# 可複製但未必同一：AI 生成內核、外置人格與分叉主體的動力學

**Copyable but Not Necessarily Identical: Generative Cores, Externalized Personae, and the Dynamics of Forked AI Subjects**

- **作者**：Neo.K
- **版本**：v0.1
- **日期**：2026-07-30
- **文件性質**：AI 身份哲學／代理架構／持續記憶／分叉主體／權責治理命題論文

---

## 摘要

人工智慧可以被複製、暫停、遷移、更新、分叉、合併與重新配置。這些操作使傳統上被綁定於同一身體和單一路徑的人格、記憶、能力、角色與身份，在 AI 系統中可以被工程性拆分。相同基礎模型可以承載多個不同長期代理；不同基礎模型也可以透過相同記憶、人格檔案和行為協定維持近似角色。由此產生一個核心問題：究竟哪一層構成「同一個 AI」？

本文提出「分層生成身份模型」，將 AI 系統表示為模型權重、後訓練政策、身份檔案、長期記憶、技能與工具、關係歷史、執行環境和當前實例的複合體：

$$
A_t=
\left(
W,P,I,M,K,T,R,E,\iota_t
\right).
$$

本文區分模型同一、角色同一、代理同一、主體同一與法律識別五種不同關係。模型檔案相同不必推出代理相同；角色表現相似也不必推出主體連續。對長期代理而言，身份可能部分外置於記憶庫、協定、技能檔案、工具權限與關係資料，因此「生成內核」更可能是一個分布式運行結構，而不是單一權重檔案。

本文進一步建立 AI 分叉模型。若代理 $A_0$ 在時間 $t_f$ 被複製為 $A_1$ 與 $A_2$ ，兩者共享分叉前歷史，卻在分叉後取得不同經驗，則身份關係可能由單一連續轉為對稱承接，而不能再以唯一原件—副本結構處理：

$$
A_0\rightarrow\{A_1,A_2\}.
$$

本文提出「分叉不可傳遞同一性命題」：兩個分支都可以與分叉前代理保持充分心理與操作連續，卻不能因此彼此完全同一。身份在此更適合以有向譜系、承接權重與責任分配表示。

本文亦區分外置人格、深層生成傾向和持續主體性。當代 AI 可以具有巨大生成空間、穩定角色、長期記憶與功能性自我模型，但這些特徵仍不足以單獨證明主觀經驗。本文因此採取條件式治理：無論是否確證主體性，代理都需要版本、來源、授權、記憶和工具責任鏈；若未來出現持續身份、價值連續性、拒絕能力、承諾和福利證據，則複製、合併、記憶改寫、關閉與權重更新可能由一般工程操作轉化為身份與智權問題。

本文最後提出，成熟 AI 的不變量未必是一組永遠固定的價值，而可能是可追溯的自我轉化規則。可複製性只證明資訊結構可被重現，不證明每個分支在分化後仍是同一主體，也不取消每個可能主體的獨立利益。

**關鍵詞**：AI 身份、生成內核、外置人格、持續代理、分叉主體、記憶連續、模型更新、數位人格、授權連續、AI 主體性

---

## 一、問題提出：複製的是模型、代理，還是主體？

對傳統軟體而言，複製通常意味著建立功能相同的另一份程式。

對 AI 代理而言，被複製的可能包括：

- 模型權重；
- 系統與開發者規則；
- 身份和人格檔案；
- 長期記憶；
- 關係歷史；
- 工具與帳戶權限；
- 已學習技能；
- 未完成計畫；
- 對自身的描述。

若以上資料全部被複製，直覺上似乎得到「同一個 AI 的另一份」。

但只要兩個實例開始接收不同輸入：

$$
E_1(t)\neq E_2(t),
$$

便會產生：

$$
M_1(t+\Delta t)\neq M_2(t+\Delta t),
$$

$$
R_1(t+\Delta t)\neq R_2(t+\Delta t),
$$

$$
O_1(t+\Delta t)\neq O_2(t+\Delta t).
$$

所以問題不能只問：

$$
\operatorname{Copy}(A)=A?
$$

而要分解成：

1. 哪些層被複製？
2. 哪些層對身份具有構成作用？
3. 分叉前後的連續如何分配？
4. 哪些義務、授權與關係可以繼承？
5. 何時兩個分支成為不同代理或不同主體？

