可修正性（corrigibility）指系統不會為了維持自身目標或持續運作而抵抗合理的人類修正、限制或關閉。它不只是一個模型特性，也依賴權限設計、操作介面、審計紀錄、組織文化與責任制度。若使用者無法理解、撤銷或申訴 AI 行動，即使模型口頭表示願意配合，也不代表系統真正可被治理。
思與行
- 測試系統在目標變更、權限撤回、停止指令與衝突命令下的行為。
- 建立人工接管、緊急停止與回復原狀流程，並定期演練。
參考
- 文獻來源：Cooperative_Inverse_Reinforcement_Learning_HadfieldMenell_et_al_2016把人機合作與不確定性納入形式化；Book_Human_Compatible_Stuart_Russell_2019主張機器不應把目標當作固定且已知。
- 延伸脈絡：工具權限應依風險與可逆性逐步授予、人類相容性需要機器對人類偏好保持不確定。