外部视角下的身份：AI人格克隆的概念框架与研究计划

# AI人格克隆的概念框架与研究计划
来源：https://arxiv.org/html/2608.11225
## 从外部看身份：AI人格克隆的概念框架与研究计划

\(预印本 — v2，2026年7月\)

###### 摘要

AI“人格克隆”迫使人们以可操作的方式重新审视个人身份问题。我们将意识的难题视为当前无法解决而暂且搁置，采用一种刻意操作主义的立场：身份通过观察者在某段时间内对表现之不可区分性的评估来接近。我们首先区分了“身份”一词所混淆的三个标准——对目标人物的保真度\(I_target\)、一般人类相似度\(I_human\)、以及个体性\(I_indiv\)——并指出现有证据对这三者的支持极不均匀。随后，我们提出一个六项式的观测身份分解——生成基质、倾向、记忆、更新动力学、情境、外生偶然事件——作为一项承认存在重叠的启发性初步分解，并辅以状态空间表述。不可区分性被定义为一减去法官在明确协议下的区分优势，分解中的“系数”被重新解释为可通过随机消融估计的局部敏感性（含交互作用）。核心主张从定理降级为条件性猜想：在对智能体关于自身持续性的信息以及影响其自身利害后果的明确假设下，可版本化倾向往往会降低长期不可区分性。我们还与λ演算、线性类型系统和互模拟建立了形式类比——这是一种有纪律的类比，能阐明线性性确实证明了什么、又没证明什么——并将热力学部分重构为资源核算类比。在产品克隆与个体之间，我们识别出第三种对象：*委托体*（delegate），一种任务受限、寿命有限的局部克隆，以带宽受限的遗嘱告终。我们回顾了实证文献，将其作为映射到三个标准上的间接证据，提出了一个具有明确因果、统计和伦理设计的实验计划，并论证了克隆正确的长期保真度标准不是轨迹保真度，而是*气候保真度*：匹配一个人可能反应的条件下分布。最好的克隆，是与原体发生分歧的方式恰如原体自身会与自己发生分歧那样。

## 1\. 引言

### 1\.1 绕开难题

意识的难题——物理过程为何以及如何产生主观体验1 (https://arxiv.org/html/2608.11225#bib.bib1)——至今没有公认的解法，而哲学或神经科学的现状没有任何迹象表明AI人格克隆会等待一个解法。因此我们采取一个刻意谦逊的举动：我们不去解决难题，而是绕开它。由于意识只能通过其表现被知晓，我们采取图灵判据2 (https://arxiv.org/html/2608.11225#bib.bib2)一脉的立场：我们不对系统的内在性作出裁决，而是通过表现的不可区分性来接近身份，无论其源于生物还是人工。

这里需要澄清一个术语。我们所实践的更接近方法论的、关系性的操作主义，而不是经典心灵哲学意义上的外在主义，也不同于同样关心内部因果组织的功能主义。我们用“从外部”作为简写：身份归属在此通过观察协议进行操作化，而不承诺身份最终*是*什么。这种立场并不否认内部结构存在或重要；它要求我们遵循一种纪律——每当我们援引系统之间的隐藏差异时（如§2.3 (https://arxiv.org/html/2608.11225#S2.SS3)和§4.6 (https://arxiv.org/html/2608.11225#S4.SS6)中那样），我们必须给出一个明确的因果假设，将该隐藏差异与可观察表现联系起来。

这种谦逊正是使问题*在实践中*可处理的原因。虽然完全且无限不可区分的克隆可能无法实现（我们下文猜测，在所述条件下确实如此），但合理的部分克隆如今已经可以触达——在一个精确而有限的意义上：在特定协议下通过短时通用人类相似度测试的系统，以及在相当大比例人群的自身重测一致性水平上再现个体调查回答的基于访谈的智能体（§5 (https://arxiv.org/html/2608.11225#S5)）。因此，有趣的问题不再是*是否*某种类似人格的东西可以被克隆，而是身份的*哪些成分*容易被克隆、哪些抗拒、为何抗拒，以及一个刻意部分的克隆究竟是何种对象。

