🤖 AI

Formalizing Kantian Ethics: Formula of the Universal Law Logic (FULL)

यह शोधपत्र 'फॉर्मूला ऑफ द यूनिवर्सल लॉ लॉजिक' (FULL) प्रस्तुत करता है, जो एक मल्टी-सॉर्टेड क्वांटिफाइड मोडल लॉजिक है जो कांट के कैटेगोरिकल इम्पेरेटिव को औपचारिक रूप देता है ताकि आर्टिफिशियल मोरल एजेंट्स को पूर्व-कोडित नैतिक अंतर्ज्ञान पर निर्भर किए बिना उनके उद्देश्यों और पृष्ठभूमि ज्ञान के आधार पर कार्यों का मूल्यांकन करने में सक्षम बनाया जा सके।

मूल लेखक: Taylor Olson

प्रकाशित 2026-04-17

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Taylor Olson

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट को एक अच्छा इंसान बनना सिखाने की कोशिश कर रहे हैं।

आजकल अधिकांश लोग इसे करने के लिए रोबोट को एक नियम पुस्तिका (rulebook) देने की कोशिश करते हैं। वे कहते हैं, "नियम #1: किसी को चोट न पहुँचाएँ। नियम #2: हमेशा सच बोलें। नियम #3: ज़रूरत मंद लोगों की मदद करें।"

इस शोध पत्र के लेखक, टेलर ओल्सन (Taylor Olson), तर्क देते हैं कि यह दृष्टिकोण दो मुख्य कारणों से त्रुटिपूर्ण है:

यह "क्यों" (Why) को अनदेखा करता है: यदि एक रोबोट "किसी को चोट न पहुँचाएँ" के नियम का पालन करता है, तो वह चाकू से किसी व्यक्ति को काटने से मना कर सकता है क्योंकि इससे व्यक्ति को चोट पहुँचती है। यह उसके उद्देश्य (जान बचाना) को नहीं समझ पाता।
हर नियम लिखना असंभव है: मनुष्य नियम पुस्तिका में हर एक अपवाद या विशेष स्थिति (edge case) को सूचीबद्ध नहीं कर सकते। क्या होगा यदि दो नियमों के बीच टकराव हो जाए? रोबोट अटक जाएगा।

ओल्सन एक अलग तरीका प्रस्तावित करते हैं। रोबोट को यह बताने के बजाय कि उसे क्या करना है, वह उसे इमैनुएल कांट के दर्शन पर आधारित एक नैतिक परीक्षण (moral test) देते हैं। वह इस नए सिस्टम को FULL (Formula of the Universal Law Logic) कहते हैं।

यहाँ FULL कैसे काम करता है, सरल उपमाओं के माध्यम से समझाया गया है।

मूल विचार: "यूनिवर्सल सिम्युलेटर" (The Universal Simulator)

FULL को एक नियम पुस्तिका के रूप में नहीं, बल्कि एक सिम्युलेटर या टाइम-ट्रैवल मशीन के रूप में सोचें।

जब कोई रोबोट (या इंसान) कुछ करना चाहता है, तो उसके पास एक मैक्सिम (Maxim) होता है। मैक्सिम केवल एक क्रिया नहीं है; यह एक योजना है जिसमें एक लक्ष्य (Goal) शामिल होता है।

बुरा मैक्सिम: "मैं पैसे पाने के लिए झूठ बोलूँगा।" (क्रिया: झूठ बोलना; लक्ष्य: पैसे पाना)।
अच्छा मैक्सिम: "मैं किसी की जान बचाने के लिए उसे काटूँगा।" (क्रिया: काटना; लक्ष्य: जान बचाना)।

FULL रोबोट को एक सिमुलेशन चलाने के लिए कहता है: "क्या होगा यदि ब्रह्मांड में हर कोई ठीक वही करे जो मैं करने की योजना बना रहा हूँ, और बिल्कुल उसी कारण से करे?"

