问责界限：面向人类-智能体整体的不可行性定理

现有的 AI 系统问责框架——法律、伦理和监管——基于一个共同假设：对于任何有意义的结果，至少有一个可识别的个人参与度足够并具足够预见性，以便承担有意义的责任。本文证明了智能体 AI 系统不仅仅是由于工程限制而违反这一假设，而是一旦自主性超过可计算阈值，就是数学必然性。我们引入了人类-智能体整体（Human-Agent Collectives）概念，将联合人类- AI 系统形式化化，其中智能体被建模为状态-策略元组，纳入共享的结构因果模型中。通过四维信息论概述来表征自主性（认知、执行、评估、社会）；通过交互图和联合行动空间来表征整体行为。我们对合法问责进行公理化，包括四个最小属性：可归因性（责任要求因果贡献）、可预见性界限（责任不能超出预测能力）、非平凡性（至少有一个智能体承担非平凡责任）和完整性（所有责任必须被完全分配）。我们的核心结果——问责不完整定理——证明了对于任何其复合自主性超过问责界限且其交互图包含人类- AI 反馈环的整体，没有任何框架能够同时满足这四个属性。这种不可行性是结构性的：透明度、审计和监督无法解决，除非降低自主性。低于阈值以下，存在合法框架，确立了明确的相位转变。3,000 个合成整体的实验确认了所有预测，未出现违反情况。这一研究是 AI 治理领域的首个不可行性定理，确立了当前范式在下方仍然有效的边界，并在上方需要分布式问责机制成为必要。