AI 與人類融合：舊有人類型態的衰落與新生｜Part 8

引言

前文已經把人與 AI 的關係推進到意志、選擇與責任的問題：什麼值得追求，應當作出何種選擇，又該由誰承擔後果？儘管人的意志無法被 AI 取代，責任也不能由 AI 代為承擔，但 AI 正從偶爾使用的外部工具轉變為深度參與人的認知與行動的技術力量。人與工具之間原本清晰的邊界，也因此逐漸變得模糊。

當智慧系統越來越深入地參與人的思考與行動時，我們是否還能以傳統方式理解人與工具的關係？這種參與只是既有能力的延伸，還是也會改變人對自身的認識？

本文由此追問：在 AI 時代，我們應當如何重新理解「人是什麼」？這種變化又將如何改變人與人的關係，並推動社會型態發生變化？

第一部分：AI 與人類融合——從認知外化到雙向工具化

隱形的融合：確認鍵困境

面對一項複雜決定，系統已經整理事實、評估風險，並提出被判定為最合適的方案。人讀完結論，隨後按下「確認」。決定在形式上仍然屬於他；然而，如果事實的範圍、選項的結構和行動的路徑都由系統預先形成，那麼他究竟完成了一次選擇，還是僅僅把系統的輸出帶入現實？這一「確認鍵困境」揭示了一種不易察覺的融合：機器不必進入人的身體，人也可能先成為系統的行動介面。

人與 AI 的融合未必需要腦機介面或其他身體植入。一旦人的記憶、判斷和行動已無法脫離 AI 而穩定運作，融合便已發生在能力結構之中：關鍵不在於機器是否進入身體，而在於相關能力能否繼續被理解為由個人獨立擁有。

從認知輔助到認識論捕獲

前文已經討論 AI 對分析與判斷的介入。這裡進一步追問的是：當 AI 從臨時使用的助手轉變為取得知識和解釋現實的主要入口，它便不再只是完成既定任務，而會參與定義任務，安排事實的顯隱與問題的邊界。AI 改變的因而不只是答案的生成速度，還有人能夠提出什麼問題。

這使「我知道」與「系統提出的結論」之間的界線開始動搖。例如，一個人利用 AI 整理產業報告，完成了過去難以獨立完成的分析；但當被問及某項判斷的依據時，他只能轉述 AI 的摘要，卻無法重建論證過程。他可能只是接受了結論，而不是真正擁有相關知識。此時，系統判斷已經被吸收到「我的判斷」之中，人也可能逐漸失去辨認思想來源的能力。

這種狀態可以稱為「認識論捕獲」（epistemic capture）。這裡的「捕獲」並非指 AI 像有意志的統治者一樣主動奪走人的思想。它指的是認識活動本身已逐漸被限定在系統提供的介面與分類框架之內。系統依據資料和模型組織經過篩選的現實圖景，人再在其中判斷什麼是真實、重要或可能。系統越便利、越像人自身的自然能力，它對現實的預先解釋就越容易被忽略，融合也越難被察覺。

雙向工具化與責任分裂

人類創造 AI，首先是為了把它作為工具；但當 AI 成為認知基礎設施，工具關係便開始發生反轉。系統的預測和方案仍需由人確認並轉化為行動，人因而也成為 AI 系統連結現實世界的執行端。

本文把人使用 AI、同時又在系統迴路中承擔執行功能的結構，稱為「雙向工具化」。它並非意味著 AI 具有利用人的主觀意圖，而是說人開始在結構上承擔工具功能：系統規定行動路徑，人把輸出變成現實，並以自己的主體身分承擔後果。人之所以被保留在行動鏈條中，未必是因為他仍是行動的主導者，而可能是因為系統需要一個合法性介面與責任終點。

雙向工具化由此造成責任分裂：判斷和行動的形成分布在模型與組織流程等多個環節，責任卻集中於簽字或執行的個人。系統擁有越來越強的能力，卻不能成為道德和法律意義上的責任者；個人仍被要求負責，卻可能已不再主導行動的形成過程。

