定义：不断移动的球门
AI效应是一种认知偏见，指当人工智能(AI)成功掌握一项新能力后，人们就不再认为它是“真正的”智能了。随着技术的进步，人们对“智能”的定义也在不断调整，将已实现的技术排除在外。
研究员 Rodney Brooks 抱怨道：“每当我们弄懂了它的一部分，它就不再神奇了；我们说，‘哦，那只是计算而已。’”
AI is whatever hasn't been done yet. (人工智能就是那些尚未完成之事。)
关于“泰斯勒定理”的细节澄清
根据拉里·泰斯勒本人的说明，这句名言的常用版本与他的原话略有出入：
常用引用版本： “Artificial Intelligence is whatever hasn't been done yet.” (人工智能是那些尚未完成之事。)
泰斯勒的实际原话： “Intelligence is whatever machines haven't done yet.” (智能是机器尚未能做之事。)
他解释道，这一定理旨在描述一种现象：许多人倾向于通过我们所谓的“独特智能”来定义人性。因此，无论何时，当一台机器（或动物）能够完成某项任务时，这些人就会将该任务排除在“智能”的范畴之外，以维护人类的特殊性。
⭐ 对AI编程与软件工程的影响
AI效应对软件领域产生了深远且具体的影响。许多曾经被视为尖端AI研究的成果，如今已成为软件工程的标准工具和库，不再被贴上“AI”的标签。
- 静默的技术伙伴： 成功的AI算法被迅速整合到各种应用中，成为解决特定问题的“无名英雄”。例如，光学字符识别（OCR）曾经是AI的重大挑战，现在则是一个常见的软件库功能。
- 领域特定化： 一旦AI技术在某个领域（如计算机视觉、自然语言处理）成熟，它通常会催生出新的商业或科学分支。这项技术随即被视为该应用领域的一部分，而不是“通用人工智能”的进展。
- 市场营销的“去AI化”： 许多营销人员会避免使用“人工智能”这个词，即便他们的产品依赖于AI技术。这部分是由于“AI寒冬”留下的负面印象，部分是因为将技术描述为特定功能（如
智能推荐引擎或自动化数据分析）比笼统地称为“AI”更具市场吸引力。
这种“降级”效应导致了一个悖论：AI领域看起来似乎进展缓慢，但实际上它的成功正在被其他领域不断吸收和消化。对软件工程师而言，这意味着他们日常使用的许多高级算法和工具，其根源都来自AI研究。
主要表现：从前沿到日常
随着AI技术的主流化，许多曾经被认为是智能象征的任务，现在已被大众视为理所当然的计算技术。
经典案例：IBM“深蓝”击败国际象棋世界冠军
1997年，当IBM的“深蓝”计算机击败加里·卡斯帕罗夫时，批评者们普遍认为这并非“真正的”智能。
- 观点： 批评者声称，“深蓝”仅仅使用了“暴力计算方法”(Brute Force)，通过穷举大量可能性来获胜，缺乏人类的直觉和深刻理解。
- 反驳： 另一方观点认为，如果一个人能击败世界冠军，他会被视为天才。当机器做到时，其智能性却被贬低了。这正是AI效应的典型体现。
其他已融入日常的AI技术：
- 光学字符识别 (OCR): 曾是AI的重大突破，现已是扫描软件和移动应用的标配功能。
- 市场营销自动化: 复杂的推荐算法和客户行为预测模型，如今被视为“数据分析”而非AI。
- 农业与酒店自动化: 自动化流程和机器人应用已成为提高效率的工具，其背后的AI决策系统常被忽略。
背后的深层原因
AI效应的产生源于技术、心理和社会等多方面因素。
观点1: 保留人类在认知链顶端的特殊位置
Michael Kearns 认为，人们在潜意识里试图为自己保留在宇宙中的特殊角色。一旦我们能够完全理解一个系统的工作原理，它的神秘感就消失了，我们倾向于将其归类为“自动化”而非“智能”，从而维护人类的独特性。
观点2: “AI寒冬”的历史遗产
在1990年代初的第二次“AI寒冬”期间，“人工智能”一词声名不佳。许多研究人员和公司发现，如果他们避免使用这个标签，转而使用更具体的名称，会更容易获得资金和销售软件。这种趋势一直延续至今。