加速世界中的能动性

随着 AI 系统变得更快、更强，并更深地嵌入现实世界，管理复杂性已不只是一个技术问题，也是一个人的问题。Séb Krier 最近的一篇文章，为我们理解如何在一个日益由自主系统塑造的世界里保留有意义的能动性，提供了一个起点。

无须完全理解，也可以建立信任

Krier 认为，人的能动性并不要求我们理解 AI 系统的每一个细节。试图做到这一点，很快就会适得其反。今天我们已经能看到这种取舍：如果坚持人工复核每一张扫描影像，使用自动癌症检测工具就失去了意义。系统的表现达到某个水平后，我们必须能够信任它。但这种信任必须由表现赢得，受到持续监测，并由恰当的监督结构来支撑。

跨越认知尺度的协调

这正是组织与制度发挥作用的地方。今天的世界还没有准备好把 AI 大规模嵌入工作流。我们缺少成熟的技术—组织生态系统，无法充分吸收那些支撑医院流程、供应链运营等工作的隐性人类知识。要有效整合 AI，就必须从一开始设计好人机协调。

当人类与 AI 都能参与决策时，这种协调才最可能持续。它不仅适用于组织内部，也延伸到社会本身的结构。面对运行在不同认知尺度上的人类与 AI 系统，我们需要治理、验证体系和基于信任的机制。

认知阻抗匹配

AI 系统作出反应、适应环境和采取行动的速度，可能比人类快上数个数量级。管理这种速度差，需要 Krier 所说的 认知阻抗匹配：在 AI 活动与人类战略监督之间进行转换的系统。

想象一个实时管理全球供应链的 AI。人不可能跟踪每一批货物或每一次微调。但合适的阻抗匹配界面可以提供经过筛选的摘要、前瞻性预警，以及调整战略的简单控制杆，让人不必追踪所有细节也不会失去控制。

从亲手控制到结构性影响

和过去的技术转型一样，我们也需要重新思考治理本身。工业复杂性催生了现代官僚体系和市场机制。AI——以及日益接近的 AGI——所具有的速度与范围，将要求我们也把部分治理自动化。

这并不意味着人的能动性走向终结，而是能动性发挥作用的方式与位置发生了变化。真正的挑战不是保留对每一个行动的底层理解，而是设计出能够体现我们关切、并可随时间调整的抽象层。

这些抽象层很难预先设计完整。它们需要根据人的输入持续演化，而且持续时间可能比许多人想象的更长。系统越深，确保人类仍能设定方向就越重要，即使我们不再亲手操控每一次转向。

问题已经不再是 AI 会不会在狭窄领域超过我们。它已经做到了。

真正的前沿在于我们如何回应。人的能动性必须从亲手控制转向结构性影响：设定目标、界定监督边界，并把适应能力嵌入每一个控制平面。

这不是逃避责任，而是重新设计责任。

阅读 Séb Krier 的原文：Maintaining Agency and Control in an Age of Accelerated Intelligence。