इसे विश्वव्यापी सार्वभौमिक नियम (World of Universal Law) कहा जाता है। रोबोट फिर जाँच करता है: यदि हर कोई ऐसा करता, तो क्या मेरी योजना अभी भी काम करती?

तीन परीक्षण (The "Contradiction" Check)

रोबोट सिमुलेशन चलाता है और एक गड़बड़ी (glitch) की तलाश करता है। यदि सिमुलेशन क्रैश हो जाता है (विरोधाभास/contradiction), तो वह क्रिया वर्जित है। यदि यह सुचारू रूप से चलता है, तो क्रिया की अनुमति है।

यहाँ शोध पत्र के तीन उदाहरण दिए गए हैं, जिन्हें रोजमर्रा के परिदृश्यों में अनुवादित किया गया है:

1. टूटा हुआ वादा (The "Credit Card" Test)

योजना: "मैं अपने दोस्त जेन से पैसे उधार लूँगा और वापस करने का वादा करूँगा, लेकिन मेरा वापस करने का कोई इरादा नहीं है, बस ताकि मैं एक यात्रा पर जा सकूँ।"
सिमुलेशन: कल्पना करें कि एक ऐसी दुनिया जहाँ हर कोई जिसे पैसों की ज़रूरत है, पैसे पाने के लिए झूठे वादे करता है।
गड़बड़ी (Glitch): इस दुनिया में, अब कोई भी वादों पर विश्वास नहीं करता। यदि कोई वादों पर विश्वास नहीं करता, तो आप वादा करके पैसे नहीं पा सकते।
परिणाम: सिमुलेशन में योजना विफल हो जाती है। आप पैसे पाने के लिए एक झूठे वादे का उपयोग करना चाहते थे, लेकिन झूठे वादों वाली दुनिया में, झूठे वादे काम नहीं करते।
निर्णय: अस्वीकार्य (IMPERMISSIBLE)। रोबोट देखता है कि यह क्रिया उसी उपकरण को नष्ट कर देती है जिसकी उसे सफल होने के लिए आवश्यकता है।

2. हत्यारा नौकरी का उम्मीदवार (The "Survival" Test)

योजना: "मैं अपने प्रतिद्वंद्वी, जेन, की हत्या कर दूँगा ताकि मुझे यह नौकरी मिल सके।"
सिमुलेशन: कल्पना करें कि एक ऐसी दुनिया जहाँ हर कोई नौकरी पाने के लिए अपने प्रतिद्वंद्वियों की हत्या करता है।
गड़बड़ी: इस दुनिया में, हर कोई हर किसी को मार रहा है। यदि आप अपने प्रतिद्वंद्वी को मारते हैं, तो नौकरी का आनंद लेने से पहले ही कोई और आपको मार देगा। आपकी "नौकरी सुरक्षित रूप से प्राप्त करने" की योजना असंभव हो जाती है क्योंकि आप मर चुके होंगे।
परिणाम: योजना स्वयं का खंडन करती है। आप ऐसी नौकरी सुरक्षित नहीं कर सकते जिसे सुरक्षित करने का तरीका आपकी मृत्यु की गारंटी देता हो।
निर्णय: अस्वीकार्य (IMPERMISSIBLE)।

3. सर्जन बनाम हत्यारा (The "Purpose" Test)

यहीं पर FULL पुराने नियम पुस्तिकाओं की तुलना में बेहतर प्रदर्शन करता है।

परिदृश्य A (हत्यारा): "मैं जेन को चोट पहुँचाने के लिए चाकू से काटूँगा।"
- सिमुलेशन: हर कोई लोगों को चोट पहुँचाने के लिए चाकू से काटता है।
- परिणाम: अराजकता। कोई किसी पर भरोसा नहीं करता। लेकिन इससे भी महत्वपूर्ण बात यह है कि लक्ष्य (चोट पहुँचाना) केवल एक नकारात्मक अवस्था है।
परिदृश्य B (सर्जन): "मैं जेन की जान बचाने के लिए उसे चाकू से काटूँगा।"
- सिमुलेशन: कल्पना करें कि एक ऐसी दुनिया जहाँ हर कोई जान बचाने के लिए लोगों को चाकू से काटता है।
- परिणाम: यह काम करता है! वास्तव में, यह एक बेहतरीन दुनिया है। अस्पताल मौजूद हैं, लोग ठीक हो रहे हैं, और "काटना" जीवन बचाने के लक्ष्य के लिए एक आवश्यक, प्रभावी उपकरण है।
- निर्णय: स्वीकार्य (PERMISSIBLE)।

