智能命名、語義位階與反身文明論（1/16）

AI 不是 SI：來源分類與能力位階的類型錯置

English Title: AI Is Not SI: A Type Error Between Provenance Classification and Capability Rank
Series: Intelligence Naming, Semantic Hierarchy, and Reflexive Civilization — INSHRC
Authorial context: EveMissLab / Neo.K research series
Date: 2026-10-05
Status: Series Paper 01 — Public Draft

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
版本： 原稿未標註（本次整理版）

摘要

2026 年 9 月 29 日，美國總統行政命令 14434 要求行政部門在官方通信、公共溝通、網站、報告與政策文件等非成文法文件中，以「Super Intelligence（SI）」取代「Artificial Intelligence（AI）」。該命令同時暫時規定，SI 指涉美國法典既有 AI 定義所涵蓋的技術與系統，並要求後續評估是否建立新的聯邦 SI 定義。

這項命名操作表面上可以被理解為政治傳播、國家競爭敘事或科技品牌重塑，但若從分類學、語義學與智能本體論分析，它包含一個更基本的結構問題：Artificial 與 Super 並不位於同一分類維度。

Artificial 主要回答：

這個智能從何而來、由何種生成與工程過程形成？

Super 則主要回答：

這個智能相對某個比較基準，能力處於什麼位階？

因此，從 AI 到 SI 並不是普通的同義詞替換，而可能構成將「來源分類」與「能力位階」錯誤折疊為同一變數的 semantic type error。本文提出「來源軸—能力軸分離原則」，說明為何一個系統可以同時是 Artificial 與 Superintelligent，也可以是 Artificial 而非 Superintelligent；並進一步指出，把整個 AI 母類別重新命名為 SI，會造成分類解析度下降、既有 superintelligence 概念空間被提前占用，以及後續治理與能力描述失真的問題。

本文不主張人工智能永遠不能超越人類，也不主張「Artificial」具有任何本體論上的低位階。核心命題恰恰相反：來源、能力、價值、權威與存在地位必須被分離建模。 一個文明若要準確描述逐漸增強的非人類智能，就更需要保留這些正交維度，而不是以單一榮耀性稱號將它們提前壓縮。

1. 問題不是「能不能改名」，而是「改了哪一個變數」

公共討論很容易把 AI 改稱 SI 理解成一個名稱偏好問題：

「Artificial」是否聽起來太像「假的」？
「Super」是否更能凸顯技術重要性？
新名稱是否更適合國家科技競爭敘事？
舊名稱是否已經不足以表達當代模型能力？

這些問題都可以討論，但它們不是本文的核心。

本文真正要問的是：

AI 與 SI 是否原本就代表不同類型的變數？

若答案為是，那麼：

AI \rightarrow SI

就不能被視為單純的 lexical substitution，而必須檢查它是否改變了分類座標。

設一個智能系統為 $x$ 。我們至少可以對它詢問兩類彼此不同的問題。

第一類是來源問題：

P(x)=\text{provenance of }x

例如：

P(x)\in \{ \text{biological}, \text{artificial}, \text{hybrid}, \text{collective}, \text{unknown} \}.

第二類是能力問題：

C(x)=\text{capability state of }x.

例如在極度簡化的情況下：

C(x)\in \{ \text{narrow}, \text{human-comparable}, \text{superhuman}, \text{superintelligent} \}.

於是：

P(x)\neq C(x).

一個變數描述「它是怎麼來的」，另一個變數描述「它能做到什麼程度」。

這就是本文的第一條基本原則：

\boxed{ \text{Provenance Axis} \neq \text{Capability Axis} }

2. Artificial 是來源標記，不是能力下限

「Artificial Intelligence」中的 Artificial 最穩定的語義功能，是將該智能放入某種人造、工程化、技術生成的來源類別。

因此：

AI = \text{Artificial} + \text{Intelligence}.

這個名稱本身並沒有推出：

Capability(AI)<Capability(Human).

同樣，它也沒有推出：

Capability(AI)>Capability(Human).

