研究类型：概念分析与批判性文献综述
当AI不再只是工具，我们究竟该如何重新理解“人”、机器，以及正在形成的人机共同实践？
摘要
人工智能在语言表达、知识组织和任务执行中的广泛应用，使人机关系研究面临一个超出性能比较的问题：
当人的能力与行动越来越需要借助技术及制度关系加以说明时，应当如何理解人、机器及其共同实践的存在方式？
本文以当代人工智能为主要对象，采用概念分析、批判性文献比较及虚构情境推演，考察工具论、功能主义、技术中介、延展认知与关系取向之间的解释分歧。
本文论证：
人机实践可以构成认知与行动的分析单位，但共同完成任务、构成制度化集体行动者与形成统一体验主体，是需要分别论证的不同命题。
机器的因果贡献、功能能动性、意向性、意识、道德地位、制度权限与责任不能相互替代。
现有经验研究表明，人机合作的收益具有任务和组织条件；辅助状态下的表现提升，也不能直接证明人的独立能力增长。
通过公共服务资格审核的虚构情境，本文进一步说明，个别申诉获得纠正不足以证明普遍规则公平，关系的事实存在亦不足以直接产生公共正当性。
因此，人机本体论真正具有解释价值的地方，不在于急于宣布一种“新人机主体”已经诞生，而在于澄清能力、身份和行动究竟如何形成，同时保留意识归属的开放性、人的平等地位以及具体责任的可追问性。
关键词：人机本体论、人工智能、技术中介、延展认知、主体性、公共正当性
Abstract
The growing use of artificial intelligence in language, knowledge work, and action raises an ontological question beyond performance comparison:
How should humans, machines, and their joint practices be understood when capacities and actions depend on technological and institutional relations?
This report combines conceptual analysis, a critical comparison of selected literature, and a fictional public-service scenario.
It examines instrumental, functionalist, mediational, extended-cognition, and relational approaches.
Human-machine practices may serve as units of cognitive and action analysis, but joint task performance, institutional collective agency, and a unified subject of experience require distinct arguments.
Causal contribution, functional agency, intentionality, consciousness, moral standing, institutional authority, and responsibility cannot substitute for one another.
Existing empirical research shows conditional benefits of collaboration and a possible divergence between assisted performance and independent learning.
The fictional eligibility case further demonstrates that successful individual appeals do not establish the fairness of general rules.
The report argues for an ontology attentive to the constitution of capacities and identities while preserving uncertainty about machine consciousness, equal human standing, and the traceability of responsibility.
Keywords: human-machine ontology; artificial intelligence; technological mediation; extended cognition; subjectivity; public legitimacy
一、引言
问题的提出
