首个聊天机器人Eliza仅200行代码
1964至1966年间,约瑟夫·维森鲍姆开发了仅200行代码的聊天机器人Eliza。它模仿心理医生对话风格,通过关键词重组回应。测试中用户对其产生情感依恋,维森鲍姆由此提出“Eliza效应”,指出模拟智能足以让人误以为机器理解自己,进而批判人工智能本质。
你是否听说过一个仅由200行代码构建的聊天机器人?它诞生于1964年至1966年间,由麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫·维森鲍姆亲手打造。这款名为Eliza的程序,不仅是人类历史上首个聊天机器人,更意外地引发了一场关于人工智能本质的深度反思。

Eliza这个名字,源自萧伯纳戏剧《卖花女》中的主角——一个出身寒微但通过模仿上流社会口吻最终蜕变成长的女孩。维森鲍姆以这一隐喻,为程序披上了戏剧性的外衣。尽管当时已有能够生成基本连贯文本的数字语言生成器,但Eliza是首个明确设计用于与人进行交互的程序。用户可以通过打字机输入自然语言,并随即收到机器的回复。正如维森鲍姆所言,Eliza实现了“人与计算机之间展开对话的可能性”。
其技术实现相当质朴:维森鲍姆采用MAD-SLIP编程语言,在36位的IBM 7094大型机上完成了开发。在那个计算机资源极其珍贵的年代,Eliza只能通过分时系统运行,用户则借助电动打字机和打印机进行远程交互。当你键入一句话并按下回车,信息会发送至远端的大型机。Eliza扫描消息中的关键字,将这些关键词重新组合成句子,再打印出来作为回复。听起来是否如同一个自动化的回音壁?
为了使用户愿意与它交流,维森鲍姆实施了一个“巧妙策略”:他让Eliza模仿罗杰式心理医生的对话风格——一种以人为本的心理咨询方法。程序接受用户的话语,然后以问句形式进行回应。请看看下面这段经典对话,留意它是如何精准抓住“男朋友”与“沮丧”这类关键词并将其重新抛回给用户的:
人:男人都是一样的。
Eliza:怎么说?
人:他们总是在困扰我们一些事情。
Eliza:您可以举一个具体示例吗?
人:好吧,我的男朋友让我来了这里。
Eliza:您的男朋友让您来了这里?
人:他说我很多时候都很沮丧。
Eliza:很抱歉听到您感到沮丧。
人:是的,我不开心。
这种对话方式给人的印象是:计算机似乎理解了用户的内容,尽管它实际上并未增添任何实质信息。事实上,维森鲍姆仅凭200行代码便营造出一种被机器倾听、理解的幻觉。
测试阶段出现了令人意外的状况。维森鲍姆邀请学生和同事到办公室,在他的观察下与机器聊天。他有些担忧地发现,许多测试者在短暂的互动之后,竟然开始对Eliza产生情感上的依恋。他们会向机器敞开心扉,坦诚分享自己生活与人际关系中的困扰。更令人震惊的是:即便维森鲍姆事后解释了Eliza的工作原理——它根本不懂用户说了什么——测试者仍然维持着那种亲密感。尤其是他的助手,这位亲眼看着程序从零构建起来的人,在测试时竟坚持要求维森鲍姆离开房间,以便她能跟Eliza进行“私下交谈”。
这个实验让维森鲍姆开始质疑阿兰·图灵在1950年提出的设想。图灵在《计算机械与智能》一文中认为,如果一台计算机能够通过文本与人类进行令人信服的对话,就可以认为它具有智能——这正是著名图灵测试的核心基础。但Eliza的实践表明:即使理解仅发生在人类这一侧,人机之间也能展开令人信服的对话。换句话说,对人类智能的模拟(而非智能本身)便足以使人产生误解。维森鲍姆将这种现象称为“Eliza效应”,并将其视为数字时代人类普遍遭受的一种“妄想”。这一洞察对他冲击极大,直接改变了他此后十年的研究方向。
1976年,维森鲍姆发表了《计算能力与人为原因:从判断到计算》一书,深入剖析了人们为何愿意相信“一台简单的机器或许能够理解复杂的人类情感”。他在书中指出,“Eliza效应”代表着一种困扰现代人的广泛病理:在一个由科学技术与资本主义主导的世界里,人们早已习惯将自己看作是一台冷漠社会机器中孤立的齿轮。正是由于社会环境日益冷漠,人们才变得如此绝望,以至于抛弃理性与判断力,转而去相信一个机器程序能够倾听他们的心声。
维森鲍姆的后半生,致力于对人工智能及计算机技术进行人文主义批判。他提出的核心提醒朴素而有力:你的机器并不像通常所说的那样聪明——即便它有时似乎会说话,但它从未真正聆听过你,它们仅仅是机器。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:首个聊天机器人Eliza仅200行代码要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点人工智能,这个话题近年来在科技界已被反复提及。尽管热议不断,但它确实正在深刻改变众多行业。今年两会期间,AI技术成为焦点,而在实际应用中,从医疗、教育到多媒体展览展示,AI的渗透率越来越高。尤其在互动展览展示领域,AI几乎已成为推动多媒体展馆设计升级的核心动力。那么,问题来了——AI究竟是如何在多媒
如果要在数据治理、AI项目中少踩坑,开篇就得先理清一对概念:语义和本体。 说直接点——语义是“意义”本身,本体是把意义系统化、显性化、可共享的“建制”。一个比喻可能更形象:语义是水,本体是盛水的容器;语义是空气,本体是测量空气的仪器和标准;语义是人人都有的理解,本体是大家签字画押的契约。 这两个词在
在金属板材的高精度折弯领域,传统折弯机往往面临挑战。根本原因在于材料自身的特性差异——同一块板材因成分分布和晶粒取向不同,其弹性回弹行为也会大相径庭。要实现精确可控的折弯结果,操作人员需要拥有深厚的理论知识和丰富的实践经验,这通常导致整个加工周期较长。 在当今工业环境中,机器需要承载多种功能,既要确
LateChunking将向量化置于切分之前,使片段向量融合上下文语义,以解决代词指代不明问题。虽在相似度计算中表现优于传统方法,但实际应用效果不佳,短句易与其他句子混淆,未能稳定提升检索质量。
- 日榜
- 周榜
- 月榜
热点快看
