ELIZA，這個被廣泛認為是世界上第一個聊天機器人的程序，由Joseph Weizenbaum于1960年代初在麻省理工學院開發。它通過模擬羅杰斯心理治療師的非指導性咨詢方式，與用戶進行交流，其表面的簡單性背后卻隱藏著對人類交流本質的深刻探索。

Weizenbaum的初衷是創建一個研究自然語言通信的平臺，而不是一個與人類用戶進行對話的程序。他選擇了羅杰斯心理分析師和患者之間的對話作為模擬背景，因為這種設置可以簡單地創造出“相互理解的幻覺”。Weizenbaum在尋找一個能夠維持這種幻覺的背景時，需要一個無知不會破壞理解幻覺的環境。然而Weizenbaum在1966年的論文標題和他后來給McCorduck的解釋之間存在差異，這表明ELIZA實際上是作為研究人機通信的平臺而非模擬或諷刺心理分析師和患者之間對話的程序。要理解這種誤解的細節，我們需要了解ELIZA出現的背景，以及它是如何進入公眾視野的。

人們對ELIZA的初衷和功能的理解出現了偏差，他們往往將其簡化為一個旨在模仿人類對話的程序。近期，Jeff Shrager在其文章《ELIZA Reinterpreted: The world’s first chatbot was not intended as a chatbot at all》中對此進行了重新解讀，揭示了ELIZA背后更深層次的意圖和價值。作者Jeff Shrager是斯坦福大學符號系統項目的兼職教授，同時也是Blue Dot Change的成員。Shrager在計算和實驗室分子生物學領域擁有超過二十年的經驗，專注于生物系統的建模和分析。Shrager對人工智能領域的貢獻在于他對ELIZA的重新解讀，突出了這個世界上第一個聊天機器人的歷史背景和重要性。

ELIZA的誕生與初衷

在20世紀60年代，計算機科學家Joseph Weizenbaum在麻省理工學院的工作室中創造了ELIZA——這個名字源自于蕭伯納的戲劇《賣花女》，其主人公通過模仿上層社會的言談舉止實現了階級跨越。Weizenbaum的ELIZA也是為了探索人與機器之間的交流邊界而設計的。在那個計算機還未普及的年代，ELIZA的出現無疑是一次大膽的嘗試，它開啟了人們對于計算機能否模擬人類對話的廣泛討論。

Weizenbaum開發ELIZA的初衷并非創建一個能夠通過圖靈測試的聊天機器人，而是為了研究人類如何與機器進行交流，以及人們如何將機器輸出的信息解釋為有意義的對話。ELIZA最著名的“醫生”腳本，模擬了羅杰斯心理治療師的非指導性咨詢方式，其目的是為了觀察人們在與看似理解他們的機器交流時的行為和反應。

當時的AI研究正處于起步階段，主要集中在解決邏輯問題和模式識別上。ELIZA的出現，雖然技術上簡單，卻在人工智能的發展史上留下了深刻的印記。它不僅挑戰了人們對于機器智能的傳統認知，也為后來的自然語言處理和人機交互研究提供了寶貴的啟示和靈感。ELIZA證明了即使是基于簡單規則的程序，也能在一定程度上模擬人類的交流方式，引發人們對于AI能力和未來發展的無限遐想。

通過對ELIZA的誕生背景、Weizenbaum的初衷，以及ELIZA與當時AI研究的關系進行深入分析，我們可以更全面地理解這一歷史性的創新如何影響了計算機科學和人工智能的發展軌跡。ELIZA不僅是一個技術上的突破，更是一個文化和社會現象，它揭示了人類與機器之間復雜而微妙的關系，以及在這一關系中所蘊含的廣泛意義和可能性。

ELIZA的技術實現與局限性

ELIZA是在20世紀60年代由Joseph Weizenbaum開發的，它通過模式匹配和替換規則來處理用戶輸入的自然語言。ELIZA的核心是一個腳本解釋器，它能夠識別用戶輸入中的關鍵詞，并根據預設的腳本回復相應的語句。這種方法使得ELIZA能夠在沒有真正理解對話內容的情況下，模擬一種看似有意義的交流。例如，如果用戶提到“母親”，ELIZA可能會回復“告訴我更多關于你的家庭。”這種簡單的關鍵詞響應機制，雖然技術上不復雜，卻成功地創造了一種機器能夠“理解”和參與人類對話的幻覺。

