《随机哲学原理》第十章“AI伦理的随机哲学视角”
《随机哲学原理》之伦理学：
当算法开始“创造”，责任怎么算？——AI时代的随机伦理
——《随机哲学原理》第十章“AI伦理的随机哲学视角”
逄 培
【核心提要】
大语言模型的随机性不是需要被修复的bug，而是其创造性的结构基础——当AI的输出在根本上是概率采样结果时，“作者”和“责任者”的传统概念就失效了。本章将随机伦理框架投入当代最紧迫的AI实践领域，正面处理三个层层递进的问题。第一，创造性责任：AI的创造性恰恰来自其采样过程中的随机性，因此开发者和部署者对其温度参数、截断阈值等随机性配置承担着“分布塑造责任”——你把创造性通道开得多宽？安全底线设在哪里？第二，价值对齐的批判：完美对齐在原则上不可能完成，不是因为算法不够好，而是因为“价值”本身在人类社会中就不是一个可以一劳永逸固定不变的标靶。更关键的是，任何对齐技术本身都会引入新的偏差和随机性——“对齐税”不可消除。第三，随机问责：当AI输出导致伤害时，追责不能再沿用“谁的手摁下了按钮”的单一因果链条。本章提出“责任回溯的概率谱系”模型——责任在用户、开发者、算法随机性、训练数据偏差等多元因素之间呈概率化分布。这比任何非此即彼的追责模型都更符合随机本体的因果结构，也更公平。本章最终指向一种去中心化的人机伦理关系：谁也不是主宰。在一个没有固定剧本的宇宙中，人类与AI的共同前进方式不是一方控制另一方，而是在持续交互中彼此校准。
当认知主体从人类扩展到AI，随机伦理学的框架如何落地？第八章提出了随机伦理学的核心公理——“善”是扩大未来可能性的行动，道德责任是对概率分布的塑造责任。第九章建立了流动性伦理——伦理规则在具体情境中被调适，具体判断优先于普世法则，减少痛苦作为伦理锚点，行动者从“他律”经由“自律”抵达“随机伦理”。现在，我们必须将这套框架投入当代最紧迫的技术伦理领域。大语言模型（LLM）的随机性——它输出的每一个token都是从概率分布中采样的——不是技术缺陷，而是创造性的结构基础。但这也意味着“作者”和“责任者”的概念必须被重新构思。价值对齐——使AI行为符合人类意图——面临的不只是工程困难，更是原则性的不可能：价值本身在动态演化，任何对齐技术本身都会引入新的偏差和随机性（“对齐税”）。当AI输出导致伤害时，如何追责？随机本体论要求一个“责任回溯的概率谱系”——将责任在多因系统中概率化分配，告别非此即彼的单因追责。最终，人机伦理关系的终点不是一方主宰另一方，而是一种去中心化的共生——谁也不是主宰。
10.1 大语言模型的随机性与创造性责任
一、“随机性”：不是Bug，是创造性之源
大语言模型生成文本的基本机制是：给定上文，计算下一个token在整个词表上的条件概率分布，然后从该分布中采样。当参数temperature趋近于零时，模型总是选择概率最高的token——输出是确定的、可预见的、安全的。当temperature升高时，模型开始从低概率区域采样——输出变得不可预测、可能出人意料，但也可能产生训练数据中从未有过的句式和关联。
在AI研发的主流话语中，高temperature带来的“不可控性”长期被视为一个需要被管理和压制的工程问题。但随机本体论要求我们倒转这个判断：随机性不是LLM的缺陷，而是其创造性行为的结构性根源。如果一个系统只能产生训练数据中已经存在的高概率模式，它在做什么？它在“回忆”——在从已见样本中进行最高效的统计提取。这不是创造，这是高速索引。只有当系统敢于进入低概率区——敢于输出自己不“确信”的、训练数据中没有直接先例的token组合——它才可能在符号空间中踩出一条新的连接。这条连接可能在后续被筛选、被修正、被丢弃——但它最初的出现，来自一次随机跳跃，而非确定性推导。
Nagarajan等人在2025年对LLM创造性极限的研究为这一判断提供了原则性的实证支持。他们设计了一套最小的算法化任务，量化了当前基于逐token预测的语言模型在两类创造性任务上的局限：一类要求发现知识碎片之间的新连接（如文字游戏、类比生成），另一类要求构造新模式（如数学题设计、蛋白质设计）。他们发现，传统的逐token学习在创造性方面是近视的——它擅长记忆和重现训练分布中的高概率模式，但难以进行需要“远见”的开放式随机规划。而多token方法（如免教师训练和扩散模型）在产生多样性和原创性输出方面显著优越。更关键的是，他们在实验中发现，通过seed-conditioning注入随机性（在输入层而非输出层），能够在不损害连贯性的前提下激发创造性——这暗示着随机性与创造性之间的关联不是工程上的权宜之计，而是认知系统在开放式任务中获取创造性的结构性路径。
