Empowerment（赋能）在 AI 语境中，既指强化学习里以最大化未来控制能力为核心的一类内在驱动力指标，也泛指让个人与社区借助 AI 获得实际掌控力的技术取向。它处在理论研究和应用伦理的交汇处：前者研究如何用数学化的'赋能度'引导智能体探索，后者关注 AI 如何真正服务于公共利益而非替代人。
Empowerment 的近期研究进展
当前焦点与观察点
围绕 empowerment 的讨论呈现两条并行线索。一条偏理论：内在奖励与探索的关系仍有开放问题，赋能度作为奖励信号的计算成本和适用条件尚无定论。另一条偏社会：产业界（如 Cohere 的公益方向项目）开始把'赋能'作为对外叙事框架，学界则提醒这类声明需要证据支撑，避免变成无约束的宣传话术。
值得观察的是，'AI 赋能'能否形成可度量的评价标准。若赋能只停留在艺术活动和企业叙事层面，其公信力会受损；若能与强化学习中的形式化定义、以及'有界声明'这类方法论结合，才可能成为连接技术指标与社会价值的桥梁。对研究者和从业者而言，区分'作为数学目标的 empowerment'与'作为口号的 empowerment'，是评估相关工作的第一步。