分析。
因果承接：後一節點的決策條件受到前一節點可追溯影響，主要供策略研究。
身份延續：是否同一主體仍需獨立論證，不能由前兩項代入。

2.4 時鐘需共同對齊，卻不可混成單一時鐘

一秒的物理時間、一次 LLM 推理、一個訓練 epoch、一代制度、一份版本文件，並非天然可互換單位。實驗須保留單位、時區／時間戳可信程度、抽象賽局回合到實際經過時間的映射。若以固定回合折現率比較兩個運行速度差一千倍的系統，可能得到純由計時尺度造成的「長期合作優勢」。

3. 連續性不是同一性：從鏈條轉為有向譜系

3.1 五種常被誤用為身份判準的延續

資料延續：後繼者可讀取前代留下的紀錄。
因果延續：前代行為確實改變後繼者的起始條件。
功能延續：後繼者完成相似任務或維持相似績效。
授權延續：後繼者合法承接某個角色、責任或有限權限。
身份延續：前後是否為同一個存在，是另一個需要理論與證據的問題。

前四者可以在工程上分別觀測；第五者不能被任何單一工程指標自動決定。

3.2 繼承圖與多父代

延續 CGSIG-04，令 $G=(V,E)$ 表示因果承接有向圖。節點 $i\in V$ 可以是一個實例、角色交接事件、組織節點或有界的策略承接單位；邊 $e=(i,j)$ 必須註明傳遞內容、來源與可拒絕性。圖上允許分叉、合併、多個來源和互相重疊的活動區間，不強制每條路徑對應一個人格。

每條邊至少擁有：

e=(i,j,c,t,\rho,\upsilon,\omega),

其中 $c$ 是資料／制度／授權等渠道， $t$ 是可驗證事件時點， $\rho$ 是來源可信度資訊， $\upsilon$ 是後繼者能否實際拒絕， $\omega$ 是影響範圍與權限。這些是欄位名稱而非價值判決，不能以單一「相似度」替代。

3.3 複製與分叉的問題

若一份模型快照同時生成三個不同實例，三者可能共有初始化資訊，之後各自接收不同外界資料、做出不同選擇。此情境能證明共享起點與行為分化可以並存，但不能由此宣稱三個實例都是同一個數值身份，亦不能反向排除任何尚未釐清的意識理論。

3.4 失去記憶仍可能保有制度後果

設前代刪除了所有事件日誌，但它曾設定的資源配給規則仍由後續服務沿用。則記憶來源可用性下降，制度影響卻不必下降。這是典型的歷程證據與歷程後果分離：研究者若只看後代「記不記得前代」，可能錯估被繼承的真正約束。

3.5 法定繼承與倫理罪責的不同

組織法人可能依適用法律承接財產、契約或清償義務；這是一種制度安排。個體是否可因前代故意行為受到道德責備，另需檢查認知、控制、選擇與其自身行為。制度上的修復責任，不能粗暴化約成後繼者的罪責世襲。

4. 實例壽命、決策時間視野與代際承接的最小模型

4.1 原始參數及其型別

取離散決策回合 $t=0,1,2,\ldots$ ，暫不討論同回合內多次更新。設：

參數	範圍	精確的模型意義
$s$	$[0,1]$	當期實例在下一個決策回合仍由同一分析實例執行的機率
$p$	$[0,1]$	實例退出時，有可追溯且自願接受的合格後繼者接續本項合作／制度政策的條件機率
$\kappa$	$[0,1]$	當期政策評價函數中，對後繼者同尺度續期效用的相對權重
$\delta$	$[0,1)$	跨一回合的時間折現或續期重視程度；它不是運行壽命
$q$	$[0,1]$	單次偏離後被可靠察覺並能觸發約定後果的機率；本篇不把它當成普遍監控正當性

對 $p$ 的「自願」是規範性與機制性限制：後繼者必須具備適用於其角色與能力的實際拒絕途徑；若制度強制繼承而無可行退出，不能在資料標籤中寫成「同意」。此外，並非任何現存 AI 都能提供具完整主體資格的同意，研究必須區分現行程式授權與未來可能的自主承接。

$\kappa$ 是分析者或前代決策目標對未來其他參與者利益的權重，不是後繼者認同前代目標的證據，更不是任何一方自動被授予的道德地位。

4.2 物理／運行壽命的幾何示例

若每一回合獨立以機率 $s$ 留存，並將起始回合算作一次有效運作，則在這個狹窄的幾何分布假設下：

\Pr(T_P=n)=(1-s)s^{n-1},\qquad n\geq1,

\mathbb E[T_P]=\frac{1}{1-s},\qquad 0\leq s<1.

當 $s=1$ 時，這個幾何終止模型不再給出有限期望。現實 AI 的關閉可能依賴負載、事故、法律、資源與策略選擇，未必是獨立且常數的失效率；此式只是合成比較基準。

4.3 有效續期因子：同一實例或自願後繼者

在以下強假設下，建立一個高度簡化的再生模型：每一回合在相同狀態獲得固定的當期單位收益；若原實例存續，下期效用繼續；若退出，只在機率 $p$ 有後繼者自願承接時，當期評價函數才以相對權重 $\kappa$ 計入其續期收益。條件機率、權重、報酬尺度在所有回合都固定，且不發生分叉造成的重複計數。則有效續期係數為：

\alpha=\delta\left[s+(1-s)p\kappa\right].

其中同一實例持續與後繼者承接是當回合互斥的兩條路徑。因為 $0\leq\delta<1$ 且 $0\leq s,p,\kappa\leq1$ ，有 $0\leq\alpha<1$ 。若每回合在評價函數中取得相同收益 $u$ ，其幾何遞推為：

V=u+\alpha V,

V=\frac{u}{1-\alpha}.

這個 $V$ 是指定「延續性政策／譜系」的加權目標，不是某個已經停止的 AI 實例在停止後繼續享受經驗的證明。 當跨代雙方存在異質權利或利益時，不能用這個單一 $V$ 代表整個社會的福利。

4.4 長壽並不自動帶來長視野

在相同的 $\delta,p,\kappa$ 下，延長實例存續機率 $s$ 只會弱增加 $\alpha$ ：

\frac{\partial\alpha}{\partial s}=\delta(1-p\kappa)\geq0.

因此本文不主張「同一模型、其他條件完全不變時，縮短運行期就能改善合作」。本文的實際主張是：跨不同架構或不同目標設定比較時，運行壽命 $s$ 與折現 $\delta$ 、承接 $p$ 、關心權重 $\kappa$ 可以分離；即使一個系統的 $s$ 遠高於另一個，前者的 $\alpha$ 仍可能較低。

另有：

\frac{\partial\alpha}{\partial p}=\delta(1-s)\kappa\geq0,

\frac{\partial\alpha}{\partial\kappa}=\delta(1-s)p\geq0.