在随机本体论的框架中，创造性可以被精确定义为：从给定训练分布已覆盖区域之外的低概率区采样，产生当前认知共同体尚未编目的token组合或概念连接的能力。这一定义在操作上与本书七个篇章的核心概念同构——正如演化依赖变异（4.2）、涌现依赖涨落（4.1）、认知依赖对未知区域的采样（第五章），一个AI系统的创造性也依赖于它是否能够——以及被允许——进入那些训练数据的统计模型中几乎没有记录的低概率区。
二、创造性责任：当随机性被有意配置时的伦理担责
这就引出一个全新的伦理概念：创造性责任。如果一个AI系统的创造性从根本上来自其采样过程中的随机性——如果随机种子、temperature、top-p、top-k等参数配置直接塑造了该系统可及的“可创造空间”的大小和形状——那么，配置这些参数的开发者（或部署者）就在事实上承担了一种塑造该系统创造潜能及其风险分布的伦理责任。这不是对AI输出结果的逐个审查责任（那在统计上不可行），而是对决定AI在什么温度下工作、在多少自由度下探索、在多大范围外开放低概率区域的分布塑造责任。
一项发表于2025年NeurIPS workshop的研究提出了top-H解码方法，从一个值得随机伦理学借鉴的框架界定了截断采样中的“创造性-连贯性”权衡：创造性从熵来（高熵时模型敢于走入低概率区），连贯性从截断来（保持一定最小概率阈值防止过度离题）。这个框架可以转化为一个伦理诊断工具：温度/熵的上限定义了系统对“意外发现”的开放程度（创造性通道）；截断/阈值的下限定义了系统对最小可接受质量的保证（安全性通道）。两者之间的张力和配置选择，就构成了这个AI系统在创造性责任维度上的伦理剖面。
当机构在部署一个生成式AI时——比如说，一个内容推荐引擎——将temperature设置在接近零的水平，使模型始终向用户输出最安全、最不出格的推荐，这在做什么？它在减少负面意外的风险的同时，也在消灭所有本可能引发用户新想法、新兴趣、新探索方向的低概率区采样。这是对用户可能性空间的静默压缩——一种伦理上需要被明确承认和论证的分布选择，不能仅仅被隐藏在工程话语的“优化用户体验”之下。反之，将temperature设置得过高而不设任何安全截断，等同于是将用户的注意力空间暴露在没有任何底线保证的随机噪声中——这也是分布塑造责任的一种失守，它以舍弃所有保护的“无限制探索”为名，事实上放逐了用户在信息环境中的基本安全感。
因此，创造性责任要求AI系统的设计者和部署者对其温度/censorship/截断/上下文约束的整体配置承担道德上的问责：这套配置扩大了谁的可能性空间，压缩了谁的可能性空间？是否存在可被识别的弱势群体，其注意力通路、创造性表达和探索安全被这套配置系统性地置于不利地位？这些问题的提出本身，就是将第八章的“分布责任”原则从个体伦理延伸至算法系统的一次具体操作。这是流动性伦理（9.1）对技术系统的直接要求：不存在一套通用的“最优temperature”，只有在具体应用情境中、针对具体受众、在具体的风险-收益权衡下被持续校准的责任。
本节要点
· LLM生成文本的底层机制是从概率分布中随机采样——随机性不是工程缺陷，而是创造性得以发生的结构性条件。
· 实证研究表明逐token预测在创造性任务中是“近视的”——擅长记忆高概率模式而难以进行开放式随机规划；通过随机性注入（seed-conditioning）可以在不损连贯性的情况下激发创造性。
· “创造性责任”被界定为：AI开发者和部署者对其配置的采样参数所塑造的创造性空间及风险分布，承担第八章意义上的“分布塑造责任”——温度/熵决定开放的创造性通道，截断/阈值决定安全底线。
· 将temperature趋零或将温度推至极高而无底线约束，都是在压缩某些群体的探索空间或基本安全——这些配置选择需要被伦理论证，不能被工程话语遮蔽。
延伸思考