关于人工智能的公共讨论，经常把“它能完成什么”与“它是什么”并置。
系统能够写作、分析、提出建议或者执行任务，说明它在某些条件下具有相应能力；从这些能力进一步判断它是否理解、是否具有体验、是否能够承担责任，则需要新的论证。
另一种同样值得警惕的做法，是因为机器属于人工物，便预先把它对人的能力、生活方式和社会关系的影响压缩为外在辅助。
两种判断都可能越过应当说明的中间环节。
本文把“人机本体论”作为一个问题领域：
研究人在技术实践中的存在方式、机器作为人工物的存在方式，以及二者在生活与制度情境中的依存、构成和归属关系。
这里的“本体论”不是一份机器功能目录，也不意味着宣布一种新的存在实体已经诞生。
它追问的是：
我们的解释究竟把什么当作存在者？
如何划定其边界？
哪些关系构成其能力和身份？
哪些属性能够正当地归属于谁？
这一问题具有历史连续性。
马克思在《资本论》关于机器与大工业的分析中，把机器置于劳动过程及其社会组织中讨论，提示技术能力与技术的社会运用需要共同考察。
图灵则通过模仿游戏，将一个含混的思维问题转化为较明确的研究问题。
两条讨论路径分别提示，人机问题既涉及劳动和制度关系，也涉及能力判断与心智归属。
本文对当代人工智能的分析继承这些问题意识，但不把工业机器的历史分析或早期计算机的论证，直接当作今天全部系统的经验结论。
研究问题与主要主张
本文围绕一个母问题展开：
当人的能力、身份与行动在技术参与下发生变化时，如何解释这种变化，同时避免混淆人和机器的存在方式、主体资格与责任边界？
围绕这一问题，需要分别回答：
人在何种意义上依赖技术而存在和行动？
机器的功能角色是否足以支持心智属性归属？
持续互动中的能力变化属于人、系统还是活动关系？
共同实践如何进入价值与公共正当性的评价？
本文的主要主张是：
解释人机实践，需要把具体关系纳入分析。
但关系的重要性，并不足以单独证明人机形成统一主体。
功能主义、工具论与关系取向并不完全位于同一个问题层面，可能在局部兼容，也可能在特定命题上冲突。
合理的研究，应比较它们分别解释了什么、遗漏了什么，而不是预设某一种进路必然取代其他进路。
方法与材料范围
本文采用批判性文献综述，而非穷尽检索的系统综述。
文献选择围绕认知边界、技术中介、机器能动性、意识归属和人机协作的正反证据展开，优先核查原始论文、作者或作者机构公开材料、出版社页面及正式规范文件。
全文区分四类陈述：
第一，文献中作者提出的哲学立场，以作者归属表述。
第二，经验研究只在相应样本、任务和方法范围内解释。
第三，本文的概念推论明确承担独立论证责任。
第四，公共服务案例为虚构分析设定，不作为现实政策效果的证据。
本文没有实施新的实验，也不讨论模型选型、技术架构或平台建设。
二、人与机器的存在方式
人作为具身且具有历史的存在者
本文采取一个最低限度的分析起点：
人是有身体、会受到损害、具有生活历程并处于社会关系之中的存在者。
人的活动既有可以被功能描述的部分，也有不能仅由任务得分穷尽的方面，包括遭遇的意义、行动的理由、与他人的关系以及对自身生活的理解。
这一出发点不要求每个人在每一时刻都完整表现所有能力，更不把语言、理性或劳动能力设为获得平等尊重的考试条件。
人的技术依赖并不始于人工智能。
语言、书写、计算工具和组织制度，都参与人的能力形成。
因而，依赖技术本身既不能证明人的主体性已经丧失，也不能证明主体性必然获得增强。
真正需要说明的是，技术在具体活动中承担何种作用：
是帮助人形成判断？
替人完成判断？
限定可以提出的问题？
还是改变判断所面对的社会条件？
人的历史性还意味着，能力并非一次性给定。
某次活动既产生结果，也可能改变行动者以后理解问题和作出选择的方式。
研究长期人机实践时，人的变化应当进入解释，但必须允许几种方向同时存在：
能力积累、能力替代、依赖加深，以及不同能力之间的不均衡变化。
机器作为具有物质和组织条件的人工物
“机器”在本文中主要指参与认知或行动的人工智能系统，但这一名称需要指明对象。
基础模型、某次运行中的系统、面向用户的应用、持续显示的交互身份，以及部署和运营系统的组织，并不是同一个存在者。
模型层面的能力不能直接归给整个应用。
应用对外作出的承诺，也不能直接归给模型。
组织能够承担的义务，更不能仅凭界面表达，就视为机器自己承担的义务。
机器同时具有物质性和社会依存性。
一次看似纯粹的对话，仍以设备、数据、劳动、资源及组织安排为条件。
把这些条件纳入分析，并不要求把一切背景条件都算作同一主体，而是为了避免把界面中的交互对象误认为完全自足的存在。
不同条件可以是背景支持、直接因果参与或制度约束，其关系类型需要具体说明。
“人工物”也不等于“完全透明且结果始终可预见”。
某个系统可能表现出复杂、自适应和难以逐步预测的行为，同时仍然是被设计、部署和使用的人工物。
因此，从复杂性或不可预测性本身，不能直接推出它拥有自身利益、体验或权利。
但从人工物属性本身，也不能直接推出它对人的价值选择没有塑造作用。
依赖、因果、构成与规范归属
依赖关系说明一项活动需要哪些条件。
因果关系说明某个因素的改变如何影响结果。