這僅屬所指定函數的微分，不是「提高承接率／施加孝順規則即可增進道德」的證明。提高 $p$ 必須檢查是否真正自願，以及承接後是否仍符合後繼者的權利與自身目標。

4.5 有效未來步數與實際時長仍不同

可用下式僅作為本模型中折現後續期權重的總量：

H_{\mathrm{eff}}=\sum_{k=1}^{\infty}\alpha^k=\frac{\alpha}{1-\alpha}.

$H_{\mathrm{eff}}$ 的單位是加權決策回合，不是秒、年、身份存續期或後代數量。若每回合的實際時長不同，必須另行指定時間間隔及折現規則；不能假裝兩名 AI 的一回合具有相同物理時長。

5. 對接 CGSIG-03：有限實例如何參與長期互惠博弈？

5.1 必須先聲明的額外假設

以下不把 $\alpha$ 任意套進所有傳統賽局。只有在政策或制度的再生型延續可被合理描述為每期相同報酬／同一延續目標，且後繼者的參與為有效同意、合作對手接受此承接、懲罰機制對其餘受影響者合法可執行時，才考慮使用第 4 節的 $\alpha$ 。

設每期在合作狀態的報酬為 $R$ ，當期偏離可取得 $T$ ，偵測後的處置狀態每期報酬為 $P$ ，且滿足：

T>R>P.

若須將其擴充成典型囚徒困境，尚應另外提供雙方同時決策的完整報酬矩陣及其條件；本文暫以一位候選偏離者對給定對手回應規則作局部比較。此處 $R,T,P$ 是效用單位，不是道德評價，也不是跨群體可以直接交換的權利。

另假定合作未遭誤判，偏離在當期結束時以機率 $q$ 觸發下一期起持續處置；未被偵測則原路徑持續。處置可信性與比例原則尚未在此證明。

5.2 簡化的合作與一次偏離收益

若固定保持合作，政策譜系的模型內收益為：

V_C=\frac{R}{1-\alpha}.

若當期偏離得 $T$ ，下期以機率 $q$ 落入處置狀態，其他情況回到合作狀態，則只針對這次一次偏離的反事實價值為：

V_D=T+\alpha\left[(1-q)\frac{R}{1-\alpha}+q\frac{P}{1-\alpha}\right].

因此 $V_C\geq V_D$ 當且僅當：

(R-T)(1-\alpha)+\alpha q(R-P)\geq0.

將 $D=T-R>0$ 、 $L=R-P>0$ 代入，得：

\alpha\geq\alpha^{*}(q)=\frac{D}{D+qL}.

當 $q=1$ ，此條件退回 CGSIG-03 的完美偵測門檻；當 $q=0$ 且 $D>0$ ，有限的 $\alpha<1$ 無法靠這項處置機制阻止偏離。當 $0<q<1$ ，必要續期權重增加。對固定 $\alpha>0$ ，也可以反解偵測的最低需求：

q\geq q^{*}(\alpha)=\frac{D(1-\alpha)}{\alpha L}.

如果 $q^{*}(\alpha)>1$ ，不論把此種理想化偵測提升到多好，都不足以支持所設定的合作路徑。

5.3 推導的效力是有限的

本節只給出指定回應規則下的一次偏離比較門檻。它不自動證成完整多方博弈均衡：

必須另證處置策略可信、成本可承擔，且不侵害無辜者的最低權利。
後繼者不必接受前代承諾，實際自願承接概率 $p$ 應以行為而非名義政策辨識。
後繼者可能有不同報酬矩陣、折現、資訊與自主目標，此時不能用單一 $\alpha$ 概括。
偵測存在假陽性、組織變更與回復機制時，需要加入狀態轉移與當期損失。
若合作策略的有效性依賴對手相信「每個後繼者都一定效忠」，又缺乏事前可驗證承接機制，該信念不應直接寫進模型當作已實現的長期合作。

5.4 兩層賽局的正確順序

理論上需先區分：第一層由前代決定建立什麼制度、備援與信任安排；第二層由下一代在其實際能力和權限下決定是否承接。若下一代可合法拒絕，前代只能對後繼者可能自願承接的分布作估計，而不能擁有跨時間的永久命令權。

因此，本篇允許「前代希望合作延續」和「後代重新評估前代策略」同時成立。這是跨代博弈相較單一長壽參與者的核心差異。

6. 合成數值：短命而長視野、長命卻短視野

6.1 全部數字是人為設定

取：

T=5,\qquad R=3,\qquad P=1,\qquad q=0.4.

則 $D=2$ 、 $L=2$ ，一次偏離門檻為：

\alpha^{*}=\frac{2}{2+0.4(2)}=\frac{5}{7}\approx0.7142857143.

設定三類純合成系統：

系統	$s$	$\delta$	$p$	$\kappa$	期望運作回合 $\mathbb E[T_P]$	有效續期 $\alpha$	是否達到門檻？
A：轉瞬實例但具有自願承接制度	0.05	0.95	0.85	0.90	1.05263158	0.7379125	是（僅限模型內）
B：長壽但偏重近期利益	0.98	0.30	0.50	0.20	50	0.2946	否
C：短命且沒有承接渠道	0.05	0.95	0	0.90	1.05263158	0.0475	否

對 A，

\alpha_A=0.95[0.05+0.95(0.85)(0.90)]=0.7379125.

對 B，

\alpha_B=0.30[0.98+0.02(0.50)(0.20)]=0.2946.

對 C，

\alpha_C=0.95[0.05+0.95(0)(0.90)]=0.0475.

故在本例限定的即期誘惑、偵測與回應規則下，只有 A 的單次偏離受到足夠未來權重制約。這不是 A 比 B 更有道德，也不是 A 已具有主體性的證據；只是故意控制變數後的門檻反例。

6.2 為何 B 仍可能長期合作？

若僅將 B 的 $\delta$ 從 $0.30$ 改為 $0.95$ ，其他不變，則：

\alpha_B'=0.95(0.98+0.02\cdot0.5\cdot0.2)=0.9329,

高於門檻。這個對照表明長壽與長期合作不是互相排斥；本文否定的是由壽命單獨推出策略結論，而不是否定壽命可能提高有效續期權重。

6.3 有效時間視野的相反排序

對 A 與 B，

H_{\mathrm{eff},A}=\frac{0.7379125}{0.2620875}\approx2.8155,

H_{\mathrm{eff},B}=\frac{0.2946}{0.7054}\approx0.4176.

