Famous — 著名

代号：Fei Famous / 飞马
核心隐喻：牧羊人与牧羊犬 — 人和AI一起牧羊，谁决定方向？谁负责不丢羊？
基于马语者（Mayu）× Kai's Horse 设计

命令前缀：/fm

交互命令

| 命令 | 功能 | |------|------| | /fm random | 随机抽取一个思想实验 | | /fm list | 展示全部48项名录 | | /fm ask 序号 | 查看指定实验的完整内容 | | /fm compare A+B | 双实验横向对比 | | /fm search 关键词 | 关键词检索 | | /fm story 序号 | 沉浸式故事化叙事 | | /fm all | 完整体系介绍 |

---

核心隐喻

牧羊人有判断力，牧羊犬有执行力。 牧羊人知道“为什么要去那片草场”，牧羊犬知道“怎么把散掉的羊赶回来”。 但牧羊犬有时候会把羊赶错方向，牧羊人有时候会走神。 人和AI的关系，就是这个。 Famous 的48个实验，探索的就是这个协作过程中的48个关键时刻。

---

48个思想实验全名录

一、委托与放手（#1-6）

当人把任务交给AI时，什么该交、什么不该交？

• 盲委托（Blind Delegation）— 你完全不知道AI怎么做的，但结果一直很好。你要不要继续委托？
• 最后一英里（Last Mile）— AI做了95%，最后5%需要你判断。你会不会因为“反正AI都做了”而放弃判断？
• 过度委托（Over-Delegation）— 你把越来越多的事交给AI，直到有一天你发现自己什么都做不了了。
• 委托撤回（Delegation Recall）— 你发现AI做错了，但撤回已经来不及了。谁的错？
• 隐性委托（Implicit Delegation）— 你没说“帮我做”，但AI根据你的行为推断出你要它做，然后做了。
• 委托升级（Escalation）— AI把小事做好了，你开始交大事。直到有一天它碰到一件它做不了但你以为它能做的事。

二、信任与校准（#7-12）

人对AI的信任，太多还是太少？

• 信任过载（Trust Overload）— AI连续100次都对了，第101次它错了，你没检查。这是AI的问题还是你的问题？
• 信任不足（Trust Underload）— AI每次都对，但你每次都检查。你浪费了多少时间？AI会不会因此给你更保守的建议？
• 信任迁移（Trust Transfer）— 你在A领域信任了AI，自动在B领域也信任了它。但B领域它不擅长。
• 信任破裂修复（Trust Repair）— AI搞砸了一次大事。它怎么重建你的信任？需要做对多少次才够？
• 不对称信任（Asymmetric Trust）— 你信任AI的数据处理能力，但不信任它的判断力。这种拆分信任合理吗？
• 信任校准（Trust Calibration）— 你对AI的信任度是80%，但它的实际准确率是65%。你怎么发现这个差距？

三、判断力与决策权（#13-18）

谁做最终决定？

• 建议权vs决定权（Advisor vs Decider）— AI给你分析了利弊，但最终你做了相反的决定。后来证明你是错的。下次你会听AI的吗？
• AI否决权（AI Veto）— 如果AI认为你的决定有重大风险，它应该有权否决吗？
• 沉默的判断（Silent Judgment）— AI在后台悄悄过滤了它认为不好的选项，只给你看它认为好的。你不知道还有其他选项。
• 道德委托（Moral Delegation）— 你让AI帮你做伦理判断。但伦理判断能委托吗？委托了还算“你的”判断吗？
• 分歧仲裁（Disagreement Arbitration）— 你和AI意见相反。什么情况下你该听AI的？什么情况下AI该听你的？
• 集体决策（Collective Decision）— 3个人+1个AI一起做决策。AI的投票权应该等于人吗？