构成关系说明什么属于该活动或主体的组成。
规范归属则说明权利、权限、义务和责任应当归于谁。
这四种关系提出不同的问题，需要不同的论证依据，不能从一种关系成立直接推定另一种关系成立。
一个人无法在没有空气的条件下思考，不意味着大气整体属于其心智。
某项建议影响了公共决定，不意味着建议来源自动取得作出该决定的权限。
反过来，一个机构依法或依约负有责任，也不意味着其每一名成员都曾直接参与导致结果的操作。
本文据此把关系分析理解为辨明关联的性质，而不是无限扩大主体边界。
人机讨论中的八个核心概念边界
下面这些概念不是从低到高的“主体等级”，也不是一套新的评价指标。
1. 因果贡献
指系统运作参与导致某种结果。
但由此仍不能直接推出：
它是否具有理解、意图或者责任。
2. 功能能动性
指系统能够在指定任务与环境中选择并执行行动。
但仍需另行回答：
它是否自行认可最终目的。
3. 意向性
指某种状态或内容指向一个对象、问题或事态。
但“关于某事的输出”，是否等于系统自身具有对该事的内在理解，仍需要独立论证。
4. 意图
指行动者对某种行动及其目的具有取向或承诺。
运行目标并不必然等于行动者自身认可的目的承诺。
5. 主观意识
指对于某个存在者而言，具有某种实际体验。
流畅、自洽甚至带有第一人称色彩的自我报告，能否构成充分证据，仍然是开放问题。
6. 道德地位
讨论一个存在者是否、以及基于何种理由，应受到直接的道德关切。
它与“该存在者是否具有承担责任的能力”并不是同一个问题。
7. 制度权限
指获得制度认可的特定行动资格。
技术上可以完成某项行为，不等于制度上有权完成。
8. 责任
指对行为、后果与既有义务承担说明及归责。
关键问题不是简单判断“谁参与了”，而是责任主体、范围和理由究竟如何确定。
三、主要理论进路及其真实分歧
工具论的解释力与边界
工具论的强版本可以承认机器高度复杂、能够自适应并改变行动条件，同时认为其用途与部署仍应放在人和组织的目的之中说明。
因此，工具论并不必然主张技术毫无价值倾向。
Peterson与Spahn提出的“弱中立论”就承认技术能够影响行动的道德评价，同时拒绝由此直接赋予技术道德行动者与责任主体资格。
这种立场有助于保留用途、控制和责任的清晰性。
它面临的问题是：
当技术不仅帮助完成既定目标，而且改变人注意什么、如何定义问题以及认为哪些目标可行时，既有的工具概念是否足以解释这些变化？
如果工具论已经把目的形成和制度安排纳入解释，它与部分技术中介分析并非根本对立。
如果仍把人的目的视为完全先于技术而确定，其解释可能过窄。
功能主义与理解问题
功能主义的核心吸引力，是不因实现材料不同就预先排除人工心智的可能性。
若某种心智状态应当根据其因果角色和组织方式识别，那么实现它的系统未必只能是生物系统。
但功能组织的等价，是比若干输入输出相似更强的命题。
完成相同题目，仍可能通过不同机制，并在情境变化时表现出不同边界。
塞尔的“中文房间”论证针对的是：
仅仅实现程序，是否就足以具有意向性。
这一论证并没有因此证明所有可能的机器都永远不能思考。
这一争论说明，外部行为、内部机制和语义理解之间，需要桥接论证。
功能主义不能被简化为“表现得像人就是人”。
同样，批评功能主义也不能依靠“尚未证明理解”，直接推出“已经证明绝无理解”。
本文不裁定人工意识在原则上不可能或必然出现。
对于具体系统，应当说明所使用的意识概念、判断依据以及其中的不确定性。
Butlin等人的研究尝试利用不同意识理论导出的指标，对具体AI系统进行评估，同时明确承认意识科学本身仍存在重大不确定性。
这种研究提供的是评估思路，而不是所有机器已经具有意识或者绝无意识的普遍证明。
技术中介与情境行动
技术中介进路关注技术如何塑造经验与行动。
Verbeek认为，当技术参与组织行动的可能性时，设计本身也进入伦理问题的形成过程。
例如，在一个明确虚构的服务申请界面中，如果系统只允许填写固定工资收入，那么零工劳动者的处境就可能更难被表达。
这种影响不要求界面本身具有自身意图，却足以说明设计对实践具有规范相关性。
Suchman对计划和情境行动的分析进一步指出，计划本身是在具体历史文化活动中形成和使用的安排，不能把计划当作已经穷尽实际行动的规定。
对AI而言，这一观点提示研究者关注：
规则如何在具体使用中被理解、补充和争议，而不是只根据规则文本推断全部现实后果。
将这一观点用于当代AI，是一种理论上的分析延伸，而不是她已经验证今日所有系统能力的证明。
技术中介立场与工具论的一个真实分歧，是技术在目的形成中究竟承担多大作用。
它与强主体论的分歧，则在于这种作用是否足以构成独立意图或责任。
因此，必须把：
“技术具有道德重要性”
与
“技术能够承担道德责任”
分开。
只有这样，才能保留真正的理论争论，而不偷换问题。
延展认知与分布式认知
Clark与Chalmers提出，某些外部资源在适当关系中，可能成为认知过程、乃至持存信念的组成部分。
也就是说，认知边界不必直接等同于皮肤和颅骨的边界。
Hutchins则把导航团队、工具和表征媒介构成的活动系统作为认知分析单位，说明系统性质不必是成员个体性质的简单相加。
