“当时研讨会的结论是，系统不得执行‘主动伤害乘客’的指令，”陈则打开研讨会纪要，“但如果乘客自己接管方向盘，系统应在确保不伤害第三方的前提下，提供必要的操作辅助——这就要求我们在决策模块里加入‘人工干预的伦理边界检测’。”

林砚立刻开始修改代码。她在决策树的末端添加了一个新的分支：当乘客触发接管请求时，系统需在0.05秒内评估接管操作可能造成的第三方风险。若风险值超过阈值，系统将发出警告并限制操作权限；若风险值在安全范围内，则逐步移交控制权，并实时提供路况预警。

“我们需要做一次真人模拟测试，”林砚保存好代码，抬头看向陈则，“找伦理委员会申请测试名额吧，这次要包含不同年龄、职业的乘客，还要模拟各种极端场景下的人工干预。”

小主，

陈则点点头，拿起手机拨通了伦理委员会的电话。窗外的天色渐渐亮了起来，测试场的指示灯熄灭，第一辆“远航-III”缓缓驶入车库。林砚望着那辆银灰色的汽车，突然想起三年前第一次见到自动驾驶原型车时的情景——那时的系统还只能在封闭路段行驶，而现在，它们已经开始面对复杂的伦理抉择。

三天后的模拟测试场，阳光正好。林砚和陈则坐在监控室里，注视着屏幕上的实时数据。第一位测试者是位58岁的教师，她坐在“远航-III”的主驾驶位上，副驾驶位是伦理委员会的观察员。当模拟场景中出现“前方有行人闯红灯，后方有救护车”的情况时，系统立即发出预警：“检测到紧急情况，建议制动，是否需要接管？”

教师犹豫了两秒，没有接管，系统顺利完成制动。但当第二个场景——“暴雨天，前方有失控的油罐车，左侧是人行道（有3名行人），右侧是护栏”出现时，教师突然按下了接管按钮，试图向左避让。

“系统检测到接管操作可能造成3名行人伤亡，风险值超过阈值，已限制转向角度，”监控屏幕上弹出警告信息，同时车内的语音提示响起，“已为您调整转向轨迹，建议优先选择右侧避让，伤亡风险值降低68%。”

教师愣了一下，最终听从了系统的建议。当车辆平稳停在护栏旁时，她长舒了一口气。测试结束后，她对观察员说：“其实我当时只想着避开油罐车，没注意到人行道上的行人——如果没有系统的提醒，我可能会做出错误的决定。”

接下来的测试中，不同的乘客展现出了不同的决策倾向：年轻的程序员更愿意相信系统的判断，而有十年驾龄的出租车司机则更倾向于自主接管。但无论哪种情况，“远航-III”的V3.8版本都能在0.05秒内完成风险评估，并给出合理的建议。

“看来‘人工干预的伦理边界检测’起到了作用，”林砚看着实时统计数据，脸上露出了笑容，“但还有一个问题——如果乘客是未成年人，或者有精神疾病，系统该如何判断是否允许接管？”