正文
物质音乐始于一种反转：倾听成为认知物质的一种方式。在Markus J. Buehler的描述中，分子振动、蜘蛛网结构、火焰动力学和材料失效可以通过保持关系的映射被转化为音乐形式。其核心在于分析：隐藏的结构变得可感知，而作曲可以反馈到材料设计中。本评论追问：具身人工智能是否需要一个公民层面的对应物——即通过受约束的公共读出方式解读机器能动性。
这一论证超越了声音化。将温度映射到音高或将基因组映射到旋律固然有所帮助，但物质音乐要求更严格的受来源约束的翻译。蛋白质的振动受化学键约束，蛛网通过几何结构传递张力，火焰对声学力学响应。当另一种媒介在不抹去关键关系的情况下提供对隐藏结构的访问时，音乐便成为一种受约束的读出。Buehler称之为认知反转：倾听成为看见的一种方式。
Buehler将选择性不完美发展为一种受约束的生成。丰富的行为往往介于无菌般的秩序与不可读无序之间。在此，类比在规范层面关乎读出；它并不声称蛋白质、蛛网、火焰和人工智能系统共享相同的结构或社会利害关系。既然选择性不可避免，设计就必须使其可问责。公共读出应诚实地简化，保留与判断相关的关系，并承认信息的损失。这与要求AI引导的科学主张保持透明、可解释、可挑战、受人类判断约束的需求相一致。公共AI需要一种可读性框架，超越不透明-透明的简单连续谱。
选择性可读性提供了一种这样的框架：基于事实的、部分的、可争议的阅读条件，使机器的状态、意图、引导线索、痕迹和后果公开可解释。读出制度定义了系统的某一状态版本何时成为人们实际使用的版本。
普通的透明度设定了不同的预期。即使是开放系统也可能提供大多数人无法阅读的日志、评分、解释或痕迹。选择性可读性追问：什么应当可读、对谁可读、通过何种媒介、在什么时刻、以及需承认何种损失。
黑箱隐喻对公共AI而言过于狭窄，因为它将注意力集中在机器内部。具身系统中的意义涌现于政策、运动、界面、观察者、回放和记忆之间。人们在行为完成之前就会推断意图；他们可能准确解读、过度解读，或被设计所引导。
考虑一辆接近人行横道的自动驾驶穿梭车。它感知到行人，预测其运动，减速或停车，激活灯光或显示屏，并留下传感器痕迹和日志。行人需要方向指引，操作员需要诊断，监管机构可能需要事后记录。此次遭遇可通过五个层面来阅读：状态、意图、引导、证据和写回。
状态读出涉及的不只是显示。显示屏呈现一个稳定的对象；而出读在受约束条件下产生可访问性。一个状态只有在传感器、滤波器、时序、身体位置和解译框架对齐时才变得可读。由于读出具有选择性，阅读一种状态会抑制其他状态。在人行横道上，诸如"检测到行人""物体分类不确定""自动模式已激活"等线索可以稳定一个关于系统感知内容的公共表述。
意图读出将注意力从状态转向行为。人机交互领域早已表明，运动可以具有可读性而不必仅可预测：机器人可以通过偏离预期的运动轨迹来帮助人推断其目标。对于具身AI而言，时序、距离和迟疑成为公开线索。风险在于过度归因：一个线索可以使投射的行为看起来像是内部意图的证明。通过提前减速或投射一条路径，穿梭车使其近期行动在完全停车之前变得可读。
引导读出始于投射行为重塑了人的选择。在穿梭车的例子中，一辆边缓缓前进边仍然让行的车辆可以让行人感到被邀请过马路、等待或后退。这与对齐相关联：奖励建模探讨代理如何从用户反馈中学习目标并对所学到的奖励进行优化。如果所学到的或工程设计出的策略权衡了交通流量、延迟减少、谨慎或保守停车，公共问题在于哪个目标被优先、什么被压制，以及引导的可视性应有多大。这一点同样适用于推荐、导航或XR（扩展现实）系统使某一行动感觉更便捷或更安全的情形。人们需要足够的可见性来知道自己正在被引导。