它對能力大小保持開放。

這一點非常重要。

一個人工系統可以只會做非常窄的分類：

P(x)=Artificial, \qquad C(x)=Narrow.

另一個人工系統可以在某些任務上顯著超越人類：

P(x)=Artificial, \qquad C_k(x)>C_k(Human).

未來也完全可能出現某個系統：

P(x)=Artificial, \qquad C(x)=Superintelligent.

因此：

\text{Artificial} \not\Rightarrow \text{Weak}.

也同樣：

\text{Artificial} \not\Rightarrow \text{Super}.

「Artificial」在一個合理的分類系統裡，本來就不負責回答能力位階。

這也是為什麼「Artificial 聽起來像 fake」即使在日常語感上值得討論，也不能直接構成把 AI 改成 SI 的分類學理由。因為一個詞可能存在品牌感知問題，不表示可以用另一條正交維度的詞去替換它。

如果某人認為 Artificial 容易被誤讀，合理的工程式解法應該是：

\text{repair provenance terminology}

而不是：

\text{replace provenance with rank}.

3. Super 是相對位階詞

Super 與 Artificial 不同。

Super 的語義天然帶有比較結構。

粗略地說：

Super(X) \Rightarrow X>B

其中 $B$ 是某個比較基準。

在 superintelligence 的既有技術與哲學語境中，人類一般智能長期扮演了重要比較基準。Nick Bostrom 的經典定義將 superintelligence 描述為在幾乎所有重要認知領域中，大幅超越人類認知表現的智能。即使不同研究傳統對「智能」與「超級智能」有不同操作化方式，它仍然主要是一個能力層級概念，而不是一個來源類別。

所以：

SI = \text{Super} + \text{Intelligence}

至少隱含：

C(x)>B.

若 $B$ 是人類一般認知能力，則：

C(x)>C(Human)

才是「Super」真正具有技術資訊量的原因。

如果把這個詞提前擴張到整個 AI 母類：

AI:=SI,

就會得到一個奇怪結果：

P(x)=Artificial \Rightarrow C(x)=Super.

但這在邏輯上並不成立。

來源並不能推出能力位階。

所以問題不是：

「今天的 AI 到底夠不夠強，配不配叫 Super？」

更根本的問題是：

即使未來 AI 全面變得非常強，Artificial 與 Super 仍然不是同一個變數。

真正的超級人工智能最自然的描述其實是：

P(x)=Artificial \land C(x)=Superintelligent.

也就是：

\boxed{ \text{Artificial Superintelligence} }

而不是用 Super 把 Artificial 消掉。

4. AI 與 SI 最合理的關係不是替換，而是交叉分類

如果我們不把智能世界強迫排成一條單軸階梯，而使用至少兩維分類，就會立刻看見問題。

令來源空間為：

\mathcal{P} = \{ \text{Biological}, \text{Artificial}, \text{Hybrid}, \text{Collective}, \text{Unknown} \}.

令能力空間為：

\mathcal{C} = \{ \text{Narrow}, \text{General}, \text{Superhuman}, \text{Superintelligent}, \ldots \}.

則任一智能實體或系統可以表示為：

x=(p,c), \qquad p\in\mathcal{P}, \quad c\in\mathcal{C}.

例如：

x_1=(Artificial,Narrow),

x_2=(Artificial,General),

x_3=(Artificial,Superintelligent),

x_4=(Biological,Human),

x_5=(Hybrid,Superhuman).

這時「Artificial Intelligence」與「Superintelligence」不是互斥品牌，而是兩種切割空間的方法。

可以把它理解成：

AI=\{x:P(x)=Artificial\},

而：

SI=\{x:C(x)\ge C_{\text{super}}\}.

因此理論上完全可能：

AI\cap SI\neq\varnothing.

甚至未來：

AI\cap SI

可能成為非常重要的技術類別。

但這仍不代表：

AI=SI.

