微信扫一扫
日常刷手机、用工具时，我们早已习惯这样的表述：AI会思考、会写作、会学习、能推理。
各大科技发布会、行业报道、科普内容里，这类说法随处可见，让我们自然而然觉得，当下的人工智能已经拥有趋近人类的认知能力，能复刻我们的思维与创作过程。
但卡内基梅隆大学（CMU）一项回溯数十年AI发展的最新研究，给所有人泼了一盆清醒的冷水：我们对AI的最大误解，从来不是技术本身，而是描述技术的语言。
那些看似生动通俗的“思考”“创作”“学习”，并非AI的真实能力，而是一场持续了半个多世纪的策略性歧义。正是这种语言偏差，让大众不断混淆“机器计算”与“人类认知”，也重塑了全社会对人工智能的错误认知。
01 什么是AI的“策略性歧义”？一场贯穿60年的语言游戏
这项发表于《IEEE计算机历史年鉴》的研究，由CMU历史学家克里斯托弗·菲利普斯与合著者艾莉森·朗米德共同完成。研究团队梳理了自20世纪50年代计算机诞生、AI概念萌芽以来的所有行业论述，得出了一个颠覆性结论：
从人工智能发展初期，行业就一直在使用一套“双重语义”体系描述技术。
对计算机科学家、技术从业者而言，“学习”“思考”“推理”是精准的技术术语，指代固定的算法运算、指令执行、数据迭代与参数优化过程，有明确、可量化、可验证的技术定义。
但对普通大众而言，这些词语自带浓厚的人类认知滤镜，会自动关联人类的思维、感悟、成长与创造过程。
这就是研究中核心的策略性歧义：用大众熟悉的人类行为词汇包装冰冷的机器运算，既降低了技术的传播门槛，也无形中让AI看起来更“智能”、更贴近人类。
早在AI尚未普及、计算机还是小众设备的20世纪五六十年代，这种语言套路就已出现。计算机先驱诺伯特·维纳曾提出计算机可以“学习”，在技术圈层中，这个词仅代表机器执行既定规则后，运算准确率、任务完成度的迭代提升；可在公众视角里，这变成了和人类读书、感悟、成长别无二致的主动学习能力。
菲利普斯直言：我们谈论AI的方式，远比AI本身的技术形态，更能暴露我们对技术的认知偏差。
02 最大的误区：把“机器运算”等同于“人类思考”
很多人会疑惑：如今大模型能写文案、答难题、创画作、解公式，效果堪比人类，为什么不能说它在“思考”？
这正是研究想要纠正的核心认知：结果相似，不代表过程相同。
人类的“思考、写作、学习、创作”，从来不是单纯的信息拼接与逻辑运算，背后嵌套着完整的人生阅历、情绪感知、价值判断、情感共鸣与社会关系认知。我们读诗、写诗，是因为共情文字里的悲欢，是对生活、人性、世界的感悟，是带有温度的精神输出。
而AI的所有输出，本质都是基于海量数据的概率性拟合与指令执行。
哪怕AI精准生成出“小狗骑小马参加纽约大都会队游行”的逼真画面，写出文笔细腻的诗歌、逻辑缜密的文章，也并非源于创造力与思考力。它只是精准匹配了数据规律、完成了算法任务，没有喜好、没有感悟、没有灵感、没有情绪。
菲利普斯特意强调：我们绝非否定现代AI的技术成就。如今的大语言模型、生成式AI是Top的技术突破，其运算能力、生成精度、适配场景都堪称惊艳。但它的伟大，恰恰在于其独特的机器运算逻辑，而非复刻了人类的认知思维。
强行用人类认知词汇定义机器能力，不是赞美技术，而是简化、曲解了技术的本质。
03 语言偏差，正在悄悄改变我们与AI的关系
看似只是用词的小问题，实则引发了全社会对人工智能的认知错位，甚至带来诸多负面影响。
首先，模糊了“工具”与“对手”的边界。当我们持续用“思考”“聪明”“自主学习”定义AI，大众会下意识将机器视为人类的竞争者，而非辅助人类的工具。这种认知偏差，会加剧AI焦虑、职业恐慌，扭曲人与技术的共生关系。
其次，简化了人类独有的核心能力。创造力、思辨力、共情力、学习力，是人类历经成长、体验、沉淀形成的复杂能力，包含情感、价值、阅历、温度等不可量化的维度。而将这些能力等同于AI的算法输出，本质上是对人类独特性的消解。
除此之外，当下主流的AI评测体系也存在同样的认知误区。MMLU（大规模多任务语言理解测试）、“人类的最后考试”等测评，常被用来标榜AI的“知识储备”“推理能力”，但本质上，这些测试衡量的只是机器的答案分类准确率，是标准化题库中的匹配能力，而非人类真正的理解、思辨与融会贯通的认知能力。
统计与数据科学教授罗布·卡斯对此总结得十分透彻：日常语言充满了语境化、多维度的模糊语义，但算法与数学推导的核心是jue对精准。这种语义错位，会让AI的技术优势被过度炒作，也会让行业与大众对AI的能力边界产生误判，最终给社会发展带来隐性损害。
04 半个世纪的启示：AI的讨论，不该是技术圈的独角戏
这项研究还有一个极具价值的冷门发现：在20世纪中期计算机与AI萌芽阶段，关于技术的讨论从来不是工程师的专属。历史学家、文学学者、心理学家、社会学家、工程师跨界交流，共同探讨计算机的社会定位、价值边界、发展责任。
而如今，AI讨论逐渐沦为技术圈层的独角戏，人文与社科视角严重缺失。人们要么盲目神化AI的“智能”，要么过度恐慌AI的威胁，却很少有人理性探讨：AI到底能做什么、不能做什么？我们该如何精准定义技术、规范技术、用好技术？
迪特里希学院科研副院长安德里亚·里蒂沃伊表示，AI时代最大的短板，是科学技术与人文社科的割裂。语言不仅是传递技术信息的工具，更会重塑我们对技术的认知与判断。脱离人文视角的技术解读，必然会陷入炒作与误区。
技术的进步需要算法的精准，而技术的良性发展，需要语言的精准、认知的清醒。
05 写在最后：放下神化，理性看见AI的真实价值
看完这项研究，我们不必推翻对AI的认可，更不必抗拒技术发展。AI依然是当下最Top、最ju变革力的技术，能极大解放生产力、赋能各行各业。
但我们需要摒弃语言带来的认知滤镜：
AI不会思考，只会精准运算；
AI不会创作，只会拟合生成；
AI不会学习成长，只会迭代优化参数。
它是人类创造的高效工具，而非拥有意识、思维、情感的“新物种”。
菲利普斯团队的诉求从来不是否定AI，而是呼吁全社会跳出炒作周期，用精准、理性、客观的语言和视角看待人工智能。承认AI的强大，也认清AI的边界，才是驾驭技术、而非被技术误导的开始。
