# 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

1. 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/

2. 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/

3. 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

4. Oxford Martin School. **Superintelligence: Paths, Dangers, Strategies.** Nick Bostrom, 2014.  
   https://www.oxfordmartin.ox.ac.uk/publications/superintelligence-paths-dangers-strategies

5. 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。

下一篇：

**02 —《當機器成為 Super，人類被叫成了什麼？》**