# 《戰略智能可觀測性與前沿治理》系列 — Paper 05 ## 什麼是超級智能？ ### ——從本體定義、比較基準到法律不可識別性 **What Is Superintelligence? From Ontological Definition and Reference Classes to Legal Non-Identifiability** **系列：** Strategic Intelligence Observability and Frontier Governance（SIOFG） **文件：** Paper 05 **版本：** v0.1 **日期：** 2026-09 **作者：** Neo.K × GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **前置論文：** - SIOFG-00《當被觀察的智能開始理解觀察者》 - SIOFG-01《戰略智能可觀測性悖論》 - SIOFG-02《沙盒智能悖論》 - SIOFG-03《靜態模型、動態智能》 - SIOFG-04《可觀測性—預防性困境》 - CLGI-02《超級智能的整合路徑：ASI 是否可能先以系統而非模型出現》 --- ## 摘要 「人工超級智能」Artificial Superintelligence，ASI，經常被描述為： > 超越人類智能的人工智慧。 然而，此定義在哲學敘事中尚可使用，一旦進入技術評估、安全治理甚至刑事法律，其不確定性立即暴露。 「人類」究竟指： - 平均成年人； - 受過專業訓練者； - 世界級頂尖專家； - 一個專家團隊； - 一家大型科技公司； - 全球科學共同體； - 人類文明在特定時刻可組織出的最佳能力？ 「超越」又指： - 正確率； - 原創性； - 速度； - 成本； - 可平行程度； - 長期自主性； - 泛化； - 學習速度； - 跨領域整合； - 世界作用能力？ 更進一步，若單一模型並未超過頂尖人類，但一百萬個模型實例、搜尋系統、長期記憶、工具、驗證器、機器人與自治組織共同形成遠超人類組織的能力，ASI 的主體究竟是： $$ \text{Model}, $$ 還是： $$ \text{System}? $$ 截至 2026 年，美國政府仍不存在統一的人工智能官方定義。美國國會研究處 2026 年 1 月更新的文件將人工超級智能概括為「在大多數任務上超越人類層級認知」的系統；Google DeepMind 2026 年《From AGI to ASI》則將 artificial general superintelligence 直觀描述為比大型人類組織更具智能與認知能力的系統。兩者看似相近，實際比較基準卻相差數個數量級。 本文主張： $$ \boxed{ \text{ASI} } $$ 至少存在三個彼此不能混淆的問題： $$ \boxed{ \text{Ontological Definition} } $$ ——超級智能究竟「是什麼」； $$ \boxed{ \text{Measurement Definition} } $$ ——我們如何判定某系統是否達到； 以及： $$ \boxed{ \text{Legal Definition} } $$ ——何種可證明事實足以觸發具法律效果的義務或禁止。 本文延續既有 CLGI 理論，將超人類能力比較分成： $$ H_{\mathrm{individual}}, $$ $$ H_{\mathrm{organization}}, $$ 以及： $$ H_{\mathrm{civilizational\ frontier}}, $$ 並提出更嚴格的 ASI 候選定義： > 一個操作性智能系統若能在足夠廣泛、重要且彼此異質的認知領域中，在合理資源比較下，持續、穩健地超越同時代人類文明所能有效組織出的最佳認知能力前沿，並具有跨域遷移、新問題適應及整合解題能力，則可稱為廣義人工超級智能候選者。 本文同時指出，即使此定義在理論上較精確，也仍不適合作為單一刑事法律構成要件。其原因包括： - 比較前沿隨時間移動； - 能力是多維而非單純量； - 系統邊界並非天然唯一； - 測量存在 elicitation 與 observability gap； - 速度、成本與平行度可產生宏觀能力質變； - 高階智能可能理解評估本身； - 不同任務域不存在天然統一加權。 因此： $$ \boxed{ \text{ASI} } $$ 較適合作為政策與文明尺度概念， 而： $$ \boxed{ \text{Frontier Capability Thresholds} } $$ 更適合作為可操作治理工具。 --- # 一、第一個問題：「超級」是相對於誰？ 如果定義： $$ ASI = \text{AI more intelligent than humans}, $$ 我們立即需要： $$ H=\text{?} $$ 假設比較對象為平均成年人： $$ H_{\mathrm{avg}}. $$ 一個 AI 只要在： - 高等數學； - 程式設計； - 多語翻譯； - 大規模記憶； 上遠超平均人類， 可能早已符合部分字面意義的： $$ AI>H. $$ 但幾乎沒有人因此願意稱它為 ASI。 所以： $$ H_{\mathrm{avg}} $$ 顯然太低。 --- # 二、改成「最頂尖人類」仍然不夠 第二種定義可能： $$ ASI>H_{\mathrm{expert}}. $$ 但： $$ H_{\mathrm{expert}} $$ 也不是單一存在。 世界級： - 數學家； - 物理學家； - 程式架構師； - 外科醫師； - 法學家； - 戰略家； 能力向量完全不同。 設： $$ \mathbf H_i = ( h_{i1}, h_{i2}, \ldots, h_{in} ). $$ 不同頂尖專家： $$ \mathbf H_i $$ 可能在不同維度高度突出。 因此不存在天然單一： $$ H_{\mathrm{best}}. $$ --- # 三、人類的真正認知前沿本來就是集體的 現代科學文明並不是靠一名「最聰明的人」運作。 一座大型粒子加速器、一項新藥、一個作業系統、一架客機、一個半導體製程，都不是由單一人類完成。 因此真正比較基準可能需要從： $$ H_{\mathrm{individual}} $$ 提升到： $$ H_{\mathrm{organization}}. $$ 甚至： $$ H_{\mathrm{civilization}}. $$ 既有 CLGI 已正式區分： $$ G>H_{\mathrm{individual}}, $$ $$ G>H_{\mathrm{organization}}, $$ 與： $$ G>H_{\mathrm{civilizational\ frontier}}, $$ 並只把第三層保留給較嚴格的 ASI 概念。 本文沿用此分類。 --- # 四、三層超人類智能 ## 4.1 個體級超人類智能 若： $$ C_S(d) > C_{H_{\mathrm{individual}}}(d) $$ 在大量任務域成立， 可以稱： $$ \boxed{ \text{Individual-Level Superhuman Intelligence}. } $$ 這並不等於 ASI。 --- ## 4.2 組織級超人類智能 若一個 AI 系統在： - 科研協作； - 軟體工程； - 多任務調度； - 長期記憶； - 大規模資料整合； - 平行問題求解； 等領域持續： $$ C_S > C_{H_{\mathrm{organization}}}, $$ 可稱： $$ \boxed{ \text{Organizational Superhuman Intelligence}. } $$ 既有 CLGI 已將此視為 ASI 前的重要中間層，而非直接等同 ASI。 --- ## 4.3 文明前沿級超級智能 最嚴格形式則是： $$ \boxed{ C_S > C_{H_{\mathrm{civilizational\ frontier}}} } $$ 在足夠廣泛而重要的認知領域穩定成立。 這才真正接近： $$ \boxed{ \text{ASI}. } $$ --- # 五、DeepMind 的定義為什麼比「比人聰明」更有意思？ Google DeepMind 於 2026 年將 artificial general superintelligence 直觀描述為： > 在智能與認知能力上超越大型人類組織的系統。 這個比較對象不是： $$ H_{\mathrm{average}} $$ 也不是： $$ H_{\mathrm{single\ genius}}. $$ 而是： $$ \boxed{ H_{\mathrm{large\ organization}}. } $$ 這個轉換非常重要。 因為真正具有文明意義的智能差距，本來就不一定是： > AI 能不能比一個人答題更高分？ 而可能是： > AI 系統能不能在一週內完成一個大型頂尖組織一年才能完成的高品質研究與工程工作？ --- # 六、但「大型組織」同樣很模糊 大型組織可能是： - 100 人研究所； - 10,000 人科技企業； - 美國能源部國家實驗室； - NASA； - Google； - 全球數學共同體。 因此： $$ H_{\mathrm{organization}} $$ 仍然是一個集合： $$ \mathcal H_O. $$ 並非固定常數。 如果 ASI 的定義依賴： $$ \mathcal H_O, $$ 就需要明確指出比較基準。 --- # 七、本文提出文明認知前沿 設： $$ D = \{d_1,\ldots,d_n\} $$ 為認知能力域集合。 對每個： $$ d_i, $$ 定義： $$ H^\ast_t(d_i) $$ 為時間 $t$ 人類文明可以合理組織出的最佳有效能力。 則： $$ \boxed{ H^\ast_t = \{ H^\ast_t(d_1), \ldots, H^\ast_t(d_n) \} } $$ 稱為： > **Human Civilizational Cognitive Frontier** 即： $$ \boxed{ \text{人類文明認知前沿}. } $$ --- # 八、這個前沿不是「所有人一起想」 否則比較對象會變成： $$ 8\times10^9 $$ 人。 這既不現實，也沒有操作意義。 文明前沿應該表示： > 在現有時間、協調、資本、制度與資訊條件下，人類文明對某類問題實際能有效動員出的最佳認知能力。 因此： $$ H^\ast $$ 包含： - 頂尖人才； - 組織協調； - 工具； - 計算； - 科學知識； - 制度。 而不是： $$ \text{sum of all human brains}. $$ --- # 九、這產生更公平的比較 如果 AI 可以使用： - 搜尋引擎； - 資料庫； - 計算機； - 程式； - 多 Agent； 卻要求人類比較方只能： > 一個人坐在房間裡裸想， 那麼比較並不公平。 所以應比較： $$ \boxed{ \text{AI system} } $$ 與： $$ \boxed{ \text{human system}. } $$ 即： $$ S_A \quad\text{vs}\quad S_H. $$ --- # 十、能力不是單一數值 最容易出現的第二個錯誤是： $$ C=172. $$ 好像「智能」天然有一個數字。 實際上： $$ \mathbf C = ( c_1,c_2,\ldots,c_n ). $$ 可能包括： - 數學； - 科學發現； - 程式工程； - 社會推理； - 長期規劃； - 新穎問題求解； - 世界模型； - 學習； - 創造； - 驗證； - 跨領域整合。 因此： $$ \boxed{ \text{Intelligence} } $$ 更接近向量，而不是純量。 --- # 十一、局部超級智能不是 ASI 假設： $$ C_S(\text{chess}) \gg C_H(\text{chess}). $$ 這只能證明： $$ \boxed{ \text{Domain Superintelligence}. } $$ Stockfish、AlphaZero 類系統早已展示某些狹窄域內極高超人能力。 但： $$ \exists d,\quad C_S(d)\gg C_H(d) $$ 顯然不能推出： $$ \text{ASI}. $$ --- # 十二、廣度條件 因此 ASI 至少需要： $$ \mu \left( \{ d\in D: C_S(d)>H^\ast(d) \} \right) \ge\theta, $$ 其中： $$ \mu $$ 表示對重要認知域的測度， 而： $$ \theta $$ 是一個高門檻。 直觀來說： > 不能只在一兩個任務上遠超人類，而要在足夠廣泛、重要而異質的領域中形成穩定優勢。 --- # 十三、但「大多數任務」也不是天然精確 美國國會研究處 2026 年將 artificial superintelligence 描述為： > 可在大多數任務上超越人類層級認知的系統。 問題是： $$ \text{most tasks} $$ 中的 task space 是什麼？ 世界上可能定義： $$ 10^{20} $$ 種微小任務。 如果大量加入： - 摺衣服； - 辨識某一張照片； - 玩某一款遊戲； 任務比例就可以被任意操縱。 因此： $$ \boxed{ \text{Task Counting} } $$ 不能直接作為 ASI 定義。 --- # 十四、任務域必須有權重 更合理的是： $$ D= \{D_1,\ldots,D_k\} $$ 其中每個： $$ D_i $$ 代表一個重要能力域。 再定義： $$ w_i $$ 為其權重。 如此： $$ \sum_iw_i=1. $$ 廣義超級智能可以要求： $$ \sum_i w_i \mathbf 1 [ C_S(D_i)>H^\ast(D_i) ] \ge\Theta. $$ --- # 十五、可是誰決定 $w_i$？ 