這對 Part 7 的意志命題構成了挑戰：AI 雖不能替人承受痛苦和後果，卻可能藉由逐漸主導判斷的形成，把人的意志壓縮為形式上的選擇。

雙向工具化還是一個自我強化的迴路。人越依賴系統形成判斷，就越可能沿著系統組織的路徑行動，而這些行動又會成為資料，繼續塑造後來者面對的現實。人在迴路中既獲得超出個人限度的能力，也成為這種能力運作的一環，使用者與工具的邊界由此失去單向性。

融合發生的門檻

並非每一次使用 AI 都構成人與 AI 的融合。偶爾藉助 AI 獲得建議或提升效率，仍然屬於一般的工具延伸。真正的變化發生在一個臨界點上：系統不再是可以自由替換的輔助工具，而是成為某種認知與行動能力得以維持的必要條件。

這一門檻可以從三個相互關聯的方面來判斷：系統是否已經成為個人維持某種能力不可或缺的前提；人是否仍能理解、質疑並中斷系統的介入；人是否真正擁有退出系統並承受退出代價的能力。一旦退出意味著原有的理解框架與行動能力難以維持，質疑只剩形式，而拒絕又需要付出不可承受的代價，那麼形式上的選擇便不再等同於實際上的主導權。

AI 與人類的融合因此不是兩個獨立實體的簡單物理相加，而是人類外化的認知能力開始反過來組織人類自身。工具演進的軌跡便徹底轉變為人類存在型態演進的軌跡。此時，問題已不再是人是否使用 AI，而是行動主體的完整性是否開始轉移到「人—系統」的結合之中。

第二部分：舊有人類型態的衰落——現代主體不再是行動的完整單位

衰落的不是生命，而是現代主體的定義

「舊有人類型態的衰落」並不是指生物意義上的人類走向滅絕，而是現代文明長期使用的「獨立主體」模型正在失去解釋力。

現代社會有一個基本假設：個人是獨立、完整而連續的認知與行動單位。法律假定個人能夠形成判斷、作出決定並承擔責任，教育要求知識和能力內化於個人，道德評價也傾向於把成敗歸於個人。這些制度把意圖、決定、控制力與後果歸於同一個人。隨著智慧系統進入判斷與行動過程，這一設定開始失去現實基礎。

認知壟斷的消解與「獨立個人」的制度性退縮

人類長期把語言、推理和創造力視為自身高於其他存在的證明，並試圖以「機器做不到什麼」劃定人的最後本質。然而，智慧技術的發展表明，人類曾把特定歷史條件下形成的認知優勢誤認為永恆本質。認知壟斷的消解並不意味著生命經驗、感受與價值也隨之消失；真正難以為繼的，是以「高等智力」定義人類特殊地位的方式。

這種變化也顯現在現實的行動結構中。個人雖然仍以自己的姓名登入、確認並承擔後果，但判斷與決策過程已經越來越多地分布在模型、平台與組織流程之中。於是，「個人」並沒有消失，卻可能從事實上的獨立行動單位，逐漸退居為法律與社會秩序仍需保留的制度性單位。

從擁有能力到取得使用權：從工具使用者到系統節點

獨立主體的鬆動，也表現為能力歸屬方式的改變。傳統能力主要指個人已經內化的知識和技能；智慧系統則使一部分能力產生於個人與外部系統的連結。一個人可以藉助 AI 完成遠超自身知識範圍的任務，卻不等於真正擁有相關能力。

因此，個人所擁有的可能不是能力本身，而是在特定條件下運用該能力的權限。能力從個人內部相對穩定的屬性，轉變為一種依賴系統存取、使用權限和持續連線的關係條件。個人仍然參與能力的實現，卻不再是能力唯一的保有者和來源。

當能力越來越依賴人與智慧系統的連結，行動主體也就不再能由個人單獨構成，新的存在型態由此開始生成。

第三部分：新存在型態的生成與分化

從獨立主體到「高能力、低主體」的複合主體

從獨立主體走向複合主體，構成了 AI 時代行動結構的重要變化。當人的價值目標、AI 的認知能力、平台與組織的規則以及系統的執行機制相互結合時，決策如何形成、行動如何執行，已不再完全由個人決定，而是由人、演算法與平台之間的關係共同塑造。