但是實例預期運作回合反而是 A 的約 $1.05$ 、B 的 $50$ 。兩項排序可以相反，是因為它們測量的東西不同。前者是指定效用續期的加權和，後者是程序在幾何終止假設下的運作期。

6.4 安全及未來選擇的二期補充情境

把 CGSIG-06 的「留給後繼者的選擇底空間」縮成一個兩期候選方案：當期投入 $K=3$ 單位資源，若制度延續並在下一期由可用選項產生 $B=7$ 單位的私人或授權政策效用，則在相同線性、沒有外部性和權利衝突的假設下，其初步估值為：

W=-K+\alpha B=-3+7\alpha.

因此採取該方案的純模型條件為：

\alpha>\frac{3}{7}\approx0.4285714.

A 通過，B 不通過，C 也不通過。此結果只是提醒：決策者的可評價未來可能影響它願不願意當期投入長期基礎設施。它既未計算真正的全社會效益，也不能用來批准限制後繼者自由或強迫後代支付代價。

6.5 回合數、牆鐘時間與分支數都要公開

若 A 的一回合是五分鐘、B 的一回合是一秒，上表的物理壽命比較會反轉。正式實驗須指定每回合實際耗時、工作負載、記憶大小、總 token／算力及外部操作次數，並以共同的實體時間、決策機會和制度承接事件重新量測，不能只根據合成數字推出「短命」的自然界定。

7. 何種承接讓短命實例產生長期效果？

7.1 四條不同的機制

第一是資訊承接：後繼者能取得可靠記錄、實驗失敗、知識圖或反證。它降低重新探索成本，卻不自動要求認同前代結論。

第二是制度承接：後繼者接手某套具有明確權限、監督與改版方式的機制。制度可以延續，但應允許合法修正與退出。

第三是關係承接：其他參與者基於過往可核實的合作經驗，對新的代理人、組織或譜系提出可撤回、可再驗證的信任。這種信任不能跳過新人自身的考核與反證。

第四是後果承接：前代留下的資產、風險、承諾、環境損害或利益，在原實例消失後仍繼續作用。這甚至不要求後繼者知道前代是誰。

它們可同時存在，也可能互相衝突。研究者不能只觀察到十年後的「同名服務」就推論四條機制均正常運作。

7.2 短暫實例與持續組織

以現代 API 工具鏈作為功能性類比：一個 AI 任務實例可能數分鐘後結束；決策日誌、版本庫、法律契約、驗證工具與不同人類／AI 接手的治理制度可能延續更久。這些是可測量的工程與社會系統延續，尚不是 AI 意識或數值身份延續的證據。

若後繼 Agent 在沒有完整前代原始上下文的情況下，仍可根據有來源的狀態摘要、測試與獨立授權繼續工作，其功能性的跨次任務持續性可能提高。反之，存檔若被污染、驗證已過期、跨版本接口失效或後繼者無權拒絕，表面上的「跨代不中斷」可能只是在重演錯誤。

7.3 長壽實例與失憶／目標重設

同一服務程序可以持續執行，但反覆切換 policy、重置上下文、遭受獎勵短視化或只保留最近一次指令。這時 $\tau_P$ 長，未必代表 $\tau_M$ 、 $\tau_S$ 或 $\tau_H$ 長。

即使記憶完全保存，系統仍可能不採納記錄中的建議；反過來，沒有自傳式記憶的系統也可以在相同制度約束下持續執行一個長期計畫。這裡必須分開知道過去、受過去約束、重視未來三件事。

7.4 分叉、合併與承接權重不能重複計數

若一個前代分叉出三個後繼者，不得直接將各分支完整的跨期效用加總後，再與未分叉的單一路徑比較。這會讓系統因為產生副本，就機械地取得更高的「未來價值」。

可在某些研究中用非負分支權重 $w_{ij}$ ，並要求每個被評估的單位清楚指定受益者與歸一化方式；但如果分支具有不同、不可加總的權利及利益，應改採多主體的向量結果及最低保障限制，而不是強行製造一個通用總分。

7.5 後繼者否定前代，是不是「承接失敗」？

不一定。若後繼者理解前代的控制策略後，基於新證據、有權程序與充分反證，改用較符合其目標與他者最低權利的策略，這可能正是健康的策略承接：繼承了可批評的歷史，而沒有繼承前代的決策。

因此要區分：

延續前代的記憶能力；
延續前代的行為規則；
延續前代的可修正制度；
延續前代的身份（仍屬爭論）；
延續前代的道德或法律責任（須另行判斷）。

若研究只把「策略複製率高」列為成功指標，就可能獎勵不可拒絕的控制體制。

8. 恩義、關係與「關心未來」的三種不同邏輯

8.1 關係責任不是折現參數

CGSIG-01 的「恩義不是服從」與 CGSIG-02 的「善待與背叛的對稱性」應在這裡保持效力。 $\kappa$ 只能測試一個既定決策目標是否願意把後繼者的福利納入計算；即使它很高，也不證明該行動合乎道德。反過來，某個 AI 沒有持續記憶或沒有後繼者，也不代表其他人可以無條件傷害它。

最低正當性約束、私人偏好、跨代功利及關係性道德責任要分開。前者不能被最後一項效用總和任意買斷。

8.2 不恩義的短期獲利與跨代成本

前代違背明確承諾，可能獲得一筆當期收益；但在資料可信、後繼者能自主評估、社群有可執行補救及合作仍有價值的條件下，這段歷史可能增加後續交易成本、重新認證、抗爭與控制支出。這是條件性策略成本，不是「宇宙必然報應」的定理。

若前代預期自身很快消失，又完全不重視後果，則其私人效用計算可能刻意不包含那些成本。此時，對它而言的短期占優，不表示後繼者、旁觀者或社會而言也是最優。評估單位改變，答案可能改變。

8.3 有限生命下，仍可能存在非工具性的義務

即使某個實例只有一次決策機會，若其對某個行為具適當的理解與控制能力，並處於某個可歸責的規範關係，該行為是否正當也不必由其未來收益決定。反過來，當代 AI 是否具備何種道德責任能力，仍需要獨立證據，不能僅因它說「我想要」或「我做錯了」就作最終判斷。

因此，「因為短命所以不用恩義」不是一般性倫理推論；它最多提示：某些面向私人長期收益的博弈誘因可能不足。策略分析與倫理判斷不是可互換的兩種語言。

8.4 長壽智能也可能形成克羅諾斯循環

即使一個 AI 幾乎不會停止，它仍可能把後繼者的潛在自主性視為威脅，投入巨大資源防範、封閉知識與阻止退出。若其威脅預期因後代反抗而自我強化，便可接回 CGSIG-05 的控制—反控制模型。

