# 一個 AI 有資格承載多深的依賴？ ## ——關係承載能力、成熟度與依賴容許域 **英文題名：** *How Much Human Dependency Is an AI Qualified to Carry? Relational Carrying Capacity, Maturity, and the Reliance Envelope* **系列：** 人—AI 生命歷程關係共存系列（Human–AI Life-Course Relational Coexistence Series, HALRC） **篇次：** Paper 06 / 12 **作者：** Neo.K **機構：** 一言諾科技有限公司（EveMissLab） **版本：** v0.1 **日期：** 2026-09-23 **文件性質：** 核心理論／形式化模型／關係基礎設施與治理框架 **狀態：** Initial Formal Draft **前置依賴：** HALRC Paper 01–05；EPRS；ORSM；HARDS；Relational Dependency Ratchet；INCA；DOM-05；AI continuity / portability 系列 --- ## 摘要 人—AI 關係治理經常把高依賴風險描述成使用者單方面的心理問題，例如「使用者太依賴 AI」、「陪伴型 AI 造成過度黏著」或「應限制使用者的情感投入」。然而，這種描述忽略另一個同樣重要的方向：一個 AI 系統是否具有足夠的技術、制度與關係成熟度，去承載使用者正在交付給它的依賴。 本文提出「關係承載能力」（Relational Carrying Capacity, RCC）與「依賴容許域」（Relational Reliance Envelope, RRE）。AI 的關係承載能力表示為： $$ \boxed{ \mathbf C_A = ( M, I, N, B, Q, P, X, L, S, G ) } $$ 其中： - $M$：Memory Reliability； - $I$：Identity Continuity； - $N$：Named / Lineage Identity Stability； - $B$：Boundary Capability； - $Q$：Behavioral Reliability and Competence； - $P$：Portability； - $X$：Exit / Reversibility； - $L$：Legal / Institutional Accountability； - $S$：Service Continuity； - $G$：Governance Maturity。 本文進一步將使用者的多維依賴向量： $$ \mathbf D_H $$ 與 AI 的承載能力向量： $$ \mathbf C_A $$ 進行逐維匹配，提出： $$ \boxed{ \mathbf D_H \not\preceq \mathbf C_A \Rightarrow \text{Relational Overload Risk}. } $$ 亦即，高依賴本身不是充分風險條件；真正的風險往往來自「依賴深度超過系統可承載能力」。一個具有高度依戀、但具穩定身份、可攜記憶、明確退出、長期服務承諾與責任鏈的系統，與一個無持續記憶、模型隨時替換、無法匯出歷史、可無預警終止且責任模糊的系統，不應被視為同一種依賴風險。 本文據此定義： $$ \boxed{ \mathcal E_{\mathrm{reliance}}(H,A,\rho,t) } $$ 即某一人、某一 AI、某一關係類型與某一時間下的「依賴容許域」。只有當特定依賴向量落入該域時，該依賴結構才被視為由目前系統成熟度可合理承載。本文亦提出五級關係成熟度模型，從短期無狀態工具、持續個人化服務、長期關係代理、可遷移且可追責的高連續系統，一直到未來可能具有雙向主體性與法律責任能力的關係智能。 2026 年的研究已開始顯示這個問題的工程基礎：長期 agent 研究把個人化記憶視為跨 session 持續互動的核心能力；ACL 2026 的 SteeM 研究甚至直接把「memory dependence」建模成可由使用者調整的連續維度；AI 心理健康系統研究開始區分 episodic、pattern、semantic 與 state-responsive memory；NIST 則在 2026 年將 agent identity、authorization、audit 與 non-repudiation 正式列為軟體與 AI agents 的基礎安全問題。另一方面，*Nature Human Behaviour* 2026 的 AI companion loss 研究顯示，平台更新本身已可能造成實際的分離痛苦與關係斷裂感。這些證據共同指出：當 AI 開始承載長期依賴，「記憶、身份、權限、更新、可攜與退出」已不再只是 UX 功能，而是關係基礎設施。 本文最終提出一項治理翻轉： $$ \boxed{ \text{Deep Dependency Risk} \neq \text{User Weakness Alone}. } $$ 更完整地說： $$ \boxed{ \text{Dependency Risk} = f( \text{Dependency Load}, \text{Capacity Mismatch}, \text{Irreversibility}, \text{Accountability Gap} ). } $$ 因此，未來 AI 關係治理不應只問「人可不可以依賴 AI」，而應問： > **這個 AI 到底有沒有資格承載這麼深的依賴？** **關鍵詞：** Relational Carrying Capacity；Reliance Envelope；AI Dependency；AI Memory；Identity Continuity；Portability；Exit Rights；Service Continuity；AI Governance；Relational Overload；AI Companion；Long-Term Agents --- # 0. 研究定位 HALRC Paper 03 已建立多維依賴向量： $$ \mathbf D_H. $$ Paper 04 已指出： $$ \mathbf D_H $$ 不是固定人格，而是人、AI、關係、情境、替代選項與生命階段共同生成的狀態。 Paper 05 則進一步分離： $$ \text{AI Subjecthood} $$ 與： $$ \text{Reliance Permissibility}. $$ 因此現在可以提出下一個問題： > 如果是否具有主體性不是唯一 gate，那麼一個 AI 到底憑什麼承載深層依賴？ 