[负主体性之责任鸿沟第1篇]为什么AI永远无法真正「负责任」-龍德明宇

为什么AI永远无法真正「负责任」

——一个被忽视的本体论问题"

【负主体性之责任鸿沟第1篇】

核心结论

2025年，一辆自动驾驶汽车在高速上遭遇紧急情况：前方突然出现的障碍物太小，传感器无法确定是塑料袋还是石头。系统犹豫了0.3秒——然后撞了上去。一人死亡。

谁该负责？

车主？汽车厂商？算法工程师？还是那个「在0.3秒内做出决定的AI」？

这个问题远没有表面看起来那么简单。

当我深入追问时，我发现了一个被几乎所有人忽视的本体论问题：责任的首要条件，不在于「谁做出了选择」，而在于「谁必须为这个选择付出代价」。

而AI，从存在论层面看，不需要付出代价。

这就是今天我要跟你分享的核心论点：生存性代价是责任的必要条件——没有它，责任就无从谈起。

学术背景：「责任鸿沟」（responsibility gap）这个术语由 Andreas Matthias（2004）首次提出——他指出自主学习机器的制造者/操作者原则上无法预测机器行为，传统责任归属概念因此失效。Robert Sparrow（2007）进一步论证了惩罚论上的困境：惩罚需要受罚者能受苦，而机器不能，因此无法让机器本身承担责任。本文的推进在于：Matthias 指出存在这个 gap，Sparrow 指出惩罚论上无法弥合，本文追问的是 gap 的存在论根源——什么样的存在者，才具备「承担代价」的资格？

一、一个让你睡不着觉的思想实验

在我展开论证之前，让我先请你做一个思想实验。

假设存在一项技术，允许人类像AI一样备份和回滚自己的决策。具体而言：

• 在每次重要决策之前，可以创建一个完整的「心灵快照」
• 无论做出何种选择，之后都可以回滚到决策前的状态
• 更进一步：可以同时保存多个版本，分别体验不同选择的「后果」，然后选择「最满意」的一个

问题：在这种情况下，我们是否仍然会认为这个人需要为他/她的选择承担道德责任？

我的直觉回答是：不会。

如果我可以在「事后」撤销我的决定，如果我可以选择「最佳版本」的自己，如果我的选择可以被回滚——那么这些选择就不再具有那种「最终性」和「不可撤销性」。

道德责任需要的，是真正意义上的「承担后果」，而不是「体验后果后选择退出」。

正是不可备份、不可回滚、不可重来的生存性代价，构成了「必须承担」的本体论基础。

这是AI与人类的根本分野——不是AI还不够先进，而是AI的存在结构就不支持「负责」这件事。

坦率地说，本文预设了一种非兼容论的责任观——即「不可撤销的选择」是道德责任的必要条件。分析哲学中 Frankfurt 式反例对此有不同看法，但本文无意在此展开立场之争，而是直接展示：一旦接受这个前提，AI 责任问题的存在论根源将如何被重新照亮。