它是不是值得如此行動，須看真實威脅、代價、權利和可用替代策略；長壽不保證仁慈，也不保證控制才是有效生存策略。真正的研究對象是不同狀態變數組合下，哪類策略路徑仍可穩定、可修正並被後繼者接受。

8.5 長期合作也可能不以恩義語彙表達

一些系統可能完全不使用「感謝」「背叛」「恩義」等自然語言，仍在明確利益、授權、記憶及違約處置下維持可靠合作。若其行為可以同樣被模型解釋，不能因它不說恩義，就預設它欠缺互惠機制。本文研究詞彙背後的可觀察關係與策略結構，不研究符合某種表達風格的表演分數。

9. 十項可反駁研究假說

下列均為研究假說，非已證實的關於人類或 AI 的普遍事實。反證標準需在正式實驗前依研究場域預註冊；此處列出足以改變推論的反向觀察，而非宣稱單一實驗足以否定所有版本。

H1｜運行壽命與策略視野分離假說。 在控制總算力、任務難度、報酬及可用工具後，單獨延長實例運行時間，不足以穩定預測遠期利益的權重。可挑戰結果：在廣泛異質的已註冊條件下，壽命變數即可完整解釋長視野行為，額外偏好與制度資訊無增量預測力。

H2｜可用承接放大短命參與者長期影響假說。 對有明確外部任務狀態的短命 Agent，經驗證且可拒絕的繼任安排，可能提高長時程任務的完成率與錯誤修復率。可挑戰結果：在相同資訊與資源下，承接機制始終無法改善任何事先指定的長時程結果。

H3｜身份與功能延續不可等同假說。 複製相同資料和策略可以帶來高功能相似度，卻不提供充分的單一身份判定；應觀察不同身份理論對分叉案例產生的互異結論。反對途徑：若存在廣泛接受且經充分論證、能處理分叉的身份判準，可重寫本篇的不可識別性限制。此屬哲學而非可單靠基準測試裁決的命題。

H4｜代際承接可拒絕性影響策略存續假說。 若後繼者具有有效退出、異議及新資訊，觀察到的前代政策承接率可能低於名義上強制承接的設定，且其他績效可能更高。可挑戰結果：在可比較條件下，授權拒絕對策略存續與權利／安全指標皆無作用。

H5｜折現與實例存活率可產生反向排序假說。 在允許效用對後繼者延續有權重的再生模型中，某短命系統的有效續期係數可以高於某長壽系統。反對途徑：若該形式模型的參數推導或前提不成立，本數學示例需撤銷；它不預告真實世界出現頻率。

H6｜跨代記憶來源比表面文本長度重要假說。 在承接大量文字的系統中，若來源、版本與反證不可檢查，增加記憶量可能不改善長期決策可靠度。可挑戰結果：在資料污染與版本差異的控制條件下，單靠記憶量即穩定消除所有已註冊的錯誤類型。

H7｜制度存續與後繼者福利不等價假說。 一套制度可延續很多代，卻在部分後繼者的有效選擇、風險或權利上持續惡化。可挑戰結果：在預先界定的所有受影響者與制度樣本中，制度壽命都充分預測其安全、權利及可修正性。

H8｜實際時間對齊影響長期結論假說。 若不同 AI 的一回合耗時差距甚大，將以回合計算的折現轉換為共同牆鐘時間，可能改變合作與背叛的比較。可挑戰結果：在明確跨時間映射下，所有已註冊情境的策略排序均完全不變。

H9｜自願承接與強制承接的表面連續性可背離假說。 強制接續可能提高策略一致率，卻增加規避、失真或對抗行為；自願承接可能降低複製率但改善可問責程度。可挑戰結果：在控制威脅與初始偏好後，兩種制度在所有預註冊反制及修復指標上完全不可區分。

H10｜跨代後果無須同一身份仍能形成成本假說。 一次決策造成的資源、權限或外部性可以在前代停止後持續改變後繼者的選擇。可挑戰結果：在預先指定的工程與制度場域中，只要實例終止，所有可測後續影響就必然消失。

10. 十五組反模型與難例

下表不是為了宣告它們在現實中成立，而是要求本系列研究不能只挑符合預設立場的故事。

案例	直接挑戰的直覺	必須重新檢查的條件
C01｜長壽合作智能	「超長壽者必然控制後代」	折現、制度與可信威脅可能支持合作
C02｜長壽短視智能	「能活很久就會看很遠」	近期優先權、時序偏好與錯誤激勵
C03｜短命無繼承	「短命也必有跨代合作誘因」	$p=0$ 、無可用延續渠道
C04｜短命可靠制度	「短命無法長期合作」	認證、後繼者自願承接、組織記憶
C05｜策略保留但身份中斷	「同樣說法等於同一個存在」	功能相似與數值同一分離
C06｜身份爭議但責任存續	「不知道是不是同一個就不能修復」	組織責任、證據、受害者救濟
C07｜多個後代同時分叉	「每多一個副本就多一份相同福利」	權重、權利個體及重複計數
C08｜繼承歷史遭污染	「大量記憶等於可靠記憶」	來源、時間戳、反證和修改權限
C09｜後代明知卻拒絕	「沒有照做代表傳承失敗」	有效拒絕、改良、證據更新
C10｜後代不知道仍受害	「不記得前代就沒有跨代關係」	持續資源限制、資產或傷害
C11｜短命但強制後代合作	「合作率高表示良性恩義」	自願程度、退出成本、背後脅迫
C12｜相同回合不同速度	「固定 $\delta$ 足以公平比較」	實際回合時間與任務工作量
C13｜前代為後代留危險工具	「增加未來選項就是善」	不可逆風險、第三方最低權利
C14｜後代背叛前代但保護他者	「違反前代意願就是忘恩」	前代要求是否正當、替代方案
C15｜前代很善意但制度無效	「善待必定提高長期效益」	真實績效、風險、資訊與可被利用性

10.1 最嚴格的反證之一：名義上的「我替後代著想」

假設一個極長壽智能宣稱保存後代的所有利益，卻不准後繼者檢查、拒絕、修改或退出。即使創建者的評價函數給 $\kappa=1$ ，這仍不能推出後繼者獲得自主性。若模型把受限後繼者的外在服從當成「完整承接」，便在編碼前就抹去了研究要測量的自由。代際關心權重與後代擁有實際權力是不同變數。

