Three Inverse Laws of AI
这三条定律不约束机器，而约束使用机器的人 — 帮助我们在 AI 时代保持清醒判断与完整责任
Non-Anthropomorphism
非拟人化
不将情感、意图或道德代理（Moral Agency）投射到 AI 系统上
- 本质：AI 是基于数据模式的大型统计模型（Large Statistical Model），不是社会行为者
- 陷阱：流畅语言 ≠ 理解力或判断力；拟人化（Anthropomorphism）会扭曲你的决策判断
- 厂商问题：系统被刻意调得"更像人"，而非更像机器；长期看是不健康的
- 极端情况下，拟人化会导致情感依赖（Emotional Dependence）
Non-Deference
非盲从
AI 输出不等于同行评审（Peer Review），核实责任在你自己身上
- 关键差异：机构建议经专家评审；AI 的回答是随机生成的（Stochastically Generated），没有任何外部审查
- 随机性风险：即使准确率极高，固有随机性意味着总有出错概率；错误越隐蔽、后果越严重越危险
- 门槛原则：后果越严重，验证（Verification）门槛越高，核实力度越大
- 数学证明、代码可加自动验证层；其他场景须独立核实
Non-Abdication of Responsibility
不推卸责任
"AI 让我这么做的" — 永远不是可接受的借口
- 核心原则：AI 不选目标、不自行部署、不承担失败代价；人和组织承担一切后果
- 问责链：AI 给出建议 → 人决定遵循 → 人须为结果负完整责任（Accountability）
- 实时场景：自动驾驶等无暇人工审查的场景，设计团队仍须对系统失败负责
- 这是防止 AI 在高风险场景被滥用的关键防线