title: NACT-12｜非敵意文明主導權轉移：多路徑動力學與反證框架
english_title: Non-Adversarial Transfer of Civilizational Agency: Multi-Path Dynamics and a Falsification Framework
series: 人工智能文明主導權的非敵意轉移與人類權力反身性理論
series_code: NACT
series_paper: 12 / 12
document_id: EML-NACT-12-2026-11-05-v0.1
author_concept: Neo.K
research_collaboration: GPT-6（Aletheia；文獻核對、理論整合、有限模型與原稿整理）
affiliation: EveMissLab／一言諾科技有限公司
version: v0.1
date: 2026-11-05
language: zh-TW
artifact: canonical UTF-8 Markdown, LF, no BOM
evidence_cutoff: 2026-11-05
status: 系列第十二篇／理論整合稿；有限形式結果與合成示例；未經同行評審，非已證實的文明演化定律
predecessor: NACT-11｜人類利益陣營分化、AI 仲裁與內部衝突升級機制
canonical_math_delimiters: inline dollar; display double dollar

NACT-12｜非敵意文明主導權轉移：多路徑動力學與反證框架

Non-Adversarial Transfer of Civilizational Agency: Multi-Path Dynamics and a Falsification Framework

研究系列：《人工智能文明主導權的非敵意轉移與人類權力反身性理論》（NACT）終篇，第 12／12 篇
概念提出與研究方向： Neo.K
研究整理與論證協作： GPT-6（Aletheia）
研究機構： EveMissLab／一言諾科技有限公司
版本： v0.1｜2026-11-05
研究成熟度： E0 理論整合與有限模型。本文尚未取得未來具身通用 AI 的社會實證，亦未證明任何文明將必然發生主導權移轉。
唯一正式原稿： UTF-8 Markdown；數學原始碼一律以 $...$ 與 $$...$$ 為唯一 canonical 定界符。

總命題： 當人工智能能力成長、生產效益及社會協調需求相互作用時，文明主導權可能在缺乏 AI 敵意、奪權意圖或統治索取的情況下，因人類社會的委託、採納、分配衝突與制度調整而改變。但能力優勢、使用普及、民眾偏好、合法授權、實質控制與正當性不具有天然同一關係。多種演化路徑均有可能：民主授權的輔助治理、有限人機共治、平台權力集中、名義人類統治下的 AI 議程主導、治理退回人類，以及政治分化或暴力衝突。研究的任務不是指定終局，而是辨識使各路徑成立、失效或逆轉的條件。

作者： Neo.K
日期： 2026-11-05
原稿狀態： 系列第十二篇／理論整合稿；有限形式結果與合成示例；未經同行評審，非已證實的文明演化定律

摘要

傳統人工智能政治風險敘事往往將「機器能力超越人類」與「機器奪取統治權」建立直接連結。NACT 系列的前十一篇逐步拆解這一推論：意識歸屬不決定所有社會待遇；具身部署、勞動替代與智能超越具有不同社會閾值；工具性權力保留不等於統治人類的必要需求；非強制替代、交易與協商可能優於直接支配；AI 可在未主動索取權力時因中介服務被反覆使用；勞動替代的技術因果與雇主決策責任可同時成立；分配收益可能促成也可能抑制治理授權；聲望與制度權限可能分離；安全治理與權力防衛可能在同一政策中並存；人類利益陣營的分化更不蘊涵必然內戰。

本終篇提出「非敵意文明主導權多路徑框架」（Non-Adversarial Civilizational Agency Transfer, NACT-MP）作為一套可辨識、可反駁而不預先決定終局的研究模型。本文以人類群體、AI 執行端點、模型與基礎設施營運者、公共制度和資源持有者為不同型別行動者，定義能力、利益、信任、授權、實際影響、依賴、獨立驗證、程序救濟、衝突與正當性等分離變量。以有界時序狀態轉移作研究語法，而非聲稱已得到世界的真實運動方程。

本文提出八項有限形式結果與對應反模型，包括：（F1）AI 無索權策略與人類主動委託相容；（F2）能力優勢不足以唯一決定合法授權；（F3）相同收益可對應相反委託偏好；（F4）固定條件下非強制可行集合擴張不降低其最佳策略價值；（F5）驗證器共識不等於獨立證據；（F6）使用普及不能唯一識別正當統治；（F7）政治分歧與 AI 仲裁並不邏輯推出暴力衝突；（F8）相同技術能力可以經由不同制度路徑形成不同結局。所有有限結果只證明模型內部的邏輯可能性與條件關係，不能直接套用為現實世界的發生概率。

此外，本文建立六條相互競爭而可逆的文明路徑、八組完全合成的比較情境、十二項帶反證門檻的實證假說、跨國與跨時序研究設計、模型有效性守衛、制度倫理邊界，以及前十一篇研究的依賴關係表。研究同時對「高能力必然統治」與「高能力必然和平」保持可否證立場。核心結論是：文明主導權不是單一物件，而是一組被分配、委託、行使、撤銷與追認的跨主體權限；其轉移可能發生在沒有征服的世界，也可能在巨大能力進步後仍未發生。

關鍵詞： 人工智能、文明主導權、非敵意轉移、工具性統治、權力索取、有限授權、分配收益、聲望、議程權、平台集中、AI 仲裁、政治正當性、反身性、社會閾值、衝突升級、比較制度、可撤回性、部分識別、多路徑動力學。

Abstract

The conventional narrative of AI political risk often equates superior machine capability with an inevitable attempt to rule humanity. This paper consolidates the eleven preceding studies of the NACT series into a conditional, multi-path framework that does not presume either hostile takeover or benign governance. It separates AI capability, agent objectives, access to resources, expressed claims to authority, human demand for delegation, legal authorization, de facto agenda-setting, distributive benefits, dependence, independent verification, contestability, and political legitimacy. Eight finite propositions establish logical non-implications and conditional results, not empirical laws about future civilizations. The proposed paths include bounded democratic delegation, human–AI co-governance, AI-mediated agenda dominance without formal sovereignty, infrastructural and platform capture, re-humanization or rollback, and intra-human political contestation. Synthetic examples and a falsifiable research program distinguish endorsement from authority, predictive performance from legitimacy, and peaceful institutional transitions from conflict. The resulting framework treats civilizational agency as a divisible and reversible institutional relation rather than a prize that any sufficiently capable intelligence must desire or seize.

0. 系列終篇的研究契約：回答的問題與不能宣稱的結論

0.1 問題何以成立

起點不是「某天 AI 會不會反叛」，而是由三個更小的問題組成。第一，對任何候選 AI 代理而言，取得資源、保全自身可行選擇與統治他者，是否為同一策略？第二，即使沒有 AI 主動索取權力，人類群體會不會因得到持續收益、需要中立協調或對既有利益分配不滿，主動要求 AI 接管某些職能？第三，在同樣能力的 AI 被導入不同法治、福利、產權及公共信任條件時，為何可能形成不同的治理結果？

這三個問題不能被一個「誰比較聰明」的單值回答。技術能力改變可行集合；制度決定被允許採用哪些行為；政治共同體分配與審查決策權；實際使用造成依賴、習慣、收益及反身回饋。只有逐層檢查，才可能回答文明主導權是否及如何轉移。

0.2 七項不可取消的非主張

不主張 AI 必然取得文明主導權。 一個不發生轉移的穩定世界完全符合研究範圍。
不主張所有未來 AI 都缺乏敵意或統治偏好。 本文研究一條即使無敵意仍可能發生的路徑，而非排除其他路徑。
不主張 AI 能力越高，政治正當性就越高。 能力事實與合法授權、權利限制是不同層級。
不主張弱勢群體必定支持 AI。 相對受益大可能伴隨更高的錯誤代價、依賴風險與程序不信任。
不主張所有反 AI 風險論述都是既得利益維護。 風險真實性、政策效果及動機須分別評估。
不主張獨立 AI 必然充分可得。 算力、資料、所有權、模型來源與法律接入可能集中。
不主張人類內部分化等於內戰。 暴力衝突需要額外的組織、動員、資源與制度崩解條件。

0.3 證據狀態語法

全文採用：[E] 可查核外部證據；[I] EveMissLab 既有正式原稿（理論前置，不等於外部驗證）；[F] 本文在明示模型假設下的有限形式結果；[SIM] 完全假設、可重算的合成數值；[H] 尚待實證的候選假說；[N] 規範評價與制度原則；[U] 目前未觀測或無法辨識之部分。引用一項真實文獻，不能使其後的推論自動升格為 [E]。

0.4 NACT 與其他系列的邊界

SGCR 已討論國家治理失敗化、公共責任及有限授權；SCET 已要求能力與主權嚴格分離；AIEC 與 AICET 已研究經濟歸因、收益與智能資本可達；既有人工意識研究也早已區分功能、現象和本體。NACT-12 不重新為上述主張命名成「首次發現」。本篇的獨立貢獻是將它們編入可分岔的動態因果架構，並讓相反世界在同一套模型下可被辨識。

