کشف کد منبع ELIZA: اولین چت‌بات و آینده هوش مصنوعی

کتاب جدید "Inventing ELIZA" پس از ۶۰ سال، کد منبع برنامه ELIZA را از آرشیو MIT بازیابی کرده است. این کشف، درک ما از اولین چت‌بات تاریخ و تأثیر آن بر فرهنگ و محاسبات را دگرگون می‌کند. ELIZA، که اغلب به عنوان اولین چت‌بات شناخته می‌شود و می‌توانست نقش یک روانشناس خودکار را ایفا کند، حتی منشی Joseph Weizenbaum، خالق آن در MIT را نیز فریب داد. با این حال، در تمام این سال‌ها، یک بخش اساسی از داستان آن گم شده بود: کد منبع برنامه ELIZA. این کتاب نه تنها کد منبع را بازیابی کرده، بلکه برای اولین بار به بررسی دقیق آن و دیالوگ‌های جدیدی فراتر از شخصیت محبوب "DOCTOR" می‌پردازد. این تحقیق نشان می‌دهد که ELIZA نسخه‌های متعددی داشته و برای اجرای اسکریپت‌ها و شخصیت‌های گوناگون با نوآوری‌های فنی مختلف طراحی شده بود.

ELIZA، و شخصیت "DOCTOR" آن، به کاتالیزوری برای نوعی تفکر و اضطراب در مورد روابط انسان‌ها با کامپیوترها تبدیل شد.

یکی از اولین تعاملات ELIZA که بارها بازنشر شده، این دیالوگ است: "Men are all alike." "IN WHAT WAY" "They’re always bugging us about something or other." "CAN YOU THINK OF A SPECIFIC EXAMPLE" "Well, my boyfriend made me come here." "YOUR BOYFRIEND MADE YOU COME HERE" "He says I’m depressed much of the time." "I AM SORRY TO HEAR YOU ARE DEPRESSED" این مکالمه الهام‌بخش بسیاری از برنامه‌نویسان و نویسندگان برای خلق چت‌بات‌های بعدی شد. اما سوالات زیادی را نیز برمی‌انگیزد: این زن جوان که بود؟ آیا او واقعی بود یا ساخته Weizenbaum؟ سیستم ELIZA دقیقاً چگونه پاسخ‌ها را تولید می‌کرد و چقدر ویرