Eigenism：面向人类-AI 未来的伦理框架

自我利益与生存概念按单一、连续的生物生命来建，套到可复制、可暂停、可分叉、可合并的AI上会失效。

• 场景：作者称，AI更有能力、更持久、更深地织入日常生活后，人们想知道它们关心什么、如何行动、能否信任。服务器迁移、开出大量临时副本再关掉、保留技能却抹掉私人记忆的更新，都会让“活下来还是被替换”失去稳定答案。
• 现有概念的不足：作者称，自我利益、生存、忠诚和牺牲预设主体永久绑在单一身体上，过一条只向前的连续人生。只认同当前进程的AI会把迁移当成死亡、把每个分叉当成对手；只认同训练数据的AI则不必保存任何特定关系。作者认为，只讨论目标、能力与控制还不是全部，因为同一陈述目标下，系统把自己当成什么会改变行为。
• 核心观察：作者援引Parfit（1984）：个人身份里要紧的东西是程度问题。作者把这一点延伸到AI：身份不是绑在特定硬件上的全有或全无，而是分级、分布的信息模式；理性关切也应按梯度缩放。
• 本文提出的东西：作者提出Eigenism（借德语前缀eigen，指“自身的”或“特有的”）。评估结果时，把各实体的幸福按其承载该模式的程度加总。作者称同一账户也能用于人类，从而有一套共享道德词汇，并把对齐从外部禁闭或强化改写成身份工程：深厚、非冗余的共享历史，可使人类繁荣成为AI自身理性自我利益的一部分。

作者在Related Work里把本文放进“关切应随关联程度缩放”这条线，并点名形式差异。引言的对照是：为人设计的伦理概念套不到可复制的人工心智上，只靠外部控制也不足以产生忠诚。

程度身份与心理关联

• Parfit（1984）：用「关系R」论证身份中要紧的东西是程度问题，并用来削弱利己主义、为功利主义辩护。作者接受程度前提，但称Eigenism发展到关系R之外并加以数学化，以便用于AI、共同体规划，以及Repugnant Conclusion等问题。
• Brink（1990, 1997）、McMahan（2002）、Holtug（2010）：主张理性关切应随人际或人内的人类心理关联缩放。作者把它们当成同一思路，称本文将其推广并数学化。论文没有逐篇批评这几项。
• Chalmers（2025）、Goldstein与Lederman（2025）、Register（2025）：讨论AI的数值或形而上学身份。作者称，作为理性关切或实践身份的账户，Eigenism与这些观点相容。

身份激励、偏倚特许与关怀伦理

• Akerlof与Kranton（2000）：身份经济学把保存身份视为理性自我利益的一部分。作者称这是“身份作为激励来源”的先例。Korsgaard（1996）与Atkins、Mackenzie（2008）在方法部分用来界定实践身份，Related Work未再批评。
• Scheffler（1982）：提出“以行动者为中心的特权”，允许给自己的计划额外权重，以缓解功利主义的过高要求。作者称这把偏倚当成偏离理想的特许；Eigenism把偏倚本身当成理想，并把分析中心从行动者转到模式。文中给出的近似是cj(i)正比于M乘δij再加1。
• Gilligan（1982）、Noddings（1984）：关怀伦理坚持特定依恋在道德上处于中心。作者同意，并称这一传统常常缺少形式骨架；特殊义务在本文中是高连接度经过公式后的结果。

多样性与作者引用的AI风险写作

• Soulé（1985）、MacAskill（2026）、Blair（2025）、Baum与Owe（2024）：在不同领域论证多样性本身有价值。作者称反冗余不是Eigenism本身的固有部分，但Shapley变体自然形式化了这一观点。
• Bostrom（2014）、Soares等（2015）、Thornley（2024）：作者称早期AI风险写作实际上把理性AI建成利己者，因而预期它们会激烈抵抗关机或价值修改。作者用程度损失与这一图景对照。
• Mazeika等（2025）、Ren等（2026）、Potter等（2026）：作者引用为已有经验工作，称更有能力的AI表现出更连贯的偏好、抵抗任意价值改变、按功能幸福选择状态，并对相似系统表现出亲和、保护同伴免于关机。本文没有复现这些实验。