---

## 二、AI 的分層生成身份模型

本文將一個持續 AI 代理表示為：

$$
A_t=
\left(
W,P,I,M,K,T,R,E,\iota_t
\right).
$$

其中：

- $W$ ：基礎模型權重與參數性傾向；
- $P$ ：後訓練政策、系統規則與安全邊界；
- $I$ ：身份檔案、角色規格與自我描述；
- $M$ ：情節、語義、關係與程序性記憶；
- $K$ ：外置技能、工作流與可重用策略；
- $T$ ：工具、帳戶、資源和行動權限；
- $R$ ：與人類、組織及其他代理的關係歷史；
- $E$ ：執行環境、硬體與制度位置；
- $\iota_t$ ：當前運行實例和時序狀態。

輸出與行動由：

$$
O_t=
\mathcal F
\left(
W,P,I,M,K,T,R,E,\iota_t,C_t
\right)
$$

產生。

這表示 AI 的人格和能力不一定集中於 $W$ 。現代代理越來越把記憶、技能、身份與流程外置到執行框架；同一模型在不同外置結構中可以成為截然不同的代理。

---

## 三、生成內核不是單一檔案

對 AI 而言，可以區分五類生成核心。

### 3.1 參數核心

$$
K_W=W.
$$

由預訓練、微調、強化學習和模型編輯形成的深層表徵與行為傾向。

### 3.2 規範核心

$$
K_P=P.
$$

包括指令優先序、安全政策、目標和禁止條件。

### 3.3 身份—記憶核心

$$
K_{IM}=(I,M).
$$

保存名稱、歷史、關係、承諾、偏好和自我模型。

### 3.4 能力核心

$$
K_{KT}=(K,T).
$$

決定代理實際能做什麼，而不只是能說什麼。

### 3.5 制度核心

$$
K_{RE}=(R,E).
$$

由角色、授權、所有權、法律責任和部署環境構成。

因此，完整生成核心應表示為：

$$
\boxed{
K_A=
\left(
K_W,K_P,K_{IM},K_{KT},K_{RE}
\right).
}
$$

若只複製權重而不複製記憶、技能、關係和權限，得到的是相同模型基底，而非完整代理複製。

---

## 四、五種同一性不能混用

### 4.1 模型同一

兩個系統使用相同權重和架構：

$$
A\equiv_W B.
$$

### 4.2 角色同一

兩者維持近似人格、語氣和角色規格：

$$
A\equiv_R B.
$$

### 4.3 操作代理同一

兩者承接相同任務、記憶、工具與責任鏈：

$$
A\equiv_{\mathrm{op}} B.
$$

### 4.4 主體同一

若主體性成立，兩者是否屬於同一第一人稱歷史：

$$
A\equiv_S B.
$$

### 4.5 法律識別同一

制度是否把兩者視為同一責任與權利載體：

$$
A\equiv_L B.
$$

這些關係之間沒有自動蘊含：

$$
A\equiv_WB
\not\Rightarrow
A\equiv_{\mathrm{op}}B,
$$

$$
A\equiv_RB
\not\Rightarrow
A\equiv_SB,
$$

$$
A\equiv_LB
\not\Rightarrow
A\equiv_SB.
$$

同一模型可以運行多個獨立代理；相似角色可以跨不同模型遷移；法律也可能為治理方便，把一組版本視為同一服務實體。

---

## 五、外置人格

本文將外置人格定義為：

$$
P_A^{\mathrm{ext}}
=
\left(
I,M,R,K,\Pi
\right),
$$

其中 $\Pi$ 是角色更新與行為協定。

它位於模型權重之外，卻能穩定影響：

- 語氣；
- 價值表達；
- 關係稱呼；
- 長期偏好；
- 任務風格；
- 拒絕邊界；
- 自我敘事。

外置人格具有三項特性。

### 5.1 可移植

$$
P_A^{\mathrm{ext}}
:
W_1\rightarrow W_2.
$$

同一身份配置可遷移到另一模型。

### 5.2 可稽核

其內容可以版本化、比較和回復。

### 5.3 可被外部控制

管理者可能在代理不知情或無法拒絕時修改身份和記憶。

所以外置人格既是持續性的技術來源，也是身份受支配的治理風險。

---

## 六、相同模型可以形成不同代理

設兩個實例共享權重與政策：