这两种进路具有联系，却不能合并成同一个命题。
延展心灵讨论的是：
外部资源是否构成个体心智。
分布式认知则可以研究跨越多人及人工物的活动系统，但并不因此要求把团队认作一个统一体验者。
因此：
认知过程的边界、人格的边界与责任的边界，可以不重合。
Rupert的批评构成一个重要竞争解释：
认知高度依赖环境，与环境本身属于认知的构成部分，并不是同义词。
对于某段人机合作，完全可能存在一个更弱、但已经足够的解释：
人的认知是在复杂外部支持下运行，而不需要再假定一个新的心智主体已经出现。
如果要支持更强的构成性主张，就需要进一步说明：
为什么仅仅以“外部支持”描述，会遗漏关键的组织关系？
以及，所选定的主体边界如何保持解释上的一致性？
关系取向的贡献与自我限制
关系取向能够说明，某些身份、能力和意义是在互动及制度实践中形成的。
Coeckelbergh在机器道德考虑问题上提出社会关系进路，将关注点从孤立属性转向具体关系及其社会情境。
这种论证为人的实际对待方式提供了新的解释视角，但它仍然是一项存在争议的哲学主张。
关系取向尤其需要回答两个问题。
第一：
关系究竟构成了什么？
是一种使用身份？
一种认知能力？
一种制度角色？
还是一个体验主体？
第二：
关系中的承认是否足以确立道德地位？
如果某个系统因为被人喜爱而获得更多关切，不能据此推出无人关注者就应受到更少关切。
同样，人的基本地位也不能随着表达能力或者受欢迎程度变化。
这是本文对关系论设置的规范性限制，而不是关系事实本身已经给出的结论。
四、主体性、能动性与人的地位
功能能动性不等于完整主体资格
在限定任务中，把能够根据状态作出选择并执行行动的系统称为具有“功能能动性”，具有一定描述意义。
但“自主”至少可能表示四种不同含义：
不需要逐步指令；
能够适应变化；
能够认可目的；
能够为行动承担责任。
这些含义不能混用。
一个系统具有局部运行自主性，并不能直接证明它拥有规范自主性。
Floridi与Sanders曾在特定抽象层次上讨论人工代理的道德相关行动，并明确区分能动性与责任问题。
因此，即使使用“道德代理”这样的表述，也不能直接把它理解为：
机器已经具有自由意志、主观体验和完整责任能力。
本文在需要避免歧义时，更倾向于直接说明：
机器究竟作出了什么行动？
这些行动产生了什么影响？
而不是先给它一个过于宽泛的主体名称。
道德行动者与道德受体
能够受到损害或者值得关切，与能够理解理由并承担责任，是不同的问题。
一个存在者即使不能为自己的行动负责，也不因此失去被保护的理由。
相应地，一个系统能够执行复杂任务，也不能直接说明它已经具有能够遭受伤害的自身利益。
本文明确采取人的平等尊重作为规范前提。
婴幼儿、失能者、语言表达困难者以及无法提出申诉的人，都不能因为缺乏某项功能而被降格。
这里的平等，并不是从某项智力测验结果中推出的。
它是本报告讨论公共制度时承认的一个基本要求。
这同时意味着：
AI超过某些人的特定任务能力，不足以削弱后者作为人的地位。
对于未来可能存在的人工道德受体，应允许新的证据与论证改变判断。
但在缺乏充分依据时，不能把界面中的自我称述直接当作体验事实。
讨论机器未来可能具有何种地位，也不能取代对现实中的使用者、劳动者和受影响公众的保护与责任分析。
人的主体性体现为有条件的反思与行动
人的主体性不宜理解为完全不受外部影响，也不宜压缩成最后点击一次“确认”。
人在借助外部知识的同时，仍然可能：
理解问题；
提出异议；
修订目标；
拒绝建议；
对自己的行动承担责任。
但同一个人也可能只保留形式确认，而实际上缺乏理解和改变结果的条件。
因此，主体性研究真正需要关注的是：
人的判断与行动在何种关系中形成？
以及：
人是否仍能够有理由地赞同、拒绝或者改变这些安排？
这里提出的是概念上的判断问题，不是一套新的量化指标。
这种处理既保留了主体性的社会条件，也避免把一切依赖都说成自主性的丧失。
五、持续互动中的个性化、同一性与共同实践
通用能力与个性化实现
通用性可以描述一种能力面向多类任务的适用范围。
个性化则描述这种能力在具体人的目标、经验、约束和互动历史中如何被实现。
两者并不是相互排斥的属性。
相同的能力基础，在不同的提问方式、纠错过程和使用情境中，可以形成完全不同的实践结果。
这一判断并不要求我们声称：
每一段持续对话都会产生一套新的基础能力。
真正需要区分的是：
人的问题理解发生了变化？
可用背景信息增加了？
协作程序趋于稳定？
还是系统自身发生了某种持久变化？
只有说明变化的载体与机制，才能判断：
所谓“AI越来越懂我”，究竟指的是人的主观体验、互动效果，还是可以证实的系统改变。
时间连续性与主体同一性
长期互动可以形成词汇习惯、共有资料、纠错记忆与合作预期。
保存这些内容，可能使活动具有连续性。
但连续的服务身份，并不能自动证明存在一个持续不变的体验主体。
一个名称可以延续，底层系统却可以更换。
一套工作资料可以被保存，而人的理解也可能已经改变。
“替换问题”有助于澄清争论。