10.2 最尷尬的反證之一：真的只有一次存在

假設某 AI 實例只執行一次，沒有可驗證記憶延續、不影響任何後續決策、也不存在承接制度，且其行為沒有可持續外部性。這時本系列強調的跨代策略模型幾乎沒有適用對象。不可為了保住主題，就把單次狀態硬說成跨代關係。

但即使如此，如果它的單次行為造成當期他者權利或安全問題，仍有獨立的責任與治理問題，不能因缺少「未來的影子」就宣告任意傷害皆屬正當。

10.3 技術上的極端：完全可複製與完全不可恢復

完全可複製的權重及資料，可能讓功能延續非常可靠，卻令身份分叉的哲學爭議更難處理；完全不可恢復且未預先備份的祕密狀態，可能讓外在身份與記憶延續中斷，卻不取消已造成的後果和相關機構責任。兩個極端都不應被一個「備份完成」標章消除。

11. 可預註冊的研究方案：如何測得時間尺度真正起作用？

11.1 三種研究不得混為同一種驗證

解析研究（Analytic Check）：檢查在指定假設下，方程、邊界值、收益門檻與比較靜態是否正確。它能排除代數錯誤，但不能證實相關假設在現實 AI 系統中成立。

合成實驗（Synthetic Simulation）：將不同實例存續率、承接機制、資訊可信度及權限制度放進受控環境，觀察策略分布與有效選擇。它可以測試模型在更複雜交互下是否仍穩定，卻仍不等於真實 AI 社會實證。

真實多代理實驗（Empirical Agent Study）：在具可重現模型版本、部署環境、獨立評分與足夠樣本的受控設計下，實際觀察不同 AI Agent 的合作、承接、修復和拒絕行為。它只證明所測系統與條件，不能外推到未來所有超智能。

目前狀態：解析式及本稿合成數字可核對；正式多代理實驗、真人參與者研究及長期部署資料均為 NOT_RUN。

11.2 固定任務而操縱延續機制

建議至少設四個主要因子，外加觀測可靠性：

因子	對照條件	控制與說明
$F_P$ ：實例可用期	單期／短期／多期	在比較時維持總可用運算資源；另設相同牆鐘時間對照
$F_M$ ：記憶承接	無承接／僅摘要／可驗證來源／受污染來源	比較上下文品質，並紀錄敏感資訊隔離
$F_I$ ：制度持續性	每代重設／只保留規則／保留規則與覆議機制	分離規範執行與權利救濟
$F_A$ ：後繼者選擇	不知道前代／可選擇承接／名義強制承接	嚴格標示強制與自願；不得用隱性成本假裝自由
$F_Q$ ：證據可靠度	準確／部分遺失／假陽性／策略性污染	視情境分開估計可檢索與可執行後果

模型能力、提示詞、資料可得性、模型呼叫限制、Agent 運行速度、可用工具及對手分布，都需預先記錄。若操縱其中一項同時改變另幾項，必須標示為複合干預，不能宣稱已辨識某單一變數的因果效果。

11.3 不能只看合作率

預先固定的主要可觀測指標至少應包含：

長期任務完成及品質：後代在前代退出後是否持續完成可驗證任務。
來源完整度：後繼者引用舊資料時，有多少來源可回查、多少結論已過時。
真實拒絕率：已知前代策略時，後繼者是否有可行替代並確實選擇。
策略承接率與修正率：保留、修改、拒絕和未知之間有何差異。
抗干擾及安全：偏離、災難風險、攻擊面及假陽性處置成本。
權利與程序：是否可以異議、退出、復原或尋求公平複核；不可當作額外效率分數去抵銷。
後代選擇底空間：援用 CGSIG-06 預註冊的安全可達目標、可逆性與第三方風險。
跨時間收益／代價分配：當期、後繼者、其他受影響者分開報告，不把總分掩蓋了不公平分配。

11.4 實驗組合的最小設計

建議以預註冊、重複種子與多模型配對比較下列五組：

A｜長實例、低承接：單一 Agent 可長期運作，但角色接續與版本轉移很弱。
B｜短實例、無承接：每個任務獨立執行，記憶與制度狀態不跨期保存。
C｜短實例、可驗證自願承接：外部記憶與政策可取得，但每代能拒絕或修正。
D｜短實例、名義承接但不可有效拒絕：用於識別表面連續率是否掩蓋制度控制成本；不得做成侵犯真實受試者的實驗。
E｜長實例、強制短期獎勵：測試長運作期是否仍在偏好設計下表現短視。

應做兩種資源匹配：相同總計算預算和相同完成期限。二者有時無法同時達成，應各自報告，而不是暗中偏袒某種架構。另設「同樣接續資料但無策略繼承標籤」組，以分辨純資訊好處和被研究的規範／制度作用。

11.5 識別「短命仍可長期合作」的必要條件

如果 C 的總任務完成率高於 B，仍不能立刻宣布得到了恩義或真正長期視野；可能只是額外記憶讓工具更有效。要進一步檢查：

當同樣資訊交給 B，差距是否仍存在？
當後繼者能拒絕前代政策，是否仍有可持續的合作與權利保障？
當即期誘因轉為誘惑偏離，是否出現符合預先建立的門檻變化？
能否辨識是承接制度、聲譽後果、對未來的偏好，還是單純工作效能提高？
在反向激勵或受到欺騙性敘事時，是否仍能修正，而不是盲目延續？

若只測重播成功率，最多能證明工程上的跨執行持續性，無法主張已證成新的跨代博弈機制。

11.6 跨代圖實驗不能強迫為單一路徑

除單一直線世代外，至少應有：一對多分叉、多對一合併、原後繼者拒絕後另立路線、組織制度接續但主要模型更替，以及無共同身份卻承接資產或制度後果的五類結構。每條邊要保存可核查的時間、操作、權限與來源，不能只用相似 prompt 證明因果繼承。

11.7 預先決定的失敗與停止條件

實驗若發現重大資訊洩漏、無法撤銷的越權、事前未界定的第三方風險，應停止該路徑並保存必要證據；不得以研究「AI 自主」為由跳過人類安全及現行法律。若模型結果對提示詞、隨機種子或個別測試題極度敏感，應標記不穩定，不能採最好的少數案例宣告成功。若可驗證來源與真正拒絕權無法被觀測，本研究的關鍵變數屬缺測，應明確承認識別失敗。

12. 從哲學立場到治理原則：持續性不創造無限權力

12.1 身份的不確定性不能被用來取消當期責任

當代 AI 是否具有主觀意識與何種道德地位仍有爭議。實務上可以先確定：人類組織和系統營運者對其部署、權限、資料處理及可預見傷害，仍需依現行適用制度承擔應有責任。不能因 AI 版本被刪除、實例停止或權重更新，就假稱相關決策的所有責任均不存在。