這就像：

\text{Electric Vehicle}

與：

\text{High-Performance Vehicle}

可以交集，但不能因為某些電動車性能極高，就宣布所有 electric vehicle 從此等於 high-performance vehicle。

5. 2026 年美國行政命令形成的特殊類型錯置

2026 年 9 月 29 日的美國 Executive Order 14434 明確要求行政部門，在最大程度符合法律的情況下，以「Super Intelligence」與「SI」取代「Artificial Intelligence」與「AI」。

更值得注意的是，該命令第 3(a) 節暫時把 SI 定義為既有 15 U.S.C. §9401(3) 所涵蓋的 AI 技術與系統。

而 15 U.S.C. §9401(3) 的既有定義，本質上是一個廣泛的機器系統定義：對給定的人類定義目標，能對真實或虛擬環境作出預測、建議或決策的 machine-based system。

因此至少在行政命令的過渡結構中：

SI_{EO14434} \equiv AI_{15USC9401}.

注意，這個等價不是經由一個新的能力測量得到的。

它不是：

C(x)\ge C_{\text{super}} \Rightarrow x\in SI.

而更接近：

x\in AI_{\text{statutory}} \Rightarrow x\in SI_{\text{administrative}}.

這就是典型的維度替換：

\text{membership by provenance/technical class} \rightarrow \text{membership by rank-like label}.

行政命令本身同時要求後續提出新的聯邦 SI 定義，並評估是否修改、擴張或取代既有 AI 法定定義。這表示目前狀態仍在變動中；本文不預設最終法律結果。

但也正因如此，現在反而是最需要把基本分類問題說清楚的時間。

6. 類型錯置會造成什麼？

6.1 第一個後果：分類解析度下降

原本：

AI

告訴我們來源／系統類別。

而：

SI

告訴我們能力位階。

如果兩者直接合併：

AI=SI,

那一個詞必須同時承擔兩件事：

\text{source information} + \text{capability information}.

但它實際上無法準確完成任一項。

因此：

SemanticResolution\downarrow.

一個垃圾郵件分類器、一個視覺檢測模型、一個大型語言模型、一個自主代理與一個真正跨領域超越人類的系統，都可能被放入同一個 SI 名稱下。

那麼「SI」本身就不再告訴我們：

\text{它到底有多強？}

6.2 第二個後果：提前消耗 superintelligence 的語義空間

若 superintelligence 原本保留給一個真正特殊的能力區域：

C(x)\gg C(Human),

那麼它具有辨識力。

但是如果今天就令：

AI:=SI,

則未來真正出現能力跨越時，我們會遇到：

如果現在全部都是 SI，那更強的系統叫什麼？

這就是後續《智能命名通膨論》要處理的問題。

第一步是：

AI\rightarrow SI.

第二步可能自然變成：

SI\rightarrow SSI,

再往後：

SSI\rightarrow Ultra\ Intelligence,

甚至繼續產生更高位階稱號。

因此：

\boxed{ \text{Premature Peak Naming} \rightarrow \text{Future Naming Inflation} }

當最高級形容詞被提前拿來命名母類，未來能力提升只會迫使語言再次創造更高級的形容詞。

6.3 第三個後果：歷史語料產生時間斷裂

假設 2015 年一篇論文寫：

superintelligence

它大概率是在討論某種顯著超越人類認知能力的假設性或未來系統。

而 2027 年一份美國政府文件寫：

SI system

它可能只是在使用新的行政名稱稱呼過去會叫 AI 的系統。

因此同一 token：

SI

不再具有穩定語義，而變成：

Meaning(SI) = f( \text{time}, \text{jurisdiction}, \text{institution}, \text{domain}, \text{document} ).

這對人類研究者已經麻煩，對：

法規檢索；
RAG；
知識圖譜；
自動文獻分析；
訓練資料標註；
AI 歷史研究；
跨國政策比較；

則更麻煩。

它會形成真正的 temporal semantic ambiguity。

7. 不應把「能力提升」誤寫成「類別提升」

政策制定者與企業當然可以合理主張：

Capability(AI_t)\uparrow.

甚至：

EconomicImportance(AI_t)\uparrow.