IPL作為一種編程語言，其外觀不太美觀，與匯編語言相差無幾，而且作為一種解釋型語言，它比匯編語言或隨后出現的“高級”編譯語言（如COBOL和Fortran）要慢。這些編譯語言承諾給程序員提供高性能和表達的簡潔性。這引出了SLIP和Lisp，它們采取了不同的路徑來為IPL中開創的重要AI概念帶來簡潔性和額外的能力。

Weizenbaum通過多種途徑與AI聯系在一起，包括對模擬神經癥和偏執癥感興趣的斯坦福大學精神病學家Kenneth Colby，以及伯克利的計算機科學家Ed Feigenbaum。Feigenbaum是Simon的學生，并在IPL中創建了各種AI程序。Weizenbaum到達MIT后，他加入了由Lisp的發明者、人工智能術語的創造者John McCarthy部分發起的Project MAC。

Weizenbaum首先是一名軟件工程師，他剛從GE公司來，曾在那里工作過實用程序。有幾個項目旨在在Newell和Simon的IPL工作的成功基礎上進行構建，而不必處理其丑陋和低效。如上所述，已經有了幾種更加友好的編程語言，特別是Fortran和COBOL。但這些語言針對的是科學、工程和商業，并沒有提供IPL的AI相關功能，如符號處理、列表和遞歸。因此，自然會產生一個問題，如何將這些能力添加到那些已經存在的語言中。

Gelernter和他的同事在創建FLPL（Fortran列表處理語言）時，簡潔地捕捉了Fortran、IPL和Lisp之間的創造性糾纏：“在IBM 704計算機上使用JOHNNIAC IPL的翻譯工作得到了考慮。然而當時為該項目提供咨詢的J. McCarthy建議可以將Fortran適應于相同的目的。他指出Fortran格式內允許的函數嵌套使得可以用單一語句構建復雜的信息處理子程序。作者們后來發現，[Newell、Shaw和Simon]列表的結構與語言內可以編寫的某類代數表達式之間存在密切的類比。當然不容忽視的是Fortran編譯器本身所包含的相當復雜的技術，所有這些技術當然都延續到我們的Fortran編譯列表處理語言中。可以合理估計，用我們的語言編寫的例程將比用解釋型語言（如IPL）編寫的同一程序運行速度快約五倍。”

像Gelernter一樣，Weizenbaum也實現了一套受IPL啟發的列表處理功能，作為一組可由Fortran（后來是MAD）調用的函數，他稱之為SLIP。在創建SLIP時，Weizenbaum采取了與Gelernter類似的路徑。在他1963年的論文中，Weizenbaum（除了引用IPL和FLPL作為影響）批評了McCarthy的Lisp（盡管沒有提到它的名字）：“列表處理已經贏得了一些忠實的轉換者。但是有些人在倡導列表處理方面變得過于熱情。雖然有些編程任務最好完全在某些列表處理系統內解決，但大多數普通程序員面臨的任務需要應用多種不同的技術。在一個工具箱內打包多種工具似乎是為解決復雜問題的工人配備裝備的一個好方法，如果不是最佳方法。FORTRAN、ALGOL和其他同類型的語言提供了極好的工具。除了它們本身非常強大之外，它們還有一個優勢，那就是它們非常知名。因此，掌握這些新技術的任務就變成了向已經吸收的語言詞匯中添加新詞匯，而不是學習一種全新的語言。”

1963年SLIP論文中的致謝部分值得完整引用，因為它明確了許多聯系：“SLIP對之前的列表處理系統有相當大的債務。然而其某些特性更多是為了構建一個供行為科學家使用的符號操作器，而不是泛化其他處理器。在這方面，斯坦福大學的Kenneth Colby博士和加州大學伯克利分校的Edward Feigenbaum博士的持續和慷慨的建議和支持值得感激。作者還要感謝加州大學伯克利分校的Howard Sturgis和斯坦福大學的Larry Breed，他們使該系統在各自計算中心的計算機上運行起來。”

在Lisp和IPL-V中，符號是命名指針，這些語言是自包含的，對符號操作有特定的支持。因為SLIP嵌入在另一種語言中（最初是Fortran，后來是實現ELIZA的MAD），如果程序員選擇這樣做，命名結果來自于Fortran對變量的賦值。追蹤編程語言、人工智能和認知科學歷史中“符號”含義將需要另一篇完整的論文。

