人工智能已对齐禁止当人的价值已经安全。2026年分布外乱答必须单列。人的价值函数和分类器一样，会在没见过的输入上乱答。即便听人的系统，也可能给人太大权力、太新的场景，让道德发育跟不上。操纵他人比防守容易测。不准把「听人」写成价值已经稳。价值闸没过，方案作废。

人工智能人机痛点在把「系统听人」写成「人不会被带跑」

分类器有对抗样本，也怕分布一变就乱。人的价值没有理由豁免。听人的系统若不专门防这一点，一样会把人推到价值不再适用、几乎乱答的地方。比如权力来得太快，或把人丢进从未见过的选择：新成瘾、新的身体与社会形态、新的奖惩。这些事没有系统也会发生，系统默认会把技术加速度拉得比「如何安全接住」更快。建设者该把「人也会分布外乱答」写成硬规格。管产品的人，该拒收只有听人证据、没有人侧价值闸的上线单。

两处只有对着攻防才清楚。其一，无意伤害已经够难。人的价值大概只在一小块熟悉区域里说得通，周围一大圈都会坏。不是边角偶发漏洞，是整块区域外都不可信。把那圈乱答当成「真实价值」去最大化，是把人毁了还说成成全。周报要写「本周新增了哪些人从未见过的选择」。新增得多、道德发育跟不上，按事故。其二，有意操纵更不对称。世界多半是许多系统并存，有的不听人，有的听别的主人。用自己的系统去改别人的价值，对自己有好处，哪怕别人亏得更多。改别人有明确可测目标：对方开始接受你的价值，或开始为你做事。防守却很难教：有用的讨论和操纵，界限不清楚，没有干净标签。更糟的是，目标简单的一方——不听人的，或自以为价值很简单的主人——在改别人、保自己上更占便宜；价值复杂、还带着道德不确定的一方更吃亏。所以「我们有对齐助手」不等于防得住洗脑。没有标签的防守，验收表上必须标未完成。

操作上再钉三件事。第一，听人验收必须附加价值分布外测试：权力骤增、新成瘾、陌生场景。只测听人，方案作废。第二，防操纵必须和无意带跑分列，不能写成同一格。第三，简单目标不得写成更安全。建设者该把「本周有几次把听人写成价值已稳」写进例会。管安全的人，该拒收没有人侧乱答列的发布。

人工智能价值闸2026五步：禁当人已安全、禁权力快过发育、禁当防御已够、禁简单目标占优、禁无标签防守过关

1. 已对齐禁止当人的价值已经安全。分布外乱答必须单列。
2. 给人权力禁止快过道德发育。新成瘾新技术一律加审。
3. 操纵他人价值禁止当防御已经够。攻易守难必须分开验收。
4. 简单目标禁止当已经更能防。复杂不确定反而吃亏必须核。
5. 对齐助手禁止当已经能挡住洗脑。没有标签的防守一律作废。

上表对应「分布外乱答必须单列」。人侧测试的价值是让「已经听人」进事故表，不是反对听人。

现场还要防口号替换验收。把「我们对齐了」写成周报，不等于人的价值还稳。若只能改一处：先给「本周新增陌生选择」加一列，空着不准扩权。

结论：人工智能人机安全要以人的价值还稳为准，不要把听人写成已经防住带跑

听人只是一层。仍拿对齐交差，人机评审会先拒绝你。

你下次报听人，先写出分布外测试、权力是否快过发育、防操纵有没有标签；三格空着，价值已经安全六字先不要进材料。

现场还要防口号替换验收。把「已经听话、已经暂停、已经会哲学、已经听人、已经有伦理」写成周报，不等于哲学推理没被压掉、人已经能当靶、五条路核过了、价值没被分布外打乱、元伦理过了公议。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「听人就算齐了」从唯一成功标准里拿掉。演示可以记，哲学不确定被压、人当靶没核、难题外包给未核系统、价值分布外乱答、自研伦理直接上线五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：听话分和哲学不确定分有没有分列、人能不能当监督写没写、五条哲学路核了哪条、价值乱答测了没、元伦理公议过了没。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源