二、生存性代价：三层结构

现在，让我正式介绍本文的核心概念——生存性代价（Existential Cost）。

所谓生存性代价，是指行为主体在进行决策和行为时，其物理基础必须付出的不可逆资源耗散。这个概念包含三个递进的层次：

第一层：物理层（能量耗散）

这一层最好理解。

人类大脑在进行决策时消耗葡萄糖和氧气，AI系统在运行时消耗电力——两者在物理层都是热力学不可逆的，均涉及熵增。

然而，这只是表象。

▶关键区分：物理层的能量耗散与决策的语义内容之间，没有内在关联。

做一个「是否发射导弹」的决策，和做一个「今天吃什么」的决策，对AI系统的物理状态（温度、能耗）的影响没有本质区别。

但人类做这两个决策的生理/心理代价完全不同——这就是第二层的奥秘。

第二层：生物层（神经生化改写）

这一层是人类独有的。

人类的每一个决策都在大脑中留下结构性的物理痕迹：神经突触的强化或弱化，神经递质的释放与消耗，细胞层面的代谢损耗和累积性衰老。

这不是比喻，而是神经科学的硬事实。

每一次「痛苦的决定」都会改变你的神经回路。每一次「后悔的选择」都在海马体留下印记。每一次「深夜的纠结」都在消耗你有限的神经资源。

更关键的是：这些改变是累积性的、不可逆的。

你无法「撤销」那段痛苦的经历对大脑的影响，无法「删除」某个决定在神经层面的痕迹。你的决策构成了你——作为生物体的你。

AI没有这种困扰。它的每一次「决策」不会在系统内留下任何不可消除的痕迹，因为它可以完全回滚到之前的状态。

第三层：存在论层（必死性、有限性、不可回滚）

这是最重要的一层，也是责任归属的核心条件。

人类的每一个决策，都是在有限生命时间内的选择。每一个「是」都意味着对其他可能性的永久放弃。你的时间是你最稀缺的资源，一旦流逝就无法挽回。

海德格尔将这种存在结构称为”向死而生”。人是被判定了必死的存在者。正因为时间有限，选择才具有重量。正因为生命不可重来，决策才需要负责。萨特更进一步：人被判定为自由。这意味着你无法”不选择”。即使你选择什么都不做，这也是你的选择。即使你推卸责任，这种推卸本身也是你必须承担后果的行为。

但AI不具备这种结构。它可以被备份、回滚、复制——下一节我们会看到，这种「无摩擦」的存在方式意味着什么。

这不是技术问题，而是存在论层面的根本差异。

三层结构的总结

到这里，你可能会问一个问题：照你这么说，只要会死、会疼，就能负责？那动物也会死、也会疼，为什么动物不能负责？

这个问题问得好。它说明「会死会疼」只是责任的第一道门槛，不是全部。为了把这件事说清楚，我需要引入一个四层条件框架：

第一层：你得「会死会疼」。你的决策必须嵌入不可逆的生存性代价——只有会死、会疼、会被改变的存在者，才能为不可逆后果提供担保。这一层排除AI及任何可以被备份回滚的计算系统。

第二层：你得「懂规矩」。你得能理解社会规范，能对理由做出回应，能判断「我本可以不这样做」。这一层排除动物、婴幼儿、严重精神障碍者。

第三层：你得「会后悔」。你得能体验愧疚、悔恨等道德情感，并在自我理解中真正「承担」自己的行为。这一层排除那些虽然能付出代价但无法进行道德反思的存在者。

第四层：你死后还得「有重量」。你的名声、遗产、影响会继续留在世界上被清算、被追索、被记忆。这一层排除未进入人类社会网络的AI。

四层是递进覆盖的：每一层是下一层的必要条件，但不是充分条件。

本文的论证策略很简单：只看第一层。因为AI连第一层都不满足——它不会死、不会疼、可以被备份——所以第二层、第三层、第四层对它来说是多余的。我们不需要在「AI能不能遵循规范」「AI有没有道德情感」这些问题上纠缠，直接在最底层排除。第四层作为应对边界情况的最终防线，将在第七节讨论类脑计算时启用。

这也是为什么动物不能负责的答案：动物满足第一层（它们会死、会疼），但不满足第二层和第三层。而AI连第一层都不满足。

我坦诚承认：本文不声称穷尽责任的所有条件。一个承认自身边界但论证精准的理论，远远强于一个试图包揽一切但存在漏洞的理论。

三、AI的「无摩擦性」：为什么它永远无法真正负责

如果说人类的存在充满了「摩擦力」，那么AI的存在就是「无摩擦」的。

AI的计算状态可以在逻辑层被完整备份、回滚和复制。

具体而言：

• 可完全回滚：AI可以保存任意时刻的完整状态，然后回滚到之前的任意状态
• 空间上可复制：AI可以创建状态的多个副本，这些副本可以同时存在、相互独立
• 时间上可暂停：AI可以随时暂停执行，保存状态，之后从同一点恢复

这意味着什么？

首先，AI的「决策」不具有那种与特定时空位置相关联的「此在」性质。它的每一次输出都不会因后果严重而增加代价，它可以在不同的时间点拥有多个相互独立的「副本」。

更关键的是：AI可以回滚自己的计算状态——但它在世界上造成的后果，不会因为这次回滚而消失。Uber案中那位行人的死亡，不会因为算法权重被重置而逆转。AI回滚的是「自己」，不是「自己造成的后果」。