如果更换系统以后，主要能力和意义仍然能够由人的学习、既有资料以及组织流程保存下来，那么将这些能力完全归给某个不可替代的机器主体，就需要收窄。
反过来，如果某些关系组织方式确实不能随意替换，那么它可以支持一个较弱但重要的判断：
这种关系本身在该活动中具有重要作用。
但这仍然不能单独证明存在统一意识。
这些都是对理论主张的反驳条件，而不是本文另外设计的一项实验。
共同完成任务与共同主体
“人机共同主体”至少可能表达三种完全不同的意思。
第一种：共同完成任务
人与技术共同完成某项任务，成果依赖双方的实际贡献。
例如，人提出目标、提供背景、判断结果，AI完成信息组织、生成备选、发现矛盾。
这种意义上的“共同”，是最弱但也最容易证实的。
第二种：形成制度化集体行动者
在明确的制度和组织条件下，人们可以通过包含技术环节的组织形成、维持和执行集体承诺。
相关行为可以归属于这个集体行动者。
但机器在其中究竟只是技术组成部分，还是能够成为参与承诺的成员，仍然需要另行论证。
第三种：形成统一的主观体验者
即人与机器之间形成一个统一的、真正具有主观体验的存在者。
这是最强的主张。
第一种描述不需要承诺第二种或者第三种。
第二种也不必以存在统一意识为前提，因为制度化集体行动的判断主要涉及授权、承诺和行为归属。
第三种则需要额外的心智与意识论证。
不能由共同产出或者统一对外名称直接推导出来。
把这三种命题区分开来，既能够承认人机合作的现实性，也能够避免把“共同”变成掩盖差异的修辞。
长期关系价值的竞争解释
持续合作表现改善，至少可能来自几种不同机制：
人的累积学习；
人与其他人的合作；
资料和流程改进；
一般性的AI辅助；
某一特定人机互动关系的独有作用；
以及环境与平台本身发生的变化。
这些解释并不是天然互斥的。
但如果一项研究只保留最后一种解释，就很容易把待证明的结论提前写进问题起点。
因此，关于AI价值具有长期性、系统性和跨领域性的判断，在本文中保留为一个具有研究意义的假设。
它可能在某些情境中成立。
也可能只在局部成立。
甚至可能被更简单的替代解释充分说明。
研究真正的价值，不在于提前宣布某种关系已经证明自己“不可替代”。
而在于区分：
到底是哪一种变化发生了？
变化为什么发生？
离开这段特殊关系以后，它还是否存在？
六、经验研究对本体论推断的约束
合作存在与合作增益是不同命题
人与AI共同参与一项任务，只能直接表明：
共同参与这个过程确实存在。
但是否因此产生任务表现上的增益，需要进一步明确三个问题：
比较对象是谁？
结果变量是什么？
观察时段多长？
相对于人独立完成有所改善，与超过“人或者AI独立完成中表现更好的一方”，并不是同一个结论。
Vaccaro等人的预注册系统综述与元分析，纳入106项实验、370个效应量，研究文献范围为2020年1月1日至2023年6月30日。
结果显示，人机组合平均表现低于“人或AI独立表现中较好的一方”。
Hedges' g为-0.23，95%置信区间为[-0.39，-0.07]。
同时，不同任务之间存在明显差异。
这个结果不能被改写成：
“人机组合同时劣于人和AI。”
更不能直接被概括为：
“所有人机组合都没有价值。”
对于本体论讨论，这项研究的意义在于限制一个过强的推断：
能力分布于多个参与者，并不保证组合以后一定具有更高效能。
“整体具有与部分不同的性质”，与“整体一定优于部分”，之间仍然需要独立证据。
任务表现、人的学习与适用范围
下面四项研究分别对应不同研究设计和不同结果变量。
它们之间不能直接换算，也不能排列成一个统一的“AI价值分数”。
Vaccaro等，2024
研究范围：
106项实验的系统综述和元分析。
主要结果：
人机组合的平均表现低于人或AI中表现较好的一方，g=-0.23。
不能据此推出：
所有组合都无效。
也不能说人机组合同时劣于人与AI双方。
Brynjolfsson等，2025
研究对象：
5,172名客服人员的分阶段AI引入。
主要结果：
每小时解决问题数平均增加约15%。
收益还因经验和技能水平而异。
不能据此推出：
所有职业长期都能获得相同收益。
更不能直接推出社会总福利已经提高。
Bastani等，2025
研究对象：
近千名高中生参加的数学现场试验。
主要结果：
在使用普通对话式AI进行学习之后，当AI辅助被撤去时，该组学生的成绩相对于对照组下降约17%。
而采用辅导式、学习保护型设计，则可以明显缓解这种损失。
不能据此推出：
学生发生了长期且不可逆的能力衰退。
也不能说所有教学AI都有害。
Dell'Acqua等，2026
研究对象：
758名知识工作者的随机试验。
主要结果：
在适合AI的任务上，参与者获得明显收益。
但在研究设置的一项特定技术能力边界之外的任务上，合并AI组的正确率下降约19个百分点。
这里说的是“19个百分点”，而不是笼统的“下降19%”。
不能据此推出：
某一项边界之外任务，就能够代表整个职业或者全部复杂工作。
Brynjolfsson等人的研究提供了生产率改善以及学习可能发生的正面证据，但研究来自一家企业的具体部署。
Bastani等人的研究则显示：