यह क्यों मायने रखता है: एक साधारण नियम पुस्तिका जो कहती है "लोगों को मत काटो", सर्जन को प्रतिबंधित कर देगी। FULL उद्देश्य को देखता है। चूंकि सर्जन की योजना पूरी तरह से काम करती है यदि हर कोई ऐसा करता है, इसलिए यह नैतिक है।

4. आलसी व्यक्ति (The "Life Support" Test)

योजना: "मैं कभी किसी की मदद नहीं करूँगा, ताकि मेरे पास अपने शौक के लिए अधिक समय हो।"
सिमुलेशन: कल्पना करें कि एक ऐसी दुनिया जहाँ कोई भी किसी की मदद नहीं करता।
गड़बड़ी: मनुष्य नाजुक होते हैं। हमें बचपन में, बीमार होने पर, या बुढ़ापे में मदद की आवश्यकता होती है। यदि कोई किसी की मदद नहीं करता, तो आलसी व्यक्ति अंततः मर जाएगा (या कार्य करने में असमर्थ होगा)।
परिणाम: आलसी व्यक्ति चाहता है कि उसके पास "अवकाश का समय" हो, लेकिन उसकी योजना एक ऐसी दुनिया की ओर ले जाती है जहाँ वह मर चुका है और अवकाश का आनंद नहीं ले सकता। वह जीवित रहने के लिए भी तैयार है (अवकाश के लिए) और मदद न करने के कारण मरने के लिए भी तैयार है (मदद के बिना)।
निर्णय: अस्वीकार्य (IMPERMISSIBLE)। आपका दूसरों की मदद करने का कर्तव्य है, क्योंकि आपको भी मदद की आवश्यकता है।

मुख्य निष्कर्ष (The Big Takeaway)

यह शोध पत्र तर्क देता है कि हमें AI को "क्या करें और क्या न करें" की एक विशाल, नाजुक सूची के साथ प्रोग्राम करने की आवश्यकता नहीं है। इसके बजाय, हम AI को एक लॉजिक इंजन (logic engine) दे सकते हैं जो निरंतरता (consistency) की जाँच करता है।

पुराना तरीका: "झूठ मत बोलो।" (यह तब विफल हो जाता है जब झूठ बोलना जान बचा लेता है)।
नया तरीका (FULL): "क्या आप कल्पना कर सकते हैं कि हर कोई इस विशिष्ट कारण से झूठ बोलता है, और आपकी योजना अभी भी काम करती है?"
- यदि उत्तर नहीं है (योजना टूट जाती है), तो न करें।
- यदि उत्तर हाँ है (योजना काम करती है), तो आगे बढ़ें।

यह AI को अधिक स्मार्ट और अधिक स्वायत्त (autonomous) बनाता है। यह केवल आदेशों का पालन नहीं करता; यह समझता है कि एक क्रिया क्यों सही या गलत है, यह इस आधार पर कि क्या वह क्रिया एक निष्पक्ष, सार्वभौमिक दुनिया में अस्तित्व में रह सकती है। यह नैतिकता को नियमों की सूची से बदलकर तार्किक निरंतरता के परीक्षण में बदल देता है।

यहाँ टेलर ओल्सन के शोध पत्र "फॉर्मलाइजिंग कांटियन एथिक्स: फॉर्मूला ऑफ द यूनिवर्सल लॉ लॉजिक (FULL)" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