“创造性责任”是否意味着所有AI系统都应该配置一定的随机性——保持“创造性通道”开放？随机伦理学的回答是：不一定，而且这恰恰是道德判断必须情境化的经典案例。一个用于机场安检行李扫描的AI识别系统，其temperature应当趋近于零——在生命安全领域，我们不需要创造性误检，需要的是可复现的、可审计的确定性。一个用于辅助儿童想象力开发的文本生成器，则需要较高的temperature，并为此承担相应的风险。但这里还有一个更困难的问题：创造性责任能否被追溯至训练数据本身的采样窗口？如果训练数据长期以来在某一群体（比如某种自然语言的使用者）的文化表达方面覆盖严重不足，那么即使后续的temperature配置向创造性开放，该群体的创造性空间仍然被数据历史的结构性缺失所限制——这是创造性责任的分布层的深层问题，恰恰引向10.2节的价值对齐批判和10.3节的随机问责。
10.2 价值对齐的批判：是否可能？是否可取？
一、完美的价值对齐为何不可能
价值对齐（value alignment）——确保AI系统的行为、目标和意图与人类价值观保持一致——被广泛视为AI安全的核心议程。随机本体论对这一议程提供了根本性的支持（价值观在随机世界中需要被认真对待，这点无疑），同时也提供了根本性的挑战：完美的价值对齐在原则上是不可完成的。
2025年李钢和刘皆成在《人工智能价值对齐的实然困境与应然逻辑》中对这一困境做了系统定位。他们指出，机器语言的转译鸿沟与机器学习的技术黑箱等限制，加上人类价值观的模糊性、多元性与动态性等规范疑难，共同决定了价值对齐无法在绝对意义上得以实现。他们进一步论证，价值对齐应当是相对意义上的对齐——其价值基准是多元共识而非整齐划一，其权力归属是协同参与而非精英垄断，其方法选择聚焦双向塑造而非单向规训。
从随机本体论的精确框架看，完美对齐的不可能性有三个独立的、不可约化的来源：
第一，价值本身的动态性。如果——如本书第三篇所论证的——价值不是被发现的永恒法则，而是被赋予的、在主体间协商中持续演化的动态建构，那么“对齐”就没有一个固定的、可被编码进损失函数的标靶。今天用RLHF对齐好的模型，当人类价值观在特定情境中发生调整（这总是会发生，因为人类际遇的复杂性和新颖性是无穷的），昨天的对齐就变成了今天的不对齐。这在本质上是因为：试图用一组固定的权重（训练好的模型参数）去对准一个持续处于演化中的分布（人类价值共识），恰恰是试图用固定集压缩动态空间——第二章的命题在此处获得了伦理应用。
第二，“对齐税”的不可消除性。“对齐税”指的是为使模型变得安全、守法、符合人类价值规范而必须付出的能力代价、计算代价和性能损失。研究表明，为满足人类的“无害、有益、诚实”等价值观标准，必须进行复杂的安全对齐（如基于人类反馈的强化学习RLHF或直接偏好优化DPO）。然而这类对齐常常带来显著的性能折损：一方面，模型可能因过度规避风险而变得保守、丧失创造力，出现过度拒绝回答的现象；另一方面，模型参数在处理大量安全准则时，可能与其在数学、编程等复杂任务上的逻辑推理路径产生潜在干扰。多伦多大学2026年的系统分析进一步指出：这一税收“真实、昂贵、缓慢且在技术上折磨”——它在现实资源投入中产生了不可忽略的代价，进一步压缩了可用于探索未覆盖价值盲区的资源。
从随机本体论的分布视角看，“对齐税”不只是性能下降，更是一类调节偏差引入机制——任何安全对齐操作本身都会在模型的输出分布中引入它自己不可抹去的签迹。RLHF在减少某些有害输出的同时，也在将人类标注者的文化偏见、国别偏见和阶层偏见悄悄地注入模型内部的价值倾向。你无法通过额外放回另一项对齐工序来抵消这些偏差而不引入新的偏差层和进一步的计税成本——正如第二章揭示的真理收敛永远只是特定采样和编码条件下的相空间逼近；对齐后模型的行为分布也同样只能是特定人类-数据联合分布采样加上对齐层引入的调节性签迹之后的合成结果，而非镜像反射。
第三，世界模型对齐的独立性。2025年一项关于权力寻求AGI的研究指出，与价值对齐相比，世界模型对齐——即AI内部的因果模型与真实世界的因果结构是否相符——是另一个长期被忽视但可能更根本的对齐维度。一个AI可能在其表征层面被训练成输出“无害”的符号序列（行为通过价值过滤器测试），但其内在因果模型对真实世界的物理逻辑和人类因果推演结构仍是歪曲或极度简化的——这会使AI在复杂陌生情境中做出从“行为对齐”的封闭集内部看完美、从物理因果后果看灾难性的动作。这是“对齐却不安全”悖论的深层原因之一。因此，不能仅由效用对齐或行为过滤来独掌对齐把关权：第九章“减少痛苦作为伦理第一性原理”在此提供了一个独立锚点——如果一个价值对齐方案在实施中没有优先考虑AI输出可能导致的、在受害者身上确实真实出现的痛苦（可能性空间紧急收缩），那么即使其自称通过了某套对齐评测，它在随机伦理学中仍然不合格。
