罗盘 / 自动驾驶伦理决策算法化
暗星档案 · 未点亮的星自动驾驶伦理决策算法化
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
自动驾驶伦理决策算法化T4 量级 · 亮星
撞不可避免时车该怎么选·把道德判断变成可执行代码
所属星云路权归零·全自动驾驶自由通达
暗星编号DS-1143
轴E · 能量与能力前沿
领域philosophy-thought
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
自动驾驶车辆在事故不可避免的极端场景下需要做出实时决策，学界早已在用MIT"道德机器"（Moral Machine）等大规模实验收集全球公众对经典电车难题式两难情境的偏好数据，并研究功利主义、罗尔斯主义、利己主义、混合策略等不同算法伦理框架下公众的接受度差异。但主流研究已指出，电车难题式的极端场景过于罕见且忽略了日常交通中大量"低风险但高频"的平凡伦理判断（如让行、超车时机）。攻破意味着自动驾驶系统的决策逻辑既能在真正极端场景下有可问责、可解释的伦理依据，也能覆盖日常驾驶中大量隐性的道德权衡，让"机器怎么选择"不再是监管与公众信任的黑箱。
卡在哪 · 机制级卡点
电车难题式实验数据反映的是抽象假设情境下的偏好，与真实交通感知的不确定性、行人分类误差等现实约束脱节；不同文化、地区对功利主义与义务论倾向的偏好本身存在系统性分歧，尚无被广泛接受的"统一伦理算法"标准，也缺乏对日常低风险道德权衡的系统研究框架。
谁在攻
MIT媒体实验室Iyad Rahwan团队（Moral Machine道德机器全球实验）；北卡罗来纳州立大学等团队（超越电车难题的现实交通道德判断实证研究）
怎么参与
AI伦理/交通心理学交叉课程（学习）；自动驾驶伦理与政策研究方向（职业）