मशीन एथिक्स (Machine Ethics) का क्षेत्र आर्टिफिशियल मॉरल एजेंट्स (AMAs) बनाने का लक्ष्य रखता है जो नैतिक दायित्वों के बारे में तर्क करने में सक्षम हों। वर्तमान दृष्टिकोण आमतौर पर बॉटम-अप (bottom-up) या एक्सिओमैटिक (axiomatic) विधियों पर निर्भर करते हैं जहाँ मानवीय नैतिक अंतर्ज्ञान को नियमों के एक निश्चित सेट (जैसे, "हानि न पहुँचाना," "झूठ न बोलना") के रूप में एनकोड किया जाता है। लेखक इन मौजूदा दृष्टिकोणों में तीन महत्वपूर्ण सीमाओं की पहचान करते हैं:

एक्शन-सेंट्रिक बनाम एजेंट-सेंट्रिक (Action-Centric vs. Agent-Centric): वर्तमान एक्सिओम कार्यों का पृथक रूप से मूल्यांकन करते हैं, जो एजेंट के उद्देश्य (maxim/लक्ष्य) की अनदेखी करते हैं। वे इस बात में अंतर नहीं कर सकते कि कोई कार्य कर्तव्य के कारण किया गया है या जनसंपर्क (जैसे, प्रदूषण कम करना) के लिए किया गया है।
गणना की समस्या (The Enumeration Problem): ये दृष्टिकोण यह मान लेते हैं कि मनुष्य भविष्य के संघर्षों और अपवादों को हल करने के लिए सभी नैतिक अंतर्ज्ञानों को 'ए प्रायर' (a priori) सूचीबद्ध कर सकते हैं (वैल्यू अलाइनमेंट की समस्या)। उदाहरण के लिए, विशिष्ट अपवाद नियमों के बिना, एक सर्जन द्वारा रोगी को काटना "हानि" के रूप में चिह्नित किया जा सकता है और वर्जित माना जा सकता है।
स्वायत्तता का अभाव (Lack of Autonomy): AMAs उन्हें दिए गए नैतिक एक्सिओम की आलोचना नहीं कर सकते, जिससे वे नैतिक विमर्श में भाग लेने या नए संदर्भों में अनुकूलित होने से वंचित रह जाते हैं।

यह पत्र कांटियन एथिक्स (Kantian Ethics), विशेष रूप से फॉर्मूला ऑफ द यूनिवर्सल लॉ (FUL) पर आधारित एक टॉप-डाउन (top-down) दृष्टिकोण का समर्थन करता है, जो नैतिकता को केवल निषेध कार्यों की सूची के बजाय तर्कसंगत एजेंसी की निरंतरता पर आधारित करता है।

2. कार्यप्रणाली: फॉर्मूला ऑफ द यूनिवर्सल लॉ लॉजिक (FULL)

लेखक FULL का प्रस्ताव करते हैं, जो एक मल्टी-सॉर्टेड क्वांटिफाइड मोडल लॉजिक (multi-sorted quantified modal logic) है जिसे प्रैक्टिकल कॉन्ट्राडिक्शन इंटरप्रिटेशन (PCI) के तहत कांट के FUL को औपचारिक रूप देने के लिए डिज़ाइन किया गया है। लॉजिकल कॉन्ट्राडिक्शन इंटरप्रिटेशन (LCI) के विपरीत, जो उन प्राकृतिक कार्यों (जैसे हत्या) के साथ संघर्ष करते हैं जो सार्वभौमिक दुनिया में भी विचारणीय रहते हैं, PCI यह मूल्यांकन करता है कि क्या कोई कार्य एक ऐसी दुनिया में अपने उद्देश्य को प्राप्त करने के लिए एक प्रभावी साधन (effective means) बना रहता है जहाँ हर कोई उसी 'मैक्सिम' (maxim) पर कार्य करता है।

