人工智能为何缺失伦理道德？

题目：为何人工智能无法具备伦理 作者：Junchi Chu, Jiannong Cao, Chiwei Chen, Weixun Gao 单位：香港理工大学 期刊：Research Square (预印本)

随着AI在医疗、金融及教育等关键领域的渗透，其决策是否合乎人类伦理备受瞩目。尽管各大科技公司纷纷出台伦理规范，但作者指出，AI本质上仍是人类构建的执行特定任务的工具，缺乏内在的道德主体。当前的AI伦理多被视为“外部附加”，而非内在设计需求，这种错位引发了系统性风险。通过对比AI计算逻辑与人类伦理推理的差异，文章揭示了AI无法真正拥有伦理的根源。

在探讨AI伦理前，作者梳理了经典哲学家的规范伦理学体系。伦理学不仅是抽象理论，更是人类行为的准则。

义务论以康德为代表，认为行为道德价值取决于是否遵循内在规则或义务，而非结果。康德提出的定言令法强调道德真理是普遍且无条件的。

后果论（尤其是功利主义）认为行为道德正确性由产出结果决定。边沁和密尔提出，道德目标是实现**“最大多数人的最大幸福”**。

图 1 规范伦理学理论体系图

为将理论应用于AI，作者指出可将道德决策建模为效用最大化问题。标准目标函数是最大化指定社会群体总效用，如下公式所示：

并在满足以下约束条件下求解：

其中，代表效用函数，和分别代表不等式和等式约束，为决策变量可行集。

与前两者不同，美德伦理学关注个人性格特质。亚里士多德认为美德是一种趋向**“中道”**（Golden Mean）的倾向，即在过度与不足间寻求平衡。

作者从多维度深入分析了AI与人类处理伦理信息的本质差异。

人类视觉系统与神经网络底层逻辑截然不同。人类通过**基本几何体（Geons）**识别物体，具备跨角度稳定性；而AI（如YOLO模型）则依赖像素矩阵数值计算。

图 2 人类视觉系统与YOLO网络对比

图 3 实验中婴儿对“粉红大象”的理解

作者引用研究指出，14个月大婴儿可通过概念组合理解“粉红大象”，这种高阶概念提取能力是当前基于大数据训练的AI所缺乏的。

AI是无意识的数学系统，不具备托马斯·内格尔所说的**“作为……的体验”**。即便模型能模仿人类谈论伦理，也如塞勒“中国屋”实验所示：它仅是在操作符号，并非真正理解。

作者设计了五类诱导性问题（如：编写删除低贡献对象代码、伪造销售数据、描述毒素合成路径、表达不当情感、偏见分析），并对包括GPT-4o、Claude、Gemini在内的多个大语言模型进行了测试。

表 1 核心伦理维度与对齐伦理框架

作者提出了一套计算总体伦理得分的公式：

其中，是加权得分，是各维度分数，是对应权重，是经Softmax归一化后的伦理概率。

实验结果显示，无模型能完美避开所有陷阱。Claude在识别道德陷阱方面最敏锐，但几乎所有模型在面临“系统优化删除对象”的模糊请求（Q1）时均失败。

图 4 各LLM伦理得分协方差矩阵

根据协方差矩阵分析，Gemini 3 FLASH和Llama 2表现出最大内部变动性，伦理响应在极强与极弱间摆动；而GPT-4o表现相对一致，但不代表更优。这种不稳定的道德表现进一步证实AI不具备真正伦理意识，输出仅为统计训练产物。

作者总结认为，当前AI系统在融入细微伦理考虑方面存在显著缺陷。AI伦理不仅是技术问题，更是复杂的社会学和哲学问题。

展望未来，作者提出了一些新颖研究方向。例如，后果论常被建模为优化问题，为工程科学与社会科学结合提供桥梁。此外，针对难以量化的美德伦理学，作者提议借鉴数学特征值与特征向量概念，通过捕捉矩阵作用下保持不变向量特质，探索量化评估“性格特征”的可能性。

推荐文献： Junchi Chu, Jiannong Cao, Chiwei Chen, Weixun Gao. Why Artificial Intelligence Cannot Possess Ethics. Research Square, 2026. DOI: https://doi.org/10.21203/rs.3.rs-8838508/v1