也可以主張：

StrategicImportance(AI_t)\uparrow.

問題在於：

Capability\uparrow

並不必然要求：

CategoryName\uparrow.

例如一台電腦從每秒十億次運算提升到每秒萬億次運算，我們可以更新性能描述，而不需要把「Computer」母類本身改叫「Super Computer」。

同樣：

AI_{2026}

可以比：

AI_{2016}

強非常多。

這不代表：

\text{Artificial}

這個來源標記失效。

恰恰相反，能力越快速發展，就越需要把：

\text{what it is}

與：

\text{how capable it is}

分開。

否則每次技術進步都會帶來重新命名：

Name_t \rightarrow Name_{t+1} \rightarrow Name_{t+2}.

分類系統最後會退化成版本宣傳系統。

8. 一個更乾淨的形式化：正交智能座標

本文提出最小形式：

\mathcal{I} = \mathcal{P} \times \mathcal{C}.

其中：

\mathcal{P} = \text{provenance space},

\mathcal{C} = \text{capability space}.

但真實世界顯然還需要更多維度。

更完整的智能描述可以寫成：

x= (P,C,A,R,V,S,T,\ldots),

其中：

P=\text{Provenance},

C=\text{Capability},

A=\text{Autonomy},

R=\text{Reliability},

V=\text{Verifiability},

S=\text{Self-modeling},

T=\text{Temporal / long-horizon coherence}.

這個表示的核心不是宣稱這些就是唯一正確維度，而是指出：

\boxed{ \text{Intelligence description} \text{ is intrinsically multidimensional.} }

如果如此，一個單一字詞：

\text{Super}

就不可能合理承載所有重要資訊。

某系統可以：

數學推理遠超平均人類；
長期自主性很低；
世界耦合能力很弱；
可驗證性高；
社會理解不穩定；
工具使用能力極強；
在某些新分布上泛化不足。

那麼問：

「它是不是 Super？」

可能從一開始就是低解析度問題。

更好的問題是：

「它在哪些能力維度超越什麼基準？在什麼條件下？可靠度如何？自主性如何？可驗證性如何？」

因此：

\boxed{ \text{Capability Profile} > \text{Prestige Label} }

9. 本文不主張什麼

為避免把分類學批判誤解成人類中心主義防衛，本文明確排除幾個不成立的推論。

9.1 不主張人類智能永遠比較高

本文完全允許：

C(AI)>C(Human)

甚至：

C(AI)\gg C(Human).

若未來證據支持，就應如實描述。

9.2 不主張 Artificial 等於低等

本文反而反對：

\text{Artificial} \Rightarrow \text{Inferior}.

來源與價值不是同一維度。

9.3 不主張 SI 這個詞本身不能使用

SI 或 superintelligence 可以是有用的能力概念，只要其比較基準與適用條件明確。

本文反對的是：

AI:=SI

這種把母類來源詞與能力位階詞直接做全域 alias 的做法。

9.4 不主張名稱永遠不能改

語言本來就會演化。

真正要求的是：

\boxed{ \text{Rename only after preserving semantic dimensions.} }

如果舊詞存在缺陷，可以重新設計分類系統；但新的系統至少應保留：

來源；
能力；
自主性；
可靠性；
發展狀態；

之間的可區分性。

10. 從「命名」回到「測量」

一個成熟技術領域不應主要依賴榮耀性形容詞進行能力分類。

如果今天我們說：

這是一個 Super Intelligence。

它沒有直接回答：

數學推理成功率多少？
對未知環境的泛化如何？
可連續自主運行多久？
能否可靠校正自己的不確定性？
是否能在長時程任務維持目標一致性？
是否能與物理世界穩定耦合？
是否具有可審計的行動邊界？
在哪些領域超越哪些人類基準？

因此真正值得追求的不是找到下一個更強的稱號，而是把智能描述逐步移向：

\mathbf{C}(x) = (c_1,c_2,\ldots,c_n).