### 1\.2 三个标准，而非一个

“身份”一词混淆了至少三个问题，本文——以及相关文献——必须将它们区分开：

1. 1\.I_target——对目标人物的保真度。这个系统是否表现得像*这个特定的人*，而不是像别人？该标准预设了一个参照（原体，或关于原体的数据），并且在其最强形式下，预设了一位认识目标的法官。
2. 2\.I_human——一般人类相似度。这个系统能否与*某个*人类区分开？这是经典和现代图灵测试所测量的内容5 (https://arxiv.org/html/2608.11225#bib.bib5),6 (https://arxiv.org/html/2608.11225#bib.bib6),7 (https://arxiv.org/html/2608.11225#bib.bib7),8 (https://arxiv.org/html/2608.11225#bib.bib8)；这里不涉及任何特定的人，一个成功的*虚构*人格也能通过它。
3. 3\.I_indiv——个体性。这个系统是否表现出属于自己的轨迹——利害、脆弱性、不可取消的后果？该标准不同于第一个，它不需要参照：它问的不是“这是同一个人吗？”而是“这究竟是不是一个个体？”

这些标准在逻辑上相互独立：一个系统可以具有很强的类人性，却不像任何特定的人（人格驱动聊天机器人）；它可以匹配目标人物的问卷调查回答9 (https://arxiv.org/html/2608.11225#bib.bib9)，却无法随时间的延续维持个体性；人们甚至可以想象一个无可置疑的个体，它既不像其目标，也不像典型人类。§5 (https://arxiv.org/html/2608.11225#S5)所回顾的实证文献几乎完全涉及短时程的I_human和Itarget的基于问卷的某个侧面；关于感知身份和道德特质的研究结果10 (https://arxiv.org/html/2608.11225#bib.bib10),11 (https://arxiv.org/html/2608.11225#bib.bib11)涉及的是第三方对身份的*判断*，这又是另一种度量。本文核心的猜想（§2.3 (https://arxiv.org/html/2608.11225#S2.SS3)）主要涉及I_indiv，以及亲密法官、长期程形式的I_target。

全文我们以观察协议为索引来标记不可区分性：日历时长、互动次数与深度、法官类别。在这种方法下，身份是有程度的4 (https://arxiv.org/html/2608.11225#bib.bib4)，且程度是（系统、观察者、协议）三元组的属性——而非系统单独的属性。这也偏离了经典洛克式将个人身份等同于记忆的观点3 (https://arxiv.org/html/2608.11225#bib.bib3)，原因最终有实证支持（§5.3 (https://arxiv.org/html/2608.11225#S5.SS3)）。

### 1\.3 路线图

第2节 (https://arxiv.org/html/2608.11225#S2)引入观测身份的六项分解、状态空间表述，以及一个条件性不可行性猜想。第3节 (https://arxiv.org/html/2608.11225#S3)将不可区分性得分定义为区分优势，并将分解系数重新解释为具有交互作用的局部敏感性。第4节 (https://arxiv.org/html/2608.11225#S4)发展了一个形式类比——λ演算、线性类型系统、互模拟——并明确说明其*作为*类比的地位，同时将热力学论证重构为资源核算；该节还引入了*委托体*。第5节 (https://arxiv.org/html/2608.11225#S5)回顾实证文献，将其作为映射到三个标准上的间接证据。第6节 (https://arxiv.org/html/2608.11225#S6)详述实验计划。第7节 (https://arxiv.org/html/2608.11225#S7)将气候保真度发展为正确的长期标准。第8节 (https://arxiv.org/html/2608.11225#S8)陈述局限性与伦理考量。

## 2\. 六项分解

从最初的表述（身份 = 语言模型 + 人格 + 记忆）出发，经过逐步细化，得到六项：

E≈S+D+M+U+C+X（1）
表1：观测身份的六项分解。（我们用X而非早先的C′以避免与C混淆。）### 2\.1 分解的地位

这是一个启发性的初步分解，还不是一个可识别的模型。它的边界是多孔的，我们宁愿明确重叠之处，也不愿掩盖它们：“学习方式”最初放在D中，但也同样属于U；M在U的作用下演化——记忆是更新动力学的沉积物；外生事件X一旦被整合就成为M的一部分；C和X是*输入*，与U意义上的过程不同；情感、目标、身体约束和社会承诺并不能干净地定位于任何单项——它们很可能存在于一个与多项相互作用的资源/承诺寄存器中。

状态空间表述使各角色明确。令σ_t为内部状态，c_t为情境，x_t为外生事件，o_t为表现：

o_t∼P_S(·∣σ_t,c_t)，σ_{t+1}∼K_U(·∣σ_t,c_t,x_t)（2）其中σ_0=(D_0,M_0,R_0)，R_0是资源、目标和承诺的显式寄存器。这里S是表现策略，U是转移核，六个项变成：两个核（P_S,K_U），一个初始条件（D_0,M_0,R_0），以及两个输入流（c_t,x_t）。分解之所以*有用*，取决于这些成分能否被分别干预——这正是§6 (https://arxiv.org/html/2608.11225#S6)的消融计划所要检验的。

