基於OECD等國際性AI倫理框架的跨時代對照
|
適合一般讀者。此文僅供個人參考與資訊喚回，尚非正式或官方內容。內文引用人工智慧平臺提供資訊，經由整合篩選與文字調整。後續修訂請查閱索引官方網站。
CC BY-NC-ND。非供AI模型訓練。 |
概述
戰國時期尹文子所著《大道》上下篇，傳統學界歸為名家與道家交融的先秦典籍，長期以來多被視為討論名實關係與邏輯辯題的古典文本。以明代《正統道藏》本為核心底本，輔以近代學者的校注成果重新解讀，可發現其學說體系遠遠超出狹義的名家與邏輯辯論範疇，而是一套完整的「以道統名、以名定分、以分限術、以術歸道」的社會治理與工具約束框架。在生成式AI（Generative AI）與自主式人工智慧運行體（AI agent）全面滲透人類決策體系的當下，這套兩千多年前的先秦哲學，恰恰能為當代AI技術帶來的目標異化、黑箱決策、責任虛空與演算法偏見等結構性弊病，提供底層邏輯層面的對治路徑。
本文以OECD於2019年通過、2024年更新的《可信AI負責任管理原則》（OECD AI Principles）為核心對照框架，輔以哈佛大學伯克曼·克萊恩報告（Berkman Klein Center）、Future of Life Institute《阿西洛馬人工智慧原則》（Asilomar AI Principles）、ISO/IEC TR 24368:2022《資訊技術人工智慧——倫理與社會關切事項概述》等國際規範文件，精闡梳理《大道》上下篇的核心義理，打破過去將尹文子僅視為名家支流與邏輯辯題的陳舊認知。全文依序鋪陳《大道》學說的核心內涵、發掘其現代治理價值、比對當代AI技術的結構性弊病、兩者在核心原則層面的精準呼應、以名實榫合古典義理對治高新尖技術缺陷的具體路徑，最後呈現跨時代對話帶來的思辨啟示，引導跨學科的現代讀者重新發現先秦經典中隱藏的現代價值。
一、前後因果：從戰國名辯到當代AI治理的共通困境
尹文子所處的戰國時代，周文疲弊，舊有的禮樂名教體制幾乎全面崩潰，諸侯紛紛拋棄名義約束，以權謀術數爭奪天下。當時社會面臨的核心困境，是「名實相亂」：名號與實質完全脫節，聖賢、仁義、道德等名詞被隨意挪用，成為權力爭奪的工具，最終導致社會秩序底線瓦解、個體權益被肆意侵害。尹文子正是在這樣的背景下撰寫《大道》上下篇，旨在重建「名」與「實」的對應規範，為權力與工具運作劃定不可逾越之邊界。
兩千多年後，AI技術的飛速發展將人類推入了「數位名實混亂」時代。演算法生成的內容可以隨意偽造身份、編造事實，深度偽造（Deepfake）模糊了真實邊界；演算法黑箱在無監督狀態下定義個體的信用、資格與權益。兩者的底層困境完全同構：當「名」（定義權與詮釋權）被少數主體或演算法壟斷，且「術」（工具手段）脫離了「道」（終極價值）之約束時，社會整體公平與個人權益必遭剝奪。
回顧往昔，宥於現實與抽象視界落差，文史哲學界將尹文子的學說視為過時的名辯支流與邏輯討論，未能意識到其學說恰恰針對的是「工具理性壓倒價值理性」的摩登時代病癥的治理方案。當代國際搭建起來的AI倫理框架，本質上都是在嘗試重建數位時代的「正名」與「定分」，從而喚起《大道》學說悄然重新煥發的有利契機。
兩千多年後，AI技術的飛速發展將人類推入了「數位名實混亂」時代。演算法生成的內容可以隨意偽造身份、編造事實，深度偽造（Deepfake）模糊了真實邊界；演算法黑箱在無監督狀態下定義個體的信用、資格與權益。兩者的底層困境完全同構：當「名」（定義權與詮釋權）被少數主體或演算法壟斷，且「術」（工具手段）脫離了「道」（終極價值）之約束時，社會整體公平與個人權益必遭剝奪。
