内源性对齐：AI 对齐需要从"外源"走向"内生"

Gordon Seidoh Worley 在 Alignment Forum 发表，借用儿童道德发展框架分析 AI 对齐的本质缺陷：当前 AI 对齐全部是外源性（RLHF/SFT = 奖励惩罚），缺少人类那种"内化价值→自我约束"的内源性对齐机制。论点：没有内源性对齐（AI 自己"感到不安"而不做坏事），外源性方法有硬上限，无法支撑 ASI 安全。提到 Softmax 公司在尝试给 AI 注入"可对齐性本能"。