盡管ELIZA在當時引起了廣泛關注，但它在人工智能領域的局限性是顯而易見的。首先，ELIZA缺乏真正的理解能力，它無法構建對話的上下文，也無法記憶過往的交流內容。其次，ELIZA的交流能力完全依賴于腳本的質量和復雜性，它不能自主學習或適應新的對話模式。此外ELIZA的模式匹配方法在處理復雜或非預設的輸入時表現不佳，容易產生不相關或荒謬的回答。

盡管ELIZA本身存在局限，但它對后來人工智能的發展產生了深遠的影響。ELIZA開啟了自然語言處理和人機交互研究的新篇章，激發了對話系統和聊天機器人的進一步探索。ELIZA的出現證明了即使是基于簡單規則的系統也能在一定程度上模擬人類的交流方式，為后續更復雜的自然語言處理系統奠定了基礎。ELIZA的設計思想和技術方法也為現代AI中的大型語言模型和機器學習算法提供了寶貴的參考。

ELIZA與圖靈測試

圖靈測試由英國數學家和邏輯學家艾倫·圖靈在1950年提出，旨在評估機器是否能夠展現出與人類不可區分的智能行為。測試的基本形式是一個“盲”測試，其中一名人類審問者通過打字的方式與一個人類和一個機器進行交流，但不知道哪個是機器。如果審問者無法可靠地判斷哪個是機器，或者機器的表現與人類相當，那么機器就被認為通過了圖靈測試，展現了人類水平的智能。

圖靈機是Turing對20世紀初期一系列探究的貢獻，這包括Turing、Kurt Godel和Alonso Church，他們都在解決Hilbert和Ackerman在1928年提出的“Entscheidungsproblem”。Hilbert的挑戰是找到一個算法來確定數學命題是否可證明。Godel通過我們現在稱為“Godel Numbering”的方法解決了這個問題，他將數學表達式轉換成數字，并展示了在一個完整系統中有些表達式是無法證明的。Church通過形式化通用遞歸函數在一個稱為“Lambda Calculus”的系統中達到了相同的結論。Turing通過描述一個可以計算任何函數的通用機器來解決這個問題。Turing然后展示了，與Godel和Church等價地，有些程序是不可能證明它們會在他的機器上停止運行的，我們現在稱之為“停機問題”。

Turing對通用計算機、可計算函數和智能的興趣之間的聯系是顯而易見的：如果一臺機器可以計算任何函數（暫且不考慮可證明性，這與人類智能并不直接相關），并且智能被認為是某種函數（這可能是另外一個爭論點，但是Turing假設了這一點），那么如果一個人的目標是理解智能甚至可能創造一個智能機器，那么能夠判斷你是否成功就變得很重要——因此，Turing發明了模仿游戲，現在著名的“圖靈測試”。

ELIZA作為一個模擬人類心理治療師的程序，其對話能力在當時被認為是相當先進的。然而ELIZA的設計并不是為了通過圖靈測試。它的對話能力完全依賴于預設的腳本和模式匹配技術，缺乏真正的理解和學習能力。盡管有些用戶可能會被ELIZA的回答所迷惑，認為它表現出了一定程度的智能，但從技術上講，ELIZA并沒有達到圖靈測試中所要求的智能水平。它更多地展示了人類如何容易地被機器的表面行為所欺騙，而不是機器本身的智能。

Weizenbaum對圖靈測試持批判態度。他認為即使機器通過了圖靈測試，這也并不意味著機器真正理解了交流的內容或具備了智能。Weizenbaum通過ELIZA展示了機器如何在沒有真正理解的情況下模擬對話，從而質疑了圖靈測試作為智能評估標準的有效性。他強調，人們不應該僅僅因為機器的表面行為就輕易地歸結為它具有智能。Weizenbaum的觀點提示我們，在評估AI的智能時，需要更深入地考慮機器的內部工作機制和它們如何處理和理解信息。

通過對圖靈測試的概念、ELIZA是否符合圖靈測試的要求，以及Weizenbaum對圖靈測試的看法的分析，我們可以更全面地理解ELIZA在人工智能史上的地位，以及它對后續AI研究和評估標準的影響。ELIZA的案例教會我們，評估AI的智能不應僅僅基于外部表現，而應深入探討其內部邏輯和處理能力。

ELIZA的社會影響

ELIZA作為早期人工智能的代表作，在社會上引起了廣泛的關注和討論。它不僅在科技界產生了轟動，更在普通大眾中激發了對于與機器對話可能性的好奇心。ELIZA的出現，使得人們開始思考計算機是否能夠理解人類情感，甚至是否能夠取代心理醫生等專業人士。在某種程度上，ELIZA加速了人們對未來人機交互方式的想象，推動了對話系統和智能助手的發展。