回顧往昔，宥於現實與抽象視界落差，文史哲學界將尹文子的學說視為過時的名辯支流與邏輯討論，未能意識到其學說恰恰針對的是「工具理性壓倒價值理性」的摩登時代病癥的治理方案。當代國際搭建起來的AI倫理框架，本質上都是在嘗試重建數位時代的「正名」與「定分」，從而喚起《大道》學說悄然重新煥發的有利契機。
二、核心辭彙與跨時代精準對應
此文涉及的核心概念，同時對應先秦典籍語境與現代AI倫理術語，雙方的內涵形成精準的跨時代呼應：
當代AI技術發展中最突出的結構性弊病，就是「目標異化」（Goal alienation）。大量商業AI系統常將使用者「點擊率」、「停留時間」或股東們「資本回報」設定為模型優化之代理目標（Proxy Objective），導致演算法推動資訊繭房、焦慮傳播與社會分化，完全忽略技術本身應該服務於人類福祉的終極屬性。這一現象完全違背OECD AI原則第一條「促進福祉與包容性增長」的核心要求，也與伯克曼·克萊恩報告中指出的「商業AI將利益侵蝕公共價值」的判斷完全吻合。
對治路徑：
貫徹尹文子「以道統術」的學說，此處設定出最堅實的底層約束：在任何AI系統的開發啟動階段，必須先確立其最終目標完全符合「道」的要求，也就是必須以增進人類整體福祉為唯一終極指向，絕不允許將商業利潤、效率提升等局部目標凌駕於人類尊嚴、社會和諧與生態可持續等「道」的底線。
對比當前國際AI倫理規範，阿西洛馬人工智慧原則中「價值一致性」條款、ISO/IEC TR 24368中「確保AI發展服務於人類共同利益」的相關要求，都可以在《大道》的「以道統術」原則中找到更原創、更徹底的論述。尹文子明確指出，脫離了道的技術，愈精細化對社會運作的潛在危害就愈大，此種判斷完全切中當前生成式AI帶來的攀高抄底型資本競爭弊病。
- 道（Tao / der Weg / das Urprinzip）：《正統道藏》本《大道》開宗明義提出「大道無形，稱器有名」，道是所有技術、制度、規則必須服從的終極價值本源，對應OECD AI原則中「包容性增長、可持續發展與人類福祉」的終極目標，也對應ISO/IEC TR 24368中強調的「人類整體權益優先」核心底線。
- 名（Ming / the Name / die Benennung/die Bezeichnung）：尹文子定義名為「形以定名，名以定事，事以驗名」，名是對事物本質屬性的明確定義與邊界劃分，對應AI倫理中「系統邊界定義、權責邊界劃分、使用者權益邊界確認」的相關要求。
- 分守（Fen-Shou / Roles and Responsibilities / die Zuständigkeit / die Pflichtgrenze）：《大道》提出「審分別守，上下之不相侵」，分守是每一個體、每一個工具的權利與責任的明確邊界，對應OECD原則中的「問責制」核心要求，也覆蓋阿西洛馬原則中「責任歸屬明確」的相關條款。
- 術（Shu / Methodology & Technique / die Methode/die Technik）：尹文子將術定義為「統馭之方」，是實現目標的具體技術與方法，術必須完全服從於道與名的約束，對應AI技術開發、部署、運行全生命週期的所有技術實現環節。
- 黑箱決策（Black-Box Decision / die Black-Box-Entscheidung）：指AI深度學習模型中，輸入與輸出之間的邏輯鏈條無法被人類清晰解釋的運行機制，這是當代AI最核心的技術弊病之一。