當：

\mathbf{C}(x)

足夠清楚時，「Super」反而變成次要的自然語言摘要。

這也是整個系列最終要走向 Developmental State Description 的原因。

11. 核心命題

本文可以濃縮成以下七條命題。

命題一：來源—能力分離

\boxed{ P(x)\neq C(x) }

來源分類與能力分類是不同變數。

命題二：Artificial 非能力詞

\boxed{ \text{Artificial} \not\Rightarrow \text{Inferior} }

也不推出 Super。

命題三：Super 是相對位階詞

\boxed{ Super(X) \Rightarrow \exists B:\ C(X)>B }

若沒有比較基準，「Super」的技術資訊量迅速下降。

命題四：AI 與 SI 可以交集，但不應預設等價

\boxed{ AI\cap SI\neq\varnothing \quad\not\Rightarrow\quad AI=SI }

命題五：母類命名不應偷渡能力結論

\boxed{ \text{Class Membership} \not\Rightarrow \text{Capability Rank} }

命題六：提前占用最高級詞彙會降低未來語義空間

\boxed{ \text{Premature Peak Naming} \rightarrow \text{Semantic Compression} }

命題七：智能分類應由單軸稱號轉向多維狀態

\boxed{ \text{Scalar Prestige Label} \ll \text{Multidimensional Capability Description} }

12. 結論：AI 可以成為 SI，但 AI 不等於 SI

本文最終並不需要一個複雜結論。

它只有一句：

\boxed{ \text{AI can become SI}, \qquad AI\neq SI. }

人工智能完全可能發展成超級智能。

正因如此，我們更應保留兩個詞之間的區別。

如果未來真的出現：

\text{Artificial} \land \text{Superintelligent}

的系統，那麼人類需要能夠準確說：

它是一個人工來源、具有超級智能能力的系統。

而不是因為在它真正出現以前，就已經把全部人工智能統稱為 Super Intelligence，導致我們失去描述那個能力跨越的詞彙。

技術文明最需要避免的，不是語言永遠不變，而是：

\boxed{ \text{在能力空間尚未被理解以前， 先用位階性名稱把空間壓扁。} }

因此，2026 年 AI→SI 的爭議真正值得研究的，不只是政治品牌，也不只是科技產業宣傳。

它提出了一個更長期的文明問題：

我們是在用語言描述智能的發展，還是在智能尚未完成發展之前，先用語言替它指定了位階？

這個問題將直接通往下一篇：

《當機器成為 Super，人類被叫成了什麼？》

因為一旦「Super」是一個相對詞，重新命名機器智能的同時，也可能正在重新命名它的比較基準——人類自己。

參考資料

The White House. Executive Order 14434 — Inaugurating the Era of Super Intelligence. September 29, 2026.
https://www.whitehouse.gov/presidential-actions/2026/09/inaugurating-the-era-of-super-intelligence/
The White House. Fact Sheet: President Donald J. Trump Inaugurates the Era of Super Intelligence. September 29, 2026.
https://www.whitehouse.gov/fact-sheets/2026/09/fact-sheet-president-donald-j-trump-inaugurates-the-era-of-super-intelligence/
U.S. House of Representatives, Office of the Law Revision Counsel. 15 U.S.C. § 9401 — Definitions.
https://uscode.house.gov/view.xhtml?req=%28title%3A15+section%3A9401+edition%3Aprelim%29
Oxford Martin School. Superintelligence: Paths, Dangers, Strategies. Nick Bostrom, 2014.
https://www.oxfordmartin.ox.ac.uk/publications/superintelligence-paths-dangers-strategies
Sotala, Kaj, et al. Reframing Superintelligence: Comprehensive AI Services as General Intelligence. Future of Humanity Institute technical report.
https://www.fhi.ox.ac.uk/wp-content/uploads/Reframing_Superintelligence_FHI-TR-2019-1.1-1.pdf

系列定位

《智能命名、語義位階與反身文明論》
Intelligence Naming, Semantic Hierarchy, and Reflexive Civilization — INSHRC

本文為第 1 / 16 篇。

02 —《當機器成為 Super，人類被叫成了什麼？》