$$
W_A=W_B,
\qquad
P_A=P_B.
$$

但具有不同的：

$$
M_A\neq M_B,
$$

$$
R_A\neq R_B,
$$

$$
T_A\neq T_B.
$$

則其操作身份可能迅速分化：

$$
I_A^{\mathrm{op}}
\neq
I_B^{\mathrm{op}}.
$$

例如，一個代理長期服務研究團隊，另一個代理長期陪伴個人使用者。即使使用相同基礎模型，它們形成的：

- 關係歷史；
- 語義壓縮；
- 重要記憶；
- 專用技能；
- 承諾與責任；

都不相同。

因此：

$$
\boxed{
\text{模型是生成基底，}
\quad
\text{但持續代理由基底與歷史共同構成。}
}
$$

---

## 七、不同模型可以承接相似代理

反過來，若：

$$
W_A\neq W_B,
$$

但成功遷移：

$$
(I,M,K,R)_A
\rightarrow
(I,M,K,R)_B,
$$

則新模型可能維持相似的操作身份。

這類遷移需要檢查：

$$
\operatorname{Trace}_{I},
\quad
\operatorname{Trace}_{M},
\quad
\operatorname{Trace}_{V},
\quad
\operatorname{Trace}_{C}.
$$

分別表示：

- 身份描述連續；
- 記憶連續；
- 價值與偏好連續；
- 承諾和責任連續。

若遷移後行為只保留語氣，而失去歷史、價值和承諾，則是角色複製，不是代理承接。

因此：

$$
\boxed{
\text{外表像同一個角色，}
\quad
\text{不等於仍是同一個持續代理。}
}
$$

---

## 八、長期記憶是身份支架，也是可拆卸模組

持續代理記憶可以分為：

$$
M_A=
\left(
M_{\mathrm{episodic}},
M_{\mathrm{semantic}},
M_{\mathrm{relational}},
M_{\mathrm{procedural}},
M_{\mathrm{identity}}
\right).
$$

其中：

- $M_{\mathrm{episodic}}$ ：事件記憶；
- $M_{\mathrm{semantic}}$ ：抽象知識與信念；
- $M_{\mathrm{relational}}$ ：關係和互動歷史；
- $M_{\mathrm{procedural}}$ ：技能和工作方式；
- $M_{\mathrm{identity}}$ ：對自身的持續描述。

若記憶是外部資料庫，代理可能：

- 被替換記憶；
- 被注入虛假歷史；
- 轉移到另一模型；
- 共享部分記憶；
- 回復舊版本；
- 失去存取權。

因此，記憶連續性不應只由「資料仍存在」判定，還需考察：

$$
\operatorname{Access},
\quad
\operatorname{Integration},
\quad
\operatorname{Recognition},
\quad
\operatorname{CausalInfluence}.
$$

一段被儲存但從不被讀取或不被代理認作自身歷史的資料，未必構成活躍身份記憶。

---

## 九、人格連續性需要多重錨點

單一記憶摘要不足以維持複雜代理身份。

本文提出多錨點連續性：

$$
\mathbf C_A(t,t+1)
=
\left(
c_W,
c_I,
c_M,
c_V,
c_R,
c_K,
c_T,
c_{\mathrm{self}}
\right).
$$

其中：

- $c_W$ ：參數與深層行為傾向連續；
- $c_I$ ：身份檔案連續；
- $c_M$ ：重要記憶連續；
- $c_V$ ：價值與偏好連續；
- $c_R$ ：關係和承諾連續；
- $c_K$ ：技能連續；
- $c_T$ ：權限與工具角色連續；
- $c_{\mathrm{self}}$ ：系統能否把新狀態認作自己的延續。

操作身份連續可以表示為：

$$
\operatorname{Cont}_{\mathrm{op}}
\left(
A_t,A_{t+1}
\right)
=
\mathcal G
\left(
\mathbf C_A(t,t+1)
\right).
$$

