它是一个不断移动的标签，而不是某项固定技术。“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能够出色完成的事情。现在，它主要指大语言模型，但过去也曾指代截然不同的技术：
| 年代 | 当时 "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——用数千条人工编写的 if-then 规则编码人类专业知识。 |
| 1990 年代 | 博弈树搜索——深蓝击败卡斯帕罗夫（1997 年）。研究人员甚至完全避开了 "AI" 这个词 |
| 2000 年代 | 统计机器学习——垃圾邮件过滤器、推荐系统。当时仍以 "机器学习" 而非 "AI" 的名义推广 |
| 2010 年代 | 深度学习——图像识别（AlexNet，2012 年）、AlphaGo（2016 年）。 |
| 2020 年代 | 大语言模型——ChatGPT（2022 年）让 "AI" 变成了聊天机器人这一概念的代称 |
这个标签会依照一种已知机制不断移动，有时称为“AI 效应”：一项技术一旦能够可靠工作，就会被重新命名——变成“不过是”搜索、“不过是”统计——而“AI”又滑向下一个尚未解决的问题。这个观察由来已久。Bertram Raphael 在 1971 年说：“AI 是我们尚不知道如何让计算机妥善解决的问题的统称。”Larry Tesler 在大约 1979 年的说法是：“智能，就是机器还没有做到的事情。”
这就是为什么人们讨论 AI 时经常各说各话。“AI 不会推理”或“AI 被过度炒作”这样的说法都暗含一个时间戳——它可能说的是专家系统、2010 年代的图像分类器，也可能是上个月的 LLM；不同指代会支持完全不同的结论。当有关 AI 的讨论陷入僵局时，通常应该把“AI”换成真正想表达的精确术语：模型、运行框架、智能体，或它获得的上下文。
避免：在任何技术论断中笼统使用“AI”——应明确说出你指的是哪个部分。用“AI 编程”指代这种实践没有问题，但说“AI 正在产生幻觉”就不够准确。
用法：
“CTO 想知道 AI 能不能处理分诊队列。”
“在界定范围前，先把这句话改写成明确需求——她指的是一个运行在框架中、能够访问工单系统的 LLM。单说‘AI’构不成规格说明。”