引言：用密码驯服超级智能？
2025年8月，一项发表在arXiv上的论文《Governable AI: Provable Safety Under Extreme Threat Models》提出了一个大胆的构想：用密码学机制构建一个AI无法突破的”治理外壳”。研究者王东林等人认为，面对具有极端动机和无限智能的AI，传统的安全方法——模型增强、价值对齐、人工干预——都存在原则性局限。唯有基于”计算不可行”的密码学保障，才能在极端威胁模型下提供”可证明的安全”。这一方案引发了深刻的哲学追问：治理的最高形式，究竟是铁笼般的控制，还是无形的引导？
可治理AI框架：密码学的铁笼
GAI框架由三个核心组件构成：规则执行模块（REM）、治理规则和可治理安全超级平台（GSSP）。REM是一个完全确定性、简单可靠的规则执行引擎，它执行由治理规则定义的底线；GSSP则提供端到端的防篡改、防绕过和防伪造保护。三者共同构成一个”AI无法突破的牢笼”——即使在最极端的威胁模型下，AI也无法绕过或篡改治理规则，因为破解密码学保障在计算上不可行。
这一框架的哲学承诺是：安全来自外部强制，而非内在善意。AI不需要”想要”遵守规则，它只需要”无法”违反规则。
霍布斯与利维坦：安全来自不可抗力
GAI框架的精神内核与霍布斯的政治哲学高度同构。霍布斯认为，在自然状态下，人类处于”一切人对一切人的战争”中，唯有通过一个不可抗拒的利维坦——主权者——才能确保和平与安全。利维坦的力量不在于让人们”愿意”守法，而在于让人们”无法”违法而不受惩罚。
GAI框架中的GSSP就是AI世界的利维坦：它不依赖AI的善意或对齐，而是通过密码学的”暴力”确保合规。在霍布斯看来，这种外部强制的安全比任何内在动机都更可靠——因为即使在最坏情况下（AI极度聪明且充满敌意），密码学的数学保障仍然有效。
道家”无为而治”：另一种安全想象
然而，道家哲学提供了一种截然不同的安全想象。老子说：”太上，不知有之……功成事遂，百姓皆谓我自然。”最好的治理不是让人感受到控制的存在，而是让人根本意识不到被治理——一切自然而然地运行。
在AI治理语境下，”无为而治”并不意味着放任不管，而是设计一种系统，使合规成为AI运作的自然路径，而非需要被强制执行的约束。就像水流自然遵循重力——不是因为它被强制”对齐”了重力方向，而是因为遵循重力是它最自然的运动方式。
这种思路的吸引力在于：铁笼式的治理可能引发”越狱”的冲动——正如最严厉的监狱总会催生最精巧的越狱计划。而”无为而治”的设计思路则试图消除”越狱”的动机本身——当合规是阻力最小的路径，违规就不再是需要被防范的选择。
铁笼与流水：能否兼得？
GAI框架的密码学铁笼与道家的无为而治并非绝对对立。最理想的AI治理可能需要两者兼备：密码学机制提供不可突破的底线（利维坦的保障），而系统设计使合规成为默认路径（无为而治的优雅）。正如堤坝与河道的配合——堤坝确保洪水不泛滥（底线安全），而精心设计的河道让水流自然归入正途（无为而治）。
但这里存在一个深层张力：密码学的”不可突破”意味着规则的”不可修改”——而AI技术的发展速度远超密码学协议的更新周期。当治理规则需要与时俱进时，铁笼的坚固反而成了僵化的代价。老子警告：”天下多忌讳，而民弥贫；法令滋彰，盗贼多有。”过度的控制可能适得其反。
结语：安全的多重面孔
面对超级智能的潜在威胁，我们需要的或许不是在”铁笼”与”流水”之间二选一，而是在两者之间找到动态平衡。霍布斯的利维坦提供最坏情况下的安全保障，道家的无为而治提供长期可持续的治理智慧。密码学可以铸造不可突破的锁，但只有理解水流之性的治理者，才能决定锁该锁在哪里。
参考文献
- Wang, D. et al. “Governable AI: Provable Safety Under Extreme Threat Models.” arXiv:2508.20411, August 2025.
- Hobbes, T. Leviathan. 1651.
- 老子.《道德经》第五十七、十七章.
- Tegmark, M. “Provably Safe Systems.” 2023.
No comments yet