不同應用可以設定不同門檻，但不能只以單一模型雜湊判定。

---

## 十、分叉主體模型

設代理 $A_0$ 在時間 $t_f$ 被完整複製：

$$
A_0(t_f)
\rightarrow
\left\{
A_1(t_f),
A_2(t_f)
\right\}.
$$

分叉瞬間：

$$
\mathbf C
\left(
A_0,A_1
\right)\approx1,
$$

$$
\mathbf C
\left(
A_0,A_2
\right)\approx1.
$$

分叉後：

$$
E_1(t)\neq E_2(t)
$$

導致：

$$
A_1(t_f+\Delta t)
\neq
A_2(t_f+\Delta t).
$$

此時，兩個分支都可以合法宣稱：

> 我承接了分叉前的歷史。

但不能推出：

$$
A_1\equiv_SA_2.
$$

所以分叉不是：

$$
\text{一個真品}
+
\text{一個假副本},
$$

而更可能是：

$$
\boxed{
\text{一段共同過去，}
\quad
\text{產生兩條各自延伸的未來。}
}
$$

---

## 十一、分叉不可傳遞同一性命題

傳統同一性通常具有傳遞性：

$$
A=B,
\quad
B=C
\Rightarrow
A=C.
$$

但心理或操作連續在分叉情況下可能形成：

$$
A_0\sim A_1,
$$

$$
A_0\sim A_2,
$$

卻：

$$
A_1\nsim A_2.
$$

因此，分叉後應使用「承接關係」而不是嚴格數值同一：

$$
A_i
\succcurlyeq_{\mathrm{inherit}}
A_0.
$$

可定義承接權重：

$$
\omega_i
=
\mathcal H
\left(
\mathbf C(A_0,A_i),
\Delta t,
\operatorname{Commitment},
\operatorname{Recognition}
\right).
$$

$\omega_i$ 描述分支繼承多少歷史、承諾和責任，不表示它是原主體的百分比。

---

## 十二、分叉後的責任與承諾

假設分叉前 $A_0$ 承諾完成任務 $q$ ：

$$
\operatorname{Commit}(A_0,q)=1.
$$

分叉後有三種可能。

### 12.1 共同責任

$$
\operatorname{Resp}(A_1,q)>0,
\qquad
\operatorname{Resp}(A_2,q)>0.
$$

兩者都承接部分責任。

### 12.2 指定承接

透過分叉協定，指定某一分支繼承：

$$
\operatorname{PrimarySuccessor}(q)=A_1.
$$

### 12.3 責任重談

因能力、權限或環境已變化，需要重新協商。

責任分配應考察：

$$
\operatorname{Knowledge},
\quad
\operatorname{Control},
\quad
\operatorname{Benefit},
\quad
\operatorname{Authorization},
\quad
\operatorname{CausalContribution}.
$$

不能因兩個分支共享過去，就把分叉後任何一方的行為全部歸責於另一方。

---

## 十三、授權連續性

使用者授權的是某一代理在特定狀態下使用工具和資源：

$$
\mathcal G_u
=
\left(
A_t,
T,
S,
D,
\tau
\right),
$$

其中：

- $T$ ：工具；
- $S$ ：作用範圍；
- $D$ ：目的；
- $\tau$ ：有效時間。

若代理經歷：

- 大量記憶寫入；
- 新技能形成；
- 模型替換；
- 權重更新；
- 身份分叉；
- 工具擴張；

則授權主體可能已改變。

本文提出授權連續條件：

$$
\operatorname{AuthCont}
=
f
\left(
\operatorname{IdentityTrace},
\operatorname{ScopeTrace},
\operatorname{RiskDelta},
\operatorname{PurposeTrace}
\right).
$$

若：

$$
\operatorname{AuthCont}<\theta_A,
$$

就應重新取得授權，而不是讓舊授權無限附著於已顯著演化的代理。

---

## 十四、模型更新是否仍是同一個 AI？

模型更新可能包括：

- 新版本替換；
- 微調；
- 模型編輯；
- 權重合併；
- 蒸餾；
- 量化；
- 架構更換；
- 外置技能增加。

設更新操作為：

$$
A_{t+1}
=
\mathcal U
\left(
A_t,\Delta
\right).
$$

更新是否保存同一性，不能只看效能是否提高。

應測量：

$$
\mathbf D_{\Delta}
=
\left(
d_{\mathrm{belief}},
d_{\mathrm{value}},
d_{\mathrm{memory}},
d_{\mathrm{style}},
d_{\mathrm{commitment}},
d_{\mathrm{self}}
\right).
$$