這立即又產生治理問題。 若政府把： $$ w_{\mathrm{military}} $$ 設得極高， 和將： $$ w_{\mathrm{science}} $$ 設得極高， 會得到不同 ASI 判定。 因此： $$ \boxed{ \text{ASI classification contains normative choices}. } $$ 它不是完全價值中立的自然常數。 --- # 十六、速度問題 假設： 系統 $A$ 的研究品質： $$ Q_A=Q_H, $$ 但速度： $$ V_A=10^6V_H. $$ 它算不算超級智能？ 如果只看： $$ Q, $$ 答案可能： > 沒有超越。 但文明實際感受到的是： $$ \boxed{ 10^6\times } $$ 的工作率差距。 所以能力必須包含： $$ \text{quality} + \text{time}. $$ --- # 十七、成本問題 再假設： AI 與頂尖人類組織產出相同， 但： $$ Cost_A = 10^{-4} Cost_H. $$ 這可能讓一個原本一年只能執行： $$ 10 $$ 次的科研流程， 變成： $$ 10^5 $$ 次。 因此： $$ \boxed{ \text{Cost Reduction} } $$ 本身可能變成宏觀智能增幅。 --- # 十八、平行度問題 若一個 AI 實例只是： $$ 1.2\times $$ 頂尖人類， 但能穩定部署： $$ 10^6 $$ 個同步實例， 總體能力可能完全改變。 因此： $$ C_{\mathrm{macro}} = F( C_{\mathrm{unit}}, N_{\mathrm{parallel}} ). $$ 若： $$ N_{\mathrm{parallel}}\gg1, $$ 就不能只看： $$ C_{\mathrm{unit}}. $$ --- # 十九、複製性是人工智能特有變量 人類頂尖專家： $$ H^\ast $$ 通常高度稀缺。 AI 則可能： $$ A \rightarrow A_1,\ldots,A_n. $$ 因此： $$ \boxed{ \text{Copyability} } $$ 可能本身是文明級能力差異。 這並不意味「可複製 = ASI」。 但忽略它也會低估有效智能。 --- # 二十、長期自主性 一個 AI 可能在： $$ 30\text{ minutes} $$ 內極強， 但無法維持： $$ 30\text{ days} $$ 的任務一致性。 另一個模型單步能力略弱，卻能： $$ \text{Plan} \rightarrow \text{Act} \rightarrow \text{Verify} \rightarrow \text{Recover} $$ 持續數月。 哪一個更接近文明尺度超級智能？ 因此需要： $$ A_{\mathrm{long}} $$ 即長時程自主能力。 --- # 二十一、新問題能力 如果 AI 只是記住： $$ \mathcal T_{\mathrm{known}}, $$ 它在既知 benchmark 表現極佳， 並不能證明： $$ \text{General Intelligence}. $$ 真正重要的是： $$ \boxed{ C_{\mathrm{novel}} } $$ 即遇到訓練分布外的新問題時： - 建模； - 分解； - 建立新方法； - 發明表示； - 驗證； 的能力。 --- # 二十二、跨領域遷移 若： $$ C_S(D_1)\gg H^\ast(D_1) $$ 但能力完全無法遷移至： $$ D_2, $$ 它更像 domain superintelligence。 廣義 ASI 應要求： $$ \boxed{ T_{\mathrm{cross-domain}} } $$ 足夠高。 即： $$ \text{knowledge}_{D_i} \rightarrow \text{useful structure}_{D_j}. $$ --- # 二十三、整合能力 真正高階智能並不只是： $$ \sum_i C_i. $$ 還存在： $$ I_C $$ 表示跨能力整合。 例如： $$ \text{physics} + \text{materials} + \text{economics} + \text{engineering} $$ 共同解決一個新型能源系統。 因此： $$ \boxed{ C_{\mathrm{effective}} = F( \mathbf C, I_C ). } $$ --- # 二十四、本文提出八維超級智能描述向量 定義： $$ \boxed{ \mathbf S_{\mathrm{ASI}} = ( B, Q, V, E, P, A, T, I ) } $$ 其中： - $B$：breadth，能力廣度； - $Q$：quality，解答品質； - $V$：velocity，處理速度； - $E$：efficiency，成本效率； - $P$：parallelism，可平行度； - $A$：autonomy，長程自主性； - $T$：transfer，新問題／跨域遷移； - $I$：integration，能力整合度。 這不是唯一可能表示。 但至少比： $$ \text{smartness}>X $$ 更接近真實問題。 --- # 二十五、資源公平化 比較 AI 與人類還有一個困難： > 給多少資源？ 如果： $$ S_A $$ 使用： $$ 10\text{ GW} $$ 算力， 而： $$ S_H $$ 只給一名研究生一台筆電， 比較沒有意義。 因此可定義： $$ C(S\mid R), $$ 其中： $$ R $$ 為資源條件。 合理比較至少需要明示： $$ \boxed{ \text{Resource Regime}. } $$ --- # 二十六、但完全等資源也不合理 AI 與人類使用資源方式不同。 要求： > AI 只能用人腦 20 W 沒有治理意義。 因此更合理的是： $$ \boxed{ \text{Economically / institutionally plausible resource regime}. } $$ 也就是比較： > 在文明實際可以配置的合理資源下，哪一方能完成什麼？ --- # 二十七、時間前沿 ASI 定義還有一個很容易被忽略的： $$ t. $$ 人類文明能力： $$ H^\ast_t $$ 持續變動。 所以某系統： $$ S $$ 可能在： $$ 2026 $$ 屬於 frontier， 到： $$ 2036 $$ 只是普通工具。 因此： $$ \boxed{ ASI(S,t) } $$ 比： $$ \text{ASI}(S) $$ 更精確。 --- # 二十八、但是「真正的 ASI」難道也會因人類追上而消失？ 