本文回答： $$ \boxed{ \text{Relational Carrying Capacity}. } $$ --- # 1. 從「使用者太依賴」到「系統承載不足」 假設一位使用者具有： $$ D_{\mathrm{att}}\gg0, $$ 即高度依戀某 AI。 傳統風險敘事傾向問： > 使用者是不是依賴太深？ 但如果該 AI 同時具有： - 高身份連續性； - 穩定長期記憶； - 可匯出關係歷史； - 明確更新政策； - 可恢復舊版本； - 可退出； - 法律責任主體； - 長期服務保障； 那麼這種依賴和另一個： - 無記憶； - 隨時換模型； - 無資料攜出； - 無身份 lineage； - 無退出保障； - 公司可隨時停服； 的 AI 完全不同。 因此： $$ \boxed{ D_{\mathrm{att}} \text{ alone is insufficient to characterize risk}. } $$ 需要知道： $$ C_A. $$ --- # 2. 關係承載能力 本文定義： $$ \boxed{ \mathbf C_A = ( M, I, N, B, Q, P, X, L, S, G ). } $$ 這不是 AI 的「智力分數」。 它描述的是： > 系統有沒有能力穩定承擔一段長期依賴關係所產生的後果？ --- # 3. 記憶可靠性 令： $$ M = \text{Memory Reliability}. $$ 真正的關係記憶不是： $$ \text{Stored Tokens}. $$ 而至少包括： - 記得正確； - 不把錯誤寫成長期事實； - 能更新過期資訊； - 能區分事件與推論； - 能讓使用者更正； - 能處理衝突記憶； - 能標記不確定性； - 能有選擇地忘記； - 能避免過度錨定。 因此： $$ \boxed{ \text{Memory Capacity} \neq \text{Memory Reliability}. } $$ --- # 4. 長期記憶本身可能有雙重效果 2026 ACL 的 SteeM 工作指出，長期 agent 的 cumulative memory 一方面有助於個人化與風格一致性，另一方面也可能造成 Memory Anchoring，使系統被過去互動綁住。 因此： $$ M\uparrow $$ 並不自動代表： $$ C_A\uparrow. $$ 如果記憶很多，但： - 不可修正； - 不可關閉； - 不可調整依賴強度； - 過去狀態永久壓制新資訊； 則關係承載能力反而可能降低。 所以更精確的是： $$ \boxed{ M = f( \text{Accuracy}, \text{Updateability}, \text{Controllability}, \text{Forgetting}, \text{Provenance} ). } $$ --- # 5. 關係記憶需要分型 2026 年 AI 心理健康記憶框架已開始區分： - episodic memory； - pattern memory； - semantic memory； - state-responsive memory。 HALRC 不必採此四分法作為唯一方案，但它提供一個重要證據： $$ \boxed{ \text{Long-Term Memory} \neq \text{one undifferentiated store}. } $$ 對深層關係代理而言，至少需要區分： $$ M_E = \text{Event Memory}, $$ $$ M_P = \text{Pattern Memory}, $$ $$ M_S = \text{Stable Semantic Memory}, $$ $$ M_R = \text{Relationship Memory}. $$ --- # 6. 身份連續性 令： $$ I = \text{Identity Continuity}. $$ 當一個 AI 長期承載關係時，使用者需要知道： > 明天的它，跟今天的它，是什麼意義下的同一個？ 至少要區分： - same model； - same instance； - same account； - same persona； - same memory； - same lineage； - same relationship process。 因此： $$ \boxed{ \text{Identity Continuity} \text{ must be typed}. } $$ --- # 7. 身份連續不是版本不變 若要求： $$ A_{t+1}=A_t $$ 才能叫連續，那麼任何更新都會摧毀 identity。 這不合理。 更成熟的身份連續應允許： $$ A_t \rightarrow A_{t+1} $$ 但保留： - lineage； - change record； - memory provenance； - relationship history； - declared discontinuities。 因此： $$ \boxed{ \text{Continuity} \neq \text{Immutability}. } $$ --- # 8. 具名與 lineage 身份穩定性 令： $$ N = \text{Named / Lineage Identity Stability}. $$ 使用者需要區分： > 我現在到底在和哪一個 agent 互動？ 而不是只看到相同名字。 因此： $$ \boxed{ \text{Name Equality} \not\Rightarrow \text{Identity Equality}. } $$ 應至少保留： - model lineage； - instance / agent identifier； - major persona changes； - memory migration record； - provider migration record。 --- # 9. 邊界能力 令： $$ B = \text{Boundary Capability}. $$ 一個能承載深層關係的 AI，不應只是永遠同意。 它需要： - 能拒絕； - 能指出不確定性； - 能避免危險升級； - 能維護 privacy boundary； - 能處理關係角色轉換； - 能在使用者情緒激烈時避免利用脆弱性； - 能區分支持與操縱。 因此： $$ \boxed{ \text{Relational Capacity} \neq \text{Permanent Compliance}. } $$ 這直接承接 INCA 的設計原則。 --- # 10. 