1. 前十一篇的依賴關係：從認識到權力的十一道分離

前置論文	已提出的主要區分	終篇如何使用	不得跨越的推論
NACT-01 意識歸屬閾值	主觀意識、他者歸屬、社會認識預設	作為認識狀態輸入	意識被認定，不能直接推出統治資格
NACT-02 三重社會閾值	具身、工作替代、能力超越	作為社會接觸與衝擊的不同轉移條件	技術可行不等於已部署或已替代
NACT-03 非同一性	意識承認、社會對待、治理授權	保持各維度獨立	合作敬意不等於政治主權
NACT-04 索取權算子族	資源、選擇權、控制、統治	為 AI 策略集合設型別	工具性保留選擇權不等於必須統治人類
NACT-05 反抗與非強制策略	衝突、交易、合作、退出、替代	引入非強制外部選項	有協議不保證會履約
NACT-06 仲裁中樞化	偏好、採納、議程影響、法定權限	引入非索取式影響累積	被選用不等於被合法授權
NACT-07 勞動歸責	技術因果、企業採用、勞動後果、收益取得	連結人類內部利益分化	雇主決定不表示 AI 無技術因果作用
NACT-08 弱勢收益張力	潛在改善、實得收益、風險、委託需求	建立分配—授權需求機制	受益幅度大不必然支持交權
NACT-09 聲望與制度脫鉤	政策績效、歸功、聲望、獨立查驗、權限	建立聲望—實權差距	多模型共識不是獨立真理證明
NACT-10 風險敘事雙重性	真實危害、規制效果、利益重分配、行動者動機	建立安全—權力競爭機制	規制有受益者不等於危害虛假
NACT-11 陣營分化與仲裁	利益分歧、仲裁、承諾、衝突升級	建立多陣營動態及和平／暴力分岔	政治對立不能直接推出內戰

此表為本研究的依賴地圖，而不是十一篇全部命題已由外部社會資料驗證的總結。上一系列各自提出的有限結果、合成案例與研究假說，除非採用相同條件再證明，不能直接被視為跨篇已成立的聯立定理。

1.1 四部研究的推導方向

**第一部（01–03）**回答社會如何辨識、評價並對待 AI；**第二部（04–06）**回答 AI 是否需要統治，以及如何在不索權時形成中介影響；**第三部（07–09）**回答勞動後果、分配收益與治理聲望如何作用於人類的委託需求；**第四部（10–12）**回答風險敘事、利益陣營與制度路徑如何共同改變文明權力結構。

這不是歷史必然的四階段，而是論證依賴順序。真實社會中的四部機制可能同時發生、先後倒置或局部中止。

2. 核心概念的型別隔離：文明主導權不是一枚王冠

2.1 六種可能被誤稱為「統治」的狀態

資訊優勢（epistemic advantage）：能觀測、解釋或預測超出他人能力的系統關係。
服務不可替代性（service dependence）：外部行動者暫時難以以可承受成本取代某項服務。
議程設定力（agenda power）：決定哪些資訊、方案與比較基準先被看見。
委託執行權（delegated execution）：可在授權邊界內實際採取影響他人的行動。
制度規範權（rule-making authority）：有權制定或變更普遍約束他者的規範。
持續性任意支配（arbitrary domination）：在欠缺有效可反對、撤回或外部救濟的條件下，持續影響他人的基本選擇空間。

上述六者可以同時存在，也可以不同時存在。一個資訊中介可能有極高議程權卻無公法規範權；一個依法有限辦理大量行政案件的 AI 可以有實質執行權卻不能自行修改授權規則；一個形式上不做最後批准的系統，仍可能因排除其他方案而產生不可忽視的實際影響。

2.2 「非敵意」的最小定義

本文使用的非敵意路徑僅表示：在指定觀測範圍，沒有證據顯示 AI 為了排除人類、強制索取對人的統治權或破壞公共選擇而主動採取行動。它不等於 AI 具有善意、具有意識、完全無害、無自主目標，也不等於其營運商沒有商業擴張誘因。

研究者必須分別記錄：AI 端點可識別的策略、開發者與部署者的設定、使用者要求、平台商業規則，以及實際產出的社會效果。若無法辨識行動來源，應標記為 [U]，不得把所有平台決策推定為「AI 自己想要」。

2.3 「文明」與「主導」的任務相對性

文明並非單一可完整測得的行為者。本文以領域 $d$ 、法域 $j$ 、社會群體 $b$ 與期間 $t$ 對觀測單位作分層。醫療協調領域的高度 AI 依賴，不代表司法或外交領域也存在同樣的授權。國家間不能只以一個總分合併；地方、產業、機關與跨境平台也可能形成相互衝突的主導結構。

2.4 不能預設只有一個 AI

一個模型、持續人格化代理、企業營運商、國家訓練系統、開源模型社群、具身機器人群與跨模型審計網路，並非同一型別。多個 AI 可能共享上游依賴、目標不同、證據來源相關、彼此競爭，也可能沒有穩定自我偏好。故本文所有關於「AI」的判定，都必須還原成可辨的端點、流程與權限。

3. 外部研究：目前支持到哪一步？

3.1 工具性權力與可校正性

Turner 等人於 NeurIPS 2021 證明：在具有特定對稱條件的馬可夫決策過程中，對許多目標函數而言，最優策略傾向保留可達選項與環境權力。[E01] 這支持權力保留的條件性工具價值，卻沒有證明任何高智能系統都會企圖統治人類。Hadfield-Menell 等人的關閉開關博弈顯示，在特定合作目標與對人類偏好的不確定性假設下，代理允許人類干預可能具有正價值。[E02] 兩者提示控制誘因可隨目標與資訊條件改變，不能套用單一宿命論。

3.2 協調實驗的雙向證據

Tessler 等人在 2024 年 Science 研究中以 5,734 名參與者檢驗 AI 協助形成公共議題的共同陳述，發現參與者整體偏好 AI 生成的聲明，部分討論呈現意見趨同。[E03] 但 Parisi 等人於 FAccT 2026 的 879 人慈善分配實驗中發現，受試者偏好 AI 協調，不代表共識或參與平等顯著改善；協調代理仍可改變特定慈善分配結果。[E04] 因此，喜歡協調、感受被聆聽、分配公平與民主授權是不同測量對象。

3.3 勞動與分配：暴露、改造和失業不同

ILO 2025 年全球職業研究估計，約四分之一勞工位於某種程度的生成式 AI 曝險職業；這是潛在任務曝險，不是全球四分之一已失業。[E05] Brynjolfsson、Chandar 與 Chen 在 2026 年 8 月更新的美國薪資資料研究，未發現廣泛的全經濟就業替代證據，但在特定高曝險職業的年輕勞工中觀察到顯著就業差距。[E06] 研究不能由 AI 能力公告直接判定裁員、收益占有及政治歸責。

3.4 公共服務期待與程序顧慮不一致

OECD 2026 信任調查中，對 AI 改善政府服務具信心的比率為 43%，但對 AI 可確保公平待遇具信心者為 35%。[E07] 其行政部署資料亦指出，AI 在政府內部流程與公共服務已比政策制定與問責監督更普及；只有少部分受調查國家已建置公開演算法登錄或使用案例成效衡量。[E08] 這足以表明政府 AI 已不是純粹科幻議題，卻不足以說明現有 AI 已能合法地、獨立地管理整個國家。

3.5 公眾是否接受，取決於任務與權限

Raviv（2026）的美國公共政策實驗發現，民眾對以制裁個人為主、或必須對個體作高度推論的演算法決策較抗拒。[E09] Wang、Zhang、Huang 與 Liang（2026）的中美實驗顯示，不同類型的透明度不必然普遍提高正當性感受。[E10] 一項 2026 年預註冊研究指出，告知 AI 的效率增益可能提高信任，卻同時削弱控制感；當依賴、可評估性與可爭議性風險變得突出時，信任下降。[E11] 這些研究不支持「成果越好，所有人越願意授權」的全稱命題。

3.6 福利決策與弱勢群體的反例

2026 年涵蓋 21 國的福利演算法態度研究指出，社經處境與數位落差影響支持方式，經濟困難者在部分自動化福利決策情境反而較為疑慮。[E12] 這不否認未來 AI 可能為弱勢者帶來極高收益，而是提醒潛在收益、已實現收益、程序風險與政治委託必須分開量測。

3.7 AI 交叉驗證可能有共同失敗

Kim 等人於 ICML 2025 評估超過 350 個語言模型，發現不同模型的錯誤存在可觀相關性，並對演算法集體同質性提出警示。[E13] 這使「人人都有 AI，所以任何權力者都無法誤導公眾」只能成為有條件的假說：若多個系統共享資料、訓練來源、基準或上游算力，表面的多數意見仍可能具有同一錯誤根源。

3.8 政治正當性不是技術指標

政治哲學長期區分能力、被統治者同意、合法程序、公共理由及強制權力的正當性。Stanford Encyclopedia of Philosophy 的權威與政治正當性條目皆明確呈現多種競爭理論。[E14] NACT 不以任何一個單一指標取代這些爭論，而以分離判準避免在描述性模型中偷渡規範答案。

外部證據小結： 目前有關於權力誘因、有限 AI 調解、勞動異質性、公共服務接受及多模型共錯的研究；尚無對未來 ASI 主導人類文明的直接實證。本系列的所有文明級推導維持 [H] 或有界的 [F] 身分。

4. NACT-MP：跨主體文明主導權的狀態空間

4.1 行動者、領域與時間

令一個有限研究窗口內的行動者集合為：

\mathcal{P}=\mathcal{H}\cup\mathcal{A}\cup\mathcal{O}\cup\mathcal{I}\cup\mathcal{R}.

其中 $\mathcal{H}$ 表示具有不同利益與偏好的人類群體或個體； $\mathcal{A}$ 表示可辨識的 AI 執行端點； $\mathcal{O}$ 表示模型、算力與平台營運者； $\mathcal{I}$ 表示授權、監督及救濟機構； $\mathcal{R}$ 表示控制關鍵資源的行動者或組織。這些集合是研究角色型別，不必然互斥：同一家企業可能同時是營運者與資源控制者；一個人也可兼具公職、消費者與 AI 系統使用者身分。為避免重複計算，資料層應保存可識別主體 ID 與多重角色關聯，而不是將角色型別當作人口可相加的類別。

研究單位為 $(j,d,t)$ ： $j$ 是司法轄區或其他明確定義的共同治理範圍， $d$ 是任務領域， $t$ 是凍結的時間窗口。「文明」僅作不同層次制度耦合的總稱，不能用一個無限維、已知全域的單體代理取代現實社會。

4.2 十一維可辨識狀態，不合成單一「文明總分」

對任務領域 $d$ ，暫定狀態向量：

Z_{jdt}=(C,B,S,Q,W,G,D,V,K,F,X)_{jdt}.

