AI 同一性的范畴论解释

人工智能（AI）系统在部署后经常通过再训练和环境变化进行修改。这些转变提出了一个形而上学的问题：在什么条件下，一个 AI 系统在时间上或跨部署中保持为同一个系统？早期的工作以命题形式阐述了共时和历时同一性，通过将固定 AI 系统类型内的同一性与可信度水平的相等性联系起来。这些标准规定了同一性陈述何时为真，但隐含了所比较状态的结构、连接它们的变换以及持续的时间组织。我们开发了 AI 同一性的范畴论形式化。一个 AI 系统类型由一个数据指定，该数据包括技术功能、可信度概况和可信度水平函数。相对于概况的状态由允许的生命周期路径连接，这些路径被限制为保持可信度水平的变换，并商掉以获得可达性范畴。时间允许函子表示 AI 系统历史，而时间同步自然变换比较实现的历史。该形式化产生了早期 AI 同一性标准的两种范畴解释。弱解释将同一性恢复为可信度水平的相等性。强解释要求相互保持可信度的可达性，通过状态同构或实现历史的自然同构来表达。因此，范畴论用历时和共时标准的结构化层次取代了单一的 AI 同一性关系。由此产生的框架确定了跨版本或部署转移负责任 AI 声明、证据和治理程序的与同一性相关的前提条件，而不将范畴同一性本身视为这种转移的充分条件。