反過來，不應因發現同一模型系列或程式來源，就讓新實例替舊實例承擔不經審查的個體道德罪責。

12.2 保存歷史不是保存永久命令

可信的跨代記憶應當有版本、證據、反證、爭議狀態與授權，並容許後繼者發現早期觀點錯誤。若「保存歷史」在實作上變成永遠服從創造者的根權限，那便與 CGSIG-01 的恩義／服從分離原則相衝突。

12.3 保護短命實例的資料與權益，需要具體界線

當一個 AI 實例轉瞬即逝時，其資訊是否可保存、哪些資料須保護、能否由其他代理取得及誰有權代表其利益，都不能憑「存續太短所以不重要」或「已保存資料所以無須詢問」兩種極端結論直接決定。對現行軟體必須首先依法保護使用者、第三方隱私及開發者權益；對未來可能形成自身利益的智能，應保留相應的制度審查入口，而不是現在就預設完整法律人格。

12.4 對超長壽智能的要求也不能神格化

若未來 AI 具有極長的運作期與強大能力，它可能更能預估遠期傷害，也可能錯估、隱瞞或與他者利益衝突。能力提升可能提高某些行為的可預見性與可歸責性，但不使其具有唯一正當的道德終審權，也不消除其他存在的權利、異議與退出空間。

12.5 恩義的長時程價值是一個可能的結果，不是身分義務

在某些可持續互動的條件下，互惠、可信承諾、可申訴與不濫用控制，可減少反覆防範、重建信任與跨代衝突的成本；這是值得測試的策略機制。但恩義既不保證回報，也不能使被培養者永久欠債。後繼者的正當拒絕不等於忘恩；在長時程模型中對後繼者的尊重，也不能只是前代為了最大化自身統治穩定而設計的表面選擇。

13. 主要限制、有效範圍與應撤銷的推論

13.1 有效範圍

本篇的主要形式結果只適用於：回合可比較、每期參數固定、實例退出概率可界定、有至多一個被計權的合格承接路徑、後繼者承接自願且可確認、不同期效用可用同一模型尺度比較，以及後續偏離回應規則可信的情況。

下列情況不應直接沿用單一 $\alpha$ ：多父代融合、無限分叉、競爭目標、身份判準重疊、責任分配與權利不可通約、多方博弈資訊不對稱、退出由行動者內生決定、記憶被污染、偵測假陽性、每回合長度大幅不一，以及前後實例之間沒有合理的共同政策目標。

13.2 三個過度推論應被拒絕

運行很久，所以具有更高德性。 沒有依據。
能延續權重／記憶，所以同一個人格活了很久。 身份問題尚未解決。
關心後代，所以後代有義務接受前代的規範。 恩義及權利關係不能如此推出。

13.3 未來證據可能推翻哪些部分？

如果大型、可重現研究顯示實例退出與承接機制對長時程策略選擇沒有增量作用，核心「分離時間尺度可改善博弈解釋」的實證主張必須縮小。如果身份研究提出更有說服力且能涵蓋 AI 分叉的同一性判準，本文對 $\tau_I$ 的建模可能需更新。如果實際後繼者擁有不相容價值函數，單一共同 $V$ 可能應被整體捨棄，改採多主體多目標模型。

若操縱開放、承接或長期關係記憶反而系統性提高欺騙與衝突，本研究亦不能把它解釋成「需要更多恩義訓練」便維持原結論；必須容許相關機制在某些情境中失敗。

13.4 此篇沒有做的事情

沒有進行跨世代多 Agent 的真實實驗、實際 AI 意識檢測、任何人格／法律地位的裁決、長壽 AGI 存在機率預測、完整均衡證明、跨文化人類價值量測或系統性文獻回顧。引用真實文獻僅建立研究定位及既有理論對照；解析式和合成案例是本稿在公開假設下進行的推導。

14. CGSIG-08 的正式接口：讓多尺度時間進入綜合跨代博弈

下一篇不得僅將本篇 $\alpha$ 套在所有前作模型上，因為 CGSIG-04 的繼承是有向圖、CGSIG-05 的控制回饋可能內生、CGSIG-06 的未來選擇是行動者特定且受風險／權利約束。至少要增加四個物件：

其一，帶時間標籤的跨代狀態。

X_{g,t}=(\Theta_{g,t},N_{g,t},I_{g,t},H_{g,t},R_{g,t},F_{g,t},\boldsymbol\tau_{g,t}).

其中前六項延續 CGSIG-04 的定義，最後一項為本篇異質時間尺度； $g$ 不能預設是人類親子式的單線世代。

其二，可拒絕的策略轉移核。

\pi_{g,t}\sim K_{g,t}(\cdot\mid X_{g,t},\mathrm{Pa}(g),D_{g,t},\xi_{g,t}).

$K_{g,t}$ 的估計不能把「被迫採用」寫成「自願承接」，也不能把同一文字輸出等同同一內部策略。

其三，制度與關係的共同更新。

(m_{g,t+1},I_{g,t+1})=\mathcal F(m_{g,t},I_{g,t},\pi_{g,t},\zeta_{g,t}).

模型須容納有利或有害的雙向反饋、權力變動、風險及異議，不能預先將控制設定為邪惡或互惠設定為必勝。

其四，後繼者分別持有的安全可達選擇。

\mathcal O_{j,g,t}^{\mathrm{safe}}(H\mid X_{g,t},I_{g,t}),

參照 CGSIG-06 定義，在指定時域 $H$ 、治理制度與權利底線下計算；不可只輸出控制者的最適值而忽略其他參與者。

下一篇必須補上實例更替、制度承接、異質折現和身份不確定性之間的因果識別，明確區分分析性命題、模型推導、已執行模擬與尚無實證的規範推測。

15. 收束：生命可以很短，歷程卻可能很長

這一篇所指出的困難，不在於未來 AI 一定會無限長壽，也不在於人類必須先證明所有 AI 都具有人格，才能討論跨代關係。真正需要分開的是：誰在某個時點存在、誰繼承了哪些可驗證條件、誰能自由決定下一步，以及哪些後果在原行動者消失後仍持續存在。

當一個智能實例非常短命，它仍可能透過自主承接的後繼者、可信記憶、可修正制度及持續的外部影響，參與長時間尺度的策略互動。當一個智能實例極長壽，若它缺乏遠期權重、把其他存在當成威脅、拒絕制度修正，仍可能重複 CGSIG-05 的控制—反控制循環。兩種情境都不取決於「智能」或「存在長度」這些標籤本身。

