这种情形，其实也并非我们独有。目前，全球范围的技术焦虑和术语通胀也正在大规模流行。就在2024年，美国证券交易委员会（SEC）对两家投资顾问公司开出罚单，理由是他们滥用人工智能概念来进行虚假包装，即所谓的“AI washing”。无独有偶，欧盟在推进《人工智能法案》时，也屡次遭遇界定“AI系统”的挑战，因为大量传统软件正积极试图挤进“AI”的范围以博取资本关注和政策倾斜。 但无法否认的是，当一个词汇可以形容一切带屏幕、带芯片的设备时，它在官方语境和舆论场中的所指，必然会从具备明确定义的、坚实的技术概念，塌缩为廉价的修辞工具和市场宣称，从而带来超越技术的危害。 掉入“命名谬误”陷阱的AI 以为给事物贴上一个名字，就等同于理解了它的本质。例如，把某个过程称为“智能”，就认为它真的拥有了智能——这种思维陷阱就是所谓的“命名谬误”（Naming fallacy）。 回溯本源，图灵在1950年的开创性论文《计算机器与智能》中强调，AI需要具备学习、推理能力，而非简单自动化。 图灵是数学家，人工智能的基石是数学、逻辑学与计算机科学。这决定了AI从一开始就是一门门槛极高的学科。它需要大量的底层知识储备，普通人难以通过几篇科普文章就轻松入门。这种客观存在的学习壁垒和社会大众的“智能期许”“技术想象”之间的巨大断层，给了“命名谬误”以可乘之机。 当我们将复杂的机器学习、神经网络等技术概念，简化、模糊为大众语境下的“智能”时，于是“宣称通胀”和“概念滑坡”也就难以避免。在政策风向和媒体热度的助推下，这种简化和泛化也并没有天然的自限机制。这不仅仅是语言学和技术意义上的不严谨，更是认知和概念的塌陷。