从“怎么做”到“该不该做”
在本主题中，我们一直在问机器人如何感知、移动、规划与学习。最后这篇指南把问题反过来问：不是机器“能不能”做某件事，而是我们“该不该”让它做、又该怎么做。机器人早已不再是工厂围栏后的稀奇玩意儿。它行驶在公共道路上、抬起病人、拣选订单，或许很快就会走进你的家门。一旦机器在人群之中行动，它的失误就成了我们的麻烦，它的选择也映照出我们的选择。
这些并不是工程做完之后才考虑的次要问题。让机器人变强的那些设计抉择——更高的自主性、更快的反应、用学到的行为取代手写规则——恰恰也决定了它有多安全、多公平、多可问责。伦理，就是从外部审视的工程。
机器人出错时谁来负责
机器人伦理从一个看似简单的问题开始：当自主系统造成伤害时，谁该负责？失手的外科医生要为错误承担责任。但当自动驾驶汽车误判了正在过街的行人，责任却被摊得很薄——分散在车厂、软件供应商、传感器厂商、那位没看路的安全员、批准上路的监管者，以及打开系统的车主之间。这种模糊有时被称为“责任缺口”。
有两个工程理念有助于弥合这道缺口。第一是审计日志：能记录自己感知到什么、为何如此行动的机器人，让调查者得以重建失败过程，而不必靠猜。第二是可解释性与信任——构建决策可被人审视和质疑的系统，而非只丢出一个结论的黑箱。无法理解的东西，就无法被问责。
自动化与工作的未来
在机器人领域，没有哪个话题比就业更牵动人心。关于自动化与劳动力替代，诚实的答案既不是“机器人抢走一切工作”，也不是“别担心，最后总会没事”。真相更杂乱、也更具体：自动化往往替代的是“任务”而非整个“职业”，而且它落在不同人群与地区头上的分量极不均匀。
可以分成三类来看。被取代的工作：高度重复、动作可预测的活儿——正是仓储机器人或工厂自动化单元不知疲倦在做的那种。被改变的工作：从前搬箱子的工人，如今转去监督、维护并排查那些替他搬箱子的机器，这种转变要求新技能。被创造的工作：总得有人去设计、安装、校准与维修机器人——还有许多一代人之前根本不存在的全新工种。
一条更温和的路径是“共担”而非“替代”。协作机器人（cobot）专为与人并肩工作而设计，它接手任务中枯燥或危险的部分，把判断留给人。更深一层的道理是：结局并非全由技术本身决定。替代究竟变成苦难还是机遇，取决于政策、再培训以及收益如何分享——这些是社会做出的选择，而非物理定律。
武器之争与有意义的人类控制
机器人领域最尖锐的伦理断层线，是致命性自主武器——能在无人逐次拍板的情况下，自行选择并攻击人类目标的系统。核心忧虑并非科幻。它关乎“委托”：把生死之判交给软件，而软件无法像人那样领会情境、意图与相称性，还可能以无人预料的方式失灵。
锚定这场国际辩论的一句话，是“有意义的人类控制”：原则上，任何动用武力的决定都必须有人切实留在回路之中——不是某人在零点几秒里给系统的建议盖个橡皮图章，而是一个真正掌握态势、并有权说“不”的人。许多研究者与国家主张：无论自主能力变得多强，这条线都该是一道不可逾越的硬性界限。
有两个事实值得同时记住。让搜救机器人在废墟中找到幸存者的那套感知与规划，若把矛头一转，也能用来锁定人。技术本身是“军民两用”的；伦理则栖身于我们选择如何部署它、为何而部署。
前沿——以及值得留意的方向
这个领域正驶向何方？有三条线索值得关注。人形机器人——形态大致仿人的机器——正迎来高光时刻，背后是一个赌注：一个为人体打造的世界，或许最适合用一具像我们这样的身体来服务；再加上从学习中得来的控制，终于让双足平衡变得切实可行。人形机器人会成为通用帮手，还是停留为昂贵的新奇玩意儿，是这十年悬而未决的问题。
第二条线索让机器本身变“软”。软体机器人用柔顺、可变形的躯体取代刚性连杆与齿轮；而仿生机器人则向动物借招——章鱼的抓握、昆虫的步态。柔软、能顺势变形的机器人在人身边天然更温和，也更善于抓取易碎或形状古怪的东西——当机器人走出围栏、进入家庭、医院与农场时，这一点至关重要。
第三条线索，是“从学习中获得广泛能力”。机器人开始从数据中习得技能——从人类示范、从大模型——而不再依赖程序员逐个动作地编写脚本。这正是重塑了手术机器人、农业机器人与太空与行星机器人的同一条轨迹：它们的成长靠的不是某一次突破，而是感知、控制与自主性一同缓慢成熟。