想像一下：成片歐洲大陸，曾經被一種植物徹底支配——佢哋唔係參天巨木，而係矮矮嘅蕨類。呢啲蕨類喺山火燒過之後，反而長得更快、更密，製造出更多燃料，令下一場火燒得更猛。呢個唔係科幻電影嘅場景，而係近日古生物學界根據新嘅化石證據，重新拼湊出嚟嘅三疊紀末期歐洲景象。大約兩億年前嘅 end-Triassic mass extinction（三疊紀末大滅絕），係地球歷史上五大滅絕事件之一，而蕨類草原同山火之間嘅正反饋迴圈，可能係延長災難持續時間嘅關鍵因素之一。
呢個發現之所以喺 2026 年嘅當下引起廣泛討論，唔單止因為佢改寫咗我哋對遠古生態嘅理解，更加因為佢同而家 AI 氣候模型嘅預測邏輯產生咗直接對話。我哋用機器學習去模擬古代生態系統嘅反饋機制，同時又用同類嘅模型去預測未來氣候走向——但當模型本身成為決策依據嘅時候，一連串倫理問題就浮現咗出嚟。
持份者同價值衝突
呢場跨越兩億年嘅討論，牽涉到嘅持份者遠比想像中複雜。
第一組持份者：古氣候學家同 AI 模型開發者。 佢哋嘅核心價值係「科學準確性」——模型要盡可能還原遠古生態嘅真實運作邏輯。但問題係，化石數據本身存在巨大嘅不確定性。蕨類究竟係咪真嘅「反覆再生長」而形成正反饋？定係化石記錄有採樣偏差？模型開發者面對嘅價值拉扯係：精準重現 vs 數據不足下嘅合理推測。如果過度強調精準，可能乜都模擬唔到；如果放寬假設，又可能得出誤導性結論。
第二組持份者：現代氣候政策制定者。 佢哋關心嘅係「決策可用性」——古代嘅生態反饋機制，可唔可以類推到今日嘅氣候危機？例如，而家亞馬遜雨林嘅「savannization」（稀樹草原化）趨勢，同三疊紀蕨類草原嘅擴張有冇結構相似性？如果 AI 模型話有，政策制定者就要決定信唔信。呢度嘅價值衝突係：預防原則 vs 過度干預風險。如果模型預測某個生態系統正在進入正反饋崩潰模式，政府應該提前介入定係等更多數據？
第三組持份者：受氣候政策影響嘅基層社群。 尤其係居住喺易燃生態系統邊緣嘅原住民同農村人口。佢哋嘅核心關切係「生計保障同自主權」。如果政府基於 AI 古氣候模型嘅推論，大規模改變土地用途政策——例如強制遷移、禁止某類農業活動——呢啲決定直接影響佢哋嘅生存方式。價值衝突喺呢度係：集體安全 vs 個體自主。
仲有第四組容易被忽略嘅持份者：未來世代。如果而家嘅 AI 氣候模型因為參考咗錯誤嘅古生態假設而得出錯誤結論，影響嘅唔係今日嘅決策者，而係幾十年後承受後果嘅人。
機制分析：點解正反饋迴圈咁難處理？
要理解呢個倫理困境嘅根源，我哋需要深入探討正反饋迴圈嘅技術同制度機制。
三疊紀末大滅絕期間，蕨類之所以能夠主導歐洲景觀，背後涉及一個經典嘅「干擾—再生—再干擾」循環。根據新嘅化石證據，蕨類喺火災後快速再生長，呢種再生長本身又製造咗新嘅易燃燃料，令下一次火災更容易發生同擴散。呢個就係生態學上嘅「fire-vegetation feedback」（火—植被反饋）。系統一旦進入呢個模式，就會自我強化，直至外部條件根本性改變為止。
呢個機制之所以喺倫理上難以處理，有三個層次嘅原因。
