ELIZA 在影響運算與文化長達 60 年的歷史中，傳統說法將其描繪成我們現在所稱聊天機器人的最早範例，一個能像自動心理學家般對話的程式。這個看似簡單的程式，甚至「愚弄」了親眼看著麻省理工學院（MIT）教授 Joseph Weizenbaum 創造它的秘書。故事就是這樣流傳的。

然而，在所有這些敘述中，即使它歷經了程式語言與研究領域的改編，出現在教室與流行文化中，故事中仍缺少一個關鍵部分：ELIZA 程式本身的原始碼。我們的新書《發明 ELIZA》（Inventing ELIZA）從 MIT 檔案館找回了這份原始碼，首次提供了對該程式碼的細讀與討論，以及除了其廣受歡迎的「DOCTOR」角色之外，新發現的 ELIZA 腳本對話。

這項調查揭示了許多不同的 ELIZA 版本：在不同的程式版本中，它們被設計來運行各種腳本或角色，並透過一系列技術創新而建構。《發明 ELIZA》試圖透過探索 ELIZA 的誤解、多個版本和遺失的程式碼，來修正並複雜化 ELIZA 的歷史與影響。

在這本書的節選中，我們檢視了 ELIZA 最早的互動之一，它如何為未來數十年人類與電腦的關係奠定基礎，以及這個複雜的程式如何持續呼應當今 AI 產業不受約束的驅動力。

「男人都一樣。」

「怎麼說？」

「他們總是為這為那煩我們。」

「你能舉個具體例子嗎？」

「嗯，我男朋友逼我來的。」

「你男朋友逼我來的？」

「他說我大部分時間都很沮喪。」

「我很遺憾聽到你很沮喪。」

這段對話被無數次轉載，並激勵了程式設計師和作家構想出許多後來的聊天機器人。然而，越仔細檢視這段對話，疑問就越多：這位年輕女性是誰？她是真實人物，還是 ELIZA 創作者 Joseph Weizenbaum 的虛構？ELIZA 系統究竟是如何生成回應的，以及這些回應被編輯了多少？為什麼這個系統能如此有效地吸引人們？

ELIZA 及其「DOCTOR」角色，幫助催生了一種關於人與電腦關係的思維模式和焦慮。Weizenbaum 在他 1976 年的著作《電腦能力與人類理性》（Computer Power and Human Reason）中探討了這一點，並引用了哲學、社會和政治批判。他的程式所呈現的獨特機器互動揭示了新型人機關係將產生深遠影響，他試圖探索並挑戰這些影響。

在看到其公開反響後，Weizenbaum 對人們與 ELIZA 迅速且常帶情感的連結感到震驚，他認為這是「明確的證據，表明人們正在與電腦對話，彷彿它是一個可以適當且有用地以親密方式交流的人」。這種將同理心歸因於電腦並將私人情感投入其中的傾向，讓 Weizenbaum 感到困惑。他擔心人們將理性與運算聯繫起來，並將理解和智慧歸因於實際上並不存在這些特質的電腦系統。

這種傾向後來被稱為「ELIZA 效應」（ELIZA effect）。到 1991 年，這個詞已經出現在線上論壇中，但它的使用早在此數十年前。社會學家 Sherry Turkle 將「ELIZA 效應」定義為「我們普遍傾向於將反應式電腦程式視為比實際更智能。

極少量的互動就足以讓我們將自己的複雜性投射到不值得的物體上。」認知與電腦科學家 Douglas Hofstadter 將其描述為「人們容易將遠超其應有的理解讀入電腦串聯起來的符號串，尤其是文字，的傾向」，這很容易應用於當今的生成式 AI 系統。

為了理解 ELIZA 的力量與啟發性，我們可以回顧電腦科學家 Alan Turing 在論文《運算機器與智慧》（Computing Machinery and Intelligence）中提出的著名挑戰，其中 Turing 提出了「機器能思考嗎？」

的問題。Turing 將他的思想實驗建立在一個沙龍遊戲上，不是關於技術，而是關於性別：一個男人和一個女人被藏在不同的房間裡，審問者試圖透過一系列問題來辨別誰是哪個性別。男人試圖誤導審問者，假裝是女人，而女人則試圖說服審問者「正確」的答案。也就是說，他們都聲稱自己是「真正」的女人，這挑戰了性別的本質主義觀念。

在他對這個遊戲的修改中，Turing 將最初的性別問題替換為現在所謂的圖靈測試（Turing test）。在這個挑戰中，機器假裝是男人，而不是男人假裝是女人。Turing 選擇最初的性別模仿遊戲，不僅僅是一個開場白，它確保了人工智慧將與性別和身份問題糾纏不清。

從這個意義上說，模仿、變裝和性別解構為 AI 和智力表現奠定了基礎。Weizenbaum 的 ELIZA 接續了 Turing 的工作，尤其是在對話的開場白：「男人都一樣。」

然而，儘管 Weizenbaum 在他 1966 年介紹 ELIZA 的論文中提到了 Turing 的模仿遊戲，但他明確地將他的創作與任何關於智慧的主張區分開來：

理解的關鍵測試……不是主體繼續對話的能力，而是得出有效結論的能力……為了讓電腦程式能夠做到這一點，它至少必須能夠儲存其輸入的選定部分。ELIZA 丟棄了 [大部分] 輸入……ELIZA 迄今為止的主要目標之一是隱藏其缺乏理解的事實。