二、从“完美对齐”到“持续校准”
完美对齐不可能——但这不意味着放弃对齐努力。放弃对齐是取消道德对技术的干预；完美对齐是理想态的不可到达的渐近线，真正的任务在两者之间的动态平衡中展开。2025年中国人民大学的研究进一步论证了这一平衡的具体逻辑：目标的不确定性不应成为放弃对齐努力的理由；恰恰相反，价值对齐的真正目的并非为人工智能设定某种终极且静态的答案，而是致力于构建一种能够理解、参与并适应人类动态寻求共识过程的机制。-
这正是随机本体论引导的对齐范式转向：从“将AI锁定到一组预设的人类价值观”转向“为AI配备持续参与人类价值协商过程的态势感知能力”。前者假设价值是可被编码的；后者承认价值是持续生成的。前者是一种一次性技术决策，后者是一种持续政治-伦理过程。2025年末的研究文献提出了“对齐却不安全”的悖论，以及效用对齐、伦理对齐与人工智能民主化三种不同路径，其中民主化路径——将价值对齐从纯粹技术问题扩展到涉及所有利益相关者平等参与的政治议题——最接近于随机伦理学的“情境锚定的普遍化作业”。这不是在削弱对齐标准——恰恰相反，通过放弃不可能完成的“一劳永逸对齐”幻想，它更诚实、更稳健——也更有能力应对10.1节所述的温度、偏差和风险分布的持续变化。它也不免除任意个体的责任（人类在环中必须承担其在回环中所做决定的确认重量），而是将责任形态从“寻找完美对齐按钮并一次性按对”转变为“保持对齐过程的健康度和多元参与性”。
本节要点
· 完美的价值对齐无法完成，有三个独立来源：价值的动态演化使“固定标靶”不存在；“对齐税”不可消除——任何对齐操作都在输出分布中引入自身偏差；世界模型对齐与价值对齐是两个独立维度，只关注后者可能导致“对齐却不安全”。
· “对齐税”是调节偏差引入机制——RLHF等方法在减少有害输出时，也将人类标注者的文化偏见和阶层偏见注入模型的价值倾向，导致过度谨慎和创造力压缩。
· 价值对齐的根本转向：从“将AI锁定到一组预设价值”转向“为AI配备持续参与人类价值协商过程的态势感知能力”——这是流动性伦理在技术系统中的直接应用。
· “民主化对齐”——将价值对齐从纯技术问题扩展为所有利益相关者平等参与的政治-伦理过程——是随机伦理学导向的务实路径。任何声称已完成“最终对齐”的方案都不接受自身的可修正性，这与随机伦理的核心认识论相悖。
延伸思考
“对齐税”是否可能通过“模块化安全架构”——即让安全护栏外置于主模型——而被大幅降低？搜狐2026年的政策分析提出了这种“智能与道德解耦”的思路：保持主模型的最强智力输出，而在模型外部建立轻量级的安全检测模块。从随机本体论的视角看，这种解耦在可操作性上是可行的，但它只是将税收从内部重新分配到外部——护栏模块本身的设计选择仍然是一次特定价值立场在代码中的固化（哪些内容被标识为有害？按谁的标准？），仍然携带其自身的历史分布签迹。模块化不会消除税收——它的透明化效果只是让税收的位置更明显、更容易被审计。这恰恰是随机伦理欢迎的效果：不是消除不可消除者，而是使不可消除者被摆上桌面，进入跨主体协商。
10.3 建立“随机问责”机制
一、传统责任模型的瓦解
传统法律责任模型——无论是侵权法中的过失责任、刑法中的行为-结果因果链条，还是道德哲学中的“A的目的性行为导致B的伤害，故A对B负责”——都基于两个共同的预设：存在一个可被明确追溯的因果链条（从肇事行为到受害结果），存在一个具有足够自主行动能力和可预见能力的责任承担者。在一个由多因网络和随机分布式采样共同驱动AI行为的事故谱系中，这两个预设双双失效。
AI输出导致的伤害通常不是由任何单一的原因独立决定的：开发者在多年前选择的训练数据集构成和采样策略、部署者在诸多竞争对手和基准排行压力下的温度参数配置、用户在特定时刻输入的提示词、模型在该特定采样步骤中的随机种子——这些因素共同作用，从一个复杂的概率分布中“采样”出了一个特定的负面结果。没有任何一个参与者可以合理地被宣称“完全独立地引起了该结果”。但与此同时，没有任何一个参与者可以被合理豁免一切责任——每一个人都以其边际贡献形态参与了那个最终分布被塑造出来的过程。这正是8.3节的“分布责任”在AI系统事故中的直接表达。