证据读出不稳定，因为框架将痕迹转化为证据。在穿梭车的例子中，一次安全的停车可能不会引起争议，而一次近距离擦碰则可以将同样的交互变为证据。传感器框、回放、摘要或报告可能影响关于行人是否犹豫、车辆是否迟让、信号是否可见或操作员是否干预的判断。摄像角度、时间戳、阈值、字幕和省略的不确定性塑造了痕迹看起来证明了什么。AI系统加剧了这一点，因为同一装置可能既生成痕迹，又选择框架，还推荐决策。痕迹与框架应一起保持可用。一个线索不应悄无声息地变成裁决。
责任写回追问什么留存了下来：日志、溯源、模型版本、干预记录、不确定性、覆盖操作和成本。在穿梭车案例中，这可能包括驾驶模式、速度计划、传感器置信度、信号状态、界面状态、覆盖操作和事件背景。如果没有这样的记忆，机构在保存记录方面的失败可以使每一次会话变成一次伦理重置：系统可能在那一刻看似可读，而遭遇的记录却在重启、交接和机构变革中消失。问责需要可继承的记忆。
这些步骤作为变换而非箱子起作用。状态读出追问什么状态变得可访问；意图追问行为如何看起来有目的性；引导追问一条路径如何感觉更便捷；证据追问痕迹如何变成主张；写回追问行动之后什么留存了下来。这一架构将可解释性从"系统能否解释自身？"转变为"公众能否比较被感知到的、被框定的、被传达的、被决定的和被向前传递的内容？"
图1总结了这一架构。
该框架将可解释AI视为公共读出问题的一部分。XAI（可解释人工智能）方法通常通过局部解释、特征相关性、反事实、基于概念的解释和其他事后方法来解释模型或预测。选择性可读性追问此类解释如何在情境化行动中成为公共读出。在穿梭车案例中，一个关于刹车的特征重要性图或一个关于速度的反事实可能有所帮助，但它不会显示减速、显示线索、回放帧和记录如何塑造公共解读。
治理含义直接随之而来。它将透明、可解释和可挑战的AI引导知识的需求从科学发现延伸到公共机器能动性。仅验证是不够的；公民生活还要求机器的状态、意图、痕迹、引导和后果变得可读。技术报告和审计追踪可以满足流程要求，却使受影响的人在情境化行动面前无法阅读。
由于读出是设计好的通道，它们可以被操纵、俘获、欺骗或被优化为仅取悦而不使争议成为可能。可读性有代价：状态披露可能造成安全风险、隐私损害或认知过载。在对抗性部署中，一个线索可以变成"可读性洗白"——一个取代问责本身的问责标志。可信的读出必须保留不确定性和溯源、启用比较，并维护持久的写回。
当面向公众的AI塑造感知、运动、证据和机构记忆时，事后的解释过于单薄。人们需要方式来注意系统做了什么、它如何引导注意力、痕迹如何被框定，以及什么后果被向前传递。
选择性可读性按设计就是部分的。每一次读出都进行选择，每一个界面都进行窄化。任务是以诚实的方式设计这种窄化——为人们提供方向而不假装已经定了论，并为判断留出空间。
在这个意义上，选择性可读性是选择性不完美的公民类比而非直接翻译。在物质音乐中，选择性不完美有助于解释秩序与无序之间的生成性。在具身AI中，选择性可读性命名了公共条件下的定向与挑战——超越从黑箱到完全透明的简单连续谱。
可解释AI的未来可能不那么取决于打开黑箱，而取决于构建更好的公共读出：状态、意图、引导、证据和写回。
物质音乐表明，当映射有根基、受约束且具有生成性时，倾听可以成为一种科学行为。具身AI需要一个公共层面的对应物。完美透明设定了错误的标准。更好的标准是一种选择性可读性的公共文化，让人们能够遭遇智能系统而不必对这些系统提供的框架做出判断。