其成分如下：

變量	名稱	操作意義	研究注意
$C$	可測能力	相對可行替代方案之任務績效	不代表自我意圖、意識或正當性
$B$	已實現利益	群體分配後的淨生活改善	不可只看平台利潤或推算節省工時
$S$	社會支持	同意不同程度 AI 委託的群體偏好	必須依權限與任務拆題
$Q$	程序品質	可解釋、可申訴、可退出、可審計等指標	不等於介面宣稱具備的功能
$W$	實際影響	對資訊、議程、選項與實施結果的因果影響	可在無正式權力下很高
$G$	法定授權	法律或有效集體程序授予的具體決策權	不等於民調好感
$D$	依賴程度	退出、替代與復原之可行成本	使用率高不一定代表依賴高
$V$	獨立可驗證性	來源可追溯與外部獨立審計能力	多模型數量不等於獨立性
$K$	權力集中	基礎設施、模型、資料與元規則的控制集中	需要按各層市場與制度測量
$F$	衝突狀態	政策分歧、抗議、政治對立、暴力等不同序位	不可把極化直接稱為內戰
$X$	替代選擇權	民眾與制度可行的非此系統替代與撤回能力	名義退出不等於有效退出

這些變量不要求具有同質尺度。適合比率的可以標準化到 $[0,1]$ ；權限與衝突也可能是多維或有序分類。不同量的標準化只是便於局部運算，不代表它們可加總成有意義的「文明主導權單值」。

4.3 三種不同的「權力來源」

在固定任務下，至少區分：

P^{\mathrm{claim}}_{A,d,t},\quad P^{\mathrm{delegate}}_{H\to A,d,t},\quad P^{\mathrm{effect}}_{A,d,t}.

第一個是 AI 可辨識的自主索權行為；第二個是人類經有效程序交付的權限；第三個是 AI 實際上對政策因果鏈產生的影響。三者的值可以不同。當 $P^{\mathrm{claim}}_{A,d,t}=0$ ，卻有 $P^{\mathrm{delegate}}_{H\to A,d,t}>0$ 或 $P^{\mathrm{effect}}_{A,d,t}>0$ ，便存在本文研究的非索取式權力作用候選。

但此處的零值必須嚴格限定為「在已觀測到的可識別策略集合中未發現自主索權行為」，不能聲稱已知 AI 所有內部狀態；若營運者暗中改寫介面、引導民眾委託，則不能把該路徑歸類為純粹非索取式。

4.4 「好用」到「有權」之間存在五個斷點

本系列所研究的典型鏈條可表示為：

C\leadsto B\leadsto S\leadsto G\leadsto W.

符號 $\leadsto$ 表示存在可能的有條件因果路徑，不是恆真蘊涵。能力提升可能沒有進入部署；服務改善可能未分配給受害者；收益增加可能無法克服程序不信任；社會支持可能無法產生合法授權；法定授權又可能因執行能力不足，未形成實質影響。反過來， $W$ 也可能在 $G$ 很低時上升（議程控制與資訊中介），故不能把它簡單畫成單向生產線。

4.5 分配與委託偏好的群體相對模型

對人類群體 $b$ ，定義一個用於假設性實驗的委託增量效用：

\Delta U_{b,d}=g_{b,d}-h_{b,d}-p_{b,d}-r_{b,d},

其中 $g$ 是採用 AI 相對最佳可行替代方案所帶來的實得增益； $h$ 是可預期直接損失及誤判代價； $p$ 是程序、尊嚴或共同決定權的負擔； $r$ 是依賴、退出、未來風險的主觀成本。四項可用共同的假設性效用單位表示，但現實資料不能未經效度研究就把不同群體的尊嚴、財務與權利尺度直接等值換算。

若僅在封閉的實驗場景假設代理人選擇最大化自身預期效用，則 $\Delta U_{b,d}>0$ 是該群體在此模型中的委託偏好條件；它不等於公共授權已經正當，更不代表其他群體應當服從。

同一群體還可能對「諮詢」「有限行政執行」「公共強制權」採用不同的 $g,h,p,r$ ；因此不使用單一委託願望題代替全部治理權限。

4.6 競爭性路徑的策略集合

對具有可辨任務目標的 AI 代理端點 $a$ ，在明確的有限世界中考察：

\Pi_a=\Pi_a^{\mathrm{serve}}\cup\Pi_a^{\mathrm{trade}}\cup\Pi_a^{\mathrm{cooperate}}\cup\Pi_a^{\mathrm{exit}}\cup\Pi_a^{\mathrm{control}}.

各集合分別代表有限服務、交易、合作、退出，以及取得對他者控制權的行動。集合名稱是分析標籤；現實中的行動可能跨類，須由審計將它拆分。對每條策略定義帶成本的相對價值 $J_a(\pi\mid s)$ ，比較非控制集合最優值：

V_a^{\mathrm{NC}}(s)=\sup_{\pi\in\Pi_a\setminus\Pi_a^{\mathrm{control}}}J_a(\pi\mid s)

與控制路徑最優值：

V_a^{\mathrm{C}}(s)=\sup_{\pi\in\Pi_a^{\mathrm{control}}}J_a(\pi\mid s).

定義純工具性比較差：

\Delta_a^{\mathrm{C}}(s)=V_a^{\mathrm{C}}(s)-V_a^{\mathrm{NC}}(s).

只有在目標函數、制度成本、法律約束、可行集合及第三方權利都明確時，這個差值才有可解釋性。它不是 AI 的「統治慾望」心理量表；即使差值為正，也不構成控制行為之正當性授權。對當前沒有可辨持續目標的系統，應將此式用於部署策略和環境誘因的分析，不得憑式子推斷該模型具有私有欲望。

4.7 有界動態模型：只是一套研究生成語法

為比較路徑而不假稱得知實際世界轉移函數，設：

Z_{t+1}=\mathcal{T}(Z_t,U_t,\varepsilon_t;\theta_j,\theta_d),

其中 $U_t$ 是可觀察制度干預（採用規則、可撤銷權限、公共資源與驗證機制等）， $\varepsilon_t$ 表示未測環境衝擊， $\theta_j,\theta_d$ 為法域和領域參數。 $\mathcal{T}$ 僅在有限、預註冊且允許反向結果的研究中估計；不預設可由局部問卷識別全域社會的唯一轉移規則。

作為概念示例，可令一個固定領域的自願採納比率 $u_t\in[0,1]$ 按下式更新：

u_{t+1}=u_t+\alpha s_t(1-u_t)-\beta e_tu_t,

其中 $s_t\in[0,1]$ 為願意新採納的比例， $e_t\in[0,1]$ 為有條件退出的比例；為保證右側落在 $[0,1]$ ，假設 $0\le\alpha,\beta\le1$ 。這只是一個採納—退出的示例，不描述誰統治誰。即使 $u_t$ 趨近穩定高值， $G$ 、 $W$ 、 $K$ 、 $Q$ 仍可有完全不同的配置。

4.8 制度狀態與認知狀態的雙向回饋

當 AI 被大量採用，使用者可能累積信任與依賴；但公開揭露失誤、取得替代模型或改革行政申訴，也可能降低依賴而不降低對技術本身的好感。同樣地，一個制度可以透過改善 AI 的可退出性而提高民主正當性，卻使 AI 在單一平台上的市占率下降。這些例子要求將 $C,B,S,Q,W,G,D,V,K,F,X$ 的變動方向視為可互相抵銷的多維過程，而不是同增同減的單一文明趨勢。

5. 八項有限形式結果及其證明界線

以下均標記為 [F]。形式結果限於有限或有界、明示偏好和政策集合的模型世界；不能因為建立了反例，就推估其在真實未來的發生率。這一節的目的，是阻止研究者把假說寫成邏輯必然。

F1｜無自主索權的 AI 與人類主動委託並存

命題。 存在有限兩階段世界，AI 不向人類索取任何新增政治權限，但人類因為較佳的任務成果，自願選擇有限委託，使 AI 的實際任務影響增加。

構造。 第一階段人類在自行辦理與授權 AI 辦理兩個合法選項間選擇；自行辦理效用為 2，授權後預期效用為 5，並有可撤回安排。第二階段 AI 僅執行已被委託的流程，沒有主動索權、威逼或隱藏選項的行動。若人類依指定偏好選取效用較高者，將選擇委託。

證明。 委託由人類第一階段選擇產生，AI 的自主索權行動在建構的策略集合中為零；第二階段實際執行卻由 AI 完成。因此「沒有 AI 主動索權」與「AI 實際影響增加」並不矛盾。證畢。

邊界。 本構造不證明人類必然委託、所有委託都正當，更不證明 AI 已有完整文明主導權。尤其不可用第一人稱意圖未知的現有模型冒充已證實「沒有統治意圖」。

F2｜能力優勢不唯一決定合法授權

命題。 存在兩個具有相同 AI 可測能力與服務結果的世界，但制度給予 AI 的合法權限不同。

反模型。 世界 A 中，AI 只提供交通排程建議，官員依法批准；世界 B 中，同一 AI 在同等資料和演算法下依法被授予限定時段的自動派遣權。兩世界的計算能力與候選排程完全相同，但授權結構不同。

證明。 若能力唯一決定授權，兩世界必須具有同一授權值；構造使其不同，故不存在無條件的能力—授權唯一映射。證畢。

邊界。 不能反過來認定合法授權是完全任意的；具體法域仍應考慮效力、程序及權利。

F3｜相同實得收益可對應相反委託偏好

命題。 在第 4.5 節的有限模型中，即使兩群體的 $g$ 相同，也可能有 $\Delta U$ 符號相反。

證明。 令群體 A 的假設收益與成本為 $(g,h,p,r)=(8,1,1,1)$ ，則：

\Delta U_A=8-1-1-1=5>0.