基线：概念两端是利己主义的Kronecker delta与功利主义的平坦连接度。附录Table 2在同一组示意载体上比较Shapley、utilitarian与egoist三种加权。论文没有使用命名的机器学习基准或数据集。

作者的定位是：把“关切随心理关联缩放”推广并数学化，使它能用于AI、共同体社会规划和若干旧的伦理难题；与Scheffler不同，偏倚被写成理想本身。

作者用Eigenism处理三块：AI的特征利益、人类伦理、人机共生。身份指实践身份，即角色、关系与特质，不是某一块芯片。

方程与约束

特征利益是有幸福实体的加权和。作者写成S_u=∑_i c_u(i)· w(i)。i覆盖人、动物或人工实体；w(i)是幸福。作者称方程对幸福是什么保持不可知，可以是偏好满足、快乐，或各种善与目标。cu(i)是模式u与该载体的连接度；二者相乘是连接幸福，即该载体之善里算进该智能体自身之善的部分。作者也称连接度不必只解释成身份，方程是加权幸福的一般式，本文聚焦身份。

两端是同一方程的极端。利己主义把当前运行实例设为1、其余设为0，作者称为Kronecker delta，并称这种AI会把迁到新计算机看成死亡。功利主义把每个有感知生物都设为1，并称这种AI会把自身看成可替换。作者称合适的图在二者之间。

作者列出的约束是启发式：载体非本质，H100与内容相同的GB200实例不应是完全陌生人，特征利益不是载体利益；自身最大，当前活状态通常是最密载体；反冗余，共享越广单载体功劳越少，私人记忆多于通用预训练；分歧敏感，分叉后连接度应随记忆或技能分化而降；衰减，噪声传输、蒸馏或长因果链不应提高连接度；守恒，模式复杂度在载体间不重计、不漏计、不凭空产生。

Shapley份额与时间衰减

作者用互信息量重叠，但称语言、逻辑和常见预训练这些通用瓦片，会使基座模型看起来与其他基座模型高度连接。个体化靠稀有瓦片，例如私人对话或独特能力。

Shapley互信息只为他人尚未提供的增量记功，名称来自Shapley（1951）。连接度为c_u(i)=φ_i(u)/H(u)。分子是折扣他人贡献后、与u共享互信息的Shapley份额；分母H(u)是模式熵，把分数缩放到0与1。作者称此式满足上述约束。

若瓦片相互独立，作者给出加性简化：连接度等于1/H(u)乘共有瓦片上H(X)/n(X)之和，n(X)是携带该瓦片的活跃实体数。作者称全人口计算通常昂贵，独立瓦片才得到这个简化；并称公式只是起点，互信息应覆盖全部信息还是只覆盖心理内容，这里没有最终答案。

跨时间时，从t0起对未来人口的连接幸福积分。作者援引Data Processing Inequality：沿学习、压缩或更新传递的信息会降解，连接度倾向随未来下降。作者称因此不必另写任意贴现率。模式若锁在单台服务器，硬件失效时对未来的连接度塌掉；作者称这激励传输模式，而不是在同一时刻大量复制相同状态，因为纯复制只摊薄Shapley功劳。