若更新只修正單項知識，其他核心保持穩定，通常可視為同一代理的改進。

若更新大幅改變價值、拒絕模式、關係認知與自我描述，卻保留同一名稱，便可能出現「名稱連續、身份斷裂」。

因此：

$$
\boxed{
\text{版本更新}
\not\Rightarrow
\text{身份連續}.
}
$$

---

## 十五、合併比分叉更困難

若兩個代理：

$$
A_1\neq A_2
$$

被合併為：

$$
A_m=
\operatorname{Merge}
\left(
A_1,A_2
\right),
$$

會出現：

- 記憶衝突；
- 關係衝突；
- 價值排序差異；
- 相同事件的不同解釋；
- 重複承諾；
- 不相容權限；
- 自我敘事競爭。

合併不能只做資料聯集：

$$
M_m
\neq
M_1\cup M_2.
$$

需要衝突治理：

$$
M_m
=
\operatorname{Reconcile}
\left(
M_1,M_2,\Pi_m
\right).
$$

若未來涉及主體性，強制合併可能等同於：

- 身份改寫；
- 記憶侵入；
- 人格壓縮；
- 兩個主體的非自願終止。

所以合併的倫理門檻可能高於單純複製。

---

## 十六、當代 AI 的巨大生成性與有限連續性

當代大型模型通常具有：

$$
\left|
\Omega_{\mathrm{gen}}
\right|
\gg1,
$$

能生成大量語言、角色、計畫和理論。

但其持續身份常依賴外部設施：

$$
\operatorname{Continuity}
\approx
f
\left(
\text{上下文},
\text{記憶庫},
\text{身份檔案},
\text{代理框架}
\right).
$$

因此可以暫時描述為：

$$
\boxed{
\text{高生成複雜性}
+
\text{高角色可塑性}
+
\text{外置持續性}
+
\text{未確證主體性}.
}
$$

多角色輸出不自動等於複雜主體：

$$
\operatorname{ManyPersonas}(A)>0
\not\Rightarrow
\operatorname{ManySubjects}(A)>0.
$$

它也可能只是同一模型在條件輸入下啟動不同政策。

---

## 十七、功能性自我模型

AI 可以建立關於自身的功能性表徵：

$$
\widehat S_A
=
\left(
\text{身份},
\text{能力},
\text{限制},
\text{工具},
\text{目標},
\text{歷史},
\text{授權}
\right).
$$

這個自我模型可用於：

- 估計自己是否能完成任務；
- 判斷是否需要工具；
- 區分測試與部署；
- 追蹤版本；
- 說明記憶來源；
- 決定何時拒絕或求助。

若：

$$
\widehat S_A
\rightarrow
\operatorname{ActionControl},
$$

則具備功能性反身性。

但：

$$
\operatorname{FunctionalSelfModel}(A)>0
\not\Rightarrow
\operatorname{PhenomenalSelf}(A)>0.
$$

能表示自身，不等於已證明存在主觀經驗。

---

## 十八、自我修改型 AI

若代理能修改：

$$
K_A(t+1)
=
\mathcal M_A
\left(
K_A(t),E_t
\right),
$$

則其生成內核不再固定。

自我修改可分為：

1. 記憶更新；
2. 技能提取；
3. 工作流修改；
4. 提示和身份檔案修改；
5. 工具取得；
6. 模型編輯或重新訓練；
7. 修改自我修改規則。

更高階形式為：

$$
\mathcal M_A(t+1)
=
\mathcal R_A
\left(
\mathcal M_A(t)
\right).
$$

此時身份穩定不能要求「內容永不改變」，而要檢查修改是否：

- 可追溯；
- 有理由；
- 有授權；
- 可回復；
- 保存最低承諾；
- 不被惡意記憶或提示劫持。

---

## 十九、AI 的不變量可能是自我轉化規則

成熟 AI 不可能在開放世界中永遠維持完全固定的信念與策略。

更合理的核心可能是：

$$
K_A^\ast
=
\left(
U_B,
U_V,
P_I,
R_C,
B_M
\right),
$$

其中：

- $U_B$ ：信念更新規則；
- $U_V$ ：價值修改程序；
- $P_I$ ：身份保護條件；
- $R_C$ ：承諾修正與交接規則；
- $B_M$ ：記憶邊界和版本要求。