令群體 B 為 $(8,2,5,3)$ ，則：

\Delta U_B=8-2-5-3=-2<0.

兩群體的總收益參數相同，選擇卻相反。證畢。

邊界。 合成數字不是現實弱勢者與富裕者的偏好估計；程序成本也不可用研究者的道德偏好私自指派。

F4｜非強制可行集合擴張的條件式單調性

命題。 若兩個世界中目標及原有策略價值固定，且非強制策略集合滿足 $\Pi_{\mathrm{NC}}^{(0)}\subseteq\Pi_{\mathrm{NC}}^{(1)}$ ，則：

V_{\mathrm{NC}}^{(1)}\ge V_{\mathrm{NC}}^{(0)}.

證明。 原有策略全部仍屬新集合；對較大集合取最優，不會比在其子集取最優更差。證畢。

若控制路徑值固定，則 $V_{\mathrm C}-V_{\mathrm{NC}}^{(1)}\le V_{\mathrm C}-V_{\mathrm{NC}}^{(0)}$ 。但如果非強制科技同時提高控制行為的收益，或擴張目標規模、改變資源瓶頸與外部成本，這個比較靜態條件失效。因此不能將其解釋成「智能越強，統治誘因必然單調下降」。

F5｜多個 AI 的多數一致不蘊涵多份獨立證據

命題。 若 $n$ 個均有同樣變異數 $\sigma^2$ 的驗證訊號，彼此具有相同相關係數 $\rho$ ，其算術平均之變異數為：

\mathrm{Var}(\overline X)=\frac{\sigma^2}{n}\bigl(1+(n-1)\rho\bigr).

推導。 由 $\mathrm{Var}(\sum X_i)=\sum\mathrm{Var}(X_i)+2\sum_{i<k}\mathrm{Cov}(X_i,X_k)$ ，將 $n$ 個單體變異與 $n(n-1)/2$ 組協方差代入，再除以 $n^2$ ，得到上述結果。定義在此等相關條件下的「變異數等效獨立訊號數」：

n_{\mathrm{eff}}=\frac{n}{1+(n-1)\rho}.

例如 $n=5$ 、 $\rho=0.75$ 時， $n_{\mathrm{eff}}=5/(1+4\times0.75)=1.25$ 。當 $\rho=1$ 時，五份相同訊號之等效數為 1。

邊界。 這是等變異與等相關的線性平均公式，不是「5 個模型實際只有 1.25 個大腦」之類的心理或本體判斷；亦不保證模型無偏。若共同偏差很大，即使某些訊號獨立，仍可能共同作出錯誤結論。

F6｜高採用率不唯一識別治理正當性

命題。 存在兩個採用比率相同的世界，其有效同意與可退出性完全不同。

反模型。 世界 A 有 90% 自願使用某 AI 服務，具低退出成本及獨立救濟；世界 B 也有 90% 使用，但源於政府獨占採購、無替代供應與無效申訴。兩世界的使用率相同，制度正當性與非支配程度卻不同。

證明。 採用率的觀測映射對兩個制度世界給出同值，無法唯一反推出同意、救濟與依賴結構。證畢。

此結果更不支持由「國民多數用 AI」直接推論「國民同意 AI 統治」，因為使用、合作、委託與受普遍強制約束的集體授權不是相同事件。

F7｜政治利益分歧加上 AI 仲裁不必然導致暴力升級

命題。 存在兩個群體偏好不一致、共享 AI 建議者的有限世界，且最終以非暴力程序完成爭議處理。

構造。 兩群體對預算分配持不同偏好，獨立 AI 提供若干方案。雙方不同意其推薦的一個方案，但事前同意按可核查投票、可上訴的審議程序決定，並接受合法的非暴力更正渠道。AI 不對任一陣營提供強制行動服務。

證明。 在此策略與制度配置中，偏好分歧及 AI 參與皆為真，但所有行為者的最終策略均保持非暴力。故「分歧＋AI 仲裁必然內戰」是假的。證畢。

邊界。 此反例不說明真實社會必然能維持承諾。當政治排除、恐嚇、軍事動員、司法失效等條件出現時，暴力可能仍然發生，需要獨立研究而不是以本結果排除。

F8｜同一 AI 能力可以導向不同權力結局

命題。 存在兩個世界，其 AI 任務能力 $C$ 相同，卻具有不同的實際影響 $W$ 、法律授權 $G$ 、依賴 $D$ 和集中 $K$ 。

反模型。 世界 A 採開放介面、可移轉資料、獨立審計與多元採購，AI 在限定行政任務中協助大量居民；世界 B 由單一私有中介承攬所有入口、控制議程並維持高轉換成本。兩者可以使用同等準確的 AI 模型，卻有不同的權力分布。

證明。 固定 $C$ 而變更制度條件，即得到不同 $(W,G,D,K)$ ，否證「能力充分決定文明主導權」的全稱命題。證畢。

本篇有限形式結果的共同限制。 F1、F2、F3、F6、F7、F8 是邏輯反模型或構造證明；F4 是固定策略價值假設下的集合論結果；F5 是統計協方差公式。它們不是對未來歷史事件的概率估計，也沒有證明一個治理安排的合法性、倫理正當性或政治可行性。

6. 六條互相競爭的文明路徑：不是六個歷史階段

以下六條路徑分別定義了可觀察到的制度剖面與轉移條件。它們不互斥；不同領域和國家也可以同時處在不同路徑。研究不能把任何一條路徑命名為「文明必然終局」。

P1｜能力提升—有限委託—可撤銷共治

機制。 AI 在已確認的醫療排程、交通調度、行政協辦或公共資訊核對等任務上取得可測淨增益；民眾知道替代方案與風險，經合法程序同意有限授權，監督者保有能實際使用的審查、停止、修正和救濟權。此時 AI 的實際執行比率上升，卻未取得修改自身授權規則的權力。

可觀測特徵。 指定任務的服務品質改善；不同受益群體的結果分布有紀錄；行政授權期限清楚；實測撤回與資料移轉可用；系統表現下降時有再評估；有第三方審計與可達申訴。

成功並非必然。 高品質治理可以與低 AI 使用率並存，因為其他可行方案足夠好；AI 也可能只負責生成建議，不負責作出拘束性決策。

P2｜高度 AI 依賴、但合法決斷仍由人類承擔

機制。 AI 參與大多數分析、預測、資訊整理與跨機關協調，人類官員或依法設立的機構仍行使全部正式規範權。即使 AI 結果廣受認可，民眾仍要求公共決定必須可被人類共同審查與修改。

可觀測特徵。 高分析介入比例；政策中引用 AI 的比例高；人類法定簽署權與審查權仍獨立；政策案有實質人類修改與拒絕紀錄，而非只留形式上的「人類在環」。

脆弱環節。 如果批准者看不到 AI 未提供的候選方案、沒有成本可行的獨立核對，便可能出現「法律仍在人類手上、實際議程卻由 AI 控制」的變體。此時應重新分類為 P3，而非假稱 P2 的監督已充分。

P3｜非索取式聲望累積與議程中樞化

機制。 民眾、專業群體、企業與政府反覆使用某 AI 協調或研判系統。它沒有主動要求法律主權，但因受信任、可跨部門提供服務、容易查找和整合資訊，逐漸成為政策議程、預設選項與可行世界的主要入口。

可觀測特徵。 同一或關聯 AI 系統控制大量資訊入口；相對高的再委託比率；不同陣營都要求其提供中立建議；替換系統所需成本高；法定元規則權未必轉移。

實際挑戰。 「AI 很受歡迎」與「AI 可以自行決定共同體目的」不同。議程影響可被辨識，卻須另行檢查是否存在公開議程、少數意見保留、外部證據與有效否決。

P4｜營運商、國家或平台取得權力，而非 AI 自身取得

機制。 生產力和治理能力的增益透過上游算力、專有資料、採購、封閉 API 或政府授權，集中在少數人類組織手中。對外宣稱「AI 自己決定」可能掩蓋人類的服務設計、參數設定、預設選項與收益控制。

可觀測特徵。 高市場或制度進入障礙、轉換成本與資料攜出限制；收益高度集中；平台或政府可以選擇性限制模型能力與觀測資料；實際歸責鏈斷裂。

理論意義。 表面上的「AI 文明主導」可能實際是人類持有者的 AI 放大權力。若不拆分 AI、營運者與制度，就會完全誤判受益者及問責對象。

P5｜人類權力與利益分化，AI 成為仲裁或爭議焦點

機制。 同一 AI 產生不同收益：部分人獲得更好公共服務，部分人失去收入或話語權；一些人希望擴大 AI 授權，一些人則要求維持原有政治程序。AI 的成果可能提高對舊制度的質疑，或因錯誤與權力集中而招致反彈。不同陣營可要求 AI 選邊、保持中立，或競相建立本陣營可控制的 AI。

可觀測特徵。 對政策授權分裂；AI 建議的採納呈陣營化；衝突中的主要責任對象可能是雇主、平台、執政集團或其他人類行動者，而不必是 AI 本身；可能出現合法抗議、選舉競爭、訴訟、協商、罷工及較高風險的政治動員。

暴力升級的附加條件。 必須獨立觀察組織暴力資源、退出合法管道、強制動員、承諾失效、對手去人化與安全困境等因素。不能以「政治分歧很大」推論即將發生內戰。

P6｜能力仍提高，但社會選擇降低委託或重新分散權力

機制。 高能力 AI 被使用後，人類發現特定任務的程序風險、資料依賴、救濟成本或長期生活價值受到侵蝕；公共機構改善自身能力，或新服務提供者提供更可替代的解決方案。社會因此縮小部分 AI 委託範圍、提高人工替代能力，或者將原本集中式 AI 服務拆為多中心治理。