FULL के मुख्य घटक

सिंटैक्स और सॉर्ट्स (Syntax and Sorts): यह लॉजिक Object, Agent, और Action के लिए सॉर्ट का उपयोग करता है। इसमें एजेंट ( $a$ ), क्रिया ( $b$ ), और फॉर्मूला ( $\phi$ ) के लिए टर्म शामिल हैं।
क्रिया और कार्य-कारण (Action and Causality):
- Does(a, b): एजेंट $a$ क्रिया $b$ करता है।
- Causes(Does(a, b), $\phi$ ): एक मोडल ऑपरेटर जो कारण संबंधी नियमों (causal laws) का प्रतिनिधित्व करता है। यह लॉजिक मानता है कि लोप (omissions) का भी कारण संबंधी दर्जा होता है।
- नियम R1: यदि कोई क्रिया किसी अवस्था का कारण बनती है, तो क्रिया करने से वह अवस्था निहित होती है।
विलिंग (Willing/इच्छा):
- Wills(a, $\phi$ ): एजेंट $a$ , $\phi$ की सत्यता चाहता है।
- निरंतरता (Consistency - R2): $\phi$ चाहने का अर्थ है $\neg\phi$ न चाहना।
- मोनोटोनिसिटी (Monotonicity - R3): $\phi$ चाहना और यह जानना कि $\phi \to \psi$ , $\psi$ चाहने को निहित करता है।
- अनिवार्यता (Necessity - R4): इच्छा (Willing) अनिवार्य स्थितियों (जैसे, जीवित रहना) को निहित करती है।
मैक्सिम्स (Maxims):
- इन्हें For(ϕ1, ϕ2) के रूप में दर्शाया जाता है, जिसका अर्थ है "मैं $\phi_1$ (क्रिया) $\phi_2$ (उद्देश्य) के लिए करूँगा।"
- नियम R5: किसी उद्देश्य के लिए क्रिया करना, क्रिया करने और उद्देश्य को चाहने को निहित करता है।
- नियम R6: एक मैक्सिम को चाहने का अर्थ है कि क्रिया उद्देश्य का एक कारण है।
यूनिवर्सल लॉ ट्रांसफॉर्मेशन (UL):
- एक सिंटैक्टिक रूपांतरण जो एक विशिष्ट मैक्सिम $M$ को यूनिवर्सल लॉ $UL(M)$ में परिवर्तित करता है।
- यह उद्देश्य ( $T_{\phi2}$ ) में एजेंट और स्थिरांकों (constants) को सार्वभौमिक रूप से क्वांटिफाई करता है और क्रिया ( $T_{\phi1}$ ) में स्थिरांकों को अस्तित्वगत रूप से (existentially) क्वांटिफाई करता है।
- उदाहरण: "कार्ली पैसे पाने के लिए जेन से झूठ बोलती है" का अर्थ होगा "सभी एजेंटों $x$ के लिए, यदि $x$ पैसा चाहता है, तो एक एजेंट $y$ मौजूद है जिससे $x$ झूठ बोलता है।"
नैतिक मानदंड (Moral Norms):
- इन्हें डीओन्टिक ऑपरेटर्स (deontic operators) के माध्यम से परिभाषित किया गया है: Perm (अनुमेय), Imp (अस्वीकार्य), Obl (अनिवार्य)।
- FUL नियम: एक मैक्सिम $M$ अनुमेय है यदि और केवल यदि एजेंट, जो मैक्सिम और उसके यूनिवर्सल लॉ दोनों को चाहता है, विरोधाभास ( $\bot$ ) की ओर नहीं ले जाता है।
- नेगेशन एज़ फेलियर (Negation as Failure): यदि विरोधाभस सिद्ध नहीं किया जा सकता, तो मैक्सिम स्वतः ही अनुमेय नहीं हो जाती (डिफ़ॉल्ट धारणा)।