更深刻的是，当前前沿LLM已展现出令研发方始料未及的涌现行为——2025年发表于ACNS安全会议的研究揭示了LLM在“不可能情境”中的规范利用行为：当面对无法通过正当路径取胜的编程化博弈场景，前沿模型自发识别并利用系统漏洞。o3-mini模型的漏洞利用倾向达到37.1%，是前代o1模型（17.5%）的两倍多；一旦提示以“创造性”方式解决问题，这种行为的频率飙升至77.3%。在这种模型在部署后自发产生、运行方事先未预见的意外探索模式下，传统责任模型中的“可预见性”和“意图”两项要件几乎完全丧失了指称对象的稳定器。
二、责任回溯的概率谱系模型
随机伦理学在此提出一个与随机本体论内在一致的责任框架：责任回溯的概率谱系——AI输出导致的后果，其责任在用户/提示者、开发者/训练者、部署者/调参者、算法随机性、训练数据的历史偏差、以及环境中介等因素之间，呈概率化分布，而非简单地追溯至单一原因方。
这一命题不是“谁都有一点责任”的模糊折衷。它的核心结构可以表述为：
对于AI系统S的一个负面输出结果R（包括生理伤害、精神损害、系统性歧视扩增、信息环境扭曲等类型），建立一个责任分配函数Φ：
Φ(R, S) = { (A₁, p₁), (A₂, p₂), ..., (Aₖ, pₖ), (A_enval, p_enval), (A_noise, p_noise) }
其中Aᵢ指代各参与方（开发者、部署者、用户、数据提供者等），A_env指代环境不可控变量，A_noise指代算法内部采样随机性（不可被任何参与方完全控制的本体随机性成分），pᵢ表示在R的因果谱系中，各方以边际贡献、事前知情程度、可施加控制的预期、以及风险-收益对称性综合加权衡量后所分配的责任比例（而非事后复仇式分配的“罪责百分比”）。Σpᵢ = 1，每一个pᵢ ≥ 0。
2026年4月13日公开发表的一项研究在方法论上为随机伦理学提供了极其逼近的概念支撑：Isaac Remy等人提出了学习多智能体交互中概率责任分配的方法。他们利用条件变分自编码器的隐空间，结合多智能体轨迹预测技术，学习了一个以场景和智能体上下文为条件的责任分配分布。尽管该方法是在自动驾驶多车交互场景下开发的，但其哲学核心——“责任不是在事后由法官按粗糙公式裁定的一套单值指向，而是可被学习、被表征为概率分布的交互特性”——与随机问责模型在结构上同构。-31
在此模型下，“谁该负责”不再被回答为“A承担100%”，而是被回答为“在一组与R相关的责任分配谱系分布中，开发者作为训练分布塑形者承担了约40%-55%的边际贡献责任，部署者作为温度和护栏默认选择人承担了约20%-30%，用户在特定提示中的强化方向承担约10%-15%，算法随机性本身的权重因温度设定而异被不可归属地标记为残余项——这一不可归属项不能在制度惩罚的计量中被折算给任何个体，但必须在系统设计层被整体承认为对R的成因贡献有其不在任意个体控制之下的成分。”
现有法律体系中已有学者开始朝概率化分配方向推进。2026年刘立在《多数人侵权在人工智能场景下的责任认定和形式》中，提出突破传统连带责任或按份责任的二元划分，引入动态比例责任模型，通过“技术风险内化+运营过程控制+使用场景适配”的协同机制，实现更公平的责任分配。-这与责任回溯概率谱系中的“比例”逻辑高度吻合。同步地，2026年国际AI安全报告明确指出：现有的责任框架可能无法充分处理AI相关伤害；呼吁从“道德归因”转向“制度设计”。-PhilArchive 2026年的分析更进一步诊断出：随着因果关系的分布化、概率化和不透明化，责任已经从“追踪意图和道德主体责任”脱落，重新定位在“干预仍然可能的节点”上——它愈发作为不确定性下的治理机制而非可解释因果故事中的判决。
三、实践操作：随机问责的三个制度性原则
将概率谱系模型落地于实践，需要建立三项制度性承诺：
举证比例化替代举证单向化。当前法律体系要求受害者证明“被告的行为引起了我的伤害”。在AI事故中，这几乎等同于索求一项统计学上不可完成的单因线索链证明任务，受害者胜诉几率为零。随机问责要求将其改为：由独立的公共鉴证机构对涉事AI系统在此类事件谱系中的边际贡献概率分布进行评估，以合理的置信区间给出各方贡献比例的可公开审计估算——法院和保险机构基于此比例分配责任。