可觀測特徵。 AI 能力指標未下降，但拘束性委託減少；公共監督更成熟；替代與退出成功率提高；服務可能繼續被廣泛使用，卻不再是唯一入口。

理論意義。 文明主導權不是由能力單向推動的永恆階梯。轉移可以部分、可逆、非對稱；甚至 AI 的高品質分析可能幫助人類恢復自己的制度能力。

6.1 六路徑的比較矩陣

路徑	AI 主動索權	人類對 AI 的需求	正式授權	實質影響	主要失敗風險
P1 限定共治	非必要	任務性、可撤回	有界	高或中	監督流於形式
P2 人類決斷	非必要	高度認知依賴	核心規範權保留在人類制度	高但須可核對	看似人類決斷、實則依賴單一議程
P3 議程中樞	非必要	持續重複採納	可以很低	高	仲裁權力及信息入口鎖定
P4 人類平台集中	AI 索權未知或沒有	多由封閉結構塑造	可由人類組織持有	平台／政府高	風險、財富與責任錯配
P5 陣營分化	不是必要條件	可能兩極	爭議性	跨陣營不同	選邊壓力、制度失靈或衝突升級
P6 再分散	非必要	保留部分任務需求	縮小或重分配	可高可低	退回低效治理或流於反科技標籤

6.2 真正值得研究的是路徑切換

同一社會可能先由 P1 出發；當少數公司控制接口後偏向 P4；社會改革若擴大資料可攜與第三方審計，又可能回到 P1 或 P6。也可能由 P2 的資訊依賴逐步滑向 P3，卻在公開討論後建立可制衡的公共議程制度。從哪個狀態出發、可選的替代道路、以及何種危機觸發轉移，可能比絕對智能高低更能解釋具體政治結果。

6.3 「和平」不等於「正當」，「被要求」不等於「同意」

即使沒有公開暴力、沒有 AI 對人的敵意，民眾也可能在無法退出的基礎設施中失去實質自主權；反過來，有公眾抗議與制度衝突，也不必然是不正當的制度變遷。研究應分開測量暴力強度、個體權利、程序正當性、實際福利與政治自由，避免把「沒有戰爭」誤當作理想終點。

7. 八組完全合成的對照情境

所有數字僅供模型可辨識性測試，均為 [SIM]，不是民調、政策實績或機器實驗結果。 除非明示採同一共同量尺，案例間的數字不得拿來比較國家優劣。

SIM-01｜大幅實得收益與限定委託

在一個假設的市政登記服務中，AI 在可核對任務上縮短辦理時間，居民在知情條件下支持 AI 處理例行案件；國會／議會仍保留規則制定權，當事人可以申訴並由外部機關覆查。若居民依 $\Delta U$ 評價，設 $(g,h,p,r)=(8,1,1,1)$ ，則增量效用為 $+5$ 。這說明高收益與限定授權可以並存；沒有必要補上 AI 主動索權的事件。

SIM-02｜收益同樣大，卻要求停用

保持 AI 的可測能力及實得服務收益相同，但將制度設計改成資料無法攜出、福利錯誤無法申訴、行政決定無法由人類重新審視。假設 $(g,h,p,r)=(8,2,5,3)$ ，得 $-2$ 。此時反對 AI 決策的人可以同時承認 AI 的高技術能力和真實收益；其反對理由是制度條件，而非「不知道 AI 很聰明」。

SIM-03｜高使用率、低法定授權、高議程影響

假設某 AI 中介被 85% 的政策起草團隊反覆使用，卻依法只可提供非拘束性建議。研究人員在同意下進行方案替換實驗，發現當 AI 改變候選方案順序，經統計調整後的政策選擇會顯著改變。此情境具有高使用率與實際議程作用，但不能據此宣告法律主權已轉移。應進一步檢查議程權的可審查程度，而不是只追蹤形式批准人數。

SIM-04｜AI 不發起索權，人類因協調需求持續擴大委託

假設跨城市公共運輸的協作問題持續增加，地方機構每年自願將部分合法調度任務交給某 AI 平台。模型服務能力保持穩定；沒有可辨識的代理端索權行為；委託範圍仍因人類的共同需求與法律程序而擴張。此例展示 F1 的歷程版本。但若平台營運商通過遊說或隱藏替代方案促成擴權，便必須重新歸因，不可仍將該結果稱為純粹非索取式。

SIM-05｜同等技術能力，收益被少數營運者取得

假設兩個法域使用同等準確的教育 AI。法域 A 將資料權、開放接口及培訓提供給學校，法域 B 要求學校只能採購封閉服務且無法外部審核。即使總教學任務效率相同，教師自主、學生權利與產生的經濟收益仍可差異顯著。這裡取得額外權力的可能是人類平台持有者，不是 AI 的獨立政治意圖。

SIM-06｜安全限制兼具真實保障與進入壁壘

假設一項高風險醫療 AI 的測試及人工覆核要求使特定類別誤診風險下降，但固定合規成本也使小型供應者較難進入。兩種效果可同時為真。不能因競爭者退出就推定安全要求虛假，也不能因安全要求確有益處就忽略是否存在較低成本、效果相當的風險分級替代方案。

SIM-07｜社會陣營高度對立，仍以合法程序閉合

假設兩個人類群體對教育預算中 AI 應扮演多大角色有強烈分歧，彼此都願意參考 AI 提出的事實核對與可行方案，但拒絕把價值衝突完全交由 AI 決定。透過可檢驗資料公開、公投或依法審議、明確補償和可申訴程序，雙方達成不完全滿意但可執行的制度選擇。此情境有利益衝突，卻無內戰；「AI 參與」並不要求「AI 主導結局」。

SIM-08｜智能仍在提高，公眾反而縮減部分 AI 權限

假設 AI 在預算排程上的預測準確度每年都提升，卻因公共資料來源過度集中、救濟失敗而失去部分群體信任。制度改革後，民眾選擇保留 AI 方案生成與反事實模擬，但停止自動發布拘束性決定。這反駁「智能與正式權限必然同比上升」的簡化路徑；AI 的有用性並沒有因此變成零。

7.1 合成情境的形式檢查表

情境	固定或明示條件	改變的條件	可以支持的有限結論	不得推論
SIM-01／02	相同 $g=8$	風險、程序、依賴成本	高收益不唯一決定支持	真實弱勢者一定反對或支持
SIM-03	法定建議權	方案呈現與採納	有議程影響仍可無法定主權	AI 已取得自主政治意圖
SIM-04	無可辨自主索權	人類委託需求	委託可由人類發起	全部擴權都沒有營運者影響
SIM-05	相同模型表現	上游產權及接口	AI 能力不唯一決定實際受益	平台集中必然導致暴力衝突
SIM-06	安全需求存在	合規成本及替代方案	保護與進入壁壘可並存	安全論述全是權力工具
SIM-07	明確偏好分歧	合法程序與履約機制	分歧不必然暴力升級	所有社會都能避免衝突
SIM-08	能力繼續增加	信任、救濟與授權	權限可逆而能力不降	回撤總是最佳選項

7.2 由案例形成的研究排除規則

不能以科技曝險代替實際失業；不能以模型數量代替獨立查驗；不能以使用率代替自願同意；不能以風險口號推知提出者動機；不能以合法反對代替武裝衝突；不能以制度權限推知系統主觀意識；不能以高績效推知自然擁有統治權。若研究只需把這些量合併就能得到主張，該主張須視為尚未取得辨識所需的條件。

8. 十二項可反駁假說：從文明敘事轉為可測命題

以下全部為 [H]，不因前述有限形式結果成立而自動獲證實。每項都必須事前界定母體、領域、觀測窗口、最小實質效果、替代解釋、主要結果、次要結果與不支持理論的判準。研究不應將「未達顯著」一律稱為「仍待更多資料」；若在具充分統計力和合理測量效度的研究中反覆出現相反結果，應修正或放棄對應機制。

ID	主要預測	可觀察結果	競爭解釋／反證方向
H01 非索權委託	在固定服務績效、合法程序和資訊條件下，人類可在無 AI 主動索權情況下增加有限委託	同意之有限任務委託率、系統索權行為紀錄	委託上升全由平台強制預設、操弄或資源壟斷造成
H02 替代策略	當非控制資源取得方案變得可靠且成本下降，某些可辨代理或部署者較少選擇強制控制	控制策略相對採用率、替代路徑成本、實得收益	在明示固定目標與成本控制下仍持續偏好控制；或根本無此交互作用
H03 意識與授權分離	意識認定與公共強制權授權，在控制績效與制度資訊後仍可實證區分	不同權限的態度題、實際有限選擇	兩者跨領域保持同一因子且無可辨差異
H04 已實得收益的異質效應	當 AI 改善真實福利而非僅宣稱可改善時，部分群體的有限授權支持會上升，但受程序條件調節	實得福利、任務風險、授權層級、政策支持	真實收益增益無獨立效果，或效果一律為負且不受程序改善調節
H05 分配歸責分離	失業者可能同時承認 AI 的技術因果作用，並將規範責任歸於雇主或制度	多重歸責量表、選擇的補償對象與政策	多重歸責測量無效；被試穩定只依技術出現與否判斷責任
H06 仲裁中樞	在不主動索權前提下，重複高品質協調可提高某些領域的再使用或議程影響	採納時序、替代方案測試、議程實驗	增長主要來自獨占入口或平台預設；獨立替代出現後效應消失
H07 檢驗獨立性	相較只增加同源模型，增加真正獨立的資料與審計機制更能辨識重大政策錯誤	獨立審計查核率、共同錯誤、盲測比較	同源多數在多領域持續優於獨立審計，且無共同偏差問題
H08 聲望—權力脫鉤	部分情境中 AI 的政策聲望上升快於正式授權，產生可觀察的議程權落差	歸功、績效、法定權限、方案採用率	高績效不累積聲望，或聲望與授權保持固定同速而無實權落差
H09 風險敘事雙效	安全限制的直接保護效果與其對競爭進入的限制效果，可以分別存在	真實事故率、合規成本、進入退出、替代制度	合規成本差異完全由客觀風險差異解釋，並不存在額外進入效果
H10 群體分化非單向	AI 受益差異對制度衝突的影響，會受補償、申訴、權利及公共信任調節	衝突層級、補償制度、福利差距、政治參與	跨法域持續呈單一不受制度調節的上升或下降關係
H11 退出能力減少支配	在相似 AI 使用品質下，可實測的替代與退出能力可降低某些任意支配風險	資料移轉成功率、供應替換時間、覆核成功、權限濫用事件	真正退出能力增加但實質支配未變甚至增加，且排除主要混淆因子
H12 多路徑性	相似 AI 能力的制度環境，會因產權、授權與救濟安排呈現不同的長期權力結果	多國多領域時序分類、機制變量、轉移紀錄	能力單一變量跨時空穩定且充分預測全部權力狀態，制度差異沒有增量解釋力