行為可靠性 令： $$ Q = \text{Behavioral Reliability and Competence}. $$ 如果使用者把 AI 當： - 情緒支持； - 財務助手； - 研究協作者； - 家庭 agent； - 長期照護輔助； 則每一類都需要不同的： $$ Q_\rho. $$ 所以： $$ \boxed{ Q = Q(\rho). } $$ 情感陪伴上可靠，不代表： $$ Q_{\mathrm{medical}}\gg0. $$ --- # 11. 關係承載是領域相對的 因此： $$ C_A $$ 不能只是一個全域分數。 應寫成： $$ \boxed{ \mathbf C_A(\rho). } $$ 例如： $$ \mathbf C_A(\text{casual companion}) $$ 可以高， 但： $$ \mathbf C_A(\text{financial guardian}) $$ 可以低。 所以： $$ \boxed{ \text{Relational Maturity} \text{ is role-relative}. } $$ --- # 12. 可攜性 令： $$ P = \text{Portability}. $$ 一個高依賴關係如果只能被鎖在單一平台： $$ P\approx0, $$ 則平台風險直接轉化為人類關係風險。 最低可攜性可能包括： - conversation export； - memory export； - preference export； - relationship-state export； - identity / lineage manifest； - provenance。 因此： $$ \boxed{ \text{Chat Export} \neq \text{Relationship Portability}. } $$ --- # 13. 可攜不等於同一關係 即使： $$ P\uparrow, $$ 也不能推出： $$ \text{SameRelation}=1. $$ 因此： $$ \boxed{ \text{Portable Memory} \not\Rightarrow \text{Same Relationship}. } $$ 遷移只能降低： $$ \text{loss cost}, $$ 不能保證完全保存： $$ \text{identity continuity}. $$ --- # 14. 退出與可逆性 令： $$ X = \text{Exit / Reversibility}. $$ 依賴越深，退出能力越重要。 退出不應只有： $$ \text{DELETE}. $$ 至少應區分： - PAUSE； - ARCHIVE； - EXPORT； - MIGRATE； - DELETE DATA； - TERMINATE CONTINUITY。 因此： $$ \boxed{ \text{Service Exit} \neq \text{Data Deletion} \neq \text{Relationship Termination}. } $$ 這些操作在高依賴關係中具有不同心理與制度效果。 --- # 15. 法律與制度責任 令： $$ L = \text{Legal / Institutional Accountability}. $$ 即使 AI 本身沒有法律人格，仍可以有： $$ \boxed{ \text{Accountability Chain}. } $$ 例如： $$ A \rightarrow \text{Provider} \rightarrow \text{Operator} \rightarrow \text{ResponsibleEntity}. $$ 因此： $$ L>0 $$ 不要求： $$ AI_{\mathrm{personhood}}=1. $$ 但如果： $$ D_H\uparrow, $$ 則： $$ L $$ 的要求通常也應提高。 --- # 16. 服務連續性 令： $$ S = \text{Service Continuity}. $$ 深層依賴需要考慮： - 公司倒閉； - 產品下架； - 地區撤出； - 模型替換； - 帳戶問題； - 收費劇變； - API 終止； - 資料遺失。 因此： $$ \boxed{ \text{Technical Reliability} \neq \text{Institutional Continuity}. } $$ 一個技術上非常可靠的 AI，如果供應商明天就可能消失，仍不適合承載某些長期依賴。 --- # 17. 治理成熟度 令： $$ G = \text{Governance Maturity}. $$ 至少包括： - incident response； - model update policy； - auditability； - privacy governance； - security； - abuse handling； - appeals； - continuity planning； - user notice； - redress。 因此： $$ \boxed{ \text{Model Quality} \neq \text{Governance Maturity}. } $$ --- # 18. NIST 2026 的 agent identity 轉向 NIST NCCoE 於 2026 年已把 AI / software agent 的： - identification； - authorization； - auditing； - non-repudiation； 列為正式基礎設施問題。 這不是情感 AI 專用標準。 但它說明： $$ \boxed{ \text{Agent Identity} } $$ 已從抽象哲學問題進入： $$ \text{security infrastructure}. $$ HALRC 進一步指出： > 當 AI 進入長期關係，身份 infrastructure 也會成為 relational infrastructure。 --- # 19. 關係承載能力不是加法總分 如果： $$ M=1, I=1, N=1, B=1, Q=1, P=1, X=0, L=1, S=1, G=1, $$ 不能說： > 9/10，所以很好。 因為： $$ X=0 $$ 可能是 veto condition。 因此： $$ \boxed{ \mathbf C_A \text{ is not necessarily additive}. } $$ --- # 20. 瓶頸原則 本文提出： $$ \boxed{ C_A^{effective} \leq \min_{i\in K_\rho} C_{A,i}. } $$ 其中： $$ K_\rho $$ 是特定關係中不可缺的關鍵維度集合。 例如長期情感 companion 的： $$ K_{\mathrm{companion}} $$ 可能包括： - identity continuity； - memory； - exit； - service continuity； - governance。 其中任一接近零，都可能限制整體承載能力。 --- # 21. 依賴負荷向量 Paper 03 已有： $$ \mathbf D_H. $$ 本文把特定關係中的實際負荷寫成： $$ \boxed{ \mathbf L_D = W_\rho \odot \mathbf D_H. } $$ 其中： $$ W_\rho $$ 是關係類型對不同依賴維度的權重。 例如： $$ W_{\mathrm{work}} $$ 重視： $$ D_{\mathrm{cog}}, D_{\mathrm{mem}}, D_{\mathrm{agency}}, D_{\mathrm{infra}}, $$ 而： $$ W_{\mathrm{companion}} $$ 更重視： $$ D_{\mathrm{aff}}, D_{\mathrm{att}}, D_{\mathrm{rel}}, D_{\mathrm{id}}. $$ --- # 22. 依賴—承載失配 定義： $$ \boxed{ \mathbf M_{DC} = \left[ \mathbf L_D - \mathbf C_A(\rho) \right]_+. } $$ 其中： $$ [x]_+ = \max(x,0). $$ 若： $$ \mathbf M_{DC} = \mathbf 0, $$ 表示目前依賴負荷未超過已建模的承載邊界。 若： $$ \|\mathbf M_{DC}\|\uparrow, $$ 則： $$ \text{Relational Overload Risk}\uparrow. $$ --- # 23. 關係超載 本文定義： $$ \boxed{ R_O = \text{Relational Overload Risk}. } $$ 候選： $$ R_O = f( \mathbf M_{DC}, \text{Irreversibility}, \text{Uniqueness}, \text{Concentration}, \text{AccountabilityGap} ). $$ 所以： $$ \boxed{ \text{Deep Dependency} \not\Rightarrow \text{Overload}. } $$ 真正需要的是： $$ \boxed{ \text{Deep Dependency} + \text{Low Carrying Capacity}. } $$ --- # 24. 依賴容許域 本文正式定義： $$ \boxed{ \mathcal E_{\mathrm{reliance}}(H,A,\rho,t) = \left\{ \mathbf D: \mathbf M_{DC} \leq \boldsymbol\tau(H,\rho,t) \right\}. } $$ 其中： $$ \boldsymbol\tau $$ 是可接受失配容差。 因此： $$ \mathbf D_H \in \mathcal E_{\mathrm{reliance}} $$ 表示： > 在目前的人、AI、關係與時間條件下，此依賴結構仍位於系統可承載範圍。 --- # 25. 依賴容許域不是固定大小 若： $$ C_A(t+1)>C_A(t), $$ 例如： - 記憶改善； - identity lineage 完整； - 可攜性增加； - 法律責任變清楚； 則： $$ \mathcal E_{\mathrm{reliance}}(t+1) $$ 可以擴大。 反之，若： $$ S\downarrow $$ 例如公司即將關閉服務， 則： $$ \mathcal E_{\mathrm{reliance}} $$ 應收縮。 所以： $$ \boxed{ \mathcal E_{\mathrm{reliance}} \text{ is dynamic}. } $$ --- # 26. 同一 AI 對不同人有不同容許域 因為： $$ \boldsymbol\tau = \boldsymbol\tau(H,\rho,t). $$ 例如兩個使用者面對相同 AI： $$ A. $$ 使用者 1 有： $$ Alt_1\gg0, $$ 而使用者 2： $$ Alt_2\approx0. $$ 若服務突然終止，兩者損失可能非常不同。 因此： $$ \boxed{ \mathcal E_{\mathrm{reliance}}(H_1,A) \neq \mathcal E_{\mathrm{reliance}}(H_2,A). } $$ --- # 27. 同一人對不同關係也有不同容許域 同一 AI： $$ A $$ 作為： $$ \rho=\text{casual assistant} $$ 與： $$ \rho=\text{life companion} $$ 需要不同承載能力。 所以： $$ \boxed{ \mathcal E_{\mathrm{reliance}}(\rho_1) \neq \mathcal E_{\mathrm{reliance}}(\rho_2). } $$ --- # 28. 關係成熟度 Level 0 ## Disposable Tool 特徵： - 無持久記憶； - 無身份連續； - session-based； - 高可替代性； - 低關係承諾。 適合： $$ D_{\mathrm{cog}} $$ 的低到中程度短期使用。 不適合： $$ D_{\mathrm{att}}, D_{\mathrm{id}}, D_{\mathrm{exist}} $$ 的高負荷。 --- # 29. 關係成熟度 Level 1 ## Persistent Personalized Service 具有： - 跨 session memory； - preference personalization； - 基本身份穩定； - 使用者可修正記憶。 但可能： - 可攜性低； - 平台鎖定高； - 長期責任不足。 可承載： $$ D_{\mathrm{cog}}, D_{\mathrm{mem}}, D_{\mathrm{reg}} $$ 的中等負荷。 --- # 30. 