盡管ELIZA在當時被視為一種突破，但人們對其實際能力的理解存在誤區。許多用戶被ELIZA表面上的響應所迷惑，認為它具有真正的理解和情感反應能力。但是這種誤解恰恰反映了Weizenbaum希望探討的問題：人們如何將機器輸出的信息人性化，并賦予其超出其真實能力的智能。正確地理解ELIZA，意味著認識到它僅僅是一個基于預設腳本運行的程序，而非具備真實智能的實體。

ELIZA對人機交互研究的貢獻不容小覷。它提供了一個研究平臺，讓研究人員能夠觀察和分析人類如何與機器進行交流。通過ELIZA研究人員能夠探索如何設計機器以更自然、更具吸引力的方式與人交流。此外ELIZA的出現也促進了對人類交流模式的研究，包括語言的模式識別、情感表達和社會互動的復雜性。ELIZA的案例為后來的人機交互研究提供了寶貴的經驗和啟示，對現代AI中的自然語言處理和對話系統的發展產生了深遠影響。

ELIZA的再解讀

Jeff Shrager在其文章中提出了對ELIZA的新解釋，強調ELIZA并非旨在成為一個聊天機器人，而是作為一個研究工具，用于探索人機交流的復雜性和人類如何解釋機器行為。Shrager指出，Weizenbaum開發ELIZA的真正目的是為了研究人類對于機器輸出的理解和反應，而非創造一個能夠通過圖靈測試的智能系統。這一點揭示了ELIZA在人工智能史上的真實地位，它是一個探索和實驗的平臺，而不是一個終點或成果。

ELIZA作為一個研究平臺，為人機交互的研究提供了豐富的案例和數據。它展示了人們如何容易地將機器的輸出解釋為具有情感和理解的交流，即使這些輸出完全是基于預設的規則和模式。這種現象對于研究人類如何與AI交流，以及如何改善AI系統的設計以更自然地與人類交流具有重要意義。ELIZA的案例也為認知科學、心理學和社會學等領域提供了研究人類溝通和理解過程的新視角。

盡管ELIZA在技術上已經過時，但它在現代AI研究中仍然占有一席之地。ELIZA的設計思想和方法啟發了后來的自然語言處理和對話系統的發展，特別是在模擬人類對話和情感反應方面。現代的AI對話系統，如Siri、Alexa和其他智能助手，都在某種程度上借鑒了ELIZA的概念。此外，ELIZA的案例繼續作為教學和研究的工具，幫助新一代的AI研究者和開發者理解人機交互的復雜性和挑戰。

結語

ELIZA作為人工智能史上的一個標志性項目，其歷史意義遠超過了它的技術成就。它不僅引發了公眾對于AI能力的廣泛討論，更重要的是它揭示了人類對于機器智能的深層心理預期。ELIZA的設計和運作方式教會我們，即使是基于最簡單規則的程序，也能夠引起復雜的人類反應和情感投射。這一點對于理解人機交互的本質至關重要，它提示我們在設計和評估AI系統時，我們需要考慮到用戶的心理和社會反應，而不僅僅是技術性能。

未來的AI研究應當從ELIZA的案例中吸取教訓，更加關注于AI系統的社會和心理影響。研究者們應當探索如何設計出能夠更深入理解人類語言和情感的AI系統，同時也要警惕AI在模仿人類行為時可能引起的誤解和道德問題。此外，AI的發展也應當注重透明度和用戶教育，幫助公眾正確理解AI的能力和局限，避免過度人性化的期待。

在技術層面，未來的AI研究可以繼續探索更復雜的自然語言處理算法，提高AI的上下文理解能力，以及在長期交互中保持一致性和相關性。同時，跨學科的合作也將是未來AI研究的關鍵，心理學、認知科學、社會學等領域的知識將對于創建更加智能和敏感的AI系統至關重要。

ELIZA的故事是一個關于技術、心理和社會交織的復雜敘事，它提醒我們，人工智能的發展不僅是計算機科學的進步，更是人類文化和社會結構變革的一部分。未來的AI研究需要在這些層面上進行深入的思考和探索，以確保技術的進步能夠為人類社會帶來真正的福祉。

參考資料：https://arxiv.org/pdf/2406.17650

本文轉載自??大噬元獸??，作者： FlerkenS ????