人工智能的討論在近年持續擴張，並逐步成為科技產業最強勢的概念。政府、企業與媒體都以「AI」作為科技進展的象徵，而大眾亦逐漸接受人工智能將改變社會的敘事。這套敘事提供一種宏大的框架，但與實際運作的技術本質存在明顯差距。真正驅動今日語言生成、程式輔助、影像處理以及自動化內容製作的核心技術是被稱為大型語言模型（Large Language Model）的統計模型。這類模型有清晰的工程基礎、有可觀察的行為模式，也有明確的限制，但它們在產業語言中被統一納入「AI」這個廣泛符號之中，令技術本體逐漸被敘事壓過。

LLM 的工程屬性與可驗證性

大型語言模型的運作依賴巨大語料、向量嵌入、注意力機制以及統計式的生成方法，其能力源自運算架構與數據分佈，而非某種具備意識、意向或理解能力的「智慧」。模型生成語言的方式可以被拆解為概率選擇與語義推理的組合，所以整個系統具備高度可檢驗性。工程研究可以解釋模型如何學習、如何生成、如何出現偏差，也能指出限制所在。這一點顯示 LLM 屬於技術工藝，具有明確的本體基礎。

LLM 的核心能力集中於語言模式的捕捉與重組。它擅長對齊上下文、維持語氣一致，以及在語料限制範圍中進行推理。所有行為都可追溯到模型內部的向量結構，因此屬於科學與工程可觀察的範疇。這種透明度與可分析性，使 LLM 與科學研究的傳統一致，而這些特質不容易與「智能」這種未被定義的概念重疊。

「AI」的擴張源於語氣與敘事，不源於科學定義

人工智能一詞在科學史上從未被明確界定，它在早期研究中代表目標，而非完成的概念，因此可容納任何希望被納入智能範圍的技術成果。在今日的科技產業，AI 已成為一種敘事框架，而非科學概念。這個框架將語言模型的高效表現視為智能的證據，並將統計式生成描述為某種「理解」。敘事的力量使模型被視作近似人類思維的系統，而這些投射多來自語氣效果。

AI 敘事的影響源於三個方向。第一，科技公司需要一個具有吸引力的故事，以維持資金支持與市場注意力。第二，媒體偏好具有未來感的概念，因此傾向以「AI」作為具象化符號。第三，大眾多依賴可感知的現象判斷技術，而未必關心相關概念是否具有本體論基礎。這些因素共同促成 AI 的擴張，而 LLM 的本體特質則在語言層面逐漸被遮蔽。

AI 敘事如何遮蔽技術本體

AI 敘事的影響在公共討論中非常明顯。當模型展現出連貫語言、程式生成、文稿撰寫或對話能力時，大眾容易把這些行為視為「智能的展現」，但這些能力來自語料之間的關聯，而非來自世界模型或自主意向。模型在運算層面不會形成目的，也不會建立持續性的世界理解。它的輸出來源於統計結構，而這些結構只反映語料分佈，而不反映概念本身的真實性。

AI 敘事將這些技術能力轉化為智慧或認知的象徵，並透過語氣製造擬人化效果。當敘事與語氣結合，技術的本體會被包裹在一層象徵性語彙之中。大眾在此情況下難以區分模型的結構性限制，也難以理解模型缺乏自我、缺乏意向與缺乏長期記憶等基本特徵。敘事造成一種誤認，使語言模型的行為被誤解為智慧的行為。

敘事與本體的張力

如果 AI 只是敘事，而 LLM 才是真正運行中的技術結構，社會對技術的理解便需要重新調整。敘事具有文化功能，能提供希望與想像，也能塑造經濟與政策方向。然而敘事與本體之間的差距可能引發誤判。例如政策可能基於對智能能力的錯誤理解而制定，而教育可能在未理解技術限制的情況下調整方向。這些後果源於語義的不清晰，而這個不清晰由 AI 敘事長期放大。

理解 LLM 的本體重要性代表理解其能力來自統計推理與語料結構。社會若能掌握這一點，便能在技術應用、倫理辯論與輿論判斷上採取更精準的位置。敘事可以持續存在，但不應遮蔽本體。

重建語義的必要性

若要使科技討論回到嚴謹軌道，社會需要清晰區分敘事與技術本身。「AI」可繼續作為文化符號，而「LLM」應成為技術研究、政策制定與教育討論的核心詞語。這種語義重建能讓不同領域更有效地理解技術能力與限制，也能避免將統計模型誤認為具備認知能力的系統。

未來科技可能持續進步，而語言模型可能逐步接近一般智能所要求的能力，但在這些發展真正到來之前，社會需要一個清晰的語言框架，使技術討論不再依賴模糊語彙。AI 敘事提供了故事，但 LLM 才提供實質。理解這一點是現代科技時代最重要的語義起點。