複合主體蘊含著「高能力、低主體」的內在張力。個人能夠藉助系統顯著擴張行動能力，但隨著判斷越來越多地依賴演算法、資料和平台，他對判斷形成過程的理解與控制卻可能減弱。當解釋、風險評估和行動選項都由系統預先組織時，個人雖然仍在作出選擇，其自主性卻可能收縮為系統預設範圍內的「自主性幻覺」。

衡量個人能力的尺度也由此從「內部掌握了什麼」，轉向「能否治理自己與系統的關係」。這種「關係能力」（relational capacity）並不等同於一般的工具整合能力。它關注的是，個人能否劃定委託給系統的判斷範圍，能否跨系統檢驗資訊、追溯理由，並在必要時更換系統或拒絕系統介入。關係能力可以擴大個人的行動邊界，卻依賴具體的存取條件，也可能掩蓋獨立認知能力的衰退。一旦系統關係中斷，這種能力便可能迅速收縮。人的能力因而不再只是個人內部的屬性，也是在關係網路中生成和維持的能力。

複合主體的分化：拒絕統一進化論

關係能力不會把所有人塑造成相同的複合主體。人們所連結的系統、依賴程度以及調整或退出關係的能力各不相同，複合主體因而從生成之初便沿著不同的人機關係發生分化。

AI 的普及也不會將全人類整齊地送入「超級新人類」的烏托邦。對於一些人，AI 仍是可以替換的外部工具；對於另一些人，它已經深入認知與行動過程，成為能力得以維持的條件。還有人逐漸依附於特定系統，或者主動限制技術介入，以保存不依賴 AI 的傳統能力。

這些位置並不是固定的身分類別。同一個人可能在工作中與 AI 深度協作，在私人生活中保持距離，也可能隨職業、制度和技術條件的變化而移動。因此，AI 時代的人類圖譜不是從低階走向高階的單向階梯，而是多種人機關係的動態共存；每一種關係都同時包含能力的擴張與新的脆弱性。

當依賴增加快於控制能力：依賴—控制裂隙

前述融合門檻說明系統何時成為某種能力得以維持的必要條件；在此基礎上，還需要進一步考察個人能夠在多大程度上控制這一關係。如果系統已經成為工作、判斷或生活不可缺少的條件，個人卻不了解它如何作出決定，也無法改變規則或選擇其他方案，那麼依賴與控制的發展便開始失衡：依賴不斷增加，能夠自主決定的空間卻沒有同步擴大。本文把兩者之間逐漸擴大的差距稱為「依賴—控制裂隙」（dependency–control gap）。

這裡所說的「控制」，並不是要求個人掌握系統的全部技術細節，而是指他能否理解系統如何影響自己，能否質疑或拒絕系統的決定，並在必要時更換或退出系統。系統越不可替代，退出代價越高，個人能夠介入的空間越小，依賴—控制裂隙就越明顯。

例如，平台演算法決定一個人的工作任務並影響其收入。他或許很少主動使用 AI，卻看不見任務如何分配，也無權拒絕演算法的安排；離開平台就會失去收入。此時，他深度依賴系統，卻幾乎沒有控制權。相反，一個人即使每天大量使用 AI，只要能夠比較不同系統、檢查輸出並保留其他工作方式，他與系統之間的裂隙就可能相對有限。

因此，依賴—控制裂隙衡量的不是 AI 的使用量，而是個人在獲得系統能力時是否仍保有選擇與退出的餘地。當依賴增加而控制空間縮小時，AI 就從能力的延展變成規定行動的環境，並由此區分出不同的存在型態。

第四部分：從人的存在型態改變到社會關係的改變

人的存在型態變化所帶來的影響，並不會停留在個人內部。當不同的人以不同方式連結 AI，並因此擁有不同的理解、選擇和行動空間時，這些差異便開始進入人與人的關係。信任、責任、勞動以及合作中的權力關係，也因此需要重新塑造。

信任與責任關係的碎裂與重構

在傳統交往中，信任主要指向個體的品格、動機與能力。但當判斷和行動由人、AI 與組織系統共同生成時，人們還必須追問：他依賴什麼演算法？系統依據什麼資料？結論能否追溯？他是否真正理解並能夠質疑系統提出的判斷？

