问责视界：治理人-智能体集体的一个不可能性定理

现有的AI系统问责框架——法律的、伦理的与监管的——都建立在一个共同假设之上：对于任何重大后果，至少存在一个可识别的人，其参与和预见足以承担实质性责任。本文证明，一旦自主性超过一个可计算的阈值，智能体AI系统对该假设的违背便不再是工程限制，而是数学必然。我们提出人-智能体集体（Human-Agent Collectives），一种对人机联合系统的形式化，其中智能体被建模为共享结构因果模型中的状态-策略元组。自主性通过四维信息论画像（认知、执行、评估、社会）来刻画；集体行为则通过交互图与联合动作空间来刻画。我们通过四个最小性质将正当问责公理化：可归因性（Attributability，责任要求因果贡献）、可预见性界（Foreseeability Bound，责任不能超出预测能力）、非空性（Non-Vacuity，至少一个主体承担非平凡责任）与完备性（Completeness，所有责任必须被完整分配）。我们的核心结果——问责不完备性定理（Accountability Incompleteness Theorem）——证明：对于任何复合自主性超过问责视界（Accountability Horizon）且交互图中包含人-智能体反馈回路的集体，任何框架都无法同时满足这四个性质。这种不可能性是结构性的：若不降低自主性，透明度、审计与监督都无法化解它。在阈值之下，正当框架是存在的，由此确立了一个鲜明的相变。在3,000个合成集体上的实验以零违例证实了全部预测。这是AI治理领域的第一个不可能性结果，确立了一条形式化边界：边界之下现有范式仍然有效，边界之上则需要分布式问责机制。