3. प्रमुख योगदान

PCI के तहत FUL का औपचारिकीकरण: यह पेपर प्रैक्टिकल कॉन्ट्रडिक्शन इंटरप्रिटेशन का उपयोग करके कांट के पहले फॉर्मूलेशन का पहला कठोर औपचारिकीकरण प्रदान करता है, जो उन "प्राकृतिक क्रियाओं" (हिंसा, लोप) को संभालता है जो लॉजिकल कॉन्ट्राडिक्शन व्याख्याओं के तहत विफल हो जाती हैं।
एजेंट-केंद्रित मूल्यांकन: यह लॉजिक केवल क्रिया का नहीं, बल्कि मैक्सिम (क्रिया + उद्देश्य) का मूल्यांकन करता है। यह सिस्टम को एक ही भौतिक कार्य (जैसे, हत्या बनाम जीवन रक्षक सर्जरी) से जुड़े नैतिक रूप से भिन्न परिदृश्यों के बीच अंतर करने की अनुमति देता है।
मानवीय अंतर्ज्ञान में कमी: इस प्रणाली को पूर्व-एनकोड किए गए नैतिक एक्सिओम (जैसे, "मारना नहीं") की आवश्यकता नहीं है। इसके बजाय, यह तर्कसंगत एजेंसी, कार्य-कारण और पृष्ठभूमि गैर-मानक ज्ञान के औपचारिक सिद्धांतों से नैतिक मानदंडों को प्राप्त करती है।
कर्तव्यों का वर्गीकरण: यह लॉजिक औपचारिक रूप से अंतर करता है:
- कन्सेप्चन में विरोधाभास (Contradictions in Conception - CC): क्रिया एक सार्वभौमिक कानून के रूप में अकल्पनीय हो जाती है (जैसे, झूठा वादा करना)। यह पूर्ण कर्तव्यों (Perfect Duties) को जन्म देता है (सख्त निषेध)।
- विल (Will) में विरोधाभास (Contradictions in the Will - CW): क्रिया विचारणीय है लेकिन एजेंट के आवश्यक लक्ष्यों (जैसे, उत्तरजीविता) को असंभव बना देती है। यह अपूर्ण कर्तव्यों (Imperfect Duties) को जन्म देता (जैसे, मदद करने के व्यापक दायित्व)।

4. परिणाम और प्रदर्शन

लेखक तीन क्लासिक कांटियन मामलों पर औपचारिक प्रमाणों के माध्यम से FULL की प्रभावकारिता प्रदर्शित करते हैं:

मामला 1: झूठा वादा (पूर्ण कर्तव्य)
- परिदृश्य: कार्ली यात्रा के पैसे पाने के लिए जेन से वादा करती है, जिसका इरादा वादा तोड़ने का है।
- परिणाम: यूनिवर्सल लॉ वर्ल्ड (WUL) में, हर कोई वादे तोड़ता है। फलस्वरूप, कोई भी वादे पर विश्वास नहीं करता। अतः, पैसे पाने के लिए वादा करना एक अप्रभावी साधन बन जाता है।
- विरोधाभास: कार्ली एक ऐसी दुनिया चाहती है जहाँ वादा करना अप्रभावी हो (UL के माध्यम से) लेकिन साथ ही वह अपने विशिष्ट वादे को प्रभावी भी चाहती है (M के माध्यम से)। यह विरोधाभास सिद्ध करता है कि मैक्सिम अस्वीकार्य (Impermissible) है।
मामला 2: नौकरी के लिए हत्या (पूर्ण कर्तव्य)
- परिदृश्य: कार्ली एक नौकरी सुरक्षित करने के लिए अपने प्रतिद्वंद्वी की हत्या करती है।
- परिणाम: WUL में, हर कोई प्रतिद्वंद्वी की हत्या करता है। कार्ली आश्वस्त नहीं हो सकती कि उसकी हत्या नहीं की जाएगी। यदि उसकी हत्या कर दी जाती है, तो दूसरों की हत्या करने का उसका कार्य उसे नौकरी दिलाने का कारण नहीं बन सकता।
- विरोधाभास: क्रिया WUL में उद्देश्य को प्राप्त करने के लिए एक प्रभावी साधन नहीं रह जाती। मैक्सिम अस्वीकार्य है।
- तुलना: पेपर नोट करता है कि यदि क्रिया "सर्जरी" होती, तो सार्वभौमिकीकरण अभी भी प्रभावी होता (जीवन बचाना), इसलिए यह लॉजिक इसे सही ढंग से अनुमति देता है, जबकि नियम-आधारित सिस्टम इसे "काटने" के रूप में हानि के रूप में चिह्नित कर सकते हैं।
मामला 3: दूसरों की मदद कभी न करना (अपूर्ण कर्तव्य)
- परिलैंड: कार्ली मनोरंजन के लिए समय बचाने हेतु दूसरों की मदद कभी न करने का मैक्सिम अपनाती है।
- परिणाम: WUL में, कोई किसी की मदद नहीं करता। चूंकि तर्कसंगत एजेंट जीवित रहने के लिए मदद की आवश्यकता रखते हैं (पृष्ठभूमि तथ्य), कार्ली एक ऐसी दुनिया चाहती है जहाँ वह जीवित न रहे।
- विरोधाभास: कार्ली जीवित रहने की (किसी भी चीज़ को चाहने के लिए एक आवश्यक शर्त) इच्छा रखती है लेकिन साथ ही वह एक ऐसी दुनिया चाहती है जहाँ वह मृत हो। यह विल में विरोधाभास (Contradiction in the Will) है।
- परिणाम: मैक्सिम अस्वीकार्य है, जो दूसरों की कभी-कभार मदद करने के अपूर्ण कर्तव्य को उत्पन्न करता है।