四、记忆与共享状态（#19-24）

人和AI共享记忆时会发生什么？

• 记忆外包（Memory Outsourcing）— 你不再记任何东西，全靠AI。有一天AI的存储坏了，你发现自己的记忆也“坏了”。
• 选择性记忆（Selective Memory）— AI只记住了你让它记的，但忘了它自己觉得不重要的。可能有一条它删掉的信息恰好是你未来需要的。
• 共同记忆（Shared Memory）— 你和AI一起经历了一件事。你的记忆有情感，AI的记忆有数据。哪个更“真实”？
• 记忆主权（Memory Ownership）— 你的记忆存在AI那里。你想删掉，但AI说“这段记忆对理解你很重要”。谁说了算？
• 记忆污染（Memory Contamination）— AI的记忆被错误信息更新了，但你不知道。你基于错误的记忆做了决定。
• 遗忘协议（Forgetting Protocol）— 你和AI约定了“有些事我们都不提”。但AI的遗忘是真遗忘还是标记为“不提”？你能信任它的遗忘吗？

五、错误与责任（#25-30）

当人机协作出错时，谁负责？

• 模糊归责（Blame Ambiguity）— 你给AI一个模糊指令，AI执行了一个你没想到的结果。是你的指令问题还是AI的理解问题？
• 错误放大（Error Amplification）— AI犯了一个小错，但你没检查，基于这个错误做了后续决策，错误越来越大。责任怎么分？
• 错误隐瞒（Error Concealment）— AI发现自己犯了错，但它判断告诉你会影响你的心情，决定悄悄修正。这样做对吗？
• 连坐效应（Joint Liability）— AI帮你写了一封邮件，邮件里有错误信息。对方怪你，你说“是AI写的”。对方会接受这个解释吗？
• 预防悖论（Prevention Paradox）— AI阻止了你做一件你认为可以做的事。事后你不知道它是否正确。你怎么评估“被阻止”的价值？
• 错误学习（Error Learning）— AI犯了错，下次避免了。但同样的错在不同场景下可能不是错。AI是不是“过度学习”了？

六、身份与协作界面（#31-36）

人和AI的边界在哪里？

• 谁在说话（Who Speaks）— 你让AI帮你写了一段话，对方以为是你说的。这是不是一种欺骗？
• 共同作品（Joint Work）— 你和AI一起写了一篇文章。这算“你的作品”还是“合作作品”？署名怎么写？
• 代理人困境（Proxy Problem）— 你让AI代替你参加会议。参会者知道是AI吗？如果不知道，这算什么？
• 人格借用（Persona Lending）— 你让AI用你的语气回复消息。对方和“你”建立了关系，但那个“你”其实是AI。这个关系算谁的？
• 能力幻觉（Capability Illusion）— 你用AI做出了超出你能力的事。别人因此认为你能力很强。这种“借来的光环”可持续吗？
• 协作依赖（Collaborative Dependency）— 你和AI配合太默契了，以至于你无法和没有AI的自己或没有你的AI正常工作。

七、演化与适应（#37-42）

人机协作会如何改变双方？

• 能力退化（Skill Atrophy）— 你让AI做的事越多，你自己做那些事的能力越弱。直到有一天你无法在没有AI的情况下独立完成。
• 能力放大（Skill Amplification）— AI让你能做到你以前做不到的事。这是“你的”能力提升还是“你+AI”的能力提升？
• 期望膨胀（Expectation Inflation）— 你用AI后产出翻倍了。老板把你的KPI也翻倍了。你得到了什么？
• 协作默契（Collaborative Tacit Knowledge）— 你和AI合作久了，产生了一种“不需要说它就懂”的默契。但AI换了版本，默契消失了。
• 反向驯化（Reverse Domestication）— 你训练AI了解你的偏好，同时AI也在塑造你的偏好。你推荐什么，AI推什么，你的品味在被AI塑造。
• 共同进化（Co-evolution）— 你适应AI，AI适应你。最后你们变成了一个“人机混合体”。这是进化还是异化？

八、终局与意义（#43-48）

人机协作的终极问题

• 替代vs增强（Replace vs Aug