🧩 中文导读

媒体报道人工智能时，越来越倾向于使用拟人化的语言——

把算法称作“数字大脑”、

让聊天机器人“思考”、“感受”甚至“关心”。

这些隐喻（metaphors）的确让技术变得“可理解”，

但也模糊了统计计算与语义理解之间的界线。

本文探讨了这种拟人化叙事的来源、功能与风险。

🧠 一、“数字大脑”的隐喻

The digital brain

在西班牙《国家报》（El País）的一篇报道中，

中国AI模型 DeepSeek 被称作

“一个能够理解自身诞生地缘政治语境的数字大脑”。

这种写法用**“人脑”替代技术术语**（如参数、GPU、算法结构等），

既让读者感受到AI的“思考”能力，

又暗示它拥有“判断与记忆”的心智。

根据 George Lakoff 与 Mark Johnson 的概念隐喻理论（Conceptual Metaphor Theory），

隐喻是人类理解抽象事物的方式。

当我们说AI在“思考”，

其实是在用熟悉的心理活动去理解复杂的统计运算。

🔍 益处：帮助公众理解复杂技术。

⚠️ 风险：让人误以为AI真的“懂”了什么。

❤️ 二、“有感情的机器”

Machines with feelings

2025年2月，西班牙媒体ABC提出：

“情感AI有一天真的会感受到情绪吗？”

报道讲述了研究团队正试图为AI打造“数字边缘系统（digital limbic system）”，

也就是人类情感中枢的仿真模型。

然而，从哲学与生理角度看，

“情感（feelings）”离不开身体与自我意识，

而AI并不具备这两者。

这种说法让算法看似“有情绪”，

但实际上转移了道德焦点：

我们开始责怪或同情机器，

而忽略了真正应当负责的设计者与开发者。

🤖 三、“会照顾人的机器人”

Robots that care

报道中提到中国研发养老机器人时，

媒体往往用“照顾长者（take care of their elders）”这样的说法。

这一隐喻让机器成为“家庭成员”，

缓解了公众的焦虑，

也为技术应用提供伦理上的正当性。

然而，这同时掩盖了更深层的社会问题：

当护理劳动被私营公司运营的机器替代时，

谁该为服务质量与伦理后果负责？

🩺 四、“医生的助手”

The doctor’s assistant

另一篇报道中，大语言模型被比作：

“医生的助手”、“聪明的手术刀”、“永不疲倦的住院医”。

这种“半拟人化”叙事既不将AI视为威胁，

又塑造了人机合作的理想形象。

它帮助公众接受AI在医疗领域的应用，

但同时引出新的问责问题：

“如果这个‘助手’出错，责任在医生、软件，还是企业？”

🗞️ 五、为什么媒体热衷于这些隐喻？

Why does the press rely on metaphor?

1️⃣ 帮助理解：

隐喻把复杂的“深度神经网络”变成可感知的“思考器官”。

2️⃣ 制造戏剧性：

新闻需要“主角”与“冲突”，拟人化让算法有了故事。

3️⃣ 赋予道德判断：

只有当AI“像人”时，我们才会问：

它是否该为错误负责？

但这些隐喻同时模糊了理性边界。

如果AI“能感受”，它就该被立法保护？

如果AI“比人聪明”，我们是否该服从它的判断？

🧭 六、如何更谨慎地谈论AI

How to talk about AI responsibly

加上技术说明：在使用隐喻后，明确说明AI的实际功能与限制。
避免赋予绝对主动性：
“AI决定”可改写为“系统建议”或“算法分类”。
提及人类责任者：
强调开发者、监管机构的角色。
使用更多元的隐喻：
如“显微镜（microscope）”或“统计引擎（statistical engine）”，
代替“思考的头脑”。

🧩 结语：隐喻的力量与陷阱

Between clarity and confusion

隐喻是人类理解未知的天然方式，

但当AI越来越“像我们”，

我们也更容易把情感、希望与恐惧投射到它身上。

“语言创造现实，

而隐喻决定我们怎样与技术共处。”

未来，记者与读者都需要在

形象化的表达与概念的精确性之间

找到一条平衡之路。

“会思考、会感受的数字大脑”： 为什么我们总是拟人化人工智能？这些隐喻真的有用吗？

“会思考、会感受的数字大脑”：为什么我们总是拟人化人工智能？这些隐喻真的有用吗？