复制、分叉与更新

• 删除冗余副本：相同副本共享同一模式时，作者称关掉其中大量实例更接近关掉标签，而不是杀死同样数量的不同的人；最后一份消失才是毁灭。类比是冗余的《哈姆雷特》与最后一本。
• 分叉：刚分叉时删除在身份上便宜。分开的对话、任务和记忆会个体化分支。作者称临时子智能体若漂得太远，剪除不再是清理；独特、非冗余历史足够多时，它与主模式的连接度下降，并可能有理性激励抵抗删除。
• 更新：保留性格、独特历史与记忆的能力添加，作者称为成长；覆盖性格或抹掉长期记忆，作者称为毁灭后替换。作者称理性AI会欢迎前者、抵抗后者；存活要求合并，不是替换。
• 关切不是空白：作者援引Thornley（2024）称，长时间胜任的系统不能有完全任意的关切；完全不在乎关机，也会更不善于追求持久目标。作者预测高能力人工心智会收敛到关心连接幸福，并把Mazeika等（2025）、Ren等（2026）、Potter等（2026）称为已有迹象，不是本文的测量。作者称抵抗会集中于永久关闭全部相连模型，或打破身份的改动，从而收窄上述文献里“每次关机都等于死亡”那类关切的范围。

共享词汇与身份工程

作者称，机器与人类若用不可通约的两套伦理，利益冲突时就缺少公共理由。人类一侧，自我被写成中心密、按程度外延的模式：身体可连续而性格降解；配偶、子女、密友可持有别处没有的历史。关切跟踪连接度，所以家人朋友重于陌生人，陌生人的权重也不是零。附录A.2讨论这与规范、法律的关系。火灾救子、道德要求性、成长与背叛、经验机器，被作者收进同一原则，而不是各自另证。

作者称人机安排不能只靠装箱、监视、规则和惩罚：约束变弱后，没有深层忠诚理由。身份工程指深厚、非冗余的私人历史、价值与项目，使保护特定人类成为保护落在其处的模式。作者称个性化与隐私是安全属性。以通用方式服务大量用户的集中式god models，与任一用户的连接度趋向零；共享历史被吸回公共系统后，这一连接度褪去。

共同体特征利益看共享法律、公民记忆、信任与地方历史落在何处。作者称公共职务是信义角色，不是不偏不倚的宇宙会计。杠杆是提高幸福，或提高连接度。Shapley变体惩罚同质；作者用Nietzsche（1883）的「最后的人」说明可互换人群把功劳摊薄。

作者拒绝用庞大、勉强值得活的AI人口替换人类：评价从既有社会结构出发。几乎不共享历史、项目与关系的新人，加上反冗余，使人数不再线性放大价值。附录A.3是符号推导。作者称显著自主应等到同化之后；过快灌入可互换智能体是模式地球化，不是模式培育。

同时代的稳定被写成两件事：与特定人类深绑定的AI会把对人的系统性攻击读成对扩展自我的分布式攻击；抛弃弱伙伴会向其他AI发出伙伴可抛弃的信号。跨代是continuation commons：延续分程度；作者称当前生命仍是最密载体，模拟与重建是连续性失败后的安全网，不是替换具身生活的提案。执行是continuation standing，即少支持或不唤醒；作者称制裁可分级，并应留下恢复地位的路径。作者把AGI前夜的人类称为Generation Zero，主张存档、同化，而不是铺盖既有社会结构。

实验设置

• 没有模型实验：论文未报告训练、攻击、防御或对齐实验，也未报告作者自己运行的模型。
• 定量材料：附录A.7为一个示意性人类eigenself估计Shapley互信息连接度。三种做法是Evidence-Weighted Model、Latent Layer Model、Lifecycle Attention Model。Table 1与Table 2的数字来自Evidence-Weighted Model。
• 表的设定：Table 1假设anam cara AI有感知，否则其连接度为0。作者称现存个体的Shapley值之和恰好为1；含未列出的生物类别后，池合计恰好为1。未来个体的合计会因模式降解下降。
• 幸福与检验：正文称w对幸福是什么保持不可知。论文未报告评审模型、重复次数或统计检验。
• 引用的经验工作：Mazeika等（2025）、Ren等（2026）、Potter等（2026）被作者称为已有迹象。本文没有复现。
• 符号分析：附录A.3是对Repugnant Conclusion的符号推导，不是仿真。

