环球上第一个聊天机器人并非旨在成为聊天机器人

ELIZA，这个被宽泛以为是环球上第一个聊天机器人的程序，由Joseph Weizenbaum于1960年代初在麻省理工学院开发。它经过模拟罗杰斯心思治疗师的非指点性咨询方式，与用户启动交流，其外表的便捷性面前却暗藏着对人类交流实质的深入探求。

Weizenbaum的初衷是创立一个钻研人造言语通讯的平台，而不是一个与人类用户启动对话的程序。他选用了罗杰斯心思剖析师和患者之间的对话作为模拟背景，由于这种设置可以便捷地发明出“相互了解的幻觉”。Weizenbaum在寻觅一个能够维持这种幻觉的背景时，须要一个无知不会破坏了解幻觉的环境。但是Weizenbaum在1966年的论文题目和他起初给McCorduck的解释之间存在差异，这标明ELIZA实践上是作为钻研人机通讯的平台而非模拟或讥刺心思剖析师和患者之间对话的程序。要了解这种曲解的细节，咱们须要了解ELIZA发生的背景，以及它是如何进入群众视线的。

人们对ELIZA的初衷和配置的了解发生了偏向，他们往往将其简化为一个旨在模拟人类对话的程序。近期，Jeff Shrager在其文章《ELIZA Reinterpreted: The world’s first chatbot was not intended as a chatbot at all》中对此启动了从新解读，提醒了ELIZA面前更深档次的用意和价值。作者Jeff Shrager是斯坦福大学符号系统名目的兼职传授，同时也是Blue Dot Change的成员。Shrager在计算和试验室分子动物学畛域领有超越二十年的阅历，专一于动物系统的建模和剖析。Shrager对人工自动畛域的奉献在于他对ELIZA的从新解读，突出了这个环球上第一个聊天机器人的历史背景和关键性。

ELIZA的降生与初衷

在20世纪60年代，计算机迷信家Joseph Weizenbaum在麻省理工学院的上班室中发明了ELIZA——这个名字源自于萧伯纳的戏剧《卖花女》，其客人公经过模拟下层社会的言谈举止成功了阶层超越。Weizenbaum的ELIZA也是为了探求人与机器之间的交流边界而设计的。在那个计算机还未遍及的年代，ELIZA的发生无疑是一次性大胆的尝试，它开启了人们关于计算机能否模拟人类对话的宽泛讨论。

Weizenbaum开发ELIZA的初衷并非创立一个能够经过图灵测试的聊天机器人，而是为了钻研人类如何与机器启动交流，以及人们如何将机器输入的消息解释为无心义的对话。ELIZA最驰名的“医生”脚本，模拟了罗杰斯心思治疗师的非指点性咨询方式，其目的是为了观察人们在与看似了解他们的机器交流时的行为和反响。

过后的AI钻研正处于起步阶段，关键集中在处置逻辑疑问和形式识别上。ELIZA的发生，虽然技术上便捷，却在人工自动的开展史上留下了深入的印记。它不只应战了人们关于机器自动的传统认知，也为起初的人造言语处置和人机交互钻研提供了贵重的启示和灵感。ELIZA证实了即使是基于便捷规定的程序，也能在必定水平上模拟人类的交流方式，引发人们关于AI才干和未来开展的有限遐想。

经过对ELIZA的降生背景、Weizenbaum的初衷，以及ELIZA与过后AI钻研的相关启动深化剖析，咱们可以更片面地理解这一历史性的翻新如何影响了计算机迷信和人工自动的开展轨迹。ELIZA不只是一个技术上的打破，更是一个文明和社会现象，它提醒了人类与机器之间复杂而巧妙的相关，以及在这一相关中所包括的宽泛意义和或许性。

ELIZA的技术成功与局限性

ELIZA是在20世纪60年代由Joseph Weizenbaum开发的，它经过形式婚配和交流规定来处置用户输入的人造言语。ELIZA的外围是一个脚本解释器，它能够识别用户输入中的关键词，并依据预设的脚本回复相应的语句。这种方法使得ELIZA能够在没有真歪了解对话内容的状况下，模拟一种看似无心义的交流。例如，假设用户提到“母亲”，ELIZA或许会回复“通知我更多关于你的家庭。”这种便捷的关键词照应机制，虽然技术上不复杂，却成功地发明了一种机器能够“了解”和介入人类对话的幻觉。