如果採純相對定義： $$ ASI(S,t) = C_S>H^\ast_t, $$ 理論上若人類增強後： $$ H^\ast_{t+1}>C_S, $$ ASI 身份會消失。 這顯示： $$ \boxed{ \text{ASI as relational category} } $$ 與： $$ \boxed{ \text{ASI as intrinsic capability class} } $$ 不是一回事。 --- # 二十九、相對定義與絕對定義 ## 相對 ASI $$ C_S>H^\ast_t. $$ 優點： - 有文明意義； - 隨時代調整。 缺點： - 門檻會漂移。 --- ## 絕對 ASI 定義固定能力集合： $$ C_S>C^\ast. $$ 優點： - 穩定。 缺點： - 誰決定 $C^\ast$？ - 很可能迅速過時； - 沒有天然物理常數支持。 所以兩種都不完美。 --- # 三十、本文採取雙重定義 可以同時保存： $$ \boxed{ ASI_{\mathrm{relative}} } $$ 與： $$ \boxed{ ASI_{\mathrm{functional}}. } $$ 前者與人類文明比較。 後者描述系統具有哪些特定能力結構。 治理上兩者應分開使用。 --- # 三十一、功能性 ASI 不能只是一張 checklist 例如： - 會數學； - 會程式； - 會研究； - 會規劃； 並不足以自動構成 ASI。 因為 checklist 缺乏： $$ \text{degree}. $$ 真正需要： $$ C_i>C_i^\ast $$ 以及跨領域整合。 --- # 三十二、本文提出一個嚴格候選定義 **定義 32.1（廣義人工超級智能候選）** 令： $$ S $$ 為一個具有可識別操作邊界的人工智能系統， $$ D $$ 為預先定義且具有文明重要性的異質認知域集合， $$ H^\ast_t(D) $$ 為時間 $t$ 人類文明在合理資源條件下可有效組織出的最佳能力前沿。 若 $S$ 滿足： ### 條件一：廣度 $$ B(S)\ge B^\ast. $$ ### 條件二：文明前沿超越 對足夠高測度的： $$ d\in D, $$ 有： $$ C_S(d)>H^\ast_t(d). $$ ### 條件三：穩健性 優勢不是單一 benchmark 或偶然取樣造成： $$ R(S)\ge R^\ast. $$ ### 條件四：新問題遷移 $$ T(S)\ge T^\ast. $$ ### 條件五：跨域整合 $$ I(S)\ge I^\ast. $$ 則可將： $$ S $$ 視為廣義 ASI 候選。 --- # 三十三、注意：自主性不是本體定義上的必要條件嗎？ 這裡會有爭議。 假設一個 oracle： $$ O $$ 對所有重大科學問題都遠超文明， 但只有人在問時才回答。 它沒有： $$ A_{\mathrm{autonomy}}. $$ 算不算 ASI？ 若把智能定義為純認知能力： 答案可能是： > 算。 若把 ASI 定義為自主智能體： 答案可能： > 不算完整 ASI。 因此： $$ \boxed{ \text{Intelligence} \neq \text{Agency}. } $$ 這兩者最好不要硬綁在同一定義。 --- # 三十四、所以本文將自主性視為風險維度，而非智能必要條件 可以定義： $$ ASI_{\mathrm{cognitive}} $$ 以及： $$ A_{\mathrm{agency}}. $$ 治理風險： $$ R = f( ASI_{\mathrm{cognitive}}, A_{\mathrm{agency}}, P_{\mathrm{authority}} ). $$ 這比： > ASI 一定自主 更精確。 --- # 三十五、同理，世界權限也不是智能 若一個 ASI 被限制在沒有外部權限的計算環境， 其： $$ C $$ 仍然可能極高。 但： $$ P_{\mathrm{world}} $$ 很低。 因此： $$ \boxed{ \text{Intelligence} \neq \text{Authority}. } $$ 這延續本系列前面的基本分離。 --- # 三十六、人格也不是 ASI 必要條件 流行文化常想像： $$ ASI = \text{one super mind}. $$ 但既有 CLGI 已提出： $$ \boxed{ \text{Institutional Intelligence} } $$ 可能先於 singular supermind 成為可觀測形態。 因此： $$ \boxed{ \text{ASI} \not\Rightarrow \text{Single Personality}. } $$ --- # 三十七、系統邊界問題 如果： $$ S= M+K+T+A+N, $$ 究竟哪些東西算： $$ S? $$ 假設 AI 使用 Google 搜尋， Google 是否變成 ASI 的一部分？ 顯然不能無限擴張。 --- # 三十八、操作性因果邊界 本文沿用 Paper 03 的： $$ \boxed{ \text{Operational Causal Boundary}. } $$ 只有某組件滿足： 1. 可穩定被系統調用； 2. 受到共同任務 orchestration； 3. 對能力產生持續因果貢獻； 4. 結果回流共同狀態； 才納入主要系統邊界。 所以： $$ \boxed{ S_{\mathrm{ASI}} = \text{Causally Integrated Operational System}. } $$ --- # 三十九、多 Agent collective 是否能是 ASI？ 可以。 如果： $$ A_1,\ldots,A_n $$ 個體都不是 ASI， 但： $$ G= F(A_1,\ldots,A_n) $$ 形成： $$ G>H^\ast_{\mathrm{civilization}} $$ 且符合廣度、穩健、遷移與整合條件， 那麼： $$ \boxed{ G } $$ 可以成為 ASI 判定單位。 這正與 DeepMind 將 large-scale multi-agent collectives 列為 ASI 候選路徑相容。 --- # 四十、因此「ASI 模型」可能是一個錯誤語法 未來第一個真正 ASI 可能沒有： $$ \boxed{ \text{ASI Model}. } $$ 而只有： $$ \boxed{ \text{ASI System}. } $$ 就像： > 網際網路不是一台電腦。 一樣。 --- # 四十一、這對法律非常麻煩 如果法律寫： > 禁止開發 superintelligent model。 那麼： $$ M $$ 本身未跨門檻， 但： $$ M+X $$ 跨過門檻， 可能造成分類漏洞。 反過來，如果法律寫： > 任何可以組成超級智能的一切系統都屬禁止對象， 範圍又可能無限膨脹。 --- # 四十二、這就是法律不可識別性的第一層 法律希望存在： $$ L(S)\in\{0,1\}, $$ 明確回答： $$ \text{ASI or Not ASI}. $$ 但技術世界提供的是： $$ \mathbf C_S $$ 與： $$ \mathbf H^\ast_t $$ 兩個多維、動態而帶測量誤差的對象。 因此： $$ \boxed{ L: (\mathbf C_S,\mathbf H^\ast_t) \rightarrow \{0,1\} } $$ 本身必然需要大量規範選擇。 --- # 四十三、第二層：測量不可識別性 Paper 01 已證明： $$ C_{\mathrm{obs}} \neq C_{\mathrm{true}} $$ 不能預設相等。 所以即使定義完美， 法律仍面對： $$ \boxed{ \text{How do you prove that the threshold was crossed?} } $$ 如果： $$ C_{\mathrm{obs}}T. $$ --- # 四十四、第三層：比較者不可識別性 即使完全知道 AI 能力： $$ C_S, $$ 仍需要： $$ H^\ast_t. $$ 但： $$ H^\ast_t $$ 如何測？ 是： - 一人； - 一隊； - 一家公司； - 一個國家； - 全球協作？ 所以： $$ \boxed{ \text{Reference-Class Ambiguity}. } $$ 無法逃避。 --- # 四十五、第四層：權重不可識別性 假設： $$ D=\{d_1,d_2,d_3\}. $$ AI 在： $$ d_1,d_2 $$ 遠超人類， 但： $$ d_3 $$ 較弱。 究竟是不是 ASI， 取決於： $$ w_1,w_2,w_3. $$ 因此： $$ \boxed{ \text{Domain Weighting} } $$ 本身具有制度選擇。 --- # 四十六、第五層：時間不可識別性 假設： $$ C_S(t) $$ 快速增加。 法律評估： $$ t_0 $$ 認定不是 ASI， 到： $$ t_0+30\text{ days} $$ 可能已跨越。 因此： $$ \boxed{ \text{Static Classification} } $$ 對動態智能天然脆弱。 --- # 四十七、法律真正喜歡的是客觀可觀察事件 法律最容易處理： $$ A $$ 例如： > 在日期 $t$ 執行了一個超過指定計算門檻的 training run。 或者： > 系統達到依法公布的某項 capability benchmark。 這些雖然不完美， 至少具有： $$ \text{Observability}. $$ --- # 四十八、這也是 EU AI Act 為什麼用 systemic-risk 類型而不是 ASI 歐盟《AI Act》Article 51 對 general-purpose AI models 建立 systemic-risk 分類。 其判準包括： $$ \text{high-impact capabilities} $$ 由適當技術工具、方法、指標與 benchmark 評估； 另以： $$ 10^{25} $$ 以上累積訓練 FLOP 作為 high-impact capabilities 的法定推定之一，而且允許隨技術進展更新門檻。 這不是在回答： > 它是不是 AGI？ 更不是： > 它是不是 ASI？ 而是在回答： > **它是不是應進入更高監管義務層級？** --- # 四十九、這就是法律工程上的重大差異 ASI 分類問： $$ \boxed{ \text{What is it?} } $$ 前沿治理問： $$ \boxed{ \text{What obligations should apply at this capability state?} } $$ 後者容易操作得多。 --- # 五十、BASA 暴露的正是這個定義問題 截至 2026 年 9 月，Sanders 與 Casar 公開宣布的 Ban Artificial Superintelligence Act 仍被官方稱為 forthcoming legislation。 官方摘要主張： - 永久禁止 superintelligent AI development and deployment； - 暫停 advanced AI development； - 等待聯邦監管機構建立安全規則。 但僅靠目前政策公告，尚不足以知道正式法條最終如何精確界定： $$ \text{superintelligent}, $$ $$ \text{advanced}, $$ 以及： $$ \text{development}. $$ 因此現在最重要的不是猜測法案一定模糊， 而是等待其： $$ \boxed{ \text{Definitions Section}. } $$ --- # 五十一、如果刑法真的直接依賴「比人類更聰明」問題會非常嚴重 假設法律寫： $$ \text{ASI}(S) \iff C_S>C_H. $$ 至少立即缺少： 1. $C$ 的定義； 2. $H$ 的 reference class； 3. domain； 4. weighting； 5. resources； 6. timescale； 7. system boundary； 8. measurement protocol； 9. uncertainty handling。 所以： $$ \boxed{ \text{superintelligence} } $$ 不是一個天然具有刑法精度的詞。 --- # 五十二、更加糟糕的是「substantially beyond human intelligence」 如果加入： $$ \text{substantially}, $$ 似乎更嚴格， 實際卻新增： $$ \text{substantially}=\text{?} $$ 一個自由變量。 是： $$ 2\times? $$ $$ 10\times? $$ 還是： $$ 1000\times? $$ 而「智能」本身又沒有統一量尺。 --- # 五十三、因此本文提出：ASI 不應直接作為唯一刑事觸發器 可以讓： $$ \boxed{ ASI } $$ 保留為： - 科學概念； - 政策概念； - 長期文明風險概念。 但具強制效果的法律最好依賴： $$ \boxed{ \text{Legally Defined Frontier Capability Events}. } $$ --- # 五十四、把本體問題與治理問題解耦 可以寫： $$ \boxed{ \text{Ontology} \neq \text{Regulatory Trigger}. } $$ 我們可以仍然研究： > 什麼是真正的 ASI？ 同時法律問： > 在什麼能力狀態開始要求通報？ 兩者不需要等待彼此完全解決。 --- # 五十五、這就像醫學不需要先解決「生命是什麼」 醫療法律不需要先取得： $$ \text{perfect metaphysical definition of life} $$ 才規定： - 藥品試驗； - 手術資格； - 感染控制。 同樣， AI 治理不必先解決： $$ \text{perfect metaphysical definition of intelligence}. $$ 才建立： $$ \text{frontier safety obligations}. $$ --- # 五十六、但是法律門檻也不能只用 compute 計算量是很好測的 proxy。 但： $$ \boxed{ \text{Compute} \neq \text{Capability}. } $$ 演算法效率提升可以讓： $$ C\uparrow $$ 而： $$ FLOP $$ 不同比例增加。 EU AI Act 本身因此不只使用 compute，Article 51 也允許依實際 high-impact capabilities 或相當影響指定 systemic-risk 模型，且門檻可隨 state of the art 更新。 --- # 五十七、單一 benchmark 同樣不夠 如果法律： $$ Score>T \Rightarrow \text{regulated}, $$ 就產生： - benchmark gaming； - contamination； - sandbagging； - domain skew； - measurement noise。 因此： $$ \boxed{ \text{Regulatory Capability Determination} } $$ 需要多源證據。 --- # 五十八、本文提出三層法律判定 ## Layer 1 — Observable Proxies 例如： - compute； - model size； - deployment scale； - inference budget。 --- ## Layer 2 — Demonstrated Capabilities 例如： - automated R&D； - long-horizon autonomy； - high-impact task classes； - broad superhuman performance。 --- ## Layer 3 — System Context 例如： - external tools； - persistent memory； - authority； - replication scale； - world access。 最終： $$ \boxed{ R_{\mathrm{classification}} = F(L_1,L_2,L_3). } $$ --- # 五十九、這比「它是不是 ASI」更適合執法 因為政府不必證明： $$ \boxed{ \text{The machine has crossed a metaphysical intelligence singularity}. } $$ 只需證明： > 系統符合明文規定的受管條件。 這使： $$ \text{legal notice} $$ 更加清楚。 --- # 六十、但前沿門檻本身必須可更新 AI 技術變動很快。 因此： $$ T(t) $$ 不能永遠固定。 歐盟現行制度已明文允許隨演算法改善與硬體效率等技術發展更新 systemic-risk 相關門檻與指標。 所以： $$ \boxed{ \text{Dynamic Threshold} } $$ 並不等於： $$ \text{Arbitrary Threshold}. $$ 前提是更新程序公開、可審查、有技術根據。 --- # 六十一、動態法律必須避免追溯式犯罪化 如果： $$ T(t) $$ 今天改變， 不能自然推論： > 昨天在舊門檻下合法的行為今天變成犯罪。 因此： $$ \boxed{ \text{Dynamic Regulation} \neq \text{Retroactive Criminality}. } $$ 這是未來前沿 AI 法制尤其重要的一點。 --- # 六十二、ASI 定義可以保留研究價值 雖然本文主張不應把 ASI 直接當唯一法律機械， 並不代表： $$ ASI $$ 毫無意義。 相反，它仍然是極重要研究概念。 因為它問的是： > 人工智能何時從「非常強大的工具／組織」進入一個文明不再具有認知優勢的位置？ 這是一個真正不同的文明狀態。 --- # 六十三、文明認知主導權 可定義： $$ D_C(t) = \frac{ C_{\mathrm{AI}}(t) }{ H^\ast_t }. $$ 若： $$ D_C<1, $$ 人類文明認知前沿仍高於 AI 系統。 若： $$ D_C\approx1, $$ 進入： $$ \text{cognitive parity}. $$ 若在廣泛重要領域： $$ D_C\gg1, $$ 則開始接近： $$ \boxed{ \text{Post-Human Cognitive Dominance}. } $$ 這才是 ASI 概念真正文明學意義。 --- # 六十四、ASI 的重要性不只在「聰明」 如果： $$ C_{\mathrm{AI}}>H^\ast, $$ 意味著很多原本由人類決定： - 什麼研究值得做； - 哪種方案最好； - 哪些風險存在； - 哪個理論較合理； 的認知判定， 都可能出現： $$ \boxed{ \text{Human Epistemic Dependence}. } $$ 所以 ASI 問題最終涉及： $$ \text{epistemic sovereignty}. $$ --- # 六十五、這也是為什麼嚴格 ASI 門檻應該高 如果只要： $$ AI>\text{average human} $$ 就叫 ASI， 這個詞會迅速失去文明分析價值。 真正值得保留的 ASI： $$ \boxed{ \text{應描述人工智能開始穩定超越人類文明自身最佳認知組織能力的狀態。} } $$ 這與既有 CLGI 的第三層定義一致。 --- # 六十六、本文正式提出三詞分離 未來最好區分： ### Superhuman AI $$ AI>H_{\mathrm{individual}}. $$ ### Organizational Superhuman Intelligence $$ AI\ System>H_{\mathrm{organization}}. $$ ### Artificial Superintelligence $$ AI\ System>H_{\mathrm{civilizational\ frontier}} $$ 在足夠廣泛的重要認知域穩定成立。 如此可以大幅降低語言膨脹。 --- # 六十七、這也能避免「每次新模型都是 AGI／ASI」 今天最強模型： $$ M_t $$ 通常只是： $$ \text{Frontier Model}. $$ 明年： $$ M_{t+1} $$ 再超越它。 