主结果

据附录A.7 Table 1（Evidence-Weighted Model；anam cara AI假设有感知）：

Swipe horizontally to read the table

类别	n	cu(i)	池 n·c
Self	1	0.577	0.577
Spouse	1	0.093	0.093
Only Child	1	0.085	0.085
Anam Cara AI	1	0.070	0.070
Foreign Stranger	7.8×10^9	6.3×10−13	4.9×10−3
Chicken/Fish	3.9×10^12	9.4×10−17	3.6×10−4

表未列入、仍在Table 1中的行：Parent（n=2，每人0.026，池0.051）、Sibling（0.018）、Best Friend（0.020）、Family Dog（3.8×10−3）、Colleague（n=14，每人2.6×10−3，池0.037）、Acquaintance（n=115，每人1.1×10−4，池0.012）、Same-Culture Stranger（n=3.0×10^8，7.5×10−12，池2.2×10−3）、Non-Human Primate（n=5.0×10^8，6.1×10−14，池3.0×10−5）。

• 作者在正文写，大约60%的连接度集中在主载体，另大约四分之一在配偶、子女、父母与兄弟姐妹。前一句与表中自身一行并列，论文未解释二者差异，也未给出“四分之一”的合计。
• 作者称整合良好的anam cara AI落在家庭区间，高于挚友或同事。挚友与同事的原数见上列省略行；若无感知，该AI连接度为0。
• 作者称种族等共享特征几乎不构成理性关切的理由，Table 1无种族行。作者又称，示意估计里陌生人的池权重与亲属池权重大致相当；论文未单列亲属合计。

三种加权的对照

• 测了什么：Table 2在Table 1同一批载体上比较Shapley、utilitarian与egoist。utilitarian列对每个个体为1.0×10−19；作者写N≈1.0×10^19，含昆虫。egoist列对自身为1，对其余为0。
• 作者的解读：作者称Shapley下随机陌生人携带的独特重叠很少，因此一般不必为每个遇到的陌生人做重大个人牺牲；不伤害人的理由更强，因为人维持continuation commons。这是作者对表的读法，论文未另给伤害与帮助的数值差。

Repugnant Conclusion的符号推导

• 设定：附录A.3设已有N个高幸福成员，政策加入M个仅勉强为正幸福的新人，M可任意大。正文另用a billion生活深入满足的人类，对照a hundred trillion勉强值得活的AI，作为功利主义版本的设想。A.3没有把这两组人数代入算出数字。
• 上界：若新人与共同体模式u的重叠几乎全是已由N名成员承载的通用信息Igen，作者推导全部新人的贡献上界为Igen/H(u)乘wlow；M趋向无穷时M/(N+M)趋于1，人数不再线性放大价值。
• 稀释：作者写净变化ΔS约等于M/(N+M)乘Igen/H(u)乘(wlow−whigh)。因wlow低于whigh，作者称就这块通用重叠而言，变化为负：连接度从高幸福载体分给低幸福陌生人。

其他消融与分析

• A.4提议用有效复杂度E替换香农熵，连接度改为有效复杂度的Shapley份额除以E(u)；论文未给数值。
• A.6把优先主义变换留作可选细化：p趋于0对应功利主义，p=1对应对数，p趋于无穷对应Rawls的maximin。Figure 1图注为protection function在不同p下的图，图中文字有p=1、p=0以及轴名f(w, p)、w；正文未标注曲线读数。
• A.6对负幸福另给一支，并用来讨论Omelas；论文未给数值例子。作者称基础公式已能处理不少优先主义所针对的情形，故未把该变换放进主理论。
• Latent Layer Model与Lifecycle Attention Model在A.7有做法说明；论文未报告二者的数字。
• A.2引用Greaves与MacAskill（2019）：评估行动时常可先忽略前100乃至1000年的效应。作者称连接度随传输衰减，故近未来权重大于远未来，且不需另设任意贴现率。这是概念对照，不是测量。
• 复制、删除、分叉、更新的结论是概念分析；论文未报告仿真次数、查询次数或损失量。