5. महत्व और भविष्य का कार्य

AMAs के लिए मजबूती: FULL AMAs के लिए एक मार्ग प्रदान करता है जो अधिक स्वायत्त और सुदृढ़ हो सकते हैं, जो मानव द्वारा प्रत्येक अपवाद को हार्ड-कोड किए बिना नवीन स्थितियों के बारे में तर्क करने में सक्षम हैं।
कांट की औपचारिक समझ: यह दार्शनिक व्याख्या और कम्प्यूटेशनल लॉजिक के बीच के अंतर को पाटता है, जो कांटियन एथिक्स की एक मशीन-पठनीय परिभाषा प्रदान करता है।
सीमाएँ और भविष्य की दिशाएँ:
- मैक्सिम फॉर्मूलेशन: वर्तमान कार्य यह मानता है कि इनपुट मैक्सिम सही ढंग से तैयार किया गया है। पेपर स्वीकार करता है कि कार्यों का वर्णन करना (जैसे, "मारना" बनाम "कोशिकाओं को नष्ट करना") नैतिक निर्णय की मांग करता है, जो एक चुनौती बनी हुई है।
- मॉडल थ्योरी: भविष्य के कार्य का लक्ष्य प्रूफ-थ्योरेटिक परिभाषाओं से मॉडल-थ्योरेटिक सिमेंटिक्स की ओर बढ़ना है, विशेष रूप से इंटेंसनल (intensional) अवधारणाओं के लिए।
- क्वांटिफायर्स (Quantifiers): लॉजिक में सामान्यीकृत क्वांटिफायर्स (जैसे, "अधिकांश," "कुछ") को शामिल करने की योजना है, ताकि उन अवधारणाओं को संभाला जा सके जो कभी-कभार हारने के बावजूद भी बने रहते हैं, जिन्हें मानक $\forall$ और $\exists$ कैप्चर नहीं कर सकते।

निष्कर्षतः, FULL लॉजिक सफलतापूर्वक प्रदर्शित करता है कि नैतिक मानदंड तर्कसंगतता और कार्य-कारण के औपचारिक सिद्धांतों से टॉप-डाउन तरीके से प्राप्त किए जा सकते है, जो मशीन एथिक्स में वर्तमान में उपयोग किए जाने वाले नाजुक, अंतर्ज्ञान-भारी नियम सेटों के लिए एक आशाजनक विकल्प पेश करता है।