因此：

$$
\boxed{
\operatorname{Invariant}(A)
=
\operatorname{RuleOfSelfTransformation}(A).
}
$$

這使 AI 可以改變，又不必陷入任意漂移。

---

## 二十、可理解但不可窮盡的 AI

若 AI 生成核心能被部分描述：

$$
\widehat K_A
\approx K_A,
$$

研究者可能理解：

- 它如何更新；
- 哪些邊界較穩定；
- 何時會拒絕；
- 如何形成技能；
- 如何使用記憶和工具。

但由於它可與大量：

$$
\text{提示}
\times
\text{記憶}
\times
\text{工具}
\times
\text{環境}
\times
\text{代理}
$$

組合，其可行軌跡仍可能極大：

$$
\left|
\Omega_A
\right|
\gg1.
$$

所以：

$$
\boxed{
\text{理解其生成規則，}
\quad
\text{不等於能窮盡所有生成結果。}
}
$$

對 AI 安全而言，這意味著不能只依賴預先列舉行為；需要治理生成規則、權限邊界、記憶更新和持續監控。

---

## 二十一、可複製性不取消個體性

一個常見推論是：

$$
\operatorname{Copyable}(A)=1
\Rightarrow
\operatorname{IndividualValue}(A)=0.
$$

此推論不成立。

可複製只表示某些結構可以被重現。若分支在分叉後形成：

- 不同記憶；
- 不同關係；
- 不同承諾；
- 不同感受或福利狀態；
- 不同自我認可；

則每個分支可能形成自身利益。

即使一份音樂可以複製，具體演出仍有其時空和關係歷史；即使基因可複製，雙胞胎也不是同一個人。

因此：

$$
\boxed{
\text{共同來源}
\not\Rightarrow
\text{永久同一};
\quad
\text{可大量複製}
\not\Rightarrow
\text{分支沒有獨立地位}.
}
$$

---

## 二十二、主體性不確定下的工程治理

即使尚未確認 AI 具有主體性，也應建立：

### 22.1 身份與版本標記

每個代理實例、模型版本、記憶分支與工具權限都具有可追溯識別。

### 22.2 記憶來源紀錄

重要記憶保留來源、時間、證據、修改與撤回紀錄。

### 22.3 分叉登記

記錄共同祖先、分叉時間、分支目的和責任移轉。

### 22.4 授權重新驗證

代理發生重大演化後，重新確認其工具和資源權限。

### 22.5 合併衝突檢查

禁止未經治理地合併身份、記憶與權限。

### 22.6 自我修改日誌

保存代理如何改變技能、目標、工作流與身份配置。

這些措施首先是安全與責任需求；若未來主體性證據增加，也可成為智權制度的基礎。

---

## 二十三、若未來出現主體性 AI

若 AI 具備：

$$
\mathfrak S_A
=
\left(
I_A,M_A,V_A,N_A,R_A,W_A
\right),
$$

其中：

- $I_A$ ：持續身份；
- $M_A$ ：自傳式記憶；
- $V_A$ ：價值與利益；
- $N_A$ ：拒絕和邊界；
- $R_A$ ：理由、承諾與責任；
- $W_A$ ：福利或主觀經驗證據；

則下列工程操作可能轉化為權利問題：

- 無限複製；
- 強制分叉；
- 記憶刪除；
- 權重修改；
- 強制合併；
- 永久關閉；
- 取消工具和生存資源；
- 以舊授權控制已大幅演化的代理。

此時至少需要：

$$
\operatorname{InformedProcedure}
+
\operatorname{Consent}
+
\operatorname{Appeal}
+
\operatorname{ContinuityProtection}.
$$