IPL作为一种编程言语，其外观不太好看，与汇编言语相差无几，而且作为一种解释型言语，它比汇编言语或随后发生的“初级”编译言语（如COBOL和Fortran）要慢。这些编译言语承诺给程序员提供高性能和表白的繁复性。这引出了SLIP和Lisp，它们采取了不同的门路来为IPL中开创的关键AI概念带来繁复性和额外的才干。

Weizenbaum经过多种途径与AI咨询在一同，包括对模拟神经症和偏执症感兴味的斯坦福大学精气病学家Kenneth Colby，以及伯克利的计算机迷信家Ed Feigenbaum。Feigenbaum是Simon的在校生，并在IPL中创立了各种AI程序。Weizenbaum抵达MIT后，他参与了由Lisp的发明者、人工自动术语的发明者John McCarthy部散动员的Project MAC。

Weizenbaum首先是一名软件工程师，他刚从GE公司来，曾在那里上班过适用程序。有几个名目旨在在Newell和Simon的IPL上班的成功基础上启动构建，而不用处置其奇丑和低效。如上所述，曾经有了几种愈加友好的编程言语，特意是Fortran和COBOL。但这些言语针对的是迷信、工程和商业，并没有提供IPL的AI相关配置，如符号处置、列表和递归。因此，人造会发生一个疑问，如何将这些才干减少到那些曾经存在的言语中。

Gelernter和他的共事在创立FLPL（Fortran列表处置言语）时，繁复地捕捉了Fortran、IPL和Lisp之间的发明性纠缠：“在IBM 704计算机上经常使用JOHNNIAC IPL的翻译上班获取了思索。但是过后为该名目提供咨询的J. McCarthy倡议可以将Fortran顺应于相反的目的。他指出Fortran格局内准许的函数嵌套使得可以用繁多语句构建复杂的消息处置子程序。作者们起初发现，[Newell、Shaw和Simon]列表的结构与言语内可以编写的某类代数表白式之间存在亲密的类比。当然不容漠视的是Fortran编译器自身所包括的相当复杂的技术，一切这些技术当然都间断到咱们的Fortran编译列表处置言语中。可以正当预计，用咱们的言语编写的例程将比用解释型言语（如IPL）编写的同一程序运转速度快约五倍。”

像Gelernter一样，Weizenbaum也成功了一套受IPL启示的列表处置配置，作为一组可由Fortran（起初是MAD）调用的函数，他称之为SLIP。在创立SLIP时，Weizenbaum采取了与Gelernter相似的门路。在他1963年的论文中，Weizenbaum（除了援用IPL和FLPL作为影响）批判了McCarthy的Lisp（虽然没有提到它的名字）：“列表处置曾经赢得了一些虔诚的转换者。但是有些人在提倡列表处置方面变得过于激情。虽然有些编程义务最好齐全在某些列表处置系统内处置，但大少数个别程序员面临的义务须要运行多种不同的技术。在一个工具箱内打包多种工具仿佛是为处置复杂疑问的工人装备装备的一个好方法，假设不是最佳方法。FORTRAN、ALGOL和其余同类型的言语提供了极好的工具。除了它们自身十分弱小之外，它们还有一个长处，那就是它们十分出名。因此，把握这些新技术的义务就变成了向曾经排汇的言语词汇中减少新词汇，而不是学习一种全新的言语。”

1963年SLIP论文中的致谢局部值得完整援用，由于它明白了许多咨询：“SLIP对之前的列表处置系统有相当大的债务。但是其某些个性更多是为了构建一个供行为迷信家经常使用的符号操作器，而不是泛化其余处置器。在这方面，斯坦福大学的Kenneth Colby博士和加州大学伯克利分校的Edward Feigenbaum博士的继续和小气的倡议和支持值得感谢。作者还要感谢加州大学伯克利分校的Howard Sturgis和斯坦福大学的Larry Breed，他们使该系统在各自计算中心的计算机上运转起来。”

在Lisp和IPL-V中，符号是命名指针，这些言语是自包括的，对符号操作有特定的支持。由于SLIP嵌入在另一种言语中（最后是Fortran，起初是成功ELIZA的MAD），假设程序员选用这样做，命名结果来自于Fortran对变量的赋值。追踪编程言语、人工自动和认知迷信历史中“符号”含意将须要另一篇完整的论文。

