归因窗口问题：时间抹去因果线索时的问责机制

医疗决策随时间展开。一个在三月调整了用药剂量的照护AI，可能已经启动了九月才显现的不良后果。一个在某季度接受了异常校准读数的硬件智能体，可能让传感器漂移积累，三个季度后触发临床警报。一个今天批准了密码学参数集的密钥管理智能体，可能创造了一个弱点，当两年后外部威胁环境改变时才变得可被利用。

在每种情况下，因果链都是真实的。AI智能体的决策对结果有所贡献。但决策与伤害之间的联系被时间分隔开来——而从证据意义上说，时间具有腐蚀性。证据降解。系统被更新。其他干预发生。当伤害最终显现时，做出原始决策时的条件可能已无从恢复。

归因窗口是什么

归因窗口是AI智能体的决策与该决策所促成的伤害之间的时间间隔——在这段时间里，因果线索可能被降解、遮蔽或切断。它由两种不对称性界定。AI智能体的决策是瞬时的、机器精确的：在特定时间戳、特定上下文中的特定参数。从该决策到伤害的因果路径是时间性的、有中介的：它穿越其他系统、其他智能体、其他干预，以及在这段时间里已经发生变化的世界。

标准的问责假设是，决策可以事后评估。归因窗口问题挑战了这一假设。当因果路径足够长、中间变化足够多时，事后评估可能在技术上不可行——不是因为记录丢失，而是因为留存的记录不再包含足够的信息来重建任何单一决策的因果贡献。

在后量子交叉点

后量子迁移引入了多年的实施时间线，在此期间，今天做出的参数选择将在威胁环境发生重大变化后很久仍处于生产环境中。当密钥管理智能体现在选择密码参数时，其所处的威胁格局将在这些密钥退役之前发生实质性变化。如果参数选择事后被证明是错误的——因为新的密码分析结果收窄了假设的安全边际，或因为硬件进步使理论攻击变得可行——这一缺陷可能只在利用发生时才显现。到那时，该决策已有数年之久，做出决策的智能体可能已多次更新，审计记录可能已被归档、压缩或跨系统世代迁移。

证明原始参数选择是最终泄露事件的近因，需要跨越多个审计系统世代追溯因果链，每个世代都有自己的保留策略和数据模型。这里的归因窗口不是数据丢失问题——而是证据架构问题。记录存在，但其之间的关联从未被设计为支持该时间尺度上的因果重建。

在硬件交叉点

嵌入式AI智能体管理着逐渐退化的系统。在部署时技术上可辩护的校准决策，随着底层硬件老化、组件容差漂移和操作条件变化，可能成为退化轨迹的放大器。设备不会突然失效——它会漂移。沿该轨迹的每个单独智能体决策在局部都是合理的；这些决策的累积效应可能正是使最终失效成为可能的原因。

当物理故障发生时，确定智能体的决策架构是否有所贡献，需要从多年运行中的点测量重建一条轨迹。大多数设备日志设计用于支持实时诊断和事件级取证，而很少被设计为支持多年因果重建。每次事件捕获的采样频率、上下文以及保留期限，都是根据即时故障的预期时间尺度校准的——而非根据归因窗口问题所要求的累积漂移时间尺度。

在物理世界照护交叉点

照护AI系统在因果链长、干预措施众多的环境中运行。管理慢性病状况的智能体在数月内做出数百个微决策——警报阈值、升级标准、照护转衔时机——这些决策单独看起来无关紧要，但共同塑造了数月来的健康轨迹。在部署十八个月后发生的不良事件，因果上可能可追溯至最初建立的决策架构，但当其发生时，患者的状况已被临床医生干预、药物变化、环境因素和其他AI系统所改变。

将原始智能体决策的贡献与后续干预的贡献区分开来，以标准日志记录通常在技术上不可行。问题不在于缺乏记录，而在于缺乏允许解读记录的因果模型。一个写着"升级已抑制：置信度低于阈值"的日志条目，本身并不支持对该抑制是否对四个月后出现的伤害有所贡献做出判断。

归因窗口的要求

弥合归因窗口需要将因果可追溯性视为一种设计约束，而非事后工作。这意味着不仅要记录决策，还要记录决策的因果模型：智能体加权的变量、分配的置信度值，以及它所基于的世界状态。这意味着要根据潜在伤害的时间尺度——而非仅根据决策的时间尺度——来设计审计系统。

这也意味着认识到归因窗口是一个攻击面。能够访问AI智能体决策过程的不良行为者，可以构建出在窗口之外产生伤害的选择——在当时看起来局部可辩护的决策，但对永远无法被确切追溯到其来源的后果有所贡献。归因窗口不仅仅是一种证据上的不便。它是任何依赖于对长因果链上AI智能体行为进行事后重建的问责框架的结构性特征。