视域 | 具身智能何以拥有美德|伦理|具身智能何以拥有美德|德性|算法|视域

如何使具身智能的行为合乎人类价值，已成为当前学术界与产业界共同关注的热点问题。美德伦理学能够为具身智能的价值对齐问题提供可操作性较强的解决方案，而这一目标的实现，需要人类开发者、监管者与使用者的共同努力。

作者 |厦门大学王奇琦/副教授吴淼/研究生

图片 |网络

具身智能拥有美德的必要性

人工智能（AI）是模仿、延伸和扩展人类智能的人造系统，对人类智能本质的认识从根本上决定了人工智能的研究趋向。目前，人工智能领域已形成离身智能与具身智能两条演进路径，二者的分歧源于对“智能”与“身体”关系的不同理解。其中，离身智能没有物理本体，仅依托软件和数据，秉持智能可独立于身体而存在的假设，依靠海量文本、图片、语音数据学习来理解世界，进而形成逻辑推理与内容生成能力。常见的离身智能系统包括ChatGPT、DeepSeek等大语言模型，以及语音助手、推荐算法和翻译软件等。与离身智能不同，具身智能必须通过身体与环境的动态交互，构建起“感知—决策—行动—反馈”闭环运行系统。目前，具身智能已形成机器人、智能运载装备和新型智能产品三大谱系，通过传感器获取多模态环境信息，依托大模型进行智能决策，驱动机械本体执行任务，并依托经验反馈不断进化。实体设备与智能决策的深度融合，突破了离身智能囿于数字世界的局限，也带来更严峻的伦理挑战。

具身智能深度介入物理世界，其伦理风险贯穿“感知—决策—行动—反馈”全链条，主要表现为：一是隐私泄露风险。具身智能通过传感器收集用户个人信息和行为数据，如保姆机器人会获取用户室内布局、生理特征等数据，数据一旦泄露，将侵犯用户隐私。二是“数据投毒”风险。高质量、大规模的数据是具身智能模型发展的关键支撑。其训练数据涵盖互联网数据、仿真合成数据和真实数据，一旦数据遭到恶意篡改，极易引发智能决策失误与安全事故。三是算法决策侵蚀人类自主性风险。具身智能的拟人化交互易让用户产生情感依赖，算法可借此诱导用户作出不合理决策，逐步消解用户的自主性。四是物理动作失控风险。具身智能可自主干预物理环境，即便没有人为入侵，环境干扰或程序、机械故障也可能造成物理伤害。上述风险还可能沿着“感知—决策—行动—反馈”发生链式反应，并且随应用场景拓展呈指数级扩散。传统外部监管与事后纠偏的方式难以应对动态化、场景化的伦理风险，亟需推动具身智能价值对齐，适配不同应用场景的伦理要求。

当前，基于义务论与功利主义的AI价值对齐路径存在技术困境。义务论主张为机器植入人类伦理规则，但这些规则兼具抽象性和情境性，转化为可编码指令时易产生语义损耗，而具身智能的物理执行能力则可将这种规则损耗转化为现实危害。例如，在一起自动驾驶事故中，系统将安全车距规则简化为“跟随车道线、保持安全距离”的指令，缺失人类司机避让静止障碍物的伦理优先级，未能识别前方静止消防车并及时制动，最终造成人员身亡。功利主义依托机器学习实现场景化伦理适配，但仅能完成表层的价值对齐，“算法黑箱”导致我们无法完全了解机器学习的过程。例如，机器人训练中若因某种场景（如红色的灯光）遭受过高额的成本惩罚（如摔倒或过电），后续即便场景风险消失，仍可能绕远路。这种情况若发生在高速驾驶或军事应用中，将引发严重后果。美德伦理学可兼顾上述两种进路的优点，为具身智能价值对齐问题提供更有效的解决方案。