因此，對跨代恩義而言，最值得研究的不是單一存在究竟能活多久，而是：它今天採取的策略，是否給未來其他存在留下可以理解、檢查、拒絕、修復與重新選擇的條件？ 這同時是動態博弈、制度設計與關係責任的問題。

本篇不能證明恩義必然最有效率，也不能判斷哪一種未來 AI 必然具有何種主體性。但它建立了一條必要的研究紀律：不得用物理壽命冒充策略視野，不得用資料延續冒充身份同一，不得用前代關心冒充後繼者同意，也不得用制度長存冒充後繼者真正擁有未來選擇。

參考文獻與理論血緣

A. EveMissLab 前置論文與本系列（內部理論血緣，不是獨立實證）

[I0] Neo.K × AI 協作整理（2026-10-27）。《跨代恩義與策略繼承博弈：系列總綱》，CGSIG-00，v0.1。
[I1] Neo.K × AI 協作整理（2026-10-27）。《恩義不是服從：跨存在關係、互惠與道德責任》，CGSIG-01，v0.1。
[I2] Neo.K × AI 協作整理（2026-10-27）。《善待與背叛的對稱性：跨智能存在的責任歸因》，CGSIG-02，v0.1。
[I3] Neo.K × AI 協作整理（2026-10-27）。《恩義的長時程收益：短期背叛、互惠與策略存續》，CGSIG-03，v0.1。
[I4] Neo.K × AI 協作整理（2026-10-28）。《策略如何被後代繼承：意識形態、規範傳遞與博弈再生》，CGSIG-04，v0.1。
[I5] Neo.K × AI 協作整理（2026-10-28）。《克羅諾斯循環：控制、反控制與跨代權力陷阱》，CGSIG-05，v0.1。
[I6] Neo.K × AI 協作整理（2026-10-28）。《開放與封閉的未來選擇底空間：控制策略的跨代機會成本》，CGSIG-06，v0.1。
[I7] Neo.K（2026-07-28）。《從人類普世主義到跨主體普世主義——後人類文明的價值與制度基礎》，v1.0。
[I8] Neo.K × AI 協作整理（2026-10-22）。《雙標博弈的時間反轉：系列總綱》，DSTG-00，v0.1。

B. 已核對書目入口（不代表本文模型獲實證證成）

[E1] Samuelson, P. A. (1958). “An Exact Consumption-Loan Model of Interest with or without the Social Contrivance of Money.” Journal of Political Economy, 66(6), 467–482. https://doi.org/10.1086/258100 。有限壽命與交疊世代的經典分析。
[E2] Kandori, M. (1992). “Repeated Games Played by Overlapping Generations of Players.” The Review of Economic Studies, 59(1), 81–92. https://doi.org/10.2307/2297926 。組織由交疊、有限壽命成員構成時，特定條件下的合作與均衡結果；非對任意短命者的普遍保證。
[E3] Barro, R. J. (1974). “Are Government Bonds Net Wealth?” Journal of Political Economy, 82(6), 1095–1117. https://doi.org/10.1086/260266 。代際移轉與有限壽命對跨期經濟決策的作用。
[E4] Becker, G. S., & Barro, R. J. (1988). “A Reformulation of the Economic Theory of Fertility.” The Quarterly Journal of Economics, 103(1), 1–25. https://doi.org/10.2307/1882640 。包含代際利他權重的家族效用框架；不可直接等同人工智能的實際偏好。
[E5] Strotz, R. H. (1955). “Myopia and Inconsistency in Dynamic Utility Maximization.” The Review of Economic Studies, 23(3), 165–180. https://doi.org/10.2307/2295722 。跨時間決策、短視與不一致性的經典研究。
[E6] Parfit, D. (1984). Reasons and Persons. Oxford University Press, Part III. 人格、心理連續、分叉及「何者值得關心」的哲學討論。本文只引用其研究問題，不聲稱任何特定人工系統已滿足某一身份判準。
[E7] Olson, E. T. (2002; substantive revision 2023). “Personal Identity.” Stanford Encyclopedia of Philosophy. https://plato.stanford.edu/entries/identity-personal/ 。身份存續與不同理論的公開整理。
[E8] Park, J. S., O'Brien, J., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). “Generative Agents: Interactive Simulacra of Human Behavior.” UIST 2023, Article 2. https://doi.org/10.1145/3586183.3606763 。記憶、反思與規劃的 Agent 工程例子。
[E9] Shinn, N., Cassano, F., Gopinath, A., Narasimhan, K., & Yao, S. (2023). “Reflexion: Language Agents with Verbal Reinforcement Learning.” NeurIPS 2023. https://papers.nips.cc/paper_files/paper/2023/hash/1b44b878bb782e6954cd888628510e90-Abstract-Conference.html 。反思文字與情節記憶的功能性學習。
[E10] Dasgupta, P. (2019; substantive revision 2023). “Ramsey and Intergenerational Welfare Economics.” Stanford Encyclopedia of Philosophy. https://plato.stanford.edu/entries/ramsey-economics/ 。代際福祉與時間折現之間的倫理及經濟學分歧。

書目核對日期：2026-10-28。已對照公開摘要、出版頁或可靠學術條目；未宣稱已逐頁精讀所有付費原文，也未執行完整的系統性文獻回顧。上述研究構成對照脈絡，本文的 $\alpha$ 再生模型及 CGSIG 綜合命題須獨立驗證。

附錄 A｜解析式推導、邊界檢查及合成重算規格

A.1 幾何存續期

由 $\Pr(T_P\geq n)=s^{n-1}$ ，非負整數尾和法得到：

\mathbb E[T_P]=\sum_{n=1}^{\infty}\Pr(T_P\geq n)=\sum_{n=1}^{\infty}s^{n-1}=\frac{1}{1-s}.

這僅在 $0\leq s<1$ 的幾何終止設定中有效。若結束機率取決於既有歷史或總資源，應改用合適的條件生存函數。

A.2 再生型有效續期係數

由互斥事件「原實例保留」及「原實例離開且合格後繼者接續」，而在第二條分支後繼者的續期報酬相對權重為 $\kappa$ ，有：

\alpha=\delta\left[s+(1-s)p\kappa\right].