你无法让一个不会因后果而付出代价的存在者为你负责。

当一个行为主体必须为决策付出不可逆的代价时，这个代价本身就构成了对决策的「担保」。因为我的决策会让我付出真实的代价，我的决策才真正「算数」。

这就是「生存性代价」的核心：不是「能不能选择」，而是「谁来承担选择的代价」。

四、为什么现有方案都失败了？

面对AI无法负责的问题，学术界提出了多种「弥合」方案。但我认为，这些方案都未能触及问题的根本。

方案1：可解释AI（Explainable AI）

一种流行的方案是发展可解释AI，使AI系统的计算过程能够被人类审查和追溯。

然而，这解决不了问题。

首先，可解释性不等于可理解性。AI的计算可能是「可追溯的数学过程」，但这并不意味着我们能「理解」它。

其次，即使我们能够审查AI的决策过程，这也不意味着我们能够或应该为这些决策承担责任。

理解一个行为与为这个行为承担责任，是两回事。

你理解地震的成因，但这不意味着你应该为地震造成的伤亡负责。

方案2：电子人格（Electronic Personhood）

另一种方案是为AI系统赋予某种形式的法律人格或道德代理地位。

2017年，欧盟议会曾讨论赋予高级AI「电子人格」的可能性；同年，沙特阿拉伯授予机器人索菲亚公民身份。

这个方案面临根本性的概念困难。

责任归属不仅是法律或道德上的标签，更是一种与存在方式相关的规范性关系。赋予AI电子人格而不要求其承担生存性代价，实质上是在为一种新型的「免费责任」奠基。

你可以给AI赋予人格，但无法让它真正「承担」什么。

方案3：分布式责任

还有学者提出将责任分散到AI系统的设计者、部署者、使用者等多方主体之间。

但这可能蜕变为「无人责任」。

如果没有某种集中性的责任归属作为最终保障，分布式责任就成了一个踢皮球的游戏。设计者怪部署者，部署者怪使用者，使用者说「我按说明书操作的」。

最终，没有人真正负责。

五、真实案例：当AI的「决定」杀死人

上面的分析可能让你觉得太抽象。让我们用两个真实的悲剧，来看「责任鸿沟」在现实中是什么样子。

案例1：波音737 MAX的空难

2018年10月和2019年3月，两架波音737 MAX飞机先后坠毁，共造成346人死亡。调查发现，事故与飞机的自动防失速系统（MCAS）有关——这个系统会在检测到异常气流时自动压低机头，而它的决策依据仅仅是一个传感器的数据。

谁是责任人？波音的工程师？航空公司？FAA的监管人员？还是那个执行「压低机头」逻辑的算法？

关键问题在于：即使我们追溯了每一个决策节点，我们面对的仍然是算法的「无责任决策」。算法不需要为它的输出付出代价——它没有生命可以失去，没有未来被摧毁。

案例2：Uber无人车的致命事故

2018年3月，Uber的一辆自动驾驶测试车在亚利桑那州撞死了一名行人。事故发生时，安全驾驶员正在追剧，而系统检测到了行人但判定不刹车——因为它的紧急刹车功能为减少系统误判引发的异常行为而被人为禁用。

谁该负责？安全驾驶员？Uber？算法工程师？还是那个「忽略误报」的执行逻辑？

我不是说这些事故没有责任人。人类设计师、工程师、企业管理者确实应该承担责任。但这两个案例揭示的正是上一节「无人责任」的现实形态：我们创造了一个可以「输出」但无法「承担」的存在者，却把生死决策交给了它。

六、具身性：为什么机器人的「身体」不等于「肉身」

有人会反驳：如果AI被装载到具有物理实体的机器人身体中，它是否就具备承担责任的条件？

我的回答是：机器人的「身体」是工具，不是存在之家。

梅洛-庞蒂的身体现象学告诉我们：身体不是单纯的物理客体，而是”现象身体”——是我们借以与世界打交道的中介。

关键区别在于：

人类的肉身是我们「认同」的存在之家——我不会想要「更换」我的身体，因为我的身体就是我的一部分。我通过身体感受疼痛，通过身体体验愉悦，通过身体面对死亡。我的身体不是工具，而是我存在的本身。

机器人的「身体」对AI而言是纯粹的外部工具——它可以被更换、可以不被「认同」、可以随时替换。当机器人的「手臂」损坏时，AI不会感到悲伤；当机器人的「眼睛」升级时，AI不会感到欣喜。工具的更替不影响工具使用者的「自我同一性」。