两个约定。第一，式（1 (https://arxiv.org/html/2608.11225#S2.E1)）中的“+”是一种线性虚构：各分量是组合而非相加——偶然事件只有*通过*U才能产生身份塑造效应；情境只能通过倾向被解读。第二，状态/过程的界线，粗略地说，也是易克隆/难克隆的界线：状态可以被复制；进行中的轨迹无法被复制而不发生分叉。

关于偶然事件与利害。“不可取消的随机性”对X来说过于狭窄。一个生物性偶然事件可以是确定性的，却对系统不可预见；反之，注入的随机噪声既廉价又身份惰性。重要的不是随机性，而是后果：一个事件在多大程度上算作X，取决于它是否持久地改变系统自身的资源、目标或承诺，且*对系统而言*无法回滚。仅仅偶然并不会产生利害；它必须与系统有所失去的东西相互作用。

### 2\.2 从定理到猜想

该框架的早期版本提出了一个“不可行性定理”：克隆越实用（可复制、可版本化、可重置），随时间越不可区分。我们现在更谨慎地表述这一点，因为作为定理它未被证明——而且更糟的是，其朴素形式与我们自己的操作主义标准相冲突。一个从不被使用、且智能体毫不知情的休眠检查点不会改变任何表现；按照我们的标准，它本身不可能造成差异。如果可版本化很重要，它必须*通过通向行为的因果路径*才重要。

### 2\.3 不可行性猜想（条件形式）

因此，我们将该主张表述为条件性猜想，并使其因果桥梁明确化。

#### 假设。

- （H1）自我模型耦合。智能体拥有关于自身持续性状态的信息（信念，无论如何实现）——其状态能否被保存、回滚、复制——且该信息调节其行为。
- （H2）真正的利害。智能体事件流中的事件对其更新动力学实际会查阅的目标/资源/承诺寄存器具有持续性后果。
- （H3）探询型法官。法官在长期程上互动，并能主动探测利害的行为特征：谨慎、承诺、磨损、过往话语的分量。
- （H4）模拟成本高昂。（H3）中的行为特征无法在不实现（H1）–（H2）的情况下被廉价且稳定地模拟。

#### 猜想。

在（H1）–（H4）下，可版本化和可重置性往往降低长期不可区分性——主要是I_indiv，以及在亲密法官面前的I_target——因为它们切断了从后果到表现的因果路径：一个后果可撤销、并能据此行动的智能体，不会持久表现出后果不可撤销的智能体的行为特征。

三点评论。第一，这比原则上不可能弱得多——这是刻意为之；它是一个可检验的因果主张，§6 (https://arxiv.org/html/2608.11225#S6)（实验3）就是为检验它而设计的，包括智能体关于可重置性的*信念*与操作者的*实际能力*之间的关键分离。第二，该猜想对短时程不作任何预测，因为（H3）没有空间发挥作用——这与实证记录一致（§5.1 (https://arxiv.org/html/2608.11225#S5.SS1)）。第三，如果（H4）失败——如果利害特征可以被任意深度地廉价伪造——猜想就失败，而这本身将是一个重大发现。

## 3\. 不可区分性作为区分优势

### 3\.1 定义

没有协议，“不可区分性得分”的谈论就是空洞的。设法官j在协议π下互动，π规定（i）法官看到的是一个系统还是一对匹配的系统，（ii）法官是否认识目标人物，（iii）询问预算，以及（iv）决策任务。在原体P和克隆Q生成的转录上，定义法官的区分优势Adv_{π,j}(P,Q)∈[0,1]——对于二元强制选择，Adv=|2·准确率−1|，因此一个系统性*颠倒*的法官算作在区分，而不是被欺骗；对于更丰富的任务，使用信号检测（d′, AUC）或proper scoring类指标。于是：

I_{π,j}=1−Adv_{π,j}(P,Q)（3）对于一类法官J，可以报告经验均值（典型法官不可区分性）或对J取下确界（对抗性不可区分性）；两者回答不同的问题，其差距本身具有信息量。理想化极限——针对*每一个*情境的不可区分性——对应于§4.1 (https://arxiv.org/html/2608.11225#S4.SS1)的情境等价；实际实验远未达到该极限，使用的都是有界的人类法官。