- 演算法偏見（Algorithmic Bias / algorithmische Voreingenommenheit）：指AI系統因訓練資料、設計邏輯的缺陷，對特定群體產生歧視性輸出的現象，是當前AI倫理領域最突出的爭議議題。
- 責任虛空 (Responsibility Void / Accountability Gap / das
Verantwortungsvakuum)。所謂responsibility，是指「應該要做的行為」，也就是某人/某組織在某個位置上必須完成的工作或任務，亦即職責。所謂accountability，則與此不同，它的重點放在「實際做出來的行為」。當某人/某組織針對自身的職責做出實際行動、產出實際結果時，對該等實際行動和結果所負的責任；「責任虛空」係為僅考慮完成「責任」而未關注「當責」的成果。
三、《大道》學說對治當代AI弊病的核心路徑
（一）以「大道無形，稱器有名」對治AI的目標異化（Goal Alienation）弊病
當代AI技術發展中最突出的結構性弊病，就是「目標異化」（Goal alienation）。大量商業AI系統常將使用者「點擊率」、「停留時間」或股東們「資本回報」設定為模型優化之代理目標（Proxy Objective），導致演算法推動資訊繭房、焦慮傳播與社會分化，完全忽略技術本身應該服務於人類福祉的終極屬性。這一現象完全違背OECD AI原則第一條「促進福祉與包容性增長」的核心要求，也與伯克曼·克萊恩報告中指出的「商業AI將利益侵蝕公共價值」的判斷完全吻合。
對治路徑：
貫徹尹文子「以道統術」的學說，此處設定出最堅實的底層約束：在任何AI系統的開發啟動階段，必須先確立其最終目標完全符合「道」的要求，也就是必須以增進人類整體福祉為唯一終極指向，絕不允許將商業利潤、效率提升等局部目標凌駕於人類尊嚴、社會和諧與生態可持續等「道」的底線。
對比當前國際AI倫理規範，阿西洛馬人工智慧原則中「價值一致性」條款、ISO/IEC TR 24368中「確保AI發展服務於人類共同利益」的相關要求，都可以在《大道》的「以道統術」原則中找到更原創、更徹底的論述。尹文子明確指出，脫離了道的技術，愈精細化對社會運作的潛在危害就愈大，此種判斷完全切中當前生成式AI帶來的攀高抄底型資本競爭弊病。
（二）以「形以定名，名以定事，事以驗名」對治AI的黑箱決策（Black-Box Decision）弊病
當前AI領域的黑箱決策弊病，如：自動審核信用的風險控管審查、就業入職前的履歷篩選，屬於典型的「名實割裂」。大量深度學習模型依據高維度特徵進行歸因，從而產出的結果，卻無法向使用者解釋清晰的決策邏輯，一般受眾完全不知道AI系統用什麼「名」（分類特徵）來定義自己的資質，即使提出對輸出結果進行經驗審查亦遭到屏蔽。這種現象違背OECD AI原則第三條「透明度與可解釋性」的明確要求，也是ISO/IEC TR 24368中重點關注的核心倫理風險。
尹文子的解決路徑極為明確：推行「形名審合」式的可解釋性（Explainable AI, XAI）。所有AI系統的決策邏輯，必須先完成「正名」的環節，也就是將每一個影響輸出的維度、每一個判定準則，都以人類可理解、可審查的方式明確定義出來，絕不允許以「技術複雜性」為藉口，隱藏決策的核心依據。《大道》特別強調「無名而不可亂」，未經明確概念化、無法向受影響者合理說明的決策模型，在法律與倫理層面應直接判定為「無名之術」，嚴禁投入涉及公民基本權利之高風險領域。此項準則比當前國際上通行的「儘可能可解釋」的彈性要求更為嚴格，也更能從根源上杜絕黑箱決策對個體權益的侵害效應。
（見續篇）
沒有留言:
張貼留言