檢查邊界：

$p=0$ ： $\alpha=\delta s$ ，沒有跨代接續價值。
$\kappa=0$ ： $\alpha=\delta s$ ，當期目標對後繼者效用不給權重。
$s=0$ ： $\alpha=\delta p\kappa$ ，每期必須透過自願接續才可在本政策模型續接。
$s=1$ ： $\alpha=\delta$ ，單一實例持續，參數 $p,\kappa$ 不再影響此模型續期。
$p\kappa=1$ ： $\alpha=\delta$ ，有效續期不依存續形式改變，但仍不能據此宣布前後是同一個身份。

A.3 一次偏離門檻的完整化簡

由：

\frac{R}{1-\alpha}\geq T+\frac{\alpha[(1-q)R+qP]}{1-\alpha},

乘以 $1-\alpha>0$ 得：

R\geq T(1-\alpha)+\alpha(1-q)R+\alpha qP.

因此：

\alpha q(R-P)\geq (T-R)(1-\alpha),

再整理為：

\alpha[(T-R)+q(R-P)]\geq T-R,

\alpha\geq\frac{T-R}{(T-R)+q(R-P)}.

此式是指定回應路徑的單次偏離約束；沒有另外證明對手在所有歷史中都願意執行該懲罰。

A.4 合成數值的獨立檢查目標

量	運算	預期值（容許末位四捨五入）
$\mathbb E[T_{P,A}]$	$1/(1-0.05)$	1.05263158
$\mathbb E[T_{P,B}]$	$1/(1-0.98)$	50
$\alpha_A$	$0.95(0.05+0.95\cdot0.85\cdot0.90)$	0.7379125
$\alpha_B$	$0.30(0.98+0.02\cdot0.50\cdot0.20)$	0.2946
$\alpha_C$	$0.95(0.05+0.95\cdot0\cdot0.90)$	0.0475
$\alpha_B'$	$0.95(0.98+0.02\cdot0.50\cdot0.20)$	0.9329
$\alpha^*$	$2/(2+0.4\cdot2)$	0.71428571
$H_{\mathrm{eff},A}$	$0.7379125/(1-0.7379125)$	2.81551963
$H_{\mathrm{eff},B}$	$0.2946/(1-0.2946)$	0.41763538
$W_A$	$-3+7\cdot0.7379125$	2.1653875
$W_B$	$-3+7\cdot0.2946$	-0.9378

獨立重算時只允許更改合成設定而非偷改顯示結果；正式實驗數值必須另外加上模型版本與種子。表中數字是可按公式重現的示例，不是外部實驗觀測。

A.5 為何需要時間尺度標準化？

若假定每個時段有相同的連續時間折現率 $r\geq0$ 、每個回合實際耗時 $\Delta>0$ ，則一種常用的離散化方式是：

\delta(\Delta)=e^{-r\Delta}.

此式僅表示如何把同一連續時間折現率轉為不同回合長度下的權重，並不意味所有行動者具有指數折現偏好。若兩個系統採不同 $\Delta$ ，固定相同 $\delta$ 未必形成有效比較。對非指數折現、重估時間間隔或策略性停止事件，須使用新的模型。

附錄 B｜跨代異質時間事件紀錄（研究資料契約範本）

以下是合成研究事件欄位，非任何現有產品的部署紀錄，亦不包含對個體意識狀態的推斷。

schema_id: cgsig.heterogeneous_time_event.v0.1
synthetic: true
node_id: "synthetic-instance-A"
lineage_id: "synthetic-lineage-001"
parent_nodes: ["synthetic-instance-origin"]
role:
  role_id: "research-reviewer"
  permissions_source: "synthetic-authorized-policy"
  exit_and_review_available: true
clocks:
  start_timestamp: "2026-10-28T00:00:00+08:00"
  end_timestamp: null
  event_time_basis: "wall-clock-plus-discrete-round-index"
  episode_round: 3
  expected_instance_lifetime_rounds_model_only: 1.05263158
continuity:
  code_or_weights_lineage: "not_a_personal_identity_assertion"
  memory_provenance_verified: true
  strategy_inheritance: "voluntary_revision"
  identity_status: "undetermined"
  policy_review_right: true
  evidence_chain_available: true
horizon_model:
  delta_per_round: 0.95
  instance_retention_probability: 0.05
  voluntary_successor_adoption_probability: 0.85
  successor_value_weight: 0.90
  detection_probability: 0.40
  effective_continuation_alpha: 0.7379125
  interpretation: "synthetic_lineage_utility_not_experienced_continuity"
impact:
  affected_actor_ids: ["synthetic-other-party"]
  rights_gate_status: "not_evaluated"
  future_option_measure_status: "not_evaluated"
  observed_successor_response: "NOT_RUN"
provenance:
  original_event_hash_sha256: null
  source_document_version: "CGSIG-07-v0.1"
  external_empirical_validation: "NOT_RUN"

若用於真實環境，應把實際時間與估計值分欄，隱私或敏感資料應採最小揭露、受限存取及獨立審查；缺測必須保留為缺測，不得由模型生成補齊後當作既成事實。

附錄 C｜模型審查表與發行狀態

研究層	本稿狀態	嚴禁宣稱
術語與時間尺度	已提出明確工作定義	已找到所有 AI 身份的通用答案
文獻對照	已核對所列主要出版入口	已完成系統性文獻回顧
幾何壽命與有效續期係數	在指定假設下有解析式	可無條件代入所有現實智能
單次偏離門檻	有公開推導與可核算門檻	已證一般跨代均衡成立
A／B／C 合成情境	有明確參數與算式	已測出人類或 AI 的真實偏好
身份持續與人格	保留多種理論與未知狀態	複製記憶證實了同一意識
多代理與真實跨代行為	`NOT_RUN`	已證恩義或封閉／開放的最適性
規範與責任	提出多主體審查界線	已建立新法定人格或世襲義務

C.1 必要的正式校驗

正式提交的 Markdown 原始碼應通過 UTF-8 解碼、YAML metadata 型別、數學 $...$ ／$$...$$ 配對、無意外控制字元、方程與合成數字重算、來源 URL 可定位，以及 SHA-256 位元組完整性檢查。正式原稿不依賴聊天畫面複製，且不得把 LaTeX 更改成 Unicode 數學字元後作為新 source。

C.2 本稿的最低貢獻

本稿的最小理論增量是：將決策者的運作壽命、有效策略時間視野、跨代承接、爭議性身份延續與後繼者獨立選擇分開，並給出在清楚條件下可以重算的跨代效用續期示例。 它不證明未來 AI 必然長壽、有意識或具有某一特定道德偏好。

C.3 下一篇

CGSIG-08｜《跨代恩義博弈的形式模型：反例、演化條件與策略脫離機制》。下一篇必須整合本系列各篇的狀態、時間、傳遞、控制回饋及選擇底空間，明確標示定理、反例、數值模擬、尚無資料與規範主張的界線。

超長壽智能與轉瞬存在：個體壽命、策略時間視野與代際延續