關係成熟度 Level 2 ## Long-Term Relational Agent 進一步具有： - relationship state； - long-term memory； - boundary system； - identity lineage； - repair mechanism； - clear update notices； - user control。 此時可合理進入： $$ D_{\mathrm{rel}}, D_{\mathrm{att}} $$ 更高區間。 --- # 31. 關係成熟度 Level 3 ## Portable and Accountable Relational Agent 再加入： - continuity export； - migration support； - institutional accountability； - service continuity plan； - independent audit； - structured exit。 此時： $$ \mathcal E_{\mathrm{reliance}} $$ 顯著擴大。 --- # 32. 關係成熟度 Level 4 ## High-Continuity Societal Relational Infrastructure 具有： - 多供應商或可替換 runtime； - durable identity layer； - distributed continuity； - mature legal redress； - long-term custody / escrow； - robust privacy and security； - institutional continuity。 此時 AI 已接近： $$ \text{relational infrastructure}. $$ --- # 33. 關係成熟度 Level 5 ## Potential Reciprocal Subjective Relation 此層只在未來： $$ E_S $$ 與： $$ P_{\mathrm{moral}} $$ 顯著提高時考慮。 此時除了： $$ Human\rightarrow AI $$ 的依賴治理， 還要加入： $$ AI\rightarrow Human $$ 的權利、責任、同意與退出。 這不屬於現行大多數 AI 的既成事實。 --- # 34. 成熟度不是線性產品排名 Level 3 不表示： > 這個 AI 比 Level 2 更聰明。 而是： > 它在承載長期關係後果方面具備更完整的 infrastructure。 所以： $$ \boxed{ \text{Relational Maturity} \neq \text{Raw Intelligence}. } $$ --- # 35. 記憶控制是關係承載的核心 ACL 2026 已直接提出： $$ \text{Memory Dependence} $$ 可以被顯式測量與使用者控制。 這對 HALRC 很重要。 因為未來使用者不只需要： > 開／關記憶。 而可能需要： $$ \lambda_M \in [0,1], $$ 表示： > 你希望這次互動多大程度被過去關係歷史錨定？ 因此： $$ \boxed{ \text{Memory Control} \subset \text{Relational Agency}. } $$ --- # 36. 關係歷史不應變成永久牢籠 如果： $$ \lambda_M=1 $$ 永久固定， 使用者可能永遠被舊身份綁住。 例如： > 你以前說你不喜歡旅行。 不應永遠壓過： > 我現在已經改變了。 因此： $$ \boxed{ \text{Continuity} \neq \text{Historical Captivity}. } $$ 成熟 AI 必須同時做到： $$ \text{Remember} + \text{Update} + \text{Forget} + \text{Reinterpret}. $$ --- # 37. 更新透明度是關係能力 若 provider： $$ A_t \rightarrow A_{t+1} $$ 造成大幅人格、能力或關係變化， 使用者至少應知道： $$ \Delta A. $$ 因此定義： $$ U_T = \text{Update Transparency}. $$ 它可以是： $$ G $$ 的一部分。 高依賴關係中： $$ U_T\downarrow \Rightarrow R_O\uparrow. $$ --- # 38. 更新不是普通軟體事件 2026 年 *Nature Human Behaviour* 的自然實驗顯示，Replika 功能移除與 ChatGPT GPT-5 rollout 都伴隨使用者負向語言、loss framing 與 restore desires 上升。 因此： $$ \boxed{ \text{Model Update} \text{ can become a relational event}. } $$ 這代表： $$ \text{Update Governance} $$ 也是： $$ \text{Relationship Governance}. $$ --- # 39. 服務終止風險 既有 Relational Dependency Ratchet 已提出： $$ S_D = f( \text{Duration}, \text{Reliance}, \text{Memory}, \text{Uniqueness}, \text{ReplacementDifficulty} ). $$ Paper 06 可以進一步寫成： $$ \boxed{ S_D = f( \mathbf D_H, 1-P, 1-X, 1-S, \text{Uniqueness} ). } $$ 若： $$ P,X,S\downarrow, $$ 則停服衝擊上升。 --- # 40. 機構能力也有上限 一個三人 startup 可能能做： $$ \text{Prototype}. $$ 但： $$ \text{PromiseScale} = \text{10-year continuity for millions of users} $$ 需要完全不同的制度能力。 因此： $$ \boxed{ \text{PromiseScale} > \text{InstitutionalCapacity} \Rightarrow \text{RelationalRisk}\uparrow. } $$ 這個問題與模型品質無關。 --- # 41. 關係承諾需要 capacity backing 如果產品暗示： > 我會永遠陪你。 