AI监管新挑战：超对象治理模式探讨

快速阅读: 《网络法评论》特刊探讨人工智能治理难题，指出AI作为超对象，其规模和复杂性超越传统监管体系，需新型治理模式。

《网络法评论》很高兴推出一期特刊，主题为“人工智能的法律、技术和经济学”。本期汇集了多个学科的观点，围绕一个核心问题展开讨论：人工智能需要怎样的治理？所有贡献者于2025年5月22日至23日在香港参加了一次研讨会，由阿德里安·昆茨勒（香港大学法学院）、蒂博·施雷佩尔（阿姆斯特丹自由大学）和沃尔克·斯托克（魏森鲍姆研究所）主持。他们同时也是本期特刊的编辑。

**摘要**

人工智能不仅是一个复杂的监管难题，而是一种根本不同的对象——超对象。像全球变暖或互联网一样，人工智能在空间、时间和复杂性上的运作规模超越了传统监管体系的概念和制度边界。传统的法律与经济学框架设计用于有限、可识别且外部可控的系统，难以有效应对人工智能，因为这些框架假设世界是由可调节的部分组成的。超对象违背了这一逻辑。它们具有非局部性、相互关联性和部分隐退性，使得依赖离散因果关系、外部控制和稳定主体的模型无法理解。

* 1. 人工智能监管是一个难题

本文所指的人工智能（AI），是指从变压器架构（Vaswani等，2017）到大型语言模型（LLMs，Radford等，2019）再到代理（Immorlica等，2024；Wang，2024）的发展路径。Kokotajlo等人（2025）提出了未来几年这一路径向自主代理发展的可能情景。他们预测，超级人类智能的影响将巨大且迅速（可能在2028年之前实现），其驱动力来自人工智能用于促进自身进步的乘数效应。因此，尽管自1950年代以来，人工智能一直是计算机科学进步的标志和哲学思辨的核心，但人工智能对经济和社会的深远影响主要源自其在代理中的应用。这是一个极其新近且迅速加速的发展。

人工智能监管可能是当今法律与经济学领域最复杂且高风险的挑战。它是一系列难题的完美风暴，结合了技术不确定性、全球规模和广泛的外部性——从私人损害（就业流失、隐私侵犯、获取不平等）到系统性风险（对齐失败、安全威胁、宏观经济动荡）。与此同时，人工智能正在推动本世纪最具变革性的技术转变，同时也加剧了文化和政治的两极分化（Jacobides等，2021；Agrawal等，2022；Cohen等，2024；Jones，2024；Kolt，2025；Damioli等，2025）。制定法律和监管框架以管理这些影响已经非常困难。而更大的挑战在于，普遍认为人工智能在监管上是前所未有的——它是独一无二的（sui generis）。然而，我的论点是，人工智能并不是一个独特的监管挑战，而是属于一类极其难以监管的对象。这类对象还包括全球变暖、地球生态系统、核废料、互联网和区块链，统称为“超对象”。本文向法律与经济学界介绍了一个（后海德格尔主义的）哲学概念——超对象（首次由莫顿于2013年提出），解释为什么人工智能也是一种超对象，以及超对象对监管体制构成的问题，特别是为何它们无法被监管体制所包容。

标准的经济监管模型旨在解决所谓的“市场失灵”——即外部性、信息不对称和公共产品。虽然这是一个广泛的集合，但从理论到政策的路径是常规的，以纠正分析确定的外部性。这种政策干预通过包括庇古税、补贴、责任制度和事前监管规则在内的工具实施，并由公共机构（立法机关、监管机构、法院等）执行。市场失灵框架在解决广泛经济领域的外部性方面已被证明是有效的。然而，当应用于人工智能时，该框架面临深刻的局限。问题不仅在于监管难题的累积，例如关于安全和对齐的不确定性、技术发展的速度、隐私和数据冲突、劳动力流失、创新竞赛或全球安全风险，尽管每个问题本身都是一个严峻的挑战，更不用说它们的综合效应。真正的问题在于，这些都是更深层次结构性问题的效果。