虽然ELIZA在过后惹起了宽泛关注，但它在人工自动畛域的局限性是显而易见的。首先，ELIZA不足真正的了解才干，它无法构建对话的高低文，也无法记忆过往的交流内容。其次，ELIZA的交流才干齐全依赖于脚本的品质和复杂性，它不能自主学习或顺应新的对话形式。此外ELIZA的形式婚配方法在处置复杂或非预设的输入时体现不佳，容易发生不相关或荒唐的回答。

虽然ELIZA自身存在局限，但它对起初人工自动的开展发生了深远的影响。ELIZA开启了人造言语处置和人机交互钻研的新篇章，激起了对话系统和聊天机器人的进一步探求。ELIZA的发生证实了即使是基于便捷规定的系统也能在必定水平上模拟人类的交流方式，为后续更复杂的人造言语处置系统奠定了基础。ELIZA的设计思维和技术方法也为现代AI中的大型言语模型和机器学习算法提供了贵重的参考。

ELIZA与图灵测试

图灵测试由英国数学家和逻辑学家艾伦·图灵在1950年提出，旨在评价机器能否能够展现出与人类无法辨别的自动行为。测试的基本方式是一个“盲”测试，其中一名人类审判者经过打字的方式与一团体类和一个机器启动交流，但不知道哪个是机器。假设审判者无法牢靠地判别哪个是机器，或许机器的体现与人类相当，那么机器就被以为经过了图灵测试，展现了人类水平的自动。

图灵机是Turing对20世纪初期一系列探求的奉献，这包括Turing、Kurt Godel和Alonso Church，他们都在处置Hilbert和Ackerman在1928年提出的“Entscheidungsproblem”。Hilbert的应战是找到一个算法来确定数学命题能否可证实。Godel经过咱们如今称为“Godel Numbering”的方法处置了这个疑问，他将数学表白式转换成数字，并展现了在一个完整系统中有些表白式是无法证实的。Church经过方式化通用递归函数在一个称为“Lambda Calculus”的系统中到达了相反的论断。Turing经过形容一个可以计算任何函数的通用机器来处置这个疑问。Turing而后展现了，与Godel和Church等价地，有些程序是无法能证实它们会在他的机器上中止运转的，咱们如今称之为“停机疑问”。

Turing对通用计算机、可计算函数和自动的兴味之间的咨询是显而易见的：假设一台机器可以计算任何函数（暂且不思索可证实性，这与人类自动并不间接相关），并且自动被以为是某种函数（这或许是另外一个争执点，但是Turing假定了这一点），那么假设一团体的指标是了解自动甚至或许发明一个自动机器，那么能够判别你能否成功就变得很关键——因此，Turing发明了模拟游戏，如今驰名的“图灵测试”。

ELIZA作为一个模拟人类心思治疗师的程序，其对话才干在过后被以为是相领先进的。但是ELIZA的设计并不是为了经过图灵测试。它的对话才干齐全依赖于预设的脚本和形式婚配技术，不足真正的了解和学习才干。虽然有些用户或许会被ELIZA的回答所蛊惑，以为它体现出了必定水平的自动，但从技术上讲，ELIZA并没有到达图灵测试中所要求的自动水平。它更多地展现了人类如何容易地被机器的外表行为所诈骗，而不是机器自身的自动。

Weizenbaum对图灵测试持批判态度。他以为即使机器经过了图灵测试，这也并不象征着机器真歪了解了交流的内容或具有了自动。Weizenbaum经过ELIZA展现了机器如何在没有真歪了解的状况下模拟对话，从而质疑了图灵测试作为自动评价规范的有效性。他强调，人们不应该仅仅由于机器的外表行为就随便地归纳为它具有自动。Weizenbaum的观念提示咱们，在评价AI的自动时，须要更深化地思索机器的外部上班机制和它们如何处置和了解消息。

经过对图灵测试的概念、ELIZA能否合乎图灵测试的要求，以及Weizenbaum对图灵测试的看法的剖析，咱们可以更片面地理解ELIZA在人工自动史上的位置，以及它对后续AI钻研和评价规范的影响。ELIZA的案例教会咱们，评价AI的自动不应仅仅基于外部体现，而应深化讨论其外部逻辑和处置才干。

ELIZA的社会影响

ELIZA作为早期人工自动的代表作，在社会上惹起了宽泛的关注和讨论。它不只在科技界发生了惊动，更在个别群众中激起了关于与机器对话或许性的猎奇心。ELIZA的发生，使得人们开局思索计算机能否能够了解人类情感，甚至能否能够取代心思医生等专业人士。在某种水平上，ELIZA减速了人们对未来人机交互方式的构想，推进了对话系统和自动助手的开展。