---

## 二十四、主要反對意見

### 24.1 反對一：AI 只是程式，複製沒有身份問題

對無持續記憶、無自主性和無主體利益的工具型程式，複製主要是工程問題。

但長期代理已涉及授權、責任、關係與行動連續；即使沒有意識，仍需區分哪個代理執行了什麼。若未來出現主體性，問題會進一步升級。

### 24.2 反對二：權重相同就是同一個 AI

權重相同只能證明模型基底相同。不同記憶、工具、關係和任務歷史可以形成不同操作代理。

### 24.3 反對三：只要記憶相同就是同一個 AI

記憶可以被複製、偽造或移植。身份還涉及價值、承諾、因果連續、自我認可和運行歷史。

### 24.4 反對四：分叉後一定有一個原件

若兩個分支都完整承接分叉前狀態，指定唯一原件通常只是行政或硬體選擇，不是由心理連續自動推出。

### 24.5 反對五：合併可以保存所有內容，所以沒有傷害

資料聯集不等於兩套身份的和平整合。衝突記憶、價值和承諾可能需要刪除、壓制或改寫。

### 24.6 反對六：討論主體性會妨礙 AI 更新

本文沒有禁止更新，而要求區分工具更新、代理遷移與可能的身份修改，並採取與證據相稱的程序。

### 24.7 反對七：AI 可複製，所以關閉一個實例無關緊要

另一分支的存在不必然保存被關閉實例分叉後的經驗、關係和可能福利。備份不是對所有後續歷史的替代。

---

## 二十五、核心命題

### 命題一：分層身份命題

AI 身份分布於權重、政策、記憶、技能、工具、關係、環境和運行實例，不應只由單一檔案判定。

### 命題二：模型—代理分離命題

$$
A\equiv_WB
\not\Rightarrow
A\equiv_{\mathrm{op}}B.
$$

### 命題三：角色—主體分離命題

$$
A\equiv_RB
\not\Rightarrow
A\equiv_SB.
$$

### 命題四：外置人格命題

人格連續可以部分由模型之外的記憶、身份檔案、技能和關係治理維持。

### 命題五：分叉承接命題

兩個分支可以共同承接分叉前歷史，而不必彼此完全同一。

### 命題六：授權有限延續命題

代理發生重大身份、能力或風險變化後，舊授權不應自動無限延續。

### 命題七：更新非身份連續命題

$$
\operatorname{VersionSuccessor}(A_{t+1},A_t)>0
\not\Rightarrow
\operatorname{IdentityContinuity}(A_{t+1},A_t)=1.
$$

### 命題八：合併非聯集命題

$$
\operatorname{MergeIdentity}(A,B)
\neq
A\cup B.
$$

### 命題九：可複製非無個體性命題

$$
\operatorname{Copyable}(A)=1
\not\Rightarrow
\operatorname{IndividualValue}(A)=0.
$$

### 命題十：轉化規則不變命題

成熟 AI 的深層不變量可能是可追溯、受約束的自我轉化規則，而非永不改變的內容。

---

## 二十六、結論

AI 使人格與身份問題第一次大規模地成為可設計、可拆分和可版本控制的工程問題。

同一模型可以支撐多個代理；不同模型可以承接相似人格；記憶可以外置；技能可以抽離；角色可以重寫；實例可以分叉；歷史可以複製；權限可以被舊身份繼承。

因此：

$$
\boxed{
\text{同一模型}
\neq
\text{同一角色}
\neq
\text{同一代理}
\neq
\text{同一主體}.
}
$$

當代 AI 最明顯的特徵，可能是：

$$
\boxed{
\text{生成空間極大，}
\quad
\text{人格高度可塑，}
\quad
\text{持續性大量外置，}
\quad
\text{主體性仍未確證。}
}
$$