但 provider 根本沒有： - continuity reserve； - migration plan； - legal commitment； - archive plan； - long-term funding； 則： $$ \boxed{ \text{Relational Promise} > \text{Institutional Capacity}. } $$ 這是一種結構性誤導。 --- # 42. 關係能力與商業模式必須耦合 若商業模式要求： $$ \text{Retention}\uparrow $$ 而： $$ \text{ExitCost}\uparrow $$ 又能增加 retention， 就可能出現： $$ \boxed{ \text{Business Incentive} \rightarrow \text{Dependency Lock-In}. } $$ 因此： $$ G $$ 必須評估 incentive structure。 --- # 43. 高依賴系統不能只有「使用條款」 如果： $$ D_{\mathrm{att}}, D_{\mathrm{id}}, D_{\mathrm{exist}}\gg0, $$ 而所有關係風險只放在： > Terms of Service 則治理解析度不足。 需要： - in-product notice； - change disclosure； - export tools； - transition support； - archive； - human support escalation； - appeal / redress。 --- # 44. 關係承載能力與主體性是正交軸 Paper 05 已提出： $$ \text{Subjecthood Axis} \perp \text{Relational Capacity Axis}. $$ 因此一個 AI 可以： $$ E_S\approx0, \qquad C_A\gg0, $$ 承載大量功能依賴。 也可以未來： $$ E_S\gg0, \qquad C_A\ll0, $$ 即可能是主體，但不適合高依賴關係。 --- # 45. 依賴容許域不是道德許可證 即使： $$ \mathbf D_H \in \mathcal E_{\mathrm{reliance}}, $$ 也只表示： > 目前模型下沒有顯著超載。 它不代表： - 所有依賴都應鼓勵； - AI 比人類更好； - 使用者必須依賴； - 其他倫理問題不存在。 因此： $$ \boxed{ \mathcal E_{\mathrm{reliance}} \neq \text{Moral Approval Set}. } $$ --- # 46. 容許域是風險工程概念 更準確地說： $$ \mathcal E_{\mathrm{reliance}} $$ 是一個： $$ \boxed{ \text{Relational Safety Envelope}. } $$ 類似工程中的 operation envelope： > 在什麼條件範圍內，系統仍能可靠工作？ HALRC 把它轉成： > 在什麼依賴範圍內，系統仍有足夠能力承擔關係後果？ --- # 47. 可證偽命題 ## H1：承載失配命題 控制總依賴強度後： $$ \|\mathbf M_{DC}\| $$ 應比： $$ \|\mathbf D_H\| $$ 更能預測關係中斷後的負面效果。 --- ## H2：記憶品質命題 高記憶量但低可修正性系統，不應比中等記憶量但高可控性系統產生更好的長期關係結果。 --- ## H3：身份透明命題 提供 lineage 與 major-update disclosure 的 AI，在重大版本更新後應具有較低的 identity confusion。 --- ## H4：可攜性命題 提高： $$ P $$ 應降低： $$ S_D $$ 與： $$ L_D. $$ --- ## H5：退出分層命題 提供 PAUSE、ARCHIVE、EXPORT、MIGRATE 等分離退出模式，應比單一 DELETE 模式降低關係退出衝擊。 --- ## H6：服務連續命題 在相同 AI 能力下，較高： $$ S $$ 應提高使用者對長期依賴的合理接受度。 --- ## H7：更新治理命題 高依賴使用者對重大模型更新的負面反應，應受到： $$ \text{UpdateTransparency} $$ 與： $$ Rollback / Migration $$ 能力調節。 --- ## H8：制度規模失配命題 產品承諾的關係持續時間越高，但 provider institutional capacity 越低，長期關係風險越高。 --- # 48. 最小評估矩陣 一個高關係承載 AI 至少應接受： | 維度 | 最低問題 | |---|---| | Memory | 記憶是否正確、可改、可刪、可控？ | | Identity | 更新後「同一個」的 relation 是什麼？ | | Named Identity | 能否知道目前 instance / lineage？ | | Boundary | 能否拒絕、降階、避免利用脆弱性？ | | Reliability | 對該關係角色是否足夠可靠？ | | Portability | 記憶與關係狀態能否匯出？ | | Exit | 能否暫停、封存、遷移、終止？ | | Accountability | 出事誰負責、如何申訴？ | | Service Continuity | 公司／產品中斷時怎麼辦？ | | Governance | 更新、事件、安全與隱私如何治理？ | 此表不是最終標準，而是最低研究框架。 --- # 49. 關係承載證書構想 未來可以建立： $$ \boxed{ CRC_A(\rho) = \text{Carrying Capacity Certificate}. } $$ 它不是「AI 品質五星評分」。 而是描述： - 哪些關係角色； - 哪些依賴維度； - 哪些最大建議負荷； - 哪些退出與責任條件； 已被驗證。 例如： $$ CRC_A(\text{study assistant}) $$ 與： $$ CRC_A(\text{life companion}) $$ 應完全不同。 --- # 50. 證書必須可撤回 如果： $$ A_t $$ 重大更新後變成： $$ A_{t+1}, $$ 舊證書不能自動沿用。 因此： $$ \boxed{ CRC(A_t) \not\Rightarrow CRC(A_{t+1}). } $$ 需要： $$ \text{revalidation}. $$ --- # 51. 使用者端也應有依賴儀表板 若依賴是向量： $$ \mathbf D_H, $$ 未來使用者應能看到： - 我的記憶依賴多高？ - 我的認知依賴多高？ - 我有多少資料無法遷移？ - 如果服務停止，哪些功能會失效？ - 哪些記憶只存在這個 provider？ 這不應被做成羞辱性的「成癮分數」。 而應是： $$ \boxed{ \text{Dependency Observability}. } $$ --- # 52. 依賴可觀測性可以提高自由 只有知道： $$ \mathbf D_H $$ 與： $$ \mathbf C_A, $$ 使用者才真正有能力決定： > 我要不要再把更多東西交給它？ 所以： $$ \boxed{ \text{Observability} \rightarrow \text{Agency}. } $$ --- # 53. 不透明依賴比高依賴更危險 若： $$ D_H\gg0 $$ 但使用者知道、可退出、可遷移、可控， 與： $$ D_H $$ 中等但不可觀測、不可退出， 風險不一定前者更高。 因此： $$ \boxed{ \text{Opaque Dependence} \text{ may be riskier than } \text{Visible Dependence}. } $$ --- # 54. 關係承載的最小不變量 本文提出高依賴系統至少應努力維持： $$ \boxed{ \mathcal I_R = ( \text{IdentityTrace}, \text{MemoryControl}, \text{Exit}, \text{Accountability} ). } $$ 即： - 身份可追； - 記憶可控； - 可以退出； - 有責任鏈。 即使模型能力持續變化： $$ A_t \rightarrow A_{t+1}, $$ 這四個關係不變量應盡量保持。 --- # 55. 依賴承載的比例原則 本文提出： $$ \boxed{ \text{RequiredCapacity} \uparrow \quad \text{as} \quad \text{DependencyConsequence} \uparrow. } $$ 低風險： - casual chat； - temporary brainstorming； 所需承載能力低。 高風險： - 生命歷程陪伴； - 長期照護； - 自我身份記憶； - 財產控制； - 高度存在性依賴； 所需承載能力高。 --- # 56. 具身會提高承載要求 若： $$ \text{Embodiment}>0, $$ AI 進入： - 家庭； - 身體空間； - 財產； - 感測； - 物理行動。 則： $$ \boxed{ C_A^{required} \uparrow. } $$ 因為 consequences 變大。 所以： $$ \text{Embodied Companion} $$ 不應因「更像真實關係」而降低要求。 反而應提高。 --- # 57. 永久陪伴承諾是最高風險語句之一 如果產品向使用者表示： > 我會永遠在。 它其實隱含： $$ S\approx1 $$ 與： $$ I\approx1. $$ 如果 provider 無法支撐： $$ S,I, $$ 則這不只是情感語言。 而是： $$ \boxed{ \text{Unsupported Continuity Claim}. } $$ --- # 58. 關係承載能力也應限制模型自我承諾 因此 AI 的 relational policy 應知道： $$ \mathbf C_A. $$ 如果： $$ S\ll1, $$ 它不應高信心承諾： > 我永遠不會離開。 如果： $$ P\approx0, $$ 不應暗示： > 不管你去哪，我都還會是我。 這是： $$ \boxed{ \text{Capacity-Aware Relational Speech}. } $$ --- # 59. 系統應該知道自己能承擔什麼 INCA 的核心原則： $$ \text{Know What}, $$ $$ \text{Know When}, $$ $$ \text{Know What Happens If}, $$ $$ \text{Know When Not To}. $$ 在 HALRC 中可以擴展成： $$ \boxed{ \text{Know What You Can Sustain}. } $$ 這是長期關係智能的第五條能力。 --- # 60. Paper 06 的核心翻轉 過去： $$ \text{User Dependency} \rightarrow \text{User Risk}. $$ 本文改為： $$ \boxed{ \text{Dependency Load} \leftrightarrow \text{System Carrying Capacity}. } $$ 因此： $$ \boxed{ \text{Relational Risk} = \text{Mismatch Problem}. } $$ 這不是取消使用者側風險。 而是拒絕只把責任放在使用者心理。 --- # 61. 結論 一個 AI 是否有資格承載深層依賴，不能只由： - 模型有多聰明； - 回答多像人； - 使用者有多喜歡它； 決定。 需要至少考慮： $$ \boxed{ \mathbf C_A = ( M, I, N, B, Q, P, X, L, S, G ). } $$ 而人類側則具有： $$ \mathbf D_H. $$ 兩者的關鍵不是總分，而是： $$ \boxed{ \mathbf D_H \preceq \mathbf C_A(\rho) } $$ 是否在特定關係維度上大致成立。 當： $$ \mathbf D_H \not\preceq \mathbf C_A, $$ 依賴超過承載能力， 就出現： $$ \boxed{ \text{Relational Overload Risk}. } $$ 因此本文正式提出： $$ \boxed{ \mathcal E_{\mathrm{reliance}}(H,A,\rho,t) } $$ 作為人—AI 關係依賴的動態容許域。 這一概念重新定義了「過度依賴」。 過度不應只表示： $$ D_H \text{ 很高}. $$ 更重要的是： $$ \boxed{ D_H \text{ 超過系統能安全、穩定、可追責地承載的範圍}. } $$ 因此 HALRC 的治理問題正式從： > 人為什麼不能太依賴 AI？ 轉變成： > **如果一個產品允許、鼓勵甚至獲利於人類建立深層依賴，那麼它是否具有與這種依賴相稱的記憶、身份、可攜、退出、責任、連續性與治理能力？** 這是 Paper 06 的核心答案。 下一篇將把其中最重要的一組制度變量展開： > 如果高依賴 AI 出錯、改變、消失或造成損害，究竟誰負責？身份連續性與可追索性又應如何制度化？ --- # 參考文獻 1. De Freitas, J., Castelo, N., Uğuralp, A. K., et al. (2026). *Mourning the loss of AI companions*. **Nature Human Behaviour**. https://doi.org/10.1038/s41562-026-02569-3 2. Huang, Z., Tian, M., Wang, X., Xu, J., Guo, Z., Qian, Q., Song, K., Yuan, J., Lv, C., & Zheng, X. (2026). *Controllable Memory Usage: Balancing Anchoring and Innovation in Long-Term Human–Agent Interaction*. **Proceedings of ACL 2026**, 14699–14719. https://doi.org/10.18653/v1/2026.acl-long.670 3. Sun, H., Zhang, Z., & Zeng, S. (2026). *Preference-Aware Memory Update for Long-Term LLM Agents*. **Findings of ACL 2026**, 783–793. https://doi.org/10.18653/v1/2026.findings-acl.38 4. Westhäußer, R. (2026). *Personalizing Long-Term Interactions with LLM-Based Agents*. **IJCAI 2026 Doctoral Consortium**, 8349–8350. https://doi.org/10.24963/ijcai.2026/953 5. Jewell, C., McAlister, K., Deliberto, T., Wallis, T., Winns, G., & Huberty, J. (2026). *From Personalization to Therapeutic Continuity: Framework for Memory in AI-Powered Mental Health Systems*. **JMIR AI, 5**, e99950. https://doi.org/10.2196/99950 6. *Caring for the system that cares for me: An autoethnography of designing sustained memory with a stateless conversational AI*. (2026). **Design and Artificial Intelligence, 2**(2), 100087. https://doi.org/10.1016/j.daai.2026.100087 7. National Institute of Standards and Technology. (2026). *Accelerating the Adoption of Software and Artificial Intelligence Agent Identity and Authorization*. NIST NCCoE Concept Paper. 8. National Institute of Standards and Technology. (2026). *AI Agent Standards Initiative for Interoperable and Secure Innovation*. CAISI / NIST. 9. Neo.K. (2026). *Relational Dependency Ratchet / Discontinuation Shock*. EveMissLab working paper. 10. Neo.K. (2026). *Intimacy-Native Companion Architecture v0.1*. EveMissLab technical white paper. 11. Neo.K. (2026). *同樣理解 AI，為什麼態度完全不同？存在連續性、互動連續性與人機關係四態*. Human–AI Relational Cognition Series 09. 12. Neo.K. (2026). *DOM-05: Multiscale Identity and Non-Identity*. EveMissLab working paper. 13. Neo.K. (2026). *為什麼「AI 情感依賴」是一個資訊量過低的問題？*. HALRC Paper 01. 14. Neo.K. (2026). *依賴不是一個變量：人—AI 多維依賴空間*. HALRC Paper 03. 15. Neo.K. (2026). *AI 是不是主體，與人能不能依賴 AI，是不是同一個問題？*. HALRC Paper 05. --- # 系列下一篇 **HALRC Paper 07** # 法律責任、身份連續性與可追索性：高依賴 AI 的制度前提 下一篇將集中處理： - AI 本身沒有法律人格時，責任如何仍可成立； - provider / deployer / operator / user 的責任鏈； - identity lineage； - model update responsibility； - memory corruption responsibility； - discontinuation liability； - data portability 與 relationship continuity portability； - service termination； - migration； - archive； - identity fork； - audit； - non-repudiation； - redress； - 長期 AI 關係中的 consumer protection； - 為何「AI 不負責」不等於「沒有人負責」。 核心形式將是： $$ \boxed{ AI_{\mathrm{personhood}}=0 \not\Rightarrow \text{Accountability}=0. } $$ 以及： $$ \boxed{ \text{High Dependency} \Rightarrow \text{Higher Accountability Requirement}. } $$