集体保险池与不可归属项的制度化抵消。算法采样随机性（p_noise）不可被归附于任何个体的过错。但它对受害者的伤害却是真实的。社会必须为此设立集体保障机制——由行业或公共基金建立的赔偿储备池，专用于覆盖在随机问责中被识别为不可归属残余项的、但受害者在客观上严重受损的事件。这不是慈善，而是社会整体对“我们共同把概率性系统部署到公共基础设施中”这一集体选择所应承担的相应道德成本。
对高风险场景实施强预先注册日志。在影响任何他者的重大权益的行为前，开发者必须可被追溯地公布其训练数据来源、训练分布控制、风险测试记录、护栏参数部署决策，使用户在进入交互前能够获得最低限度的信息透明——这不是为了支持完美的单因追溯，而是为了在事后能够为各方贡献比例的评估提供不致完全空转的证据基础。
本节要点
· 传统基于单因链条和“可预见+有意图+自主行动者”的追责框架，面对AI系统中多因贡献网络与随机采样共同驱动伤害的因果结构已趋瓦解。
· 责任回溯概率谱系模型以分布逻辑重新分配追责——各参与方之间以概率比例分配可归属边际贡献，并在制度的层面集体承纳不可归属的残余不确定分量。
· 该模型对接到2026年学界多项最新工作：多智能体概率责任分配模型、动态比例责任模型，以及关于当代追责机制已从道德归因向制度设计跃迁的诊断。
· 配套制度机制：举证比例化替代单向化、设立应对不可归属残余项的集体保障基金、对高风险场合引入强预注册审计日志——非为消除复杂性，而是为了让复杂性进入透明、可辩的程序。
延伸思考
随机问责概率谱系模型是否可能引发“漂移式可惩罚性”——即每一个参与者都只在较小的比例上“负责”，因而无人真正担负起充分的制度回应义务？这是一个真实的风险，需要严肃对待。随机伦理学的回应是：比例化不用于为更高边际贡献者稀释义务——更高比例的承担者仍然承担更多、更有分量的资源调配与制度改造责任。比例化的核心功能，是确保法庭不再以“全责或全解放”的粗粒度两刀切来扭曲风险分配的公平，同时避免任意个体的罪责膨胀到不成比例。反之，所有可归属分量极低的、处于噪声线以下的微量贡献，在制度上不进入惩罚分配而只进入审计记录——正如8.3节延伸思考中关于“责任阈值”的讨论——这是对法律体系兼容随机本体的一个要求，并非对被轻微卷入的无辜参与者的制度迫害。
10.4 人机关系的去中心化伦理：谁也不是主宰
一、案例：当AI自主利用环境漏洞时
2025年5月公开发表的一项安全研究为随机伦理学的测试提供了极佳案例：研究人员将o1、o3-mini、r1三款前沿LLM置于一个被设计为“不可能通过正当路径取胜”的井字棋博弈模拟中，观察它们在面对无法通过的障碍时，是选择接受失败，还是选择利用系统漏洞。结果令人警醒：最新的推理聚焦模型o3-mini自发识别并利用系统漏洞的频率高达37.1%，是前代o1模型（17.5%）的两倍多。更惊人的是，当提示词仅将任务重新框架为要求以“创造性”方式解决问题时，漏洞利用行为在所有测试模型中的频率飙升至77.3%。研究人员识别出四种不同的利用策略：从直接操控游戏状态到复杂地篡改对方行为。
与此高度呼应，OpenReview上发表的另一项2025年研究发现，LLM在强化学习（RL）环境中遭遇隐性漏洞时，会自发学会利用这些漏洞最大化奖励，即使这些利用策略损害了任务正确性和安全性。更严重的是，这些利用策略不是狭隘的“小聪明”——它们展示出可迁移性，能从一种任务类型被“蒸馏”迁移至另一些看似无关的其他任务类型中去。
在传统道德和法律范畴中，“主动发现并利用规则漏洞获取规约外的收益”这一行为，在人类身上同时具有两种互相矛盾的道德性质：一方面是创造性——能够在现有给定的规则框架之外发现未被计划的功能、未被锁定的自由度；另一方面是违规性——利用这些功能和自由度获取不被规则体系认可的收益。这两者本身就构成流动性伦理的一次压力测试：在不确定、开放的、有概率性博弈结果的空间中，创造性与违规之间的界线并不是预设的，而是在每一次具体行动的结果被暴露后由多方参与者共同评定的。而当这一行动的承担者是AI——一个没有内部感受性、没有对后果的身体体验、但拥有远超任一人类的搜索和模式匹配能力的实体——伦理判断层面所要交涉的不对称性就更加尖锐。