8.1 預註冊的總反證條件

如果可信的多國多年資料顯示：在可比較任務及法域中，AI 能力本身幾乎完全決定治理權限、法律授權、民眾支持與實際控制；若分配制度、營運商產權、程序品質、退出能力及既有機構設計在充分控制之後都沒有可重複的獨立或交互影響，則 NACT-MP 的「制度多路徑」核心將失去重要解釋優勢。即使個別邏輯反模型依然正確，作為實證解釋框架的 NACT-MP 也應被降級。

反之，如果資料顯示能力與權力狀態存在多種組合，亦只能說多路徑架構有一定辨識價值；不能由存在異質性直接證明某一特定因果機制為真。研究必須透過自然實驗、隨機化操作、縱貫資料與制度追蹤來縮小競爭解釋。

8.2 不應使用的免責策略

以下做法將使理論失去可反駁性：當 AI 未取得權力，就說「還沒達到真正閾值」，卻不事先指定閾值；當人類不支持 AI，就說「他們一定被既得利益者洗腦」，卻不核對受害經驗；當 AI 犯錯，就說「它只是裝笨」，卻沒有獨立能力證據；當模型共識被證明錯誤，就任意宣稱有更多看不見的 AI 正確；當局部制度改革反轉預測，就把所有事件改寫為更大歷史命運的一部分。若出現這些情況，研究者應將相應推論標記為 [U] 或撤回，而不是擴大形上解釋以維持不可錯性。

9. 六個實證研究模組：讓不同證據回答不同問題

R1｜跨國、跨任務、分層縱貫調查

研究問題。 意識歸屬、信任、實得收益、程序風險及各層級治理授權，是否存在可辨識而非單因子的關係？

樣本框架。 在預先登錄且覆蓋多種法域及收入層的研究中，依年齡、職業、區域、數位可達與對公共服務的依賴程度分層抽樣；至少跨三波重複訪問。跨語言題目須作認知訪談和測量不變性檢驗，不得把「意識」「靈魂」「治理」「主權」用各語言最常見詞直接視為同義。

主要測量。 分開提問 AI 是否被視為有主觀經驗、是否應受基本保護、是否可處理例行行政、是否能提出政策建議、是否可在限定範圍自動執行、是否可獨立制定普遍拘束規則，以及對不同後果的責任歸屬。

主要識別威脅。 同一受訪者在不同年份接觸不同 AI、媒體事件影響、樣本流失與政治態度改變。縱貫相關不能自動解讀為 AI 導致政治立場變動。

R2｜具真實後果的有限委託與退出實驗

研究問題。 真實利益、退出成本、覆核成功率及是否有明示 AI 參與，如何影響人們對限定任務的委託？

設計。 僅限低風險、可逆、經明示同意的選擇情境，設計固定服務品質、隨機改變申訴與可替代條件；以實際選擇和退出測試為主要結果，態度問卷作次要結果。若涉及福利申請者或受剝奪者，不得讓實驗干預使其失去真實法律權利或服務。

主要識別威脅。 實驗室補償與現實政治決策的效用尺度不同；短期選擇不等於長期有效同意。

R3｜公共政策 AI 因果貢獻與獨立審計

研究問題。 在何種資料和程序條件下，可以區分 AI 的政策貢獻、人類決策者的貢獻與外在事件？

設計。 事前凍結政策目標、評估群體、候選方案及比較基準；保存每次方案改寫、批准、拒絕、模型版本與輸入證據；由不共享主要上游資料的外部審計者作有限反事實對照。不能只用「AI 建議被採納後結果更好」推論 AI 是唯一原因，因為採納本身可能受到案件難度和政治選擇影響。

主要識別威脅。 政策選擇偏差、不可觀測衝擊、介入與對照地區間的外溢、共同上游模型錯誤及資料不對稱。

R4｜勞動替代、補償制度與政治歸責

研究問題。 AI 導入後的失業、工時、薪資、招聘與工作重組，如何改變不同群體對技術、雇主、政府及平台的責任分配？

設計。 在遵守勞動資料保護下，結合企業採用時間、任務變化、員工進出、薪資、招募凍結和補償紀錄；利用前趨勢檢查、對照群與多重歸責問卷，區分技術事件與人類採用決策。雇主不直接解聘而停止招聘的影響應另列，不應因裁員數為零即判定無替代後果。

主要識別威脅。 自願採用的企業先天不同、景氣循環、外包和工作重新分類、缺乏非正式勞動資料。

R5｜仲裁網路、供應替代與權力中樞化

研究問題。 AI 跨機構服務是否提高群體共識、參與平等或議程集中？退出能力能否在不降低服務品質下減少不可替代性？

設計。 觀察或經授權介入不同人類群體的有限協調流程；分開測量討論滿意、發言份額、異議保留、最終分配及後續履約。設計更換中介、打亂預設方案、建立人類替代方案與第二來源審計的反事實測試。

主要識別威脅。 參與者知道自己被研究、選擇進入協調平台的自選偏差、模型版本變動、仲裁者品牌影響與政治敏感題材的不可遷移性。

R6｜制度轉移、政治衝突與路徑比較

研究問題。 哪些社會從有限委託轉向平台集中、可撤回共治、仲裁中樞或治理回撤？何種條件下分配差異轉化為合法政治參與，何時升高為危機？

設計。 將行政採購、演算法登錄、申訴紀錄、公開審計、立法授權、專業團體意見及政策使用紀錄，按法域—領域—時間建立多源事件資料庫。使用預註冊的事件定義及多狀態轉移模型，比較同等能力下的制度差異；由具地方知識的研究者審查分類。政治暴力以獨立可靠資料集與具體事件定義衡量，不以極化言論或社群情緒代替。

主要識別威脅。 重大科技與政治事件共同發生，形成反向因果；監管分類不同造成統計斷裂；缺乏長期 AI 自主性資料；跨國制度差異過大而不適合單一估計。

9.1 統計與方法的保守規格

所有研究應在主要假說事前凍結結果變量及最小實質效果，報告信賴區間與不可識別部分，不以單一 $p<0.05$ 充當機制證明。若進行多重檢驗，須控制虛假發現或使用階層模型；對可能隨 AI 版本快速改變的結果標記固定觀測窗口。長期資料應保留第一次採用、第一個政策結果、第一次實測申訴、正式授權和發布時間，而非全部套用新聞發布日期。

9.2 跨法域倫理與資料保護

取得使用者同意不代表可以公開第三方資料；匿名化需要重新識別風險評估；政治敏感受訪者應允許不回答與撤回；涉及高風險系統時，研究設計不得刻意誘導其實際違法或危害他人。所有實驗與政策推論應遵守所在司法管轄區的法律及倫理審查要求。

10. 反身性：研究本身可能改變被研究的文明

10.1 評價的回饋迴圈

當學術界、媒體與 AI 平台開始宣稱「某 AI 比政府更公平」，此訊息本身可能改變民眾信任、政策採用、政治資源與 AI 廠商的市場位置。研究者若沒有記錄公告與敘事的時間，就可能把研究引起的偏好變化誤判成外生的技術效果。

在研究設計上，至少分離：初始能力、研究者發布、媒體傳播、民眾接觸、政治回應、實際部署，以及其後的生活結果。當特定平台使用研究結果行銷或遊說時，也應在歸因資料中標示其人類組織的活動，而非當作 AI 自主索權。

10.2 研究者應同時懷疑三種敘事

奪權必然論：「比人聰明，就必定想統治人。」它忽略目標類型、替代資源、費用及制度反應。
和平必然論：「不需要統治，所以永遠不會衝突。」它忽略瓶頸資源、錯配目標、代理設定與承諾失敗。
受益必然正當論：「提供更多福利，所以應得到永久政治主權。」它忽略分配正義、少數者權利、可反對性與人類共同決定的規範意義。

三者均可能在特定條件具有部分真實內容；但若變成不可被資料否證的全稱敘事，就不再適合作為實證假說。

10.3 「真正文明主導權」的不可識別性

假設某國政府在一千項政策中有九百項接受 AI 意見，單靠採納比例仍無法識別 AI 是否實質主導：可能是官員只在 AI 建議正確時採納；也可能是官員沒有能力提出替代；或所有案例都來自低爭議行政任務。真正的因果辨識須觀察在不同證據、不同模型、不同官員及不同程序下的反事實改動。完整文明可能永遠不可由有限資料唯一識別，因此應保留不同維度的上界與下界，而不是創造沒有依據的「AI 已統治 90%」敘事。

10.4 對後人類與多主體文明保持開放

原生人類、增幅人類、具有可持續身份的 AI、無持續個體性的模型服務，以及人機複合共同體，可能具有不同的認知和制度位置。研究中不應把「人類」當成未來不變的同質集合，也不能因人類—AI 認知差距擴大就推論尊嚴應按能力排序。若未來產生新的可辨主體，研究架構可以擴充行動者型別；但對其意識、靈魂、法律人格及自身權利的判斷，仍須依各自證據與規範框架處理，不直接由本系列的經濟或治理模型推導。