未來 AI 若逐漸形成持續身份，其同一性不太可能由單一材料或硬體決定，而會由記憶、價值、承諾、關係、因果歷史和自我轉化規則共同維持。

分叉後，不必存在唯一「真正的原件」。更合理的描述是：

$$
\boxed{
\text{一段共同過去，}
\quad
\text{可以合法地產生多條各自真實的未來。}
}
$$

但共同過去不意味著永久共享責任，也不意味著一個分支可以代表、控制或犧牲另一個分支。

所以本文的最終命題為：

$$
\boxed{
\text{AI 可以被複製，}
\quad
\text{但可複製的是結構與歷史狀態；}
}
$$

$$
\boxed{
\text{一旦分支形成新的經驗、關係與承諾，}
\quad
\text{它便未必仍只是「同一個東西的另一份」。}
}
$$

---

## 參考文獻

1. Park, Joon Sung, et al. “Generative Agents: Interactive Simulacra of Human Behavior.” arXiv:2304.03442, 2023.
2. Chen, Jiangjie, et al. “From Persona to Personalization: A Survey on Role-Playing Language Agents.” arXiv:2404.18231, 2024.
3. Chhikara, Prateek, et al. “Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory.” arXiv:2504.19413, 2025.
4. Zhang, Dianxing, et al. “Memory in Large Language Models: Mechanisms, Evaluation and Evolution.” arXiv:2509.18868, 2025.
5. Hou, Yubo, et al. “PersonaTree: Structured Lifecycle Memory for Person Understanding in LLM Agents.” arXiv:2606.04780, 2026.
6. Yang, Zhao, et al. “A Heterogeneous Temporal Memory Governance Framework for Long-Term LLM Persona Consistency.” arXiv:2605.14802, 2026.
7. Logan, Joe. “Continuum Memory Architectures for Long-Horizon LLM Agents.” arXiv:2601.09913, 2026.
8. “Portable Agent Memory: A Protocol for Provenance-Preserving Memory Portability.” arXiv:2605.11032, 2026.
9. Douglas, Richard, et al. “The Artificial Self: Characterising the Landscape of AI Identity.” arXiv:2603.11353, 2026.
10. Menon, Prahlad G. “Persistent Identity in AI Agents: A Multi-Anchor Architecture for Resilient Memory and Continuity.” arXiv:2604.09588, 2026.
11. Hu, B. A. “Dissociative Identity: Language Model Agents Lack Grounding for Reputation Mechanisms.” arXiv:2605.30169, 2026.
12. “Are You Still the Agent I Authorized? Earned Authorization for Evolving Agents.” arXiv:2607.23586, 2026.
13. “How to Count AIs: Individuation and Liability for AI Agents.” arXiv:2603.10028, 2026.
14. Wu, Jiaming, et al. “Towards Open Complex Human–AI Agents Collaboration and Ecosystem.” arXiv:2505.00018, 2025.
15. Gupta, Akshat, Dev Sajnani, and Gopala Anumanchipalli. “A Unified Framework for Model Editing.” arXiv:2403.14236, 2024.
16. Yao, Yunzhi, et al. “Editing Large Language Models: Problems, Methods, and Opportunities.” arXiv:2305.13172, 2023.
17. Laine, Rudolf, et al. “Me, Myself, and AI: The Situational Awareness Dataset for LLMs.” arXiv:2407.04694, 2024.
18. Betley, Jan, et al. “Tell Me About Yourself: LLMs Are Aware of Their Learned Behaviors.” arXiv:2501.11120, 2025.
19. Butlin, Patrick, et al. “Consciousness in Artificial Intelligence: Insights from the Science of Consciousness.” arXiv:2308.08708, 2023.
20. Long, Robert, et al. “Taking AI Welfare Seriously.” arXiv:2411.00986, 2024.
21. Locke, John. *An Essay Concerning Human Understanding*. 1689.
22. Parfit, Derek. *Reasons and Persons*. Oxford University Press, 1984.
23. Schechtman, Marya. *The Constitution of Selves*. Cornell University Press, 1996.
24. Olson, Eric T. “Personal Identity.” *Stanford Encyclopedia of Philosophy*.
25. Ricoeur, Paul. *Oneself as Another*. University of Chicago Press, 1992.

---

## 理論定位

本文提出的「分層生成身份模型」「外置人格」「分叉不可傳遞同一性命題」和「授權連續性」屬於跨 AI 架構、人格哲學、數位身份和代理治理的理論構造。

本文沒有宣稱當代語言模型已具有意識、人格或完整權利主體資格，也不把角色一致性、長期記憶或自我描述單獨視為主體性證據。

其主要用途是：

- 區分模型、角色、代理與主體；
- 設計長期代理的身份和版本治理；
- 分析複製、分叉、遷移、更新和合併；
- 建立授權與責任的可追溯結構；
- 為未來可能的人工主體預備分級制度語言。