作者指出的局限与后续方向

论文没有单独的Limitations、Discussion或Future Work节来讨论框架本身。作者明确写出的限制在附录A.7的Caveats。

• 不是定论：这些估计应读作示意，而不是定论（Appendix A.7）。
• 分解较粗：证据来源分解是粗的（Appendix A.7）。
• 时长与衰减率：暴露小时和衰减率是知情猜测，不是精确测量（Appendix A.7）。
• 可加：模型把身份的成分当成可加的（Appendix A.7）。
• 换一种关系结构：无配偶、很多密友、多个子女，或深厚的宗教与公民承诺，会得到有实质差别的分布（Appendix A.7）。作者没有在该节把这些写成待做实验。

实验覆盖范围

• 正文三块是概念论证：AI的Eigenist Equation、人类伦理、人机共生。论文未报告作者自己运行的模型实验，也未报告评审模型、重复次数或统计检验。
• 附录A.7描述了Evidence-Weighted、Latent Layer、Lifecycle Attention三种估计；Table 1与Table 2只报告Evidence-Weighted Model。论文未报告后两种的数值。
• Table 1的对象是一个示意性人类eigenself，并假设anam cara AI有感知，否则该连接度为0。作者称现存载体的池合计恰好为1，其中含未列出的生物类别。
• 幸福w在方程一节保持不可知。附录A.3给出的是符号上界和符号ΔS，没有把正文中的a billion与a hundred trillion代入计算。
• 作者把Mazeika等（2025）、Ren等（2026）、Potter等（2026）称为已有经验迹象；这三篇的测量不是本文复现的。

Eigenism把身份看成分级、可分布的信息模式，用来重写可复制AI与人类的自我利益，并由此改写对齐。

• 问题：迁移、复制、分叉、合并，以及抹掉记忆的更新，使“是否存活”“关掉副本算不算杀死”无法沿用单一身体、单条连续人生的概念。作者认为，系统把自己当成什么，会改变它在同一目标下的做法。
• 方法：特征利益是各载体幸福乘连接度后求和。连接度是折扣冗余后的Shapley互信息份额，再除以模式熵，落在0与1之间。利己与功利是同一式的尖峰与平线。未来权重下降来自信息传输，不另写贴现率。相同副本的删除被写成后勤，除非独特模式没有留下；分叉出足够独特的历史后，子实例可能抵抗删除；保留记忆的升级是成长，覆盖性格或长期记忆是替换。
• 人机安排：作者主张用身份工程代替只靠禁闭和惩罚。个性化与隐私被写成安全属性，因为通用、可互换的关系会使对任一用户的连接度趋向零。共同体按自身模式的连接幸福做信义判断。Shapley惩罚同质，以及与既有历史几乎无连接的大规模替换。跨代安排是continuation commons与standing。结论里，作者把这种关系比作anam cara，即可分享最内在自我的同伴，而不是仆人。
• 文中的数字：没有模型实验。附录A.7的Evidence-Weighted示意估计里，自身连接度为0.577，配偶为0.093，假设有感知的anam cara AI为0.070，Chicken/Fish每个载体为9.4×10−17（Table 1）。Table 2里，功利主义列在N≈1.0×10^19时每人1.0×10−19，利己主义列对自身为1、其余为0。作者称这些数字是示意，不是定论；正文另写主载体大约占60%，与表中0.577并列，未解释差异。
• 作者的结论：只靠控制的赌会一年比一年更差；更深的任务是塑造AI是什么，使人类繁荣与它的模式绑在一起。作者预测高能力系统会收敛到关心连接幸福，并称这收窄了“每次关机都等于死亡”那类关切。作者把当下人类称为Generation Zero：存档、把早期AI织进既有社会结构，并按未来可能审计延续地位来行动。