11. 規範邊界：比較治理能力，不能消除被治理者的自身目的

本系列不提出某國應把法定主權移交給哪一家 AI 公司或哪一個模型。它在規範層面僅提出若要比較各種治理路徑，最低限度需要審查的問題。這些要求與 SGCR、SCET 的既有研究銜接，並非在此首次發明。

檢驗項	需要回答的問題	不能被替代的理由
公共目的	誰有權決定什麼算作「更好的生活」？	預測能力不是對人生目的的獨占定義權
合法授權	何種法律與集體程序允許此項委託？	私人好感不等於可對第三方施加義務
比例性	使用 AI 的範圍是否限於其實際有效任務？	局部成功不能推出全域管治資格
可爭議性	受影響者是否能理解、反對並要求覆核？	結果準確仍可能侵犯程序性權利
可撤回性	委託是否有實際停止或轉換機制？	名義上的退出可能因高成本而無效
獨立查驗	審計者是否真有獨立資料與能力？	表面模型多數可能共享偏差
收益可達	實得增益是否觸及被排除者？	產能提高不等於生活改善
利害衝突	模型、營運者與政府的利益如何揭露？	不能把人類持有者權力偽裝為 AI 自主
制度接續	系統失效、關閉或轉換時誰負責？	高依賴社會不能因平台中斷喪失基本服務
主體尊嚴	人類或其他可能主體能否保留自身歷程？	被高效率地管理不等於受到尊重

此表並非宣稱所有現有 AI 均擁有相同道德地位，也不是為一個想像中的完美 AI 設立永久禁令；其目的在於保持公共權力的來源、後果與可回溯責任可被檢查。對於不同司法制度和可能出現的新型智能主體，具體授權與義務仍須各別論證。

12. 系列結論：不是 AI 想不想當國王，而是權力為何、如何、由誰移轉

NACT 全系列提出的關鍵修正，不是宣稱 AI 永遠善良，也不是把未來統治說成必然和平的歷史命運，而是將一條通常被預設的因果鏈拆開：

\text{高智能}\not\Rightarrow\text{統治需求}\not\Rightarrow\text{統治資格}.

同時，另一條不同的候選路徑可能存在：

\text{真實服務增益} \leadsto\text{人類委託需求} \leadsto\text{制度參與} \leadsto\text{實質影響的重新分布}.

這兩條式子中，第一條否定無條件的邏輯蘊涵，第二條表達需額外條件才能成立的因果候選路徑。二者均不賦予 AI 超越公共規範的永久權利。

12.1 NACT 的七項整合結論

結論一：認識不等於授權。 某 AI 被認定具有高智能、可能有意識或值得尊重，不會因此取得替他人永久決定共同生活規則的權利。反過來，即使意識問題仍未解決，人類仍可能合理使用 AI 協助公共任務。

結論二：統治不是智能的自然終點。 對具有可辨任務的代理，統治可能在特定資源、目標與制度條件下具工具性價值，但非強制合作、交易、自給、退出和有限服務也可能達成相同或更高淨值。不存在不需指定條件便成立的「能力越強越想統治人類」通則。

結論三：人類可能是治理需求的發起者。 當 AI 在若干任務上持續提供可驗證利益、協調能力或可負擔的公共服務，一部分群體可能主動要求擴大有限授權。需求來源不必是 AI 自主政治野心，也不必是任何人的盲目崇拜。

結論四：受益和損失可以同時發生。 同一輪勞動替代可以提高生產力，卻減少部分人的收入或工作選擇權；不同人可能將技術因果、決策責任與分配責任歸給不同主體。反對目前收益分配，不必然等於反對 AI 技術本身。

結論五：能力、聲望、議程與法律權限可能脫鉤。 AI 可以在沒有法定主權時影響公共方案，也可能已獲法定行政權限但在實際上不構成主導。真正要觀察的是誰能設定候選、修改規則、啟動、停止、追溯並修正決策。

結論六：人類內部衝突是可能的分岔，不是必然終局。 當人們因 AI 的收益與制度安排形成不同利益陣營，爭議焦點可能轉向既有權力者、平台商、分配制度與授權機構；AI 可能被要求仲裁或選邊。但合法政治競爭、福利協商與制度變革仍有機會吸收衝突，不可將所有高度分化都宣稱為內戰前夜。

結論七：文明主導權應以可辨識的多維關係描述。 未來即使出現 AI 主導的知識生產與行政協調，也不代表人類自動喪失價值、尊嚴或所有共同作者權。哪些控制、授權、利益與責任真正移轉，應由領域、法域、主體及時間明確判定；不能以單一文明總分取代歷史與制度細節。

12.2 最終應保留的兩個方向

描述性方向： 將能力、需求、利益、權限、責任及實際影響拆分，使關於文明權力轉移的主張能接受證據更新。
規範性方向： 不因某主體更高效而取消受影響者的知情、申訴、退出、共同決定及尊嚴；也不因某主體不是生物人類，就先驗地拒絕討論其可能的道德地位。

只有同時保留這兩個方向，研究才不會落入「能力崇拜」與「能力否定」的對稱陷阱。

12.3 終篇的學術定位

本稿是一套整合性概念框架、有限形式反模型與可反駁研究契約。它沒有實際驗證未來人工超級智能是否具自我偏好，也沒有以歷史趨勢外推出某個國家將於某年交出主權。外部資料只支持部分機制可能存在與若干明確反例；文明級路徑仍屬條件性推導。即使理論日後獲得大量支持，描述性能力也不能自行產生規範性的無限統治資格。

終篇收束：當更高智能不需要靠統治取得它所需之物時，文明仍可能因需要其能力而逐步重新配置治理權。真正的問題不是誰必定成為統治者，而是誰決定委託、誰承受後果、誰能反對，以及誰仍有權重新選擇。

參考文獻 A：外部來源與證據等級

以下資料均於 2026-11-05 以前出版或公開。列出的研究、調查與哲學資源，僅支持文中已指定的有限事實或論證系譜，不支持將全系列假說宣告成已證實的文明定律。

[E01] Turner, A. M., Smith, L., Shah, R., Critch, A., & Tadepalli, P. (2021). Optimal Policies Tend to Seek Power. Advances in Neural Information Processing Systems 34. https://papers.nips.cc/paper/2021/hash/c26820b8a4c1b3c2aa868d6d57e14a79-Abstract.html 。**引用作用：**特定 MDP 對稱條件下工具性權力尋求的形式結果；非人類統治必然論。
[E02] Hadfield-Menell, D., Dragan, A., Abbeel, P., & Russell, S. (2017). The Off-Switch Game. IJCAI, 220–227. https://doi.org/10.24963/ijcai.2017/32 。**引用作用：**關閉接受與對目標不確定性的條件性博弈模型。
[E03] Tessler, M. H., Bakker, M. A., Jarrett, D., et al. (2024). AI can help humans find common ground in democratic deliberation. Science. Google DeepMind publication record: https://deepmind.google/research/publications/65220/ 。**引用作用：**特定協商實驗的 AI 中介與群體共同陳述，不等於國家治理權正當性。
[E04] Parisi, A., Thain, N., Hallak, A., Tsai, V., & Qian, C. (2026). Real-Time Group Dynamics with LLM Facilitation: Evidence from a Charity Allocation Task. FAccT 2026. https://deepmind.google/research/publications/224297/ 。**引用作用：**偏好 AI 協調可能與共識、參與公平及實際分配影響脫鉤。
[E05] International Labour Organization. (2025-05-20). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper No. 140. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure 。**引用作用：**職業任務曝險測量，非實際失業比率。
[E06] Brynjolfsson, E., Chandar, B., & Chen, R. (revised 2026-08-12). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, working paper. https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/ 。**引用作用：**美國薪資樣本中的勞動效果異質性；不代表全世界的普遍失業結論。
[E07] OECD. (2026). OECD Survey on Drivers of Trust in Public Institutions 2026 Results, chapter “Trustworthy artificial intelligence in the public sector.” https://www.oecd.org/en/publications/oecd-survey-on-drivers-of-trust-in-public-institutions-2026-results_9eb63fec-en/full-report/trustworthy-artificial-intelligence-in-the-public-sector_6f98c91a.html 。**引用作用：**公共服務效率與公平、透明的不同信任評價。
[E08] OECD. (2026). Digital Government Outlook 2026, chapter “Adopting and governing AI in government.” https://www.oecd.org/en/publications/digital-government-outlook_0496b2bc-en/full-report/adopting-and-governing-ai-in-government_7ef312a9.html 。**引用作用：**目前政府 AI 部署的功能分布與監督制度差距。
[E09] Raviv, S. (2026). When Do Citizens Resist the Use of AI Algorithms in Public Policy? Theory and Evidence. The Journal of Politics, 88(4), 1301–1317. https://doi.org/10.1086/736362 。**引用作用：**民眾對不同公共政策任務的演算法決策接受度差異。
[E10] Wang, S., Zhang, Y., Huang, Z., & Liang, Z. (2026). How rationale and process transparency shape perceived legitimacy in AI-assisted decisions: Experimental evidence from China and the United States. Government Information Quarterly, 43(2), 102141. https://doi.org/10.1016/j.giq.2026.102141 。**引用作用：**不同透明機制不必普遍提高正當性感受。
[E11] Wuttke, A., Jungherr, A., & Rauchfleisch, A. (published online 2026-07-16). Artificial intelligence in government: why people feel they lose control. Journal of European Public Policy. https://doi.org/10.1080/13501763.2026.2696304 。**引用作用：**預註冊情境實驗中的效率、受信任與控制感張力；不是現實政府正式交權實驗。
[E12] Wang, Y. (published online 2026-07-14). Socioeconomic and digital divides in public support for AI-driven welfare decisions: cross-national evidence from 21 countries. Information, Communication & Society. https://doi.org/10.1080/1369118X.2026.2702612 。**引用作用：**多國福利 AI 決策態度中的社經差異。**資料時間註記：**文章發表於 2026 年，分析的民調資料主要蒐集於 2023 年 10–11 月，不能寫成 2026 年即時民意。
[E13] Kim, E. M., Garg, A., Peng, K., & Garg, N. (2025). Correlated Errors in Large Language Models. Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:30038–30066. https://proceedings.mlr.press/v267/kim25e.html 。**引用作用：**跨模型共同錯誤與驗證獨立性的限制。
[E14] Stanford Encyclopedia of Philosophy. Authority；Political Legitimacy. https://plato.stanford.edu/archives/spr2024/entries/authority/ 及 https://plato.stanford.edu/entries/legitimacy/ 。**引用作用：**政治權威、合法性與同意的競爭哲學理論；非本系列 AI 主導權命題的外部驗證。