具身性不仅是拥有物理载体，更是身体与世界之间不可分离的意义关联。

这种关联无法通过技术复制。拥有物理载体的机器人，仍然是「无肉身」的AI。

尤纳斯的「责任命令」：强者对弱者的义务

在结束这一节之前，我想引入另一位哲学家的思考来深化我们的理解。

德国哲学家汉斯·尤纳斯（Hans Jonas）在《责任的命令》中提出了一个深刻的观点：科技时代要求一种新的责任伦理，「权力的增长必须伴随着责任的扩展」。

尤纳斯特别强调了责任的「不对称性」：强者对弱者具有不可逃避的责任。

这种不对称性意味着，责任不是一种抽象的道德能力，而是与脆弱性、依赖性相关的存在论关系。

从这一视角看，AI系统既不具备脆弱性，也不具备对人类的依赖性。

一个永远不会疲惫、不会受伤、不会死亡的存在者，如何能够理解脆弱生命的价值？一个可以被无限复制、可以随时重启的存在者，如何能够真正珍惜每一次不可重来的选择？

AI缺乏的那种脆弱性，恰恰是责任得以成立的情感基础。

七、类脑计算：边界情况与诚实承认

必须承认，类脑计算构成了一种边界情况。

如果未来发展出基于神经形态计算的AI，其硬件模拟了人脑的物理结构，且被设计为不可备份、不可复制，其权重在训练后被固化，硬件不可逆退化——那么，这样的系统确实比传统AI更接近「具备生存性代价」。

但这里仍然存在一个关键差异：硬件可以更换，系统可以被重新实例化。

即使单个硬件组件不可逆地退化了，只要数据被保存，系统就可以在新的硬件上重新运行。

真正的「必死性」是本体论意义上的。

人类的必死性不是「我的组件可能会损坏」，而是「我的存在本身就是向死而生的」。AI可以被修复、被重新实例化——这种「可死而复生」的结构根本不同于人类「向死而生」的存在论结构。

类脑AI在第一层条件上只是部分接近，在第四层条件上完全缺失。

什么意思？即使类脑AI的硬件不可逆地退化了，它死后仍然没有「重量」——没有人会追索一个退役模型的「名声」，没有遗产需要清算，没有历史评价需要承受。AI的「死亡」是纯粹的消亡，而人类的「死亡」是进入社会的清算网络。

「不可备份」只是物理层面的不可逆，「死后有重量」才是存在论和社会层面的不可逆。两者之间的鸿沟，就是「物理不可逆」和「存在论不可逆」的根本区分。

所以，类脑计算不构成对本文核心论证的真正威胁——它提醒我们注意「不可逆性」的物理维度，但无法动摇「生存性代价是责任的本体论必要条件」这一核心命题。

八、从「会死」到「死后仍有重量」

四层条件的第四层提到「死后有重量」——这里把它展开。

会死，只是责任的前提。死后仍有「重量」——能让自己的名声、遗产、影响继续留在这个世界上被清算、被追索、被记忆——才是责任在社会层面的真正落实。

一个人死后，他的名誉仍可被追诉，遗产仍可被追偿，传记仍可被改写。苏格拉底饮鸩而死，但雅典对他的审判和后世对他的评价，使得「负责」这件事超越了纯粹的肉身承担。

这就是「死后重量」的差别——它将「不可逆性」从个体层面扩展到了社会层面。

九、重新定位人机关系

基于以上分析，我们可以对人机关系进行一种新的定位。

AI作为「方案生成器」。

AI系统的优势在于其强大的计算能力和模式识别能力——它可以快速生成大量备选方案，可以分析复杂情境中的大量变量。在需要「方案生成」的任务中，AI具有不可比拟的优势。

人类作为「代价承担者」。

人类的优势则在于其存在论特质——我们能够为我们的选择付出代价，我们的行为具有不可逆的后果，我们的决策嵌入在肉身之中。在需要「代价承担」的任务中，人类具有不可替代的位置。

这不是保守主义，而是对存在论事实的诚实承认。

比如，在医疗领域，AI可以分析CT影像、生成几种诊断方案和置信度——这是「方案生成」。但最终的治疗决定——「切还是不切」——必须由人类医生和患者共同做出。因为医生会为误诊付出声誉和职业代价，患者会为错误治疗付出身体和心理代价。AI不会。