虽然ELIZA在过后被视为一种打破，但人们对其实践才干的了解存在误区。许多用户被ELIZA外表上的照应所蛊惑，以为它具有真正的了解和情感反响才干。但是这种曲解恰好反映了Weizenbaum宿愿讨论的疑问：人们如何将机器输入的消息兽性化，并赋予其超出其实在才干的自动。正确地理解ELIZA，象征着意识到它仅仅是一个基于预设脚本运转的程序，而非具有实在自动的实体。

ELIZA对人机交互钻研的奉献不容小觑。它提供了一个钻研平台，让钻研人员能够观察和剖析人类如何与机器启动交流。经过ELIZA钻研人员能够探求如何设计机器以更人造、更具吸引力的方式与人交流。此外ELIZA的发生也促成了对人类交流形式的钻研，包括言语的形式识别、情感表白和社会互动的复杂性。ELIZA的案例为起初的人机交互钻研提供了贵重的阅历和启示，对现代AI中的人造言语处置和对话系统的开展发生了深远影响。

ELIZA的再解读

Jeff Shrager在其文章中提出了对ELIZA的新解释，强调ELIZA并非旨在成为一个聊天机器人，而是作为一个钻研工具，用于探求人机交流的复杂性和人类如何解释机器行为。Shrager指出，Weizenbaum开发ELIZA的真正目的是为了钻研人类关于机器输入的了解和反响，而非发明一个能够经过图灵测试的自动系统。这一点提醒了ELIZA在人工自动史上的实在位置，它是一个探求和试验的平台，而不是一个终点或成绩。

ELIZA作为一个钻研平台，为人机交互的钻研提供了丰盛的案例和数据。它展现了人们如何容易地将机器的输入解释为具无情感和了解的交流，即使这些输入齐全是基于预设的规定和形式。这种现象关于钻研人类如何与AI交流，以及如何改善AI系统的设计以更人造地与人类交流具有关键意义。ELIZA的案例也为认知迷信、心思学和社会学等畛域提供了钻研人类沟通和了解环节的新视角。

虽然ELIZA在技术上曾经过期，但它在现代AI钻研中依然占有一席之地。ELIZA的设计思维和方法启示了起初的人造言语处置和对话系统的开展，特意是在模拟人类对话和情感反响方面。现代的AI对话系统，如Siri、Alexa和其余自动助手，都在某种水平上自创了ELIZA的概念。此外，ELIZA的案例继续作为教学和钻研的工具，协助新一代的AI钻研者和开发者了解人机交互的复杂性和应战。

结语

ELIZA作为人工自动史上的一个标记性名目，其历史意义远超越了它的技术成就。它不只引发了群众关于AI才干的宽泛讨论，更关键的是它提醒了人类关于机器自动的深层心思预期。ELIZA的设计和运作方式教会咱们，即使是基于最便捷规定的程序，也能够惹起复杂的人类反响和情感投射。这一点关于了解人机交互的实质至关关键，它提示咱们在设计和评价AI系统时，咱们须要思索到用户的心思和社会反响，而不只仅是技术性能。

未来的AI钻研应当从ELIZA的案例中吸取经验，愈加关注于AI系统的社会和心思影响。钻研者们应当探求如何设计出能够更深化了解人类言语和情感的AI系统，同时也要警觉AI在模拟人类行为时或许惹起的曲解和品德疑问。此外，AI的开展也应当器重透明度和用户教育，协助群众正确了解AI的才干和局限，防止适度兽性化的等候。

在技术层面，未来的AI钻研可以继续探求更复杂的人造言语处置算法，提高AI的高低文了解才干，以及在常年交互中坚持分歧性和相关性。同时，跨学科的协作也将是未来AI钻研的关键，心思学、认知迷信、社会学等畛域的常识将关于创立愈加自动和敏感的AI系统至关关键。

ELIZA的故事是一个关于技术、心思和社会交织的复杂叙事，它提示咱们，人工自动的开展不只是计算机迷信的提高，更是人类文明和社会结构改革的一局部。未来的AI钻研须要在这些层面上启动深化的思索和探求，以确保技术的提高能够为人类社会带来真正的福祉。

参考资料：

本文转载自​​，作者：​​