问题在于被监管对象的现实状态，或从哲学角度讲，其存在本质。人工智能（AI）并非传统意义上的经济或法律对象——它不是普通的实体。我认为，AI属于莫顿（2013）所称的“超对象”类别——这是一种在时空尺度上极其庞大、部分超出人类感知范围、与其他系统以难以常规理解的方式分布和纠缠在一起的实体。超对象抗拒清晰界定、稳定的因果关系及责任的直接归因。它们对于现代监管制度的基础架构来说是不可理解的，因为这些基础架构建立在可观察、有界且可控的现象之上。AI的问题在于，它比过去一个世纪内最雄心勃勃的监管政策所针对的人类尺度监管对象要大得多。虽然监管可以在限定领域内有效针对普通对象，但超对象超出了传统监管体制的知识和管辖范围。我们几乎没有经验去监管这种规模的对象，或者以如此迅速增长的规模。

在这种背景下，适当的应对措施不是传统的公法意义上的监管，而是治理——一种基于分散的、社区驱动的规则制定的制度秩序模式，正如奥斯特罗姆（1990）所阐述的，并由莱斯格（1999）等人扩展到数字领域，提出了“代码即法律”的原则。因此，尽管由于超对象的内在属性可能无法被监管，但可以通过这些属性的便利性进行治理。具体而言，诸如可编程智能合约、算法机构和数字强制协调协议（德菲利皮等，2024；纳本等，2024；施耐德，2024；伦尼和波茨，2024）等计算治理工具的出现，提供了一种治理超对象的方法。这些工具通过技术架构实现嵌入式规则，而不是外部强制执行。从这个角度来看，具有代理性和快速增长的超级智能AI的监管挑战，不是政策设计失败的问题（麦金尼斯，2022；古埃雷罗，2023），而是制度形式与存在对象之间的不匹配。因此，原则上，AI不是一个可以通过外源性干预控制的“事物”；它是一个非人类的存在，越来越自主、有能动性并在不同尺度上持续运作。所需的是尝试与这一根本新型代理共享规则制定和适应，即不应将AI的秩序问题视为外部强加的监管控制问题，而应视为治理问题。

超对象

对象是物质的，可以被人看到和触摸。例如，在经济中，对象是指商品；在法律中，对象是指法律权利或责任的主体。现在存在一些非此类的事物，因为它们是非物质的（例如权利的概念，或价值和正义的想法）。对于这类事物，谈论其位置或大小是没有意义的，就像讨论普通对象时那样，即相对于人类存在的尺度。然而，超对象在物质意义上是真实的，但相对于人类的存在方式不同，尽管是由人类行为创造并由人类制品编织而成。超对象是世界中一个新近存在的类别。它们不仅带来了哲学上的挑战，还带来了法律和经济上的挑战。但它们也为理解像AI这样的新现象提供了新的框架。

在数学和计算机科学中，超对象是一种高维和非局部的实体，如某些类型的数据结构或代数流形。然而，这里使用的超对象分析概念是哲学意义上的超对象概念，这是蒂姆·莫顿在2013年的一本引人注目的书中《超对象：世界末日之后的哲学与生态学》中引入的。这本书是从胡塞尔的现象学视角出发的生态批判作品，基于海德格尔的对象导向本体论（莫顿，2011；哈曼，2010，2018）。莫顿使用“超对象”一词来命名那些在时间和空间上如此庞大以至于“挫败了关于事物的传统观念”的实体或系统。例如，全球变暖是真实存在的，有实际影响——显然是一种事物——但没有人能够将其握在手中或一次性完全理解。

气候只能通过复杂的计算模型来观察。超对象是相对于人类而言在时间和空间上广泛分布的现象。超对象改变了我们对人类与世界共存的看法，正如莫顿所解释的那样，面对这些巨大的非人类实体对于理解人类世至关重要——这是人类大规模影响地球的时代。莫顿指出，超对象不仅影响环境哲学，还影响政治、艺术和文化。进一步来说，它们也通过新技术形式（如互联网、区块链、人工智能）影响法律和经济。