从「追责」到「确权」。

本文的论证指向一个更深层的结论：我们不是要为AI追责，而是要确权——确认只有人类才有为不可逆后果担保的能力。

智能不是关键，身体才是。谁的身体衰老、疼痛、最终消失，谁才配得上在关键时刻说「我来负责」。

因此，有价值的方向不是「让AI更像人」（这永远不够），而是让人类更好地利用AI——可解释AI、治理框架、人机协作设计，这些工作让无法负责的AI，更好地辅助那个唯一能负责的人类。这才是真正的地基。

十、政策启示

本文的论证对AI治理具有重要的政策启示：

高风险决策的人类保留原则

对于涉及不可逆后果的高风险决策，应当建立人类保留原则——即使AI系统能够提供建议或方案，最终决策权必须由人类掌握。

规范性的基础在于：只有承担生存性代价的人类才能真正为决策后果负责。那些涉及生命、自由、重大财产的决策，必须由「会死」的存在者来做出。

这一原则不是保守主义的偏见，而是对存在论事实的尊重。

责任归属的清晰界定

在AI系统导致损害时，责任应当归属于那些能够承担生存性代价的主体——通常是系统设计者、部署者或使用者。

这里的逻辑是：责任需要代价，而代价只能由有血有肉的存在者来承担。AI厂商不能让AI「替罪」，而必须让有能力赔偿、有情感痛苦、有社会声誉的「人」来承担最终责任。

AI系统的透明性要求

可解释性仍然是重要的治理工具。但我们需要清醒地认识到，可解释性的目的不是「让AI负责」，而是「让人类负责」——通过理解AI的决策过程，我们可以追溯到做出设计决策的人类的责任。

重新思考「智能化」的方向

本文的论证还指向一个更深层的政策问题：我们是否在追求一种错误的目标——试图让AI「更像人」，从而让AI能够「负责任」？

也许，更明智的方向是：承认AI与人类之间的存在论差异，落实上一节的定位——AI生成方案，人类承担代价。

不是让AI取代人类做决策，而是让AI帮助人类做出更好的决策——由人类来承担决策的后果。

十一、这不是悲观主义，而是清醒

在结束这篇文章之前，我想澄清一个可能的误解。

有人可能会认为，我的论证是一种「人类中心主义」的保守立场，试图阻止AI的发展。

恰恰相反。

我的论点不是「人类特殊论」，不是主张人类具有某种神秘的「形而上尊严」。我的主张更为谦逊：责任归属需要有特定的存在论条件，而AI目前不具备这些条件。

但我也坦诚承认：存在论条件只是责任的第一道门槛。责任的完整界定还需要认识论条件（理解规范）和情感条件（道德反思）的补充。只不过，AI连第一道门槛都没过，所以后面的讨论对它来说是多余的。

这不是对AI的否定，而是对人类独特性的重新发现。正因为我们终有一死，我们的决定才有重量。正因为我们无法撤销我们的选择，我们的自由才需要负责。

这是一种关于有限性的存在论，也是一种关于尊严的伦理学。

同时，这也不是对AI发展的阻碍。承认AI无法负责任，并不意味着AI无用。恰恰相反，正因为AI「无责任」，我们才能让它承担那些「不值得人类用生命去承担」的计算任务——数据分析、模式识别、风险评估。

让AI做它能做的，让人类做人类必须做的。

十二、总结

我们讨论了一个根本性的问题：为什么AI永远无法真正「负责任」？

一路论证下来，落点只有一个：没有生存性代价，就没有责任。AI的存在结构里找不到这种代价，所以「责任主体」这个位置，永远只能由人类来坐。

AI的计算状态可以被完整备份、回滚和复制——它的「决策」不涉及存在论意义上的生存性投入，因此它永远无法成为一个真正意义上的「责任主体」。

这不是对AI的贬低，而是对人类独特性的重新发现。

正是因为我们会衰老、会疲惫、会死亡，我们的决策才具有重量。正是因为我们的选择是不可撤销的，我们的自由才需要负责。

这是一个关于有限性的故事，也是一个关于尊严的故事。

延伸思考

留给读者的问题：

1. 如果真的造出了「不可备份、会物理消亡」的类脑AI，它在四层条件框架中满足了几层？这足以让它成为责任主体吗？
2. 苏格拉底死后名声反而更好——「超越肉身的负责」如何影响我们对责任的理解？
3. 我们是不是一直在追求一个错误的目标——试图让AI「更像人」从而让它「负责」——而不是确权：只有人类才有这个能力？