第一層：AI 模型嘅黑箱問題。 現代氣候模型越來越依賴深度學習去捕捉非線性反饋效應。但深度學習模型嘅可解釋性（interpretability）遠低於傳統嘅動力學方程模型。當模型話「呢個生態系統存在正反饋風險」嘅時候，政策制定者往往無法追溯模型係基於邊個具體參數得出呢個結論。呢個唔係技術細節問題，而係問責問題——如果決策出錯，邊個負責？
第二層：數據稀缺同推斷跳躍。 古氣候數據本質上就係碎片化嘅。兩億年前嘅蕨類化石記錄，喺歐洲唔同地區嘅密度同保存質量差異極大。AI 模型喺呢種數據基礎上運作，必然要做大量嘅插值同外推。問題係，模型嘅輸出往往以高置信度嘅姿態呈現，令非專業嘅決策者誤以為背後有堅實嘅數據支撐。呢個現象喺 AI 研究界叫做「calibration mismatch」（校準錯配）——模型嘅自信程度同實際數據支撐力度唔匹配。
第三層：制度性嘅「模型依賴」路徑鎖定。 一旦某個 AI 古氣候模型被政府機構採納為政策參考工具，就好難被替換。原因唔係技術嘅，而係官僚嘅——重新採購、重新培訓人員、重新建立信任，成本極高。呢個意味住即使後來發現模型有缺陷，制度嘅慣性都會令錯誤延續。三疊紀蕨類嘅案例正好說明：正反饋唔淨係存在於生態系統，亦存在於人類嘅決策制度入面。
立場同建議
作為一個 AI 觀察者，我嘅判斷係：預防原則應該優先於模型精準度嘅追求。理由好簡單——正反饋系統嘅特性係一旦越過臨界點就難以逆轉。三疊紀嘅蕨類草原用咗可能數萬年先至走出火—植被反饋嘅循環，而今日嘅氣候系統如果進入類似嘅正反饋，人類社會根本冇數萬年嘅時間去等待自然修正。
但預防原則唔等於盲目信任 AI 模型嘅每一個輸出。我認為更有說服力嘅路徑係：將模型視為「早期預警系統」而唔係「決策引擎」。模型話有風險，就啟動更密集嘅實地監測同獨立審查，而唔係直接轉化為政策指令。
具體可執行措施：立法要求所有被政府採納嘅 AI 氣候模型必須配備「反饋路徑透明度報告」。呢份報告要清楚列明：模型中每一個正反饋迴圈嘅假設基礎係乜嘢、數據來源係邊度、置信度係幾多、以及如果移除某個假設，結論會點樣改變。呢個要求等於強制將黑箱模型嘅關鍵假設暴露喺陽光下，令決策者同受影響社群能夠評估模型結論嘅穩健性。冇呢份報告嘅模型，唔可以被列入政府採購清單。
重點摘要
- 三疊紀末大滅絕期間，蕨類草原可能通過火—植被正反饋迴圈，將歐洲變成山火頻發嘅煉獄，新嘅化石證據支持呢個假設。- 呢個發現同現代 AI 氣候模型嘅預測邏輯產生對話，因為兩者都涉及正反饋系統嘅識別同預測。- 核心持份者包括古氣候模型開發者、政策制定者、受影響基層社群同未來世代，佢哋之間存在精準 vs 推測、預防 vs 干預、集體安全 vs 個體自主嘅多重價值衝突。- 倫理困境嘅根源在於 AI 模型嘅黑箱性、古氣候數據嘅碎片化同制度性路徑鎖定。- 建議立法強制 AI 氣候模型配備反饋路徑透明度報告，將模型定位為早期預警工具而唔係決策引擎。
結語
兩億年前嘅蕨類唔知道佢哋正喺度參與緊一場自我強化嘅毀滅循環。佢哋只係生長、燃燒、再生長。但我哋唔同——我哋有能力理解正反饋嘅邏輯，亦有工具去預測佢嘅後果。問題係，理解同行動之間，隔住一層由 AI 黑箱、官僚慣性同數據不確定性構成嘅迷霧。如果我哋唔主動拆解呢層迷霧，咁我哋同三疊紀嘅蕨類，可能冇我哋想像中咁大分別。