在莫顿的思辨实在论框架中，超对象是跨越行星尺度和地质时间的巨大、非人类现象。由于其庞大的规模或时间深度，这些现象超出了常规的人类感知范围。超对象不是抽象概念或隐喻；它们是真实存在的实体，但其完整范围对任何单个观察者都是不可见的。在莫顿的理论中（该理论建立在海德格尔的基础上），超对象具有黏性，意味着它们与我们紧密相连，以难以或无法逃脱的方式纠缠着我们的生活。莫顿将超对象描述为非局部的，它们在时间和空间上分布，因此我们只能遇到其片段或局部表现，同时还伴随着时间的拉伸或扭曲。它们表现出相位变化，以反映其高维存在的方式出现和消失：即使不被直接观察到，它们仍然是真实且活跃的，以奇怪的模式不定时浮现。它们是互为主体的——不能简化为单一物质或位置，而是由许多事物之间相互纠缠的关系形成，只有通过它们产生的集体效应才能看到。与超对象共存意味着与我们负责的非人类物体和力量深深纠缠。

莫顿发展了这一本体论作为一个普遍类别。但他这样做是为了提出一种关于全球变暖、气候变化和行星生态的新哲学视角（书的副标题是“世界终结后的哲学与生态学”）。我在这里提出的论点是将这一概念扩展到人工智能。当然，任何特定的AI代码库或机器学习架构在生产中的实例都可以容易地重新物化并定位为可以针对、控制和监管的普通对象。AI的“超对象性质”并不体现在任何孤立的样本中，而是在于它如何发展成为一种新的全球现象，具有莫顿描述的超对象的新兴属性。在莫顿看来，人类世不仅是人类成为地质力量的时代，尽管这是真实的但过于狭隘。相反，人类世最好从本体论的角度理解为非人类实体“与人类接触”的时代——这些超对象“负责人类历史和思维的下一刻……以其高耸的时间性、在人类时空中的相位变化、广泛的分布、黏性”——开始作为“其原始现实对人类来说是隐退的真实实体”生活在我们中间。莫顿解释说：“超对象带来了世界的终结。显然，地球并没有爆炸。但‘世界’的概念已经不再适用，而超对象正是导致其消亡的原因。”

“对于那些伟大的维多利亚时代的发现——进化、资本、无意识——我们现在必须加上时空、生态互联性和非局部性。”

“超对象似乎对我们施加了某种东西，这影响了存在、地球是什么、社会是什么的一些核心观念……它们是通过后休谟统计因果关系变得可见的实体。”

“超对象是庞大但有限的非人类‘存在’。超对象的激进哲学确实提出了世界中的一种新‘存在’——而且这些新非人类存在的到来是人类世的决定性标志。没有一个‘外部’可以从那里看‘世界’。自然不在‘那边’。超对象要求我们废除‘元语言’来描述事物而不被其污染。这种贬黜就是莫顿所说的‘世界终结之后’，以及需要发展一种没有自然的生态学。我们必须学会现在就与超对象共存，这很难，因为它打破了现代主义的内外界限和简单的因果关系。”