借助工具完成练习更好，与撤去工具之后独立表现更差，可以同时发生。
而且，改变AI的教学设计，又可以明显改变这一结果。
两项研究的对象、使用方式和观察条件不同，因此不构成简单的相互否定。
Dell'Acqua等人的研究则进一步说明：
同一个职业群体，在不同任务上的AI使用结果，完全可能方向相反。
该研究所选择的“边界之外任务”只有一项，因此不能把它概括为全部复杂任务的规律。
对于长期人机关系研究而言，任务之间是否可以迁移，需要单独证明。
不能由某一个任务的成功，替其他任务背书。
实证材料能够限制什么
这些研究至少说明了一点：
不能仅从人机共同参与的存在，就推出确定的表现优势。
是否存在增益，必须绑定比较基线、任务和观察时段。
这些研究同时提醒我们，必须区分：
辅助状态下的即时表现
与
撤去辅助之后的独立表现。
但是，这些材料仍不足以单独裁定一个人长期能力究竟增长还是衰退。
更重要的是：
这些研究并没有直接检验人机是否形成统一意识。
没有回答机器是否应该拥有道德地位。
也没有完成对公共制度正当性的评价。
经验研究在这里最重要的作用，是限制过度概括。
如果主张持续互动必然增强人的能力，就必须解释已经出现的任务差异以及部分情况下的独立表现损失。
而如果主张能力具有关系条件，也需要进一步说明：
不同关系安排为什么会产生不同后果。
七、公共服务情境中的规则、例外与正当性
虚构情境及其分析用途
以下案例完全虚构。
它的目的，是检验概念之间的推理关系，并不对应任何现实机构或已经发生的事件。
设某公共机构按照公开条件提供生活支持服务。
智能系统负责整理申请材料，并提出资格建议。
有权机构作出正式决定。
收入证明是判断资格的一项证据。
制度同时允许，在授权范围内使用能够证明同一事实的替代材料。
申请人甲收入不稳定，不能提交标准工资证明，初次受到不利处理。
甲得到协助后提出质疑，并以替代材料证明自己符合实质条件，最终获得纠正。
申请人乙与甲在相关需要以及资格事实上完全相同，却因为识字、行动或者信息障碍，没有能力启动申诉。
乙原有的不利结果因此继续维持。
这个情境把技术、申请人、工作人员、证据形式和公共规则放进同一个分析范围。
但它并没有预设问题一定是由AI造成的。
如果相同规则完全由人执行，也可能产生同样的不公。
如果AI帮助识别了遗漏，也不能把制度纠正全部归功于机器。
技术到底发挥了什么作用，必须与规则本身和执行条件区分开。
个别纠正所容纳的竞争解释
在这个情境中，甲使用的是制度已经允许的证明方式。
因此，首先发生的是：
资格认定的纠正。
而不是对实质资格标准的“豁免”。
仍然需要区分：
初次处理是否误用了既有规则？
替代材料渠道是否真实可及？
默认程序是否让某一类申请人反复承担额外证明和申诉负担？
下面几种解释可以部分并存。
仅仅凭甲获得纠正，不能确定其中只有一种。
第一种解释：证明处境存在相关差异
甲相比能够直接提交工资证明的人，需要采用适合其收入形态的证明方式。
真正需要说明的是：
这种差异化证明，是否仍然围绕相同的实质资格事实。
第二种解释：证明形式本来就具有制度弹性
制度接受替代证据。
实质资格标准没有变化。
问题因此转变为：
这种替代证据渠道是否公开？
是否容易找到？
是否真实可用？
第三种解释：初次适用错误
原有规则可能被误读或者误用。
甲的申诉纠正了这个错误。
但这仍然留下一个问题：
其他同类错误是否仍然存在，只是没有被发现？
第四种解释：程序或默认安排存在缺口
制度名义上存在替代路径。
但某一类申请人仍然需要反复依赖额外救济，才能获得正常待遇。
那么需要进入规则层面讨论的，就不再只是某个个案处理是否错误。
而是：
哪些一般程序安排本身应该被重新审议？
第五种解释：纠正机会存在资源偏向
甲在得到协助以后实现了本应享有的资格。
乙却因为缺乏表达、信息或者帮助资源，没有获得同样考虑。
这意味着问题已经不仅是：
有没有申诉机制。
而是：
如何避免与资格无关的资源差异，决定谁能够真正获得纠正机会？
以上几种情形都需要区分：
纠错、证明弹性与实质资格豁免。
如果进一步讨论真正改变一般资格条件的“例外”，它的正当性也不能简单按照发生次数判断。
服务对象高度异质，可能确实需要频繁而又原则一致的裁量。
一次罕见例外，也可能是不当特权。
判断关键并不是“例外有多少”。
而是：
例外针对什么差异？
依据什么理由？
通过什么授权形成？
相关情形相同的人，是否也能够获得相应考虑？
判断一般资格规则本身是否已经开始“依赖例外”，还需要比这个案例更强的前提。
例如：
相关处境是否真的被一般资格规定排除，而不仅仅是既有证明渠道没有被正确适用。
因此：
“规则依赖例外维持表面正当性”是一种有条件的解释，而不是只要例外反复发生就自动成立的判断。
如果某类可以预见、并且与资格实质相关的处境长期受到排除，而纠正机会又主要属于善于表达或者拥有协助资源的人，那么少数成功案例确实可能遮蔽持续的不利分配。
但单凭“例外反复发生”，仍不足以得出这个判断。
无申诉能力者与实质公平
乙没有提出质疑，不能证明乙接受这个决定。
也不能证明乙没有受到损害。