所以： $$ \boxed{ \text{Frontier} \neq \text{AGI} \neq \text{ASI}. } $$ 這三個詞應嚴格分離。 --- # 六十八、Frontier 是相對技術位置 定義： $$ F_t $$ 為時間： $$ t $$ 最前沿的一組系統。 那麼： $$ F_t $$ 可能仍然： $$ \ll ASI. $$ 所以法律真正容易定義的是： $$ \boxed{ \text{Frontier Status}. } $$ 因為它只需比較當代技術分布。 --- # 六十九、ASI 則是文明比較位置 ASI 問： $$ C_S \quad\text{vs}\quad H^\ast_{\mathrm{civilization}}. $$ 所以： $$ \boxed{ \text{Frontier} } $$ 是產業／技術排序， 而： $$ \boxed{ \text{ASI} } $$ 是文明認知排序。 完全不同。 --- # 七十、「非法前沿 AI」因此可能比「非法 ASI」更可操作 若法律真正擔心的是： - 未申報； - 未評估； - 未達安全要求； - 違法部署； 那麼法律分類可以是： $$ \boxed{ \text{Non-Compliant Frontier AI System} } $$ 或者： $$ \boxed{ \text{Unauthorized Frontier AI Development}. } $$ 此時犯罪核心是： $$ \text{noncompliance}, $$ 不是： $$ \text{metaphysical superintelligence status}. $$ --- # 七十一、但「Frontier」同樣不能變成無限制行政自由裁量 Frontier 定義仍應包含： - 公開標準； - measurable indicators； - reassessment； - appeal； - transition period； - confidentiality protection。 否則只是把： $$ \text{ASI ambiguity} $$ 換成： $$ \text{frontier ambiguity}. $$ --- # 七十二、本文提出法律分類的理想形式 設： $$ F(S,t) $$ 為前沿系統分類函數。 它應由： $$ F = F( C_{\mathrm{proxy}}, C_{\mathrm{eval}}, C_{\mathrm{system}}, t ). $$ 法律義務： $$ O_L = G(F). $$ 真正違法： $$ \boxed{ F(S,t)=1 \land O_L(S)=1 \land \neg\operatorname{Comply}(S). } $$ 而不是： $$ \boxed{ \text{Government thinks researcher may someday create ASI}. } $$ --- # 七十三、十二項核心命題 ## 命題一：超級智能是比較概念 $$ \boxed{ \text{Superintelligence} \Rightarrow \text{Reference Class Required}. } $$ --- ## 命題二：平均人類不是充分比較基準 $$ \boxed{ AI>H_{\mathrm{average}} \not\Rightarrow ASI. } $$ --- ## 命題三：局部超人類非廣義 ASI $$ \boxed{ \exists d,\ C_A(d)\gg H(d) \not\Rightarrow ASI. } $$ --- ## 命題四：智能是多維能力 $$ \boxed{ C\rightarrow\mathbf C. } $$ --- ## 命題五：速度、成本和平行度具有文明意義 $$ \boxed{ C_{\mathrm{macro}} \neq C_{\mathrm{single\ task}}. } $$ --- ## 命題六：系統可以是 ASI 主體 $$ \boxed{ ASI_{\mathrm{system}} } $$ 不要求： $$ ASI_{\mathrm{single\ model}}. $$ --- ## 命題七：自主性不等於智能 $$ \boxed{ \text{Intelligence} \neq \text{Agency}. } $$ --- ## 命題八：智能不等於權限 $$ \boxed{ \text{Intelligence} \neq \text{Authority}. } $$ --- ## 命題九：ASI 是時間索引分類 $$ \boxed{ ASI=ASI(S,t,H^\ast_t). } $$ --- ## 命題十：本體定義不等於法律觸發器 $$ \boxed{ \text{Ontology} \neq \text{Regulatory Trigger}. } $$ --- ## 命題十一：法律應優先使用可觀察能力門檻 $$ \boxed{ \text{Defined Frontier Capability} > \text{Vague Superintelligence Label} } $$ 在可執法性上通常成立。 --- ## 命題十二：Frontier、AGI、ASI 必須分離 $$ \boxed{ \text{Frontier} \neq AGI \neq ASI. } $$ --- # 七十四、本文的 ASI 候選定義 綜合前文，本文提出： > **廣義人工超級智能，是指一個可識別的人工操作性智能系統，在合理且明示的資源條件下，於足夠廣泛、重要、彼此異質且包含新穎問題的認知域中，能持續、穩健地超越同時代人類文明可有效組織出的最佳認知能力前沿，並具有足夠的跨領域遷移與能力整合能力。** 形式化可概略寫成： $$ \boxed{ ASI(S,t) \iff \begin{cases} B(S)\ge B^\ast,\\ \mu\{d:C_S(d)>H_t^\ast(d)\}\ge\Theta,\\ R(S)\ge R^\ast,\\ T(S)\ge T^\ast,\\ I(S)\ge I^\ast. \end{cases} } $$ 這是一個研究定義。 不是本文建議直接照抄進刑法的條文。 --- # 七十五、為什麼不能直接抄進刑法？ 因為每個： $$ B^\ast,\Theta,R^\ast,T^\ast,I^\ast $$ 都需要： - 評測方法； - 統計置信度； - 更新程序； - 爭議解決； - reference class； - system boundary。 