因此，信任的對象開始從孤立的個人延伸到個人與系統共同形成的行動關係。責任問題也隨之發生變化：既然行動由多個環節共同生成，責任就不能只依據最終「是誰按下確認鍵」來判斷，而需要與各方實際擁有的資訊、決定權和控制能力相稱。

勞動解體與社會價值的重新錨定

前文已經討論 AI 對腦力勞動的替代；這裡關注的不是替代本身，而是它如何改變個人的社會位置和評價標準。勞動不僅提供收入，也支撐個人對自身社會位置的確認；當 AI 接管傳統工作和標準化認知任務時，人失去的可能不只是職位，還有長期依賴的自我評價標準。

當越來越多的任務可以藉助系統完成，完成任務本身便不再足以證明個人的能力與貢獻。社會需要把目光從效率轉向判斷與責任，重新確立衡量個人貢獻和給予肯定的方式。人的價值不能只在機器尚未替代的能力中尋找，而需要在新的社會關係中重新錨定。

依賴關係與行動權力的重組

第三部分所討論的依賴—控制裂隙，在人與人的合作中會進一步轉化為行動權力的差異。

能夠理解、調整或更換系統的一方，往往擁有更多替代路徑和拒絕空間；高度依賴系統卻缺乏控制能力的一方，則更容易接受他人設定的條件。人機關係由此嵌入人與人的關係，影響誰能提出或拒絕條件，誰擁有替代方案，誰又更難退出。這種權力差異仍可能是局部的、流動的和可逆的；它在何種條件下可能固化為社會結構，正是接下來需要追問的問題。

第五部分：從關係重組到制度定型：社會型態的生成

人與人之間新的依賴、控制和利益關係，並不會自動構成新的社會型態。技術能夠改變人的能力和關係，卻不能直接決定這些關係最終以何種形式穩定下來。

真正的轉折發生在新的關係開始獲得持續存在和自我複製的能力之時。當某種關係能夠長期配置資源、塑造穩定的利益主體，並使越來越多的人按照相同的規則行動，它就不再只是局部和暫時的關係變化，而開始轉化為結構性的社會條件。

這種結構只有經過制度化，才會成為穩定的社會現實。制度把流動的關係轉化為個人難以回避的行動條件，社會關係也由此沉澱為社會型態。

因此，AI 並不是直接創造新的社會制度。它首先改變人的存在方式，繼而改變人與人之間的關係；當這些新的關係進一步獲得穩定的利益基礎，並透過制度不斷被複製，人的存在型態變化才最終走向社會型態變化。

結語：從人的重構到社會型態的重構

AI 與人類的融合，真正改變的不是人的生物邊界，而是人的認知、能力與行動越來越難以完全歸於個人內部。舊有人類型態的衰落，本質上是那個被視為獨立、完整、統一行動單位的現代主體逐漸失去作為唯一解釋模型的地位；新的存在型態則會隨著人與智慧系統連結方式的不同而分化並存。

這種變化的意義，也不只在於「人變成什麼」。不同的人機關係會進一步改變人與人之間的信任、價值評價、依賴和行動權力；當這些關係獲得穩定的組織形式和制度保障，它們便會從個人存在方式的變化轉化為社會結構的變化。

AI 時代最深刻的變化，不是機器越來越像人，而是人開始在自己創造的智慧系統中成為一種不同的存在；而當這種新的存在方式改變了人與人之間的關係，並進一步被制度化，它最終改變的，就不再只是「人是什麼」，而是「社會是什麼」。

原創與版權聲明

本文最初發表於作者本人網站：Forrest Sterling｜AI 與人類融合：舊有人類型態的衰落與新生｜Part 8（原文）

本文為作者原創作品。除文中另有註明之引用資料外，文章之文字內容、論述結構與本文配圖均受版權保護。未經作者事先書面許可，任何個人、媒體、網站或機構不得全文轉載、翻譯、改寫、重新發布或作商業用途。

如需引用本文內容，請限於合理範圍，並清楚註明作者、文章標題及原文連結。

CC BY-NC-ND 4.0
2026-08-29

延伸閱讀可瀏覽 Cognitive Haven 的其他 AI 與思想文章。