从ELIZA到ChatGPT：AI聊天机器人进化史（附技术对比）

从ELIZA到ChatGPT：一场对话智能的“寒武纪大爆发”

如果你在1966年告诉MIT的约瑟夫·魏泽鲍姆，他编写的那个用关键词匹配来模拟心理医生的程序，会在半个多世纪后催生出能写诗、编程、陪你深夜聊天的“数字生命”，他大概会觉得你疯了。ELIZA，那个只会机械重复和简单模式匹配的“聊天机器人始祖”，与今天的ChatGPT之间，横亘的不仅是技术的鸿沟，更是我们对“智能”与“对话”理解的彻底颠覆。这趟旅程，远不止是参数从几百个到上千亿的线性增长，而是一场关于计算范式、数据哲学乃至人机关系认知的深刻革命。对于开发者、产品经理，或是任何好奇技术如何重塑交流本质的人来说，理解这段进化史，就是握住了理解未来人机协作形态的一把钥匙。

1. 史前时代：规则与符号的“精致幻觉”

在算力贫瘠、数据稀缺的早期，AI先驱们试图用逻辑和规则来封装人类的语言智慧。这个时代的聊天机器人，更像是一部精心编写的戏剧，剧本（规则库）决定了所有可能的对白。

1.1 ELIZA：镜中幻影与“伪理解”

ELIZA的核心技术简单得令人惊讶：模式匹配与脚本驱动。它没有理解任何语义，只是根据用户输入中的关键词，触发预设的响应模板。

例如，当用户说：“我感到很沮丧。” ELIZA可能匹配到关键词“沮丧”，并从脚本库中调用一个通用回应模板：“你感到沮丧，这通常是什么引起的呢？”

它的一个经典脚本“DOCTOR”模拟罗杰斯派心理治疗师，大量使用将用户陈述转化为问句的技巧：

• 用户：我妈妈不喜欢我。
• ELIZA：你家里还有谁不喜欢你？

这种设计产生了著名的“ELIZA效应”：即使人们明知对面是机器，也倾向于认为其有共情能力。魏泽鲍姆教授本人对此深感不安，他晚年成为AI发展的尖锐批评者，担心人类会过度依赖并误解这类技术的本质。

注意：ELIZA的成功恰恰暴露了早期AI的路径局限——它通过利用人类自身的心理投射来“显得”智能，而非真正构建智能。

1.2 后继者与“专家系统”的兴衰

在ELIZA之后，七八十年代涌现了一批类似的系统，如PARRY（模拟偏执型精神病人）、Jabberwacky（旨在进行娱乐性聊天）。它们的技术内核大同小异，但规模更大，规则更复杂。

与此同时，AI的另一个分支——专家系统在商业上取得了短暂成功。例如XCON系统，它使用约2500条规则来配置VAX计算机订单。我们可以通过一个简单的对比，来看清规则系统与后来者的根本区别：