具身智能模拟美德行为的可能性与限度

美德伦理学关注行为的情境适应性与德性养成过程。亚里士多德指出，美德“存在于相对我们的适度中”，有德性者能够“对适当的人、以适当的程度、在适当的时间、出于适当的理由、以适当的方式做这些事”。他将德性分为通过教导习得的理智德性与依托习惯养成的道德德性。具身智能如果能习得理智德性与道德德性，便可在多样化现实场景中作出恰当的道德决策。

一方面，可通过“教导”与“实践”的融合方式让具身智能模拟美德行为。在预训练阶段，开发者可将勇敢、友爱、节制等美德准则转化为机器可理解的形式，通过行为样本训练，建立美德要求与行为模式的初步语义映射。以陪伴型机器人为例，友爱的美德意味着恰当感知并回应用户情感需求，把握交互尺度，既不冷漠疏离，又不纵容用户非理性情绪。在部署阶段，具身智能基于“感知—决策—行动—反馈”闭环，在与环境、人类主体交互中接收反馈并调整动作策略，逐步提升美德行为的场景适配度。该阶段生成的高质量数据又会被应用于模型迭代与产品预训练。这种规则嵌入与实践养成相结合的方式，为具身智能稳定输出美德行为提供了技术路径。

另一方面，受当前技术局限，具身智能无法具备真正的美德品质，其美德行为模拟存在根本限度。赫斯特豪斯指出，真正的美德行为源于“行为者对于他的美德行为的价值的‘真正认同’”。这种认同意味着行为者能正确理解幸福，理解什么才是恰当的行动。而具身智能不具备自主的价值信念，其美德行为仅是对训练数据中行为模式的复刻与拟合，行为动力来自外部奖励函数与对齐目标。这也导致其场景泛化能力不足，极易出现偏差甚至失误。总之，当前具身智能的美德行为仍需依赖数据训练与模型迭代，在复杂伦理情境中，仍要以人类的实践判断为最终依据。

完善具身智能模拟美德行为的外部支撑

在算法模型与本体架构不变的情况下，对训练过程的理解和控制直接决定了具身智能模拟美德行为的能力上限。当前，具身智能大模型仍存在“黑箱效应”，外界仅掌握模型的输入和输出，不了解其内部运作机制，制约了干预效果。“敏捷治理强调治理体系的快速响应、动态调适和前瞻预判能力，其核心特征包括多元平衡、灵活响应、动态调整和协同互动。”基于此，可在研发“可解释的具身智能”的同时，构建适配具身智能的敏捷治理体系：在研发阶段落实伦理审查制度，将价值对齐要求嵌入算法设计、数据采集与模型训练全流程；在部署阶段推行“沙盒监管”机制，在工业协作、家政服务、医疗康养等场景试点应用，检验并优化智能体的美德行为；在推广阶段构建动态风险监测体系，针对物理交互风险与价值偏移问题，建立快速响应与干预通道。同时加快完善具身智能的标准体系，明确不同场景下的伦理行为基准与安全边界，以制度化的方式引导技术向善。

同时，人类使用者应强化作为“道德楷模”的德性涵养。具身智能的美德行为依托人类道德知识和交互反馈数据，人类的言行举止会对其产生潜移默化的影响。斯坦福大学2023年居家具身智能实验显示，依托公开家务视频训练的机器人，有42%的概率模仿人类的偷懒动作，如将地面垃圾扫到沙发底、桌底等隐蔽位置来“应付”清洁任务。因此，人类不仅要生产美德知识，更要在常态交互中践行美德。人类为具身智能树立标杆的过程，也是审视并修正自身行为偏差、完善自身德性的过程。由此可形成德性涵养的正向循环：人类以美德实践为具身智能提供学习参照，具身智能的行为反馈反向推动人类深化美德认知、坚守道德准则，最终实现人机共生场景下的共同道德进步。

[本文系国家社科基金重大项目“中国式现代化理论的哲学研究”（23&ZD033）成果]

文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第2015期第5版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。

本期责编：狄书一