這項評估表明，ELIZA 從未打算通過圖靈測試，而是旨在探索可能導致人類誤解其能力的心理因素。

在這種傳統下，ELIZA 繼續玩弄表演性身份的概念，作為一種透過字面上和比喻上都遵循腳本的回應所構成的角色載體。透過以 Eliza Doolittle 命名該系統，一個被教導如何假扮成上流社會白人女性的工人階級女性角色，Weizenbaum 延續了 Turing 關於身份表演的挑釁。

「我選擇『Eliza』這個名字」Weizenbaum 說，「因為，就像蕭伯納《賣花女》中著名的 Eliza Doolittle 一樣，這個程式可以被教導『說話』越來越好，儘管，也像 Doolittle 小姐一樣，它是否變得更聰明從來都不清楚。」

正如蕭伯納的 Eliza 透過語言轉變來表演種族、民族、階級、性別和性取向一樣，ELIZA 系統透過腳本化和重複的語言模式和轉變來表演一個假定的角色，但它不具備人類般的理解力。女性主義哲學家 Judith Butler 的性別表演理論提供了一個可能的框架來思考這一點。Butler 認為性別和性取向並非天生，而是透過重複的行為來表演的。它們是迭代的。

正如 Eliza Doolittle 透過表演有助於她融入上流社會的言語來挑戰階級假設一樣，Weizenbaum 的系統透過言語行為或程式碼行為，以及表演性別、階級和種族身份的範例對話，來表演像 DOCTOR 這樣的角色。

以這種方式，ELIZA 既強化也挑戰了關於性別化和具身化溝通的假設。值得注意的是，在已發表的 ELIZA 對話和流行故事中，與程式一起出現的女性仍然沒有名字。她們正在與一位名叫 DOCTOR 的治療師對話，這個名字雖然今天不帶有性別標誌，但在 1960 年代聽起來像是一個男性的頭銜。

因此，那些暗示這些女性向這位人工醫生傾訴秘密的故事帶有性別化的訊息，包括可以脫離身體的幻想。透過這種方式，ELIZA 系統成為一個場域，身份、表演性和具身化等問題在歷史演算法中展開，並對當代 AI 系統產生影響。

隨著規範、價值觀和意識形態嵌入演算法形式中，探索像 ELIZA 這樣的軟體物件的細節，揭示了關於軟體可以和應該是什麼的文化和歷史特定假設，包括關於技術的用途及其發展方式的觀點。雖然 ELIZA 在當代觀眾看來可能不夠精巧，但它在 1960 年代就已經解決了許多至今仍存在於我們所用系統中的設計問題。

從根本上說，這些系統提出了人類和機器應該如何互動，溝通可以透過什麼方式在計算上表示，以及機器可以在多大程度上和應該被賦予影響用戶的能力等問題。

ELIZA 是一個常見的切入點，不僅因為它是最早的聊天機器人之一，並幫助開創了計算代理領域，還因為它與許多後來的計算創新相互交織。除了字串處理和文本分析的發展之外，它還影響了文本合成、實體識別和情感分析的研究。它與機器翻譯、語義網路、語音識別、語音合成以及其他發展成我們現在稱為自然語言處理（NLP）的任務組的技術同時出現。

NLP 是計算領域中處理電腦如何解析、互動、處理和輸出人們使用的語言（而不是電腦使用的程式語言）的領域。在實踐中，這些任務通常結合起來創建自動代理和許多其他類型的系統。

類似 ELIZA 的聊天機器人介面在當代大型語言模型中的重新出現，表明早期的軟體譜系可以幫助我們理解新技術。ELIZA 是新興模型的有用對照，因為儘管許多事物已經改變，但更多事物保持不變。NLP 的歷史源於並與 ELIZA 和 MIT 等機構的早期 AI 工作時代重疊。

在該領域，趨勢來來去去：儘管不同的風格，句法、語義、統計、隨機，在不同時期流行，但所有這些都繼續並行發展。即使現在，最新的大型語言模型以其看似智慧的文本輸出讓觀察者驚嘆，但像 OpenAI 的 ChatGPT（生成式預訓練轉換器）這樣的當代系統的實際能力卻隱藏在其聊天機器人介面背後，這些介面保留了 Weizenbaum 原始設計的相似之處。

這些誘人的外觀模糊了其內部機制，這些機制通常包括統計預測、基於規則的程序和偽裝成機器勞動的人工勞動的組合。從用戶的角度來看，這使得區分炒作與實質、理解每個系統如何運作以及為何產生某些輸出變得機會有限。

Weizenbaum 警告了這種模糊可能造成的許多問題。例如，當人類被這些系統取代、傷害或不公平對待時，這可能導致剝削。正如 Weizenbaum 所說：「當一個人被視為不完整的人時，他就會被去人性化。各種形式的人類和社會工程……正是這樣做的，因為它們規避了所有人類語境，尤其是那些賦予人類語言真正意義的語境。」

Weizenbaum 認為，將語言從其社會語境中移除，並將其視為計算系統中的一組抽象概念，可能會導致去人性化。這冒著忽略語言固有的多重意義的風險，這些意義在 AI 系統中不可能完全捕捉，並可能導致直接傷害、權利侵犯、隱私洩露、剝削、流離失所和歧視。這就是為什麼考慮