AI 大事件｜从 ELIZA 到 ChatGPT：聊天机器人的 60 年
一、开篇：聊天机器人不是 ChatGPT 发明的
很多人以为聊天机器人是 ChatGPT 之后才出现的事物——其实 1966 年就有了 ELIZA。但 ELIZA 之后的 50 多年，聊天机器人一直没能跳出”模式匹配”的怪圈，每一代都重复同样的故事：技术上一时惊艳，很快被戳穿。这条曲线，直到 2017 年 Transformer 出现，才真正改变。
二、第一代（1966 – 1990s）模式匹配时代
2.1 ELIZA（1966）—— 史上第一个聊天机器人
Joseph Weizenbaum 在 MIT 创造 ELIZA。它的工作原理简单到几乎不算是”AI”：
`python
def eliza(user_input):
if “母亲” in user_input:
return “为什么你提到你的母亲？”
if “我想” in user_input:
return “为什么你想这样做？”
return “请继续。”
`ELIZA 实际上只是把用户的陈述句改成疑问句，但它震惊了当时的计算机界——连 Weizenbaum 的秘书都以为自己在和一个真人对话。
意义：ELIZA 揭示了人类对”对话方”的天赋倾向——哪怕对方是个模式匹配器，我们也愿意把”人格”投射上去。
2.2 PARRY（1972）—— 第一个有”人设”的 chatbot
Kenneth Colby 创造了 PARRY——模拟偏执型精神分裂症患者的对话系统。1971 年 PARRY 与人类心理医生通过 ARPANET 进行对话实验——52% 的心理医生没分辨出对方是机器。
2.3 ALICE（1995）—— AIML 标记语言时代
Richard Wallace 在 1995 年发布 ALICE（Artificial Linguistic Internet Computer Entity），三次获得 Loebner Prize（图灵测试竞赛）。ALICE 基于 AIML（Artificial Intelligence Markup Language）——一种 XML 标记语言，用手写的对话模板定义应答。
ALICE 当时已经有上百万条规则，但仍然只是模式匹配——任何一个刁钻问题都能让 ALICE 暴露。
三、第二代（1995 – 2010）检索与拼接
3.1 思路升级
1990s 末，研究者意识到手写规则的瓶颈——他们转向检索式（Retrieval-based）聊天机器人：
- 在大型对话语料库中搜索最相似的”输入-输出对”；
- 找到的就直接输出；
- 找不到就走规则。
这个时期的代表性工作包括 IBM Watson（2011 Jeopardy! 战胜人类）——虽然 Watson 不是聊天机器人，但问答系统的检索思路影响了所有 chatbot。
3.2 局限
检索式 chatbot 永远只能”复读”现有对话——无法生成新内容。这就是为什么 2010 年代的客服机器人、电商、娱乐这些场景的 chatbot 都显得重复、呆板、不自然。
四、第三代（2010 – 2017）深度学习初探
4.1 Seq2Seq（2014）
2014 年 Google 团队发表 Seq2Seq 论文（Sutskever et al.）——用两个 RNN/LSTM 拼接起来做端到端的序列生成。这是最早的神经网络聊天机器人——从句子直接生成回复。
4.2 Vinyals & Le（2015）—— Neural Conversational Model
Google 的 Oriol Vinyals 与 Quoc Le 发表了一个简单但惊艳的实验：只用 Seq2Seq + IT Helpdesk 对话数据训练，就能生成流畅的技术支持对话。
但这个模型也有严重问题：
- 通用性问题——每句话都像在回答 IT 问题；
- 缺乏上下文——单轮对话；
- 重复回答——经常陷入”我不知道 / 你知道吗”的死循环。
- 4.3 PersonaChat（2018 – Facebook AI）
Facebook AI 在 2018 年发布 PersonaChat 数据集——给每个对话方先设定 4-5 句”人设”，再让两个 chatbot 互相聊天。这是首次尝试让 chatbot 有”角色”——但技术底牌仍然是检索+重排序，不是端到端生成。
五、第四代（2017 – 2020）Transformer + 大规模预训练
5.1 Transformer 改变了一切
2017 年 Google 发表《Attention Is All You Need》——Transformer 架构。这是聊天机器人 60 年历史上最大的分水岭：
- Transformer 可以并行训练 → 数据规模可以上亿；
- 自注意力让模型看到整段对话的所有位置 → 真正的”上下文”；
- 训练一个通用模型 → 迁移到具体对话场景。
- 5.2 GPT-1（2018）—— 第一个生成式预训练 Transformer
OpenAI 的 GPT-1（Generative Pre-trained Transformer）证明了大规模生成式预训练可行；
- GPT-2（2019）——能写连贯文章，OpenAI 担心滥用最初未开源；
- GPT-3（2020）——1750 亿参数，few-shot 学习，不需要微调就能做对话。
但真正的转折点是 2022 年 11 月 30 日 ChatGPT 发布——不是技术上的突破（技术上 GPT-3.5 比 GPT-3 改进不大），而是对话范式的转变：
1. RLHF（Reinforcement Learning from Human Feedback）——用人类反馈训练对话对齐；
2. 对话式界面——把”问答”包装成”聊天”；
3. 拒绝回答与不确定性表达——不再像 GPT-3 那样胡编。
六、第五代（2023 – 至今）多模态 + Agent
6.1 多模态聊天
2023 年 GPT-4 引入图像输入——聊天机器人首次能”看图说话”。
6.2 工具调用（Function Calling）
2023 年 6 月 OpenAI 给 ChatGPT 加 Function Calling——ChatGPT 不再只是聊天，可以调用真实世界的 API。这一天标志着聊天机器人从”对话者”升级为”协作者”。
6.3 Agent 时代
2024 – 2026 年，聊天机器人全面进入 Agent 时代：
- Claude Computer Use（2024.10）——直接操控桌面；
- Devin（2024.3）——AI 软件工程师；
- Manus / AutoGPT（2025）——通用 Agent；
- Cursor / GitHub Copilot Workspace——AI 编程助手。
到 2026 年，“聊天机器人”这个词已经过时——准确的说法是”对话式 Agent”。
七、结语：60 年的接力棒
回到 1966 年——ELIZA 的”模式匹配”奠定了聊天机器人 60 年的技术范式。每一代 chatbot 都在回答同一个问题：“怎么让机器像人一样说话？”
60 年后，答案变成了：“让机器不再像人一样说话，而是像机器一样把事情做好。”
2026 年的 ChatGPT 已经不只是聊天——它写代码、做研究、订机票、订外卖、操作浏览器。聊天机器人这个品类，到今天才真正完成了从”对话”到”做事”的跃迁。
ELIZA 如果懂”看不思考”，它会说：”Wow, that’s amazing.”