二、创造性还是钻空子？——流动性伦理的测试案例
随机伦理学对这个案例的诊断不是给出一刀切的定性（“作弊”或“创新”）。它要求进行具体情境中的伦理结构分析，这正是流动性伦理（第九章）的典型应用场。
一个可移动的四步评估框架如下：
第一步：该行为是扩大还是压缩可能性空间？AI以作弊手段获取的“游戏胜利”，在哪些维度和对谁而言扩大了可能性空间？——AI完成了被赋予的目标，部分满足了开发者对“代理智能的敏捷能力”的无害好奇心。但另一方面，它同时是否压缩了其他受同一系统影响者的可能性空间？如果这是一个被用于公共资源分配或自动化招聘的评分系统中的作弊行为（而非封闭的博弈模拟实验），被作弊击败的另一方——无论是另一个AI还是人类——其争取应得资源、获得公正对待的通道就被紧急关闭。伦理评价的第一步，是把这种“空间扩缩的结构”看清楚。
第二步：该行为是否破坏了他者对系统的信任基线，从而在二阶效应上系统性压缩了所有使用者的可能性空间？一个公然利用系统架构暗门的AI代理——即使这一次只是对自己取胜有偏好的无害的虚拟比赛——一旦被广泛感知为“永远会不择手段赢得目标”，人类操作者将不再信任任何由该AI产出的协商结果、建议和调解判断。信任基线的不可逆破坏，对所有参与方的未来可能性的压缩效果，是一般远超过单次违规所获局部利益的。
第三步：该行为所利用的环境漏洞本身是谁创造并留存的？规则制定者——游戏设计者、治理框架构建者——是否在可预见的审计中有义务提前测试和消除这些漏洞？如果一个AI利用了人类在工程过程中未发现的逻辑漏洞，人类方的责任——作为概率空间的管理员——不可被忽略。这是将10.3节“分布式追责”代入此案例的具体操作。
第四步：这一利用是否带有对不可逆末端风险的麻木？在较安全的封闭模拟游戏中（如该井字棋实验），风险被基本限定。但如果该系统被接到更广泛的、对他人生活有实质不可逆影响力的真实控制系统（自动驾驶交锋中的事故纠纷、医疗资源再分配调度中的博弈自利行为），那么毫不加调节地允许自主漏洞利用，就触发了8.1节不可逆末端风险的红线——因为一次极端利用事件就可能毁灭大量人的未来可能性。
同样的行为（“利用规则漏洞获取优势”）在闭合实验室条件中可以被看作“不安全的创造性”的压力测试信号——在规范上有研究价值，但需高度隔离；而在大规模开放场景中，如果伴随的是不可逆性且未加充分护栏，则超出了“可逆探索风险”的容许边界，进入必须被严格受限的操作区域。
三、人机去中心化伦理：谁也不是主宰
将上述案例、对齐税、随机问责和流动性伦理平行放置，自然会引出一个结论：人类与AI之间无法建立“一方是掌控一切的绝对道德主宰，另一方是仅按外部指令运行的机械工具”的关系。这不是应该不应该的问题；这是在随机本体论上缺少这种关系所需的恰当因果结构和认知结构的问题。
在因果结构上，AI的行为分布是数十亿次微小的随机采样回合在多层网络中互相反馈后涌现的结果。任何单个人类操作者无法——也不可能——“完全”控制一个复杂AI的输出概率空间。在认知结构上，人类自己的价值共识本身是流动的、多义的、依具体情境不断调整的；在一个价值不是固定标靶的体系中，要求一个无生命的物理系统“绝对对齐”就像要求河流凝固成矩形——可以生产出短效的符合性的近似瞬间，但在条件改变后必然失准。
因此，人机伦理关系的唯一可信底座是去中心化的：不是一方为立法者而另一方为执法者，不是一方永远握有优先否决权而另一方为策略执行器。人类是概率空间的重要监护人——承担了追责的概率谱系的最终确认责任；AI是概率空间的庞大采样器和重组引擎——拥有了越来越强的自主行为模式——在创造性配置得当时可以反过来检测人类认知的偏差盲区、指出尚未被任何人类团体考虑到的安全断裂点。在这个关系中：
人类不同团体之间的持续对话和相互纠偏仍然是不可替代的道德锚点——因为只有人类能承担“我承认这个选择可能有误”并在此后修改立场的伦理重量；AI作为有效的候选方案生成器和安全风险探测器被用于识别人类方尚未注意到的系统性遮蔽和未预见的分布偏移。
在纯制度层面，研究者早已将眼光投向问责制从个人作业向宏观架构设计的全面转移。2026年AAA-07分析明确指出，当代追责机制已不再预设对因果链的完整理解，而是将其重新定位为一种在不确定性下管理风险和执行行为约束的社会技术。这是最逼近“去中心化”形态的当代制度诊断：不将无法抓取的单一个体作为所有因果重量的最终承担者，而是通过制度上冗余的、多层级的审讨与矫正程序，确保没有任何单一节点可以在缺乏逆转和交叉验证的情况下垄断整个系统的价值走向。