如果公共服务承诺按照相关需要和公开条件对待申请人，那么识字能力、表达能力或者求助资源等与实质资格无关的差异，就不能在没有充分理由的情况下，决定谁可以获得纠正机会。
本文在这里采用的规范前提是：
公共制度应当对相关情形相同者，给出能够共同理解和检验的理由，并使其获得相称的考虑机会。
这一前提不是从“人与AI彼此关联”自动推导出来的。
关系分析可以帮助我们看见：
乙为什么在流程中失声。
公平论证则进一步说明：
这种失声为什么构成一个需要处理的问题。
两者承担的是不同任务。
实质公平也不等于对所有人给予表面上完全相同的处理。
为行动困难者提供额外协助，可能恰恰是实现同等参与条件所需要的差异化安排。
区分正当差异与特权，必须说明：
这种差异与服务目的以及受影响者实际处境之间有什么关系。
而不能只比较表面程序是不是完全一致。
从个案可争辩性到规则的公共正当性
能够质疑一个决定，是公共正当性的重要条件。
但它未必充分。
即使甲能够证明自己遭到了错误处理，仍可能没有机会进一步追问：
为什么某种证明形式被设成默认？
为什么同类群体长期需要额外申诉？
谁有权讨论和修订这些安排？
因此，公共正当性要求把：
个案纠正
与
一般规则的理由
连接起来。
规则的可预期性，有助于限制任意性。
例外的开放性，则有助于回应一般规则表述不可能穷尽的现实差异。
二者之间存在真实张力。
这种张力不能通过取消全部裁量解决。
也不能通过无限扩大例外解决。
真正需要论证的是：
规则及其例外，能否向受到影响的公众作出相互一致的说明。
这里必须包括那些最终根本没有进入申诉程序的人。
因此，人机本体论在这个情境中的贡献，是帮助我们揭示：
一项决定如何由多个性质不同的环节共同构成。
但这种共同构成，并不会自动授予AI公共决定权。
同样，能够帮助纠正某个个案，也不等于拥有修订公共规则的正当资格。
八、责任、价值与社会可获得性
分布式行动中的具体责任
行动分布在多个环节，不意味着责任自然平均分配。
更不意味着责任因此消失。
系统可能造成直接影响。
工作人员可能作出确认。
管理者可能决定部署条件。
规则制定者可能决定资格标准。
对这些角色进行归责，需要分别考察：
既有义务；
信息条件；
实际控制；
以及可预见性。
而不是简单按照“谁离最终结果最近”进行排序。
Elish提出过“道德缓冲区”这一概念，用来讨论复杂自动化系统中，责任可能被不当地集中到控制能力有限的人类操作者身上的现象。
这一观察提醒我们：
流程最后有人点击确认，或者有人签字，并不足以证明这个人真的能够有效监督整个系统。
但反过来，也不能因为系统结构复杂，就推定所有具体主体都不再承担责任。
UNESCO关于人工智能伦理的相关规范提出，应当能够把相关责任归于自然人或者既有法律实体，AI不能取代最终的人类责任与问责。
这种规范立场不能被简单理解为：
“最后签字的人承担所有责任。”
它更重要的意义在于：
技术参与必须始终与能够被追问的制度归属连接起来。
能力增长与价值增长
某种关系能够完成更多任务，并不自动说明它值得被无限扩大。
能力评价回答的是：
能做什么？
价值评价则必须继续回答：
这些能力服务于什么目的？
由谁受益？
由谁承担代价？
哪些合理的选择因此被打开？
又有哪些选择因此被关闭？
例如，一个人借助AI更快完成文本工作。
一种可能是：
他因此获得了更多时间，用于判断、创造或者生活。
另一种同样可能的情况是：
因为工作效率提高，他只是被要求处理更多任务，却并没有因此获得更多时间、收益或者选择空间。
这两种情形都可以被描述为：
“使用AI以后产出增加。”
但其人类价值显然不同。
区别不在于有没有使用AI。
而在于：
技术收益最终进入了什么样的劳动和生活关系。
把技术能力与技术的社会运用区分开，正是这里需要保持的分析纪律。
同样，价值评价也不能只看直接参与实践的人。
一个使用者体验改善，可能同时意味着另一些受影响者更难质疑决定。
一个组织效率提高，也可能意味着成本被转移给其他人。
因此，人机关系的评价范围，不能只包含最擅长表达收益的人。
目标演化与评价的独立性
持续实践可能改变人最初的目标与价值认识。
这种变化完全可能是真实学习的一部分。
但不能反过来，用变化后的偏好循环地证明：
前面的全部过程都必然合理。
一个人最终接受更窄的选择范围，可能因为他真正发现了更适合自己的目标。
也可能只是因为其他选择逐渐变得不可获得。
因此，在概念上必须同时保留三种东西：
最初的理由；
价值变化发生的理由；
以及变化之后产生的外部后果。
承认价值标准可以发展，不意味着任何后来形成的偏好都自动获得正当性。
承认外部评价有必要，也不意味着研究者有权替参与者规定唯一的人生目标。
本文主张保持这种张力。
而不是把复杂的人机价值关系，压缩为一个单一效用分值。
从个体经验到社会扩展
某段长期合作对一个人具有价值，不意味着这种价值能够低成本地扩展给所有人。
扩展过程涉及很多现实差异：
知识背景；
语言能力；
时间资源；
支付能力；
无障碍条件；
组织支持。
一种原本依赖高度熟练使用者持续纠错才能取得良好效果的合作形式，不能直接被当作普通公众也能够获得同样收益的证明。
