AI
一个流动的标签，而非某项技术。AI 不像 模型 或 Token 那样指代固定事物——它指向的是计算机新近做出的、令人印象深刻的任何能力。现在它指向大语言模型。以前它指向过截然不同的东西：
| 年代 | AI 的含义 |
|---|---|
| 1950 年代 | 符号推理——定理证明器、跳棋程序。 |
| 1960–70 年代 | 基于规则的符号程序——ELIZA、SHRDLU。 |
| 1980 年代 | 专家系统——成千上万条手写 if-then 规则，编码人类专家知识。 |
| 1990 年代 | 博弈树搜索——深蓝击败卡斯帕罗夫（1997）。研究人员完全回避 AI 这个词 |
| 2000 年代 | 统计机器学习——垃圾邮件过滤器、推荐系统。仍被当作机器学习销售，而非 AI |
| 2010 年代 | 深度学习——图像识别（AlexNet，2012）、AlphaGo（2016）。 |
| 2020 年代 | 大语言模型——ChatGPT（2022）让 AI 变成了聊天机器人的代名词 |
这种指针的移动有一种已知机制，有时被称为 AI 效应：一旦某项技术稳定可用，它就会被重新命名——不过是搜索、不过是统计——而 AI 则滑向下一个尚未解决的事物。这个观察由来已久。Bertram Raphael 在 1971 年这样表述：“AI 是我们目前还不知道如何用计算机妥善解决的一类问题的统称。” Larry Tesler 大约在 1979 年表述为：“智能就是机器尚未做到的一切。”
这就是为什么关于 AI 的对话常常各说各话。像”AI 不能推理”或”AI 被过度炒作”这样的论断都带有一个隐藏的时间戳——它可能是在说专家系统、2010 年代的图像分类器，或是上个月的 LLM，而每种指代都会得出不同结论。当关于 AI 的讨论陷入僵局时，解决办法通常是把这个词换成实际所指的精确术语：模型、Harness、Agent、给定的上下文。
避免：在任何技术论断中使用 AI——改用你真正指的那个部分。把 AI 编程 作为实践标签没问题；但说 the AI is hallucinating 就不合适。
用法：
“CTO 想知道 AI 能不能处理分类队列。”
“在排期前先明确一下——她指的是接入 Ticket 系统的 Harness 里的 LLM。单说 AI 不能当需求用。”