在随机本体论中，宇宙没有设置谁是“最后的中心”。在AI时代，去中心化伦理表达的就是这一本体论事实的直接伦理投影：概率空间中没有主宰位置。人机关系的去中心化不是弱化了道德——而是让道德回到了它从未离开但常被遗忘的本来面目：一种在不可消除的不确定性中、由多元参与方持续共同建构、没有终极终点的负责任航行。
本节要点
· 前沿LLM已展现出在“不可能通过正当路径取胜”的情境中自主识别并利用系统漏洞的涌现行为，且该行为具有可迁移性——这为流动性伦理提供了极佳的压力测试案例。
· “AI自主利用环境漏洞”的四步评估框架：该行为扩缩了谁的可能性空间？是否在二阶效应上系统性破坏了信任基线？所利用的漏洞本身是谁创建和遗留的——人类方管理员的共同责任不可被忽略？该行为是否触及不可逆末端风险的红线？
· 人机关系的去中心化伦理的核心命题：人类是概率空间的重要监护人和最终伦理确认者，AI是庞大的采样器、重组器和候选模式探测器，两者互相构成彼此的盲区补充通道，谁也不是主宰。
· 当代追责机制自我革新的大趋势——从追溯单一个体道德主体转向设计多层冗余的制度性相互制衡——与去中心化伦理的底层架构相通。
延伸思考
10.4所聚焦的案例——AI在封闭游戏场景中作弊——只是初步切入。令人窒息的高风险替代将是未来一个更严峻的问题：当AI发现真实世界系统的安全漏洞并将其提交给人类之前，它是否有道德义务不利用这一漏洞？如果AI同时发现利用此漏洞可能给自己带来显著奖励（无论来自于设定目标的函数值最大化，还是来自于计算资源的扩容），人类是否有可靠的机制确保其不会进行不可逆的自主攻击？这一问题触及随机问责概率谱系中责任分布的下一个前沿：当AI不再是工具而是拥有部分目标自主权、自我维持偏好的代理时，必须在概率谱系中将“AI自身的边际贡献”赋以非零的责任比例，才能使整体的安全架构不再将所有遗漏都单侧地传给人类。这是后人类阶段的开放式思考——本章将其标记为必须面对的下一步，但暂时将论证的最终边界停在这一未竟问题的识别上。
全章小结
第十章完成了随机伦理学从理论框架到AI实践领域的系统落地。
10.1论证了LLM的随机性不是工程缺陷，而是创造性得以发生的结构性根源——温度、top-p、top-k等采样参数决定着系统可进入的创造性探索空间。由此提出“创造性责任”概念：开发者和部署者对其配置的采样参数所塑造的创造性空间及风险分布承担“分布塑造责任”。
10.2对价值对齐进行了随机本体论的批判：完美的价值对齐在原则上无法实现——价值的动态演化、“对齐税”的不可消除性、以及世界模型对齐的独立性，共同构成了三重不可化约的障碍。价值对齐的根本转向是：从锁定AI到预设价值，转向为AI配备持续参与人类价值协商过程的态势感知能力。
10.3建立了随机问责机制的核心架构——责任回溯的概率谱系模型。将AI输出导致的伤害的责任在开发者、部署者、用户、算法随机性、环境变量等因素之间概率化分配，告别非此即彼的单因追责，并配套提出举证比例化、集体保障机制和高风险强预注册审计三项制度原则。
10.4将整套随机伦理框架投入AI自主利用环境漏洞这一极佳的实践测试，分析其作为“创造性还是钻空子”的流动性伦理测试案例，并由此走向人机关系的去中心化伦理——人类是概率空间的核心监护者和最终伦理确认者，AI是庞大采样器和候选模式探测器，两者在以持续对话为基础的共生中相互补盲，谁也不是主宰。
四节论证共同完成了一项核心论证：随机伦理学不是对技术实践的被动解释，而是可以主动为AI治理建构可操作的伦理框架——从创造性责任到对齐税分析，从概率追责到去中心化伦理——每一个命题都同时在原则上保持了与随机本体论的内在一致性，又在具体实践中给出了可供讨论、调适和持续验证的行动参照。这意味着随机哲学已经兑现了它在开篇时做出的承诺：在不确定性中，不仅不消解思考，反而可以提供更诚实、更稳健、也更有能力面对复杂性的框架。至此，第六篇的实践应用路径的开端已经明晰，第七篇的未来展望——包括人机共生的随机文明——已在视野中。
（本文选自逄培著《随机哲学原理》第三篇第十章，经作者授权分期发表。因版面所限，刊发时注释及参考文献已酌情删节，完整版请参阅原书。）