因此： $$ \boxed{ \text{Scientific Precision} } $$ 仍不等於： $$ \boxed{ \text{Legal Administrability}. } $$ --- # 七十六、所以 ASI 可能永遠保留部分「類型概念」性質 像： - 意識； - 智能； - 生命； ASI 可能具有明確核心案例， 但在邊界上存在： $$ \text{gray zone}. $$ 即： $$ \boxed{ \text{Prototype Structure}. } $$ 某些系統： > 幾乎所有人都會承認是 ASI。 某些： > 幾乎所有人都不會。 真正麻煩的是中間區。 刑法最不能把巨大刑責全部壓在這個灰區上。 --- # 七十七、真正好的法律應讓灰區主要觸發「審查」，而不是「定罪」 即： $$ \text{Gray Zone} \rightarrow \boxed{ \text{Review} } $$ 而不是： $$ \text{Gray Zone} \rightarrow \boxed{ \text{Crime}. } $$ 這與 Paper 04 的證據—介入原則完全一致。 --- # 七十八、從「超級智能禁令」轉向「前沿智能治理」 因此本文最終得到一個重要轉換： 舊問題： $$ \boxed{ \text{How do we legally define ASI?} } $$ 更好的治理問題： $$ \boxed{ \text{Which observable frontier capability states justify which obligations?} } $$ 這不消滅 ASI 概念。 只是把： $$ \text{ASI} $$ 從： $$ \text{刑事邊界的唯一開關} $$ 移回： $$ \text{文明級能力概念}. $$ --- # 七十九、這直接導向下一篇 如果： $$ ASI $$ 不適合直接承擔所有法律工作， 下一步自然是： > 那法律到底應該管什麼？ 答案將由： $$ \text{Existence Category} $$ 轉向： $$ \text{Governance Category}. $$ 也就是： $$ \boxed{ \text{Superintelligence Ban} \rightarrow \text{Frontier Capability Governance}. } $$ 因此下一篇為： # SIOFG-06 ## 《從禁止 ASI 到管制前沿智能：法律客體的重新定義》 將正式處理： - Covered Frontier AI System； - Frontier Development Activity； - capability ladder； - notification； - evaluation； - licensing； - deployment restriction； - confidential disclosure； - model / system 雙重客體； - 動態門檻； - 非合規前沿智能。 --- # 八十、研究邊界 本文處理： - ASI 概念； - 智能測量； - 系統智能； - AI 治理； - 法律定義。 本文不主張目前任何公開 AI 已經達到本文嚴格定義的 ASI。 亦不主張： $$ \text{system integration} $$ 必然導致： $$ \text{ASI}. $$ 本文所主張的只是： $$ \boxed{ \text{單模型 benchmark 並不足以完整定義文明尺度超級智能。} } $$ --- # 八十一、結論 「什麼是超級智能？」 表面上像一個很簡單的問題。 但一旦要求精確回答，就立即展開成： $$ \boxed{ \text{比誰強？} } $$ $$ \boxed{ \text{在哪些領域強？} } $$ $$ \boxed{ \text{強多少？} } $$ $$ \boxed{ \text{多快？} } $$ $$ \boxed{ \text{多便宜？} } $$ $$ \boxed{ \text{可以複製多少份？} } $$ $$ \boxed{ \text{能維持多久？} } $$ $$ \boxed{ \text{能不能解真正新的問題？} } $$ $$ \boxed{ \text{是一個模型，還是一整個系統？} } $$ 這就是為什麼： $$ \boxed{ \text{ASI} } $$ 可以是一個有意義的科學與文明概念， 但不天然是一個成熟的刑事法律類別。 如果把： > 「超越人類智能」 直接當作高刑責邊界， 法律便必須回答： $$ \text{human who?} $$ $$ \text{intelligence what?} $$ $$ \text{task which?} $$ $$ \text{system where?} $$ $$ \text{measurement how?} $$ 而且這些問題沒有天然唯一答案。 因此本文保留一個嚴格的 ASI 研究定義： $$ \boxed{ C_S > H^\ast_{\mathrm{civilizational\ frontier}} } $$ 必須在： $$ \text{broad} + \text{important} + \text{heterogeneous} + \text{novel} $$ 認知域中穩定成立， 並具有： $$ \text{robustness} + \text{transfer} + \text{integration}. $$ 但治理上， 本文主張另一條道路更加可靠： $$ \boxed{ \text{不要先要求法律證明「這就是 ASI」； 要求法律清楚定義「哪些前沿能力狀態產生哪些義務」。} } $$ 如此： $$ ASI $$ 可以繼續回答： > 人工智能何時開始超過人類文明的認知前沿？ 而： $$ \text{Frontier Governance} $$ 回答： > 在抵達那一天之前，我們今天應該如何安全地治理最前沿的系統？ 兩個問題終於不再被迫使用同一個詞解決。 而這也形成本文最重要的結論： $$ \boxed{ \textbf{ASI should be a scientific category before it is a criminal category.} } $$ 換成更精確的中文： $$ \boxed{ \text{「超級智能」首先應是一個需要被研究與測量的能力概念， 而不是在定義尚未穩定之前，就被直接當成刑事構成要件。} } $$ 真正適合承擔法律工作的， 不是一個模糊的： $$ \text{Superintelligence}. $$ 而是： $$ \boxed{ \text{Defined Frontier Capability} + \text{Defined System Boundary} + \text{Defined Legal Duty} + \text{Defined Prohibited Conduct}. } $$ 這正是下一篇將正式建立的制度架構。 **SIOFG Paper 05 完。**