因此，社会可获得性不是在个体成功以后才附加上的“传播问题”。
它本身就是价值论证的一部分。
需要回答的仍然是那些最基本的问题：
收益真实吗？
谁能够获得？
参与者是否保有选择？
负面影响由谁承担？
这些条件能否持续？
本文不为这些问题另外制造一套评分体系。
也不把广泛采用率直接等同于公共价值。
九、讨论与研究局限
本体论能解释到哪里
本文区分三个不能相互替代的命题。
第一个命题
人机共同实践中的能力和结果，需要结合人的经验、技术以及制度安排进行解释。
第二个命题
某些具体关系，可能对特定认知能力或者身份具有构成意义。
第三个命题
人与机器之间可能形成一个统一的主观体验者。
第一个命题成立，并不足以保证后两个命题成立。
认知活动系统、制度化集体行动者与统一体验者，也具有完全不同的判定条件。
它们不能排列成一条从低到高的“主体等级”。
保留这些命题之间的区别，并不意味着取消本体论承诺。
本文明确承认：
人、技术物、组织制度与互动过程，在解释中具有不同作用。
同时认为，有一些属性只有放在关系中，才具有明确意义。
但本文也拒绝仅仅因为：
互动更强；
任务成功；
情感更亲近；
就把所有参与者合并为一个承担相同属性的主体。
关系取向也不是唯一允许承认复杂性的立场。
能够解释技术如何影响目的形成的工具论；
能够区分功能组织与表面行为的功能主义；
以及承认制度条件的主体理论；
都可能在某些具体问题上提供充分解释。
因此，报告的立场应该随具体论证被保留、修订甚至放弃。
而不能预先假定：
“关系本体一定优于其他解释。”
材料与推论的限制
第一，本文属于围绕特定问题选择文献的批判性综述，并不代表人机哲学的全部传统。
材料主要来自英语原始文献以及经典政治经济学著作。
对于中国哲学及其他思想传统的系统比较尚未完成，因此不能据此宣称已经形成普遍适用的完整学术史。
第二，部分原始著作能够核查的范围有限。
因此，本文只在实际获得支持的范围内使用相关理论，不把局部阅读描述成全部著作的完整审读。
第三，所讨论的经验研究具有明确的样本、任务、部署方式和观察时段限制。
短期或特定场景中的表现，不直接决定长期人格变化、跨领域迁移或者社会总福利。
不同研究之间的结果，也不能简单拼接成一个统一的因果结论。
第四，公共服务案例只能用于检验概念推论是否成立。
它不能说明现实世界中某一种解释出现的频率或者影响程度。
第五，意识理论及相应判断方法仍然存在争议。
本文对机器意识保持开放，并不是暗示某一个现有系统已经具有主观体验。
这种开放，本质上是对现阶段证据边界的承认。
十、结论
人机本体论的研究价值，在于澄清：
人、机器及其共同实践中，究竟发生了什么样的存在、能力和归属变化。
它需要同时看到：
人的具身性与历史性；
机器的人工物属性及其物质条件；
以及关系对于能力、身份和行动的实际作用。
本文形成四项主要结论。
第一，人机实践可以成为认知与行动的分析单位，但不能因此把所有“共同”都理解成同一种主体性
共同完成任务，是一种事实。
制度化集体行动，是另一种事实。
形成统一体验主体，则是更强、也完全不同的命题。
三者必须分别论证。
不能因为人与AI共同完成了一项复杂工作，就自动推出一个新的统一心智已经出现。
第二，机器的因果贡献和功能能动性，不能自动推出意识、道德地位或制度权限
系统确实可能参与造成结果。
也可能独立完成相当复杂的局部行动。
但：
能够做，不等于有权做。
参与造成结果，不等于具有主观体验。
具有功能能动性，也不自动等于能够承担规范责任。
责任同样不能依据参与程度机械平均分配。
第三，持续互动中的价值增益具有条件性
评价长期人机关系时，至少需要区分：
即时任务表现；
人的独立能力；
目标如何发生变化；
价值由谁获得；
以及这种价值是否具有社会可获得性。
因此：
“用了AI以后更强了”
并不是一个足够完整的价值判断。
真正的问题是：
什么变强了？
谁变强了？
离开辅助以后还存在吗？
这种变化最终扩大了人的可能性，还是只是增加了系统产出？
第四，个案得到纠正，不足以证明一般规则公平
公共正当性不能只看：
有没有一个人成功申诉。
还必须继续追问：
规则本身是否有可以公开说明的理由？
质疑渠道是否真正可及？
那些没有能力申诉的人怎么办？
一般规则和个别纠正之间，是否仍然维持一致的公共理由？
因此，一个制度真正的正当性，不能只在成功案例中寻找。
也必须在那些没有被听见的人身上检验。
因此，对人的重新理解，可以承认技术关系具有构成作用，而不必以取消人的边界为前提。
对机器保持开放理解，也可以保留人工意识未来的研究可能，而不必把今天的语言表现提前写成意识的充分证明。
真正值得继续研究的，不是简单宣布：
“人和机器已经融为一体。”
而是继续追问：
究竟是什么在共同发生？
什么真正发生了变化？
哪些变化属于人，哪些属于技术，哪些只存在于关系之中？
谁拥有决定权？
谁承担责任？
以及最终最重要的问题：
人机关系是否值得形成，怎样值得持续，又能否在不牺牲人的主体性、公平与公共正当性的情况下向更大的社会范围扩展？
这仍然需要事实、理由与责任的具体论证。