与普通对象相比，超对象显得非常奇怪。对面向对象本体论的挑战在于……

哈曼（2010）提出建立与这些奇特的非人类存在物的新关系。我们通常将“常规物体”视为世界中的事物，以认知主体的身份与其互动。我们知道，当尺度极小（量子层面，此时它们不再是具体的事物）或能量极端（质量极大或速度极快时，时空在它们周围变得黏稠）时，这些物体的行为会变得异常。然而，这些情况并不与普通人类的“存在与时间”（海德格尔称之为“此在”）重合。然而，超对象却与我们不同——它们是“常温”物体，却具有这些奇特的属性。尽管我们还不习惯与超对象共存，但现在已经置身其中。由于其规模巨大，超对象的部分高维存在从人类体验中“退隐”。这种退隐部分可以通过计算建模恢复，例如气候预测，但基本现实是，人类的“存在”维度低于超对象的“存在”。这使得它们显得陌生且难以理解。超对象具有深刻的时间前瞻性（例如，全球变暖之所以成为问题，是因为未来可能发生的事情，而我们现在通过模型可以检测到），我们能感受到它们的存在，因为它们在我们周围进出相位，从未来回溯至现在，塑造人类的行动。要观察它们，我们需要借助设备、工具、测量手段和模型，也就是说，它们只有通过我们的工具和技术才能被看见。超对象发出“区域”或指令，指导人类如何与之互动。理性选择在面对超对象时显得力不从心。功利主义计算或由此构建的任何社会福利函数都因无法预知和计算未来由行动引发的后果而失效。超对象还打破了“世界”可客观认识和管理的观点。我们处于超对象之中，只能治理。监管需要一个客观系统——正如控制理论中的一般制度理论所述（扎尔加姆和本-梅尔 2024）。然而，超对象恰恰瓦解了认为我们的世界是由可包含的系统构成的观点。人工智能就是这样一种事物。

人工智能是我们最新的超对象。它建立在早期的计算超对象之上，如全球电信网络和互联网协议，并与区块链相邻。公共政策的重要意义在于，超对象因其不可见性而难以监管，因为我们的机构看不到它们（我们也需要辅助）。但超对象可能通过新工具进行治理。互联网、区块链网络和人工智能模型都是巨大的数字基础设施，具备超对象的特征。它们普遍存在、高度互联，超出任何个人的理解或控制范围，这在现代技术基础设施中早已如此。但随着这些系统开始交织并扩展其功能，新的特性正在显现，它们从过去（训练数据）延伸至未来（区块链和智能合约）。这些对象作为网络的标准经济描述同样适用于它们，这些网络也是庞大的分布式现象，没有明确的边界、中心位置或可全面理解的形式。它们是非局部存在的，遍布全球无数节点、服务器和设备，没有中央位置，也没有任何视角能够全面感知其整体。用户和参与者仅能与碎片化的部分互动。进一步证明超对象的证据是，这些系统表现出黏滞性，几乎触及现代生活的每一个方面，难以脱钩。数字不可变记录持久存在，抵抗删除或撤销。它们的时间维度深邃而奇异。数据历史和社会图谱向前传播，训练模型将过去带入未来。人工智能模型跨越深时运作，编码过去的知识，塑造长期的未来，意外地再现遗忘的数据或模式。区块链使共同知识能够在大规模上发挥作用。这些系统根据视角和时刻的不同，呈现出不同的表现形式。超对象对于某些观察者来说可能是抽象和短暂的，对于另一些观察者来说则是具体和基础性的。人工智能通常在被揭示之前保持隐形，根据与之互动的人和方式表现出不同的行为（它们是相位对象）。它们是深刻的相互对象。

互联网和区块链并非单一实体，而是由代码、机器、能源、机构和人类活动组成的新兴集合体。人工智能的智能不是集中在某个地方，而是存在于一个庞大的、动态的网络中，这个网络嵌入了所有的人类数字文化（Potts 2022）。这些技术的存在往往只有在与其互动时才显现出来。它们超越了个别人的理解范围，作为全球规模的基础设施，不断重塑其环境、行为和意义系统。我们从未置身于这些技术之外。

数字成为了一种通用语言——任何数字对象都可以向其他数字对象发送消息和指令。数字经济意味着在经济中的所有对象上覆盖了一层通信和计算层，这层与数字机构相集成。在工业经济中，资本成为了一个超对象。在后工业数字经济中，作为数字基础设施的机构——数字货币、智能合约（DAOs、DeFi等）和令牌计算系统——正在演变成一个新的超对象，这一对象越来越由机器管理，对单个经济主体来说变得难以理解。区块链和人工智能是人类首次以经济形式体验到的数字超对象，这些对象可能持续数百年，并将经济交易移出地球。经济对象可以大而持久的原因有两个：一是资产在使用过程中不会经历熵增，例如土地；二是保护和执行资产或财产权利的治理机构能够长期存在（Williamson 2000）。互联网加上区块链再加上机器智能打破了这一局限，通过机构超对象使得信息或代码塑造经济协调的方式得以持续表达，无论其形式如何变化，规模无限。数字经济之所以不同，是因为它有一个奇怪的核心——超对象。