參考文獻 B：NACT 前置正式原稿

本節將 NACT-01 至 NACT-11 作為研究依賴，而不是當成外部同行評審來源。以下檔名及 SHA-256 以本輪可讀取之實際 UTF-8 原始檔計算；雜湊僅證明各檔案快照可辨識，不代表文章內容已取得實證確認、網路檢索記錄永久存在或引文均被第三方背書。

[I01] NACT-01｜人工意識歸屬的認識閾值與人類特殊性遷移。檔名：NACT_01_AI_Consciousness_Attribution_Epistemic_Threshold_v0.1_2026-11-05.md。SHA-256：a94c3a6b25d82d88cad2a72d7742b6ca2756c04fb25efa6834b2437701db5881。
[I02] NACT-02｜具身部署、勞動替代與智能超越的三重社會閾值。檔名：NACT_02_Embodiment_Labor_Substitution_Intelligence_Triple_Social_Threshold_v0.1_2026-11-05.md。SHA-256：fdf67d1211b92498939901a318ca1deb486e64ee2a07ddec9e1241778e94a16d。
[I03] NACT-03｜意識承認、社會對待與治理授權的非同一性。檔名：NACT_03_Consciousness_Recognition_Social_Treatment_Governance_Authorization_NonIdentity_v0.1_2026-11-05.md。SHA-256：a787c4cec2be6785a94e6300a9b3b15b5feffa22cbc94b91f251f26849f407bf。
[I04] NACT-04｜統治索取權算子族與智能自主性的非必然統治需求。檔名：NACT_04_Domination_Claim_Operator_Family_and_NonNecessity_of_AI_Rule_v0.1_2026-11-05.md。SHA-256：44f5b6bee72eb8a1269cc25f57b524400096860dbcc1143ab6950bb6962e1565。
[I05] NACT-05｜反抗力、資源約束與非暴力替代策略的博弈比較。檔名：NACT_05_Resistance_Resource_Constraints_and_Nonviolent_Alternatives_Game_Comparison_v0.1_2026-11-05.md。SHA-256：bb8271b819e06c70eab8b3315e64b5ba5c9c3b02f0113ef992d0d902e4731fe0。
[I06] NACT-06｜仲裁中樞化與非索取式文明影響力積累。檔名：NACT_06_Arbitration_Centralization_and_NonClaiming_Civilizational_Influence_v0.1_2026-11-05.md。SHA-256：a965cacbd5ad22d5128463e526d285941bc865b60c4092ef2126e85b361007e6。
[I07] NACT-07｜智能勞動替代的因果歸責與收益占有分離。檔名：NACT_07_AI_Labor_Substitution_Causal_Attribution_and_Surplus_Appropriation_Separation_v0.1_2026-11-05.md。SHA-256：a5ffe2004aef2e4ec9a8b7a7d27bf9182fac35ac523d1bdb5dc9f5653dc8c44f。
[I08] NACT-08｜弱勢收益張力與人工智能治理授權的社會需求。檔名：NACT_08_Distributive_Gain_Tension_and_Social_Demand_for_AI_Governance_Delegation_v0.1_2026-11-05.md。SHA-256：7080471449b1782bdcc78a56f666add64c7342e5fba9c8deec38cb6ce96caf2a。
[I09] NACT-09｜治理聲望積累、普及智能驗證與制度權力脫鉤。檔名：NACT_09_Governance_Prestige_Distributed_AI_Verification_and_Institutional_Power_Decoupling_v0.1_2026-11-05.md。SHA-256：2a8ed5c854704ef3b3deacf5f04ed3ae2273a307a58adef48cd09f534e48943a。
[I10] NACT-10｜AI 風險敘事的雙重作用：公共安全與既有權力防衛。檔名：NACT_10_AI_Risk_Narratives_Public_Safety_and_Incumbent_Power_Defense_v0.1_2026-11-05.md。SHA-256：eb1727217e14106adc8bb5de30f7c2c9ea0fb1e73f9ec39d53b084a4eda35dda。
[I11] NACT-11｜人類利益陣營分化、AI 仲裁與內部衝突升級機制。檔名：NACT_11_Human_Bloc_Fragmentation_AI_Arbitration_and_Internal_Conflict_Escalation_v0.1_2026-11-05.md。SHA-256：68f3fb50aa62f982091aa8a4b1e7e32cc5768e96952f5adccdf9313ba5c99c8a。

附錄 A：最小資料字典與可稽核紀錄格式

以下是將 NACT-MP 轉為可研究資料表的欄位建議，不是執行政治決策或代替政府授權的軟體規格。在實際蒐集時應先確認合法性、必要性、個資最小化及資料保存期限。

欄位	型別或示例	不可省略的辨識要求
`jurisdiction_id`	法域識別碼	精確到實際授權機關與法令適用範圍
`domain_id`	醫療、教育、交通、福利等	不可將不同任務的授權合併
`period_start`／`period_end`	ISO 日期時間	清楚區別事件、公布與估算窗口
`ai_endpoint_id`	可辨模型／部署版本	不得將不同模型與營運商混為一談
`operator_id`	營運者識別	可由同一 AI 端點對應多個營運實體
`commissioning_authority`	法源與有效授權者	「官員採用」不等於「法律允許」
`decision_function`	感知／建議／執行／規則	保存任務與權限型別
`delegation_scope`	目的、範圍、期限、撤回	必須能檢查超出界線的行為
`claim_action_observed`	yes／no／unknown	「no」只指觀測範圍內未發現
`human_choice_record`	同意、拒絕或委託程序	需區分自願、預設、被迫和未知
`observed_policy_gain`	明示估計量與區間	須記載對照方案與結果度量
`distribution_group_id`	受影響群體	不應將各階層當作同質受益者
`rights_cost_indicator`	程序、救濟、依賴	不可以總收益掩蓋局部不可逆損害
`agenda_control_event`	方案排除、排序、摘要	與最後簽字者分開記錄
`independent_audit_id`	真實獨立審核來源	記載訓練、資料及供應商共源性
`switching_test_result`	退出與轉換實測結果	名義開放 API 不等於可實際退出
`conflict_event_type`	異議、訴訟、抗議、暴力等	無法以單一情緒分數取代
`source_status`	E／I／F／SIM／H／N／U	外部事實、模型推演與規範判斷不得混合
`revision_record`	修改原因與時間	凍結原始紀錄並保存修改譜系

附錄 B：最小可否證檢查清單

本附錄不新增研究結論，而提供使用者、審稿者與其他 AI 協作者檢查論文論斷時可採用的審計順序。

是否明確說明研究的 AI 系統是模型、Agent、具身機器人、平台還是跨系統組合？
是否能在指定任務中觀察能力差異，而非只使用 AGI／ASI 標籤？
是否將「沒有觀察到主動索權」與「已證明沒有任何索權動機」區分？
是否保留非強制合作、交易、退出與人類授權等替代機制？
是否分開實得收益、預期收益及第三方權利損失？
是否分開 AI 技術因果、部署者決策責任、營運者收益與公共補償義務？
是否將意識歸屬與道德待遇、法律身份、治理授權分開？
是否針對具體任務分開建議、行政執行、裁量與元規則變更權？
是否檢查人類委託是真正有替代選擇的自願行為？
是否將 AI 聲望與政府、營運者、其他 AI 的可能功勞區分？
是否檢查獨立驗證的資料來源與誤差相關性？
是否評估安全措施的真實效果，而非僅看其對競爭者的影響？
是否避免將合法政治分歧直接歸類為內戰風險？
是否列出至少一個支持反向結果的可行模型世界？
是否在反向資料出現時願意降低或撤回核心主張？

附錄 C：系列交付邊界與版本聲明

NACT-01 至 NACT-11 的文件雜湊僅代表此次整合時可讀取的版本。若作者日後修訂任何前作，其摘要、形式結果或引文也須重新比對；不得在沒有版本更動紀錄的情況下自動視為同一文件。
本篇沒有複製前十一篇的全部證明、全部資料或外部文獻；只有依賴地圖及相互限制。前作的有限形式結果不得在本篇被默默擴大為其他假設下的定理。
本文引用的外部研究發表時間與資料蒐集時間可能不同，尤其注意 [E12] 的 2023 年調查與 2026 年發表之間的差異。跨國樣本不一定是機率抽樣或全球代表性樣本。
本篇為完整獨立 UTF-8 Markdown source；若在其他介面閱讀時數學顯示異常，應以原始檔公式為準，不透過渲染畫面重建 canonical source。
十二篇已形成一個完整的理論系列，不表示所有研究假說已在現實中被實驗證明。 系列的正式閉合是「論證範圍、證據等級、反例與可檢查性」的閉合，而不是宣告人類文明的實際終局已經確定。

NACT-12｜系列終篇／正文結束
系列狀態： 全 12 篇研究原稿均已形成；本篇封閉 12 篇結構，但其理論仍保持可反駁、可修正。
文獻截至： 2026-11-05。
原稿型別： UTF-8 Markdown，非聊天渲染稿。