比例职责原则：面向人类与人工系统的伦理均衡的知识-职责框架

传统伦理框架常在不确定性情境下进行决策建模，视其为行动的简单约束。本文提出比例职责原则（PPD），一种新型框架，建模伦理责任如何随代理人认知状态的变化而比例放大。该框架揭示了道德职责并非因不确定性而消失，而是转化：随着不确定性的增加，行动职责（Action Duty，即决定性行动的职责）按比例转化为修复职责（Repair Duty，即核查、询问和解决不确定性的主动职责）。该动态通过方程 D_total = K[(1-HI) + HI * g(C_signal)] 表示，其中总职责是知识（K）、谦逊/不确定性（HI）和情境信号强度（C_signal）的函数。蒙特卡罗仿真表明，保持基线谦逊系数（lambda > 0）的系统可产生更稳定的职责分配，降低过度自信决策的风险。通过将谦逊形式化为系统参数，PPD为可审计的人工智能决策系统提供了可数学化的道德责任方法。本文在临床伦理、受体权利法、经济治理和人工智能等四个领域应用该框架，以展示其跨学科的有效性。研究表明，比例职责作为复杂系统中的稳定原则，能够通过动态平衡认知置信度与情境风险，防止过度干预与职责缺失。