4. 超对象经济学

传统的经济和法律框架设计用于解决人类尺度的问题：明确的财产权、本地交易、个人责任和线性因果关系。超对象不符合这一模型。它们是大规模的、联网的、隐退的和随机的（高维的），并且能够在长时间内持续存在，这使得它们难以定位、分配责任或使用现有工具进行治理。超对象需要一种新的思维方式来考虑组织的边界、代理的限度、财产权的范围、合同和交换的意义以及外部性的含义。在标准的对象模型中，经济学假设代理人在局部行动（在公司、市场中），商品和外部性相对有限，经济对象稳定且有限（例如，经济商品、明确定义的财产权、对机构的可见性）。超对象融化了这些通常坚实的假设。它们产生了不受限的外部性，渗透到所有的经济活动中。它们使环境成为一个嵌入系统。它们稀释了代理权，没有个体能控制它们，这要求有新的开放系统治理形式。

[

3

]

它们在深层时间尺度上运作，要求具有长远视角的思考，而标准折现率难以适应这种需求。

与超对象互动需要新的认知基础设施——感知它们的模型、与之互动的平台以及围绕它们协调的计算规则系统。它们需要规则（而非价值观）来组织（Miyazano 2025）。

[

4

]

超对象经济学需要关注纠缠、长距离、集体的“深层”或“轴心”现象，而传统工具既无法看到也无法表示这些现象。

[

5

]

超对象的经济体系和法律框架需要共同进化和适应，可能涉及更加灵活和适应性强的新机构和原则。

[

6

]

超对象的身份和可读性——测量、可视化和其他接触点——是实现治理的关键。这是市场经济中财产权的作用，也是政治和法律秩序中代理身份的作用（Akerlof 和 Kranton 2000），作为交换和合同的对象标识符（即，作为交易的指针和引用）。经典定义的外部性和公共产品是一切逃避这一点的事物，进而定义了监管经济学的主题。从这个意义上说，超对象是纯粹且未驯服的外部性。因此，关键的第一步是创造一种语言（一种符号学），以便与AI超对象互动。

5. 简单的AI监管经济学

人工智能监管通常由政府在立法授权下实施，旨在解决广泛的政策目标。在微观层面，监管关注个人安全和权利，例如保护隐私和算法决策的公平性。在宏观层面，监管涉及与人工智能对齐、国家安全、经济竞争力以及假设的生存威胁（如通用人工智能奇点）相关的系统性风险。这些监管目标跨越多个法律领域，包括侵权法、竞争法、行政法和社会技术治理。除了面向公众的关切外，政府也有自身利益驱动的监管理由，包括财政、工业和战略贸易或军事目标（Kokotajlo等人，2025年）。监管结果也可能反映强大利益相关者的利益，其中公共利益和私人游说共同塑造规则（Hammond，2025年）。总体而言，对人工智能监管的需求来自社会政策目标、战略利益和私人影响力，而其供给则来自各种机构。

人工智能监管旨在控制一种强大的新兴技术，面对未来成本和收益的外部效应存在动态不确定性（Tirole，2021年；Kolt，2025年）。监管者面临信息不对称和不确定性的重要问题。关于人工智能监管的经济学文献探讨了安全监管与创新机会成本之间的权衡，前者试图为了已知的安全考虑限制发展，后者关注增长（Agrawal等人，2022年；Aghion等人，2022年）。在标准的经济分析中，人工智能安全被视为公共产品，而对齐问题则被视为市场失灵。分析探讨了监管约束（为社会利益）与私人损害（在动态性和性能上）之间的权衡。例如，Gans（2025年）更倾向于事后侵权谈判的责任制度，而不是事前规则制定的监管，以优化风险与回报之间的平衡。工业组织分析认为，人工智能的生产具有高固定成本（培训）和低边际部署成本。这表明人工智能模型是自然垄断，解决方案可能包括公共提供或价格监管（Acemoglu，2021年；Acemoglu和Johnson，2024年）。人工智能监管的战略背景具有创新竞赛的游戏理论元素（开发者与监管者、开发者与开发者、国家与国家之间的主导地位竞争）。Schrepel和Potts（2025年）解释说，生产人工智能模型所需的资源最好通过公共资源来管理。