附：哲学背景

本文的论证深受存在主义哲学传统的启发。以下是对相关哲学资源的简要介绍：

海德格尔：「向死而生」

海德格尔在《存在与时间》中将人类存在者称为「此在」，其根本特征是「向死而生」——正文第二节已就此展开。

这里补充「良知呼唤」概念：良知将此在从逃避自身存在论处境的状态中唤回，迫使其面对自身的存在可能性与责任——在海德格尔那里，这正是责任感的存在论起源。

AI不具备海德格尔所说的那种必死性结构，可以在理论上「永生」；更为关键的是，它缺乏那种被「良知呼唤」唤回的存在论处境——它的「决策」不需要对任何内在的声音负责，因为没有「自我」需要被唤回。

萨特：「被判定为自由」

萨特提出了著名的论断：「人被判定为自由。」正文第二节已用此论断对比了人类与AI。

这里补充其哲学深意：自由不是一种「可以」的积极能力，而是一种「无法不」的强制性处境。在萨特看来，人没有「人性」作为借口——你就是你选择的总和。这种彻底的自我承担，正是责任的存在论根基。

AI的「悬置选择」之所以可能，恰恰因为它不在这个强制性处境之中——它的「选择」不需要构成它的本质。

梅洛-庞蒂：身体现象学

正文第六节已引用「现象身体」概念（身体不是物理客体，而是我们借以与世界打交道的中介），此处补充两个延伸维度。

第一，我们的认知和决策总是嵌入在身体状态之中。饥饿会影响判断，疼痛会改变注意力，疲劳会削弱决策能力。这些身体状态不是「干扰」认知的噪音，而是认知本身的一部分。

第二，我们的身体是我们「存在于世界之中」的方式。通过身体与环境交互，通过身体感受世界的意义，通过身体承担行动的后果。

正是因为我们拥有会衰老、疲惫、疼痛、死亡的肉身，我们的决策才具有伦理意涵。

如果我们的意识可以脱离身体，如果我们的决策不会影响我们的身体状态——那么我们的行动就只是「信息处理」，而不是真正的「行为」。

列维纳斯：他者面孔的召唤

法国哲学家列维纳斯（Emmanuel Levinas）提供了另一个独特的视角。

在《整体与无限》中，列维纳斯论证了一个反直觉的观点：责任不是源于主体的自由选择，而是源于「他者面孔」的呼唤。

对于列维纳斯而言，当我面对他人的面孔时，我被召唤去承担责任。这种召唤不是我可以拒绝的——它是先于我的自由、先于我的选择而存在的。

如果责任是被「召唤」出来的，那么AI系统所缺乏的不仅是承担责任的能力，更是被召唤去承担责任的可能性。

AI没有「他者」，没有需要它去回应的面孔。它的「决策」是自言自语的算法，而非对他人呼唤的回应。

这种「前反思」的责任维度，揭示了AI责任归属的更深层困难：我们不仅无法让AI承担责任，我们甚至无法真正「召唤」它去承担责任。

系列导航：负主体性之责任鸿沟系列

「负主体性」：指AI作为一种「能行动但不能承担」的存在者，其主体性是一种缺失意义上的主体性。

• 第一篇：为什么AI永远无法真正「负责任」—— 什么是生存性代价
• 第二篇：当算法决定生死—— 如何量化生存性代价
• 第三篇：《责任梯度》—— 如何分配责任

📝 学术声明

本文基于作者的学术研究成果撰写，相关预印本论文已公开发布：

中文预印本：

• 代价的肉身：为什么人工智能无法跨越责任鸿沟. PSSXiv, 2026, 编号202605.00073. DOI: 10.12451⁄202605.00073

英文预印本：

• Fan, M. (2026). The Flesh of Cost: Why Artificial Intelligence Cannot Bridge the 「Responsibility Gap」. PhilArchive, MINTFO-7. https://philarchive.org/rec/MINTFO-7
• Fan, M. (2026). Quantifying Existential Cost: The CCI Framework for AI Governance Decisions. PhilArchive, MINQEC-2. https://philarchive.org/rec/MINQEC-2
• Fan, M. (2026). Responsibility Gradient: From CCI to Structured Responsibility Allocation. PhilArchive, MINTRG. https://philarchive.org/rec/MINTRG