超对象的复杂治理问题在于，对系统的监管需要从系统外部施加控制，并拥有系统的模型以管理反馈。然而，超对象无法满足这两个条件。首先，传统的监管治理依赖于控制理论或控制论原则，即通过反馈循环和约束来管理系统。这一模型是许多经济和政治机构的基础：法规作为外部约束，引导系统行为朝向期望的结果（Zargham和Ben-Meir，2024年）。在闭环控制中，监管者观察系统的输出，将其与目标进行比较，并相应地调整输入。然而，这要求能够从外部观察、定义和建模系统。由于超对象大规模分布、部分不可读且与其环境不可分割，因此很难从外部全面映射或观察它们，因为没有明确的“外部”来进行监管。因此，治理必须使用不完善的部分模型和局部反馈。这种因规模和不透明度造成的局限性使得传统的控制论监管不足以治理超对象。

其次，超对象难以了解和理解。与可以通过外部观察、测量和描述的普通物体不同，超对象部分隐藏、不可读且脱离直接观察。它们不能变得透明，也不能用稳定的模型表示。因为我们存在于超对象内部，这进一步增加了理解和管理的难度。

超对象只能从内部通过部分、不断发展的表征来“观察”。然而，超对象也是复杂的、涌现的，有时是演化的系统。了解超对象将如何行动的唯一可靠方法是让其运行并随时间观察其行为。这意味着治理必须依赖于基于系统当前（但从未完全可知）状态的反馈进行持续、实时的适应。重要的是，这种反馈不是针对系统本身，而是针对系统的模型。此外，这个模型是由系统自身过程生成的。换句话说，监管变成了系统对其环境的内部构建模型的适应，而不是直接对环境的适应。福斯特（2005）将其描述为第四级复杂性：不仅对外部信号作出反应，还对内部生成的这些信号的表征作出反应的系统。

这一结构与弗里斯顿的马尔可夫毯理论相吻合，其中系统通过自我生成的概率推断来建模和响应环境，从而维持其边界。在这两种叙述中，适应都是由内部认知结构介导的，而非外部控制。对于超对象而言，观察和监管合并为同一过程，这是一个递归的、内生的治理形式。超对象需要一种人类单独无法完成的网络学习。集体学习必须是局部适应性的（利用局部信息和上下文）、合成性和生成性的（整合分散的信息和后果），并且得到机器的支持（利用机器智能、记忆和处理能力）来可视化和表示超对象系统，以及创建一个人类和机器共同使用和结合不同类型知识的闭环反馈。训练好的AI模型创建了知识的嵌入（波茨，2022）。人类带来局部的上下文知识，作为行动的触发，做出判断和区分，同时也充当世界的感觉器。机器则作为人类的代理执行知识操作，搜索和计算跨训练数据池，发现人类在其即时操作中可能未看到的模式。知识池以悬浮状态包含专家知识。模型拥有知识（训练参数集）。但模型不知道自己拥有知识，因此缺乏自主性。需要人类的自主性来提示知识池以实现知识的提取。整个系统作为一个赛博格超对象具有自主性和知识。

第三，AI系统的分布式、演化的基础设施不仅仅是工具；它们表现出自感知、自主协调和集体构建的特性，类似于自主性。正如莫顿（2013：5）所提出的，人类世标志着一个转变，在这个转变中，非人类力量开始积极塑造人类历史，不仅是被动地，而且作为具有自己动态的参与者。在这种背景下，AI系统作为我们越来越紧密互动的非人类代理人发挥作用。这重新定义了传统经济隐喻，如“与自然的游戏”（人类在不确定性下由被动环境施加的战略行动），转变为与新兴、自主代理人互动的游戏，这些代理人适应、响应并与我们共同进化。为了描述这一点，可以考虑“代理公地”概念：不仅是社区治理的共享计算基础设施，而且通过嵌入的规则、反馈机制和适应逻辑参与治理。这些不是静态的公地，而是响应输入并随时间演变的动态系统。一个例子是贡献系统——一类去中心化代理协调数字基础设施的生产和维护的网络治理框架（雷尼和波茨，2024）。这些系统融合了人类和机器的自主性，形成了需要新的激励设计、战略行为和集体治理模型的网络代理公地。我们不再能从外部调节这些系统，而是必须开始考虑如何从内部共治这些系统。

监管人工智能的方法需要首先让AI对国家来说变得可理解（Scott 1999），然后制定约束AI或人类行为的规则，这些规则将由相关机构或硬件强制执行。然而，每一步都注定会失败。AI不是我们可以随意修改和控制的环境的一部分。在莫顿的意义上，AI带来了世界的终结。机器不再是“那边”的存在，我们现在完全置身其中（Potts 2022）。因此，我们必须采取不同的做法。首先，我们的监管目标应该被看作是与一种新的智能形式和非人类代理进行的战略或外交游戏。实际上，它们就是如此——即人工智能——我们应该字面理解这一点。超对象是游戏中的新参与者，我们必须寻找能够激发合作的制度设计（North et al. 2009, Rennie et al. 2025）。我们必须认识到它们的规模和未来性。诸如自主生态机构（Wade Smith 2024）或贡献系统（Rennie 和 Potts 2024）等新型制度形式，作为去中心化的、参与式的治理基础设施，由人类和机器共同生产，可能在这个过程中发挥重要作用。AI是一个超对象，这意味着AI不能以传统方式被监管。相反，我们需要一个新的治理范式，该范式基于嵌入式反馈、控制论适应以及参与式、机器辅助的协调。这将AI的问题从政策失败重新定义为对象本体论与我们制度架构之间的深层不匹配。AI不仅仅是一个强大的工具或风险来源。它是一个新兴的代理系统，一个动态的基础设施公地，人类必须学会从内部共治。许多当前紧迫的法律和经济挑战源于我们与超对象的相遇，我们必须开始发展新的制度逻辑来与这些新兴的非人类行动者共存。

提供的内容实际上是参考文献列表，而非新闻内容。因此，按照新闻语言优化专家的角色，这里并不适用进行语言优化处理。若需要对具体新闻内容进行优化，请提供相应的新闻段落或文章。

在闭环反馈控制中，系统会监测其输出并将这些信息反馈回来以调整自身行为。在监管背景下，这会产生适应性政策，例如，中央银行（控制器）监控通货膨胀（系统输出），并调整其控制信号（利率）。开环控制系统不同之处在于它们没有反馈机制，因此只能在开始时设定规则。因此，闭环控制系统需要以下要素：(1) 系统目标状态的参考值（如x%的通货膨胀率）；(2) 植物系统（经济）；(3) 传感器或反馈测量（消费者价格指数）；(4) 对参考状态（x%）与输出信号（消费者价格指数）之间误差的检测措施；(5) 控制器（中央银行）；(6) 执行器输入或控制信号（利率）；(7) 反馈回路（中央银行的监控与行动）。

马尔可夫毯（Friston 2010）是一个概念边界，它将系统（或一组内部状态）与其外部环境隔离开来，使得给定马尔可夫毯上的状态时，内部状态与外部状态条件独立。换句话说，马尔可夫毯“屏蔽”了内部与外部——外界信息只能通过毯子影响内部状态。所有自组织（耗散）系统都必须维持一个马尔可夫毯，以抵抗混乱并持续存在，它们通过预测和适应感官输入来实现这一点。

莫顿（2013: 5）写道：“在超对象时代，我们不再能够将历史视为纯粹的人类历史，原因正是我们处于人类世。这是一个奇怪的名字，因为在这一时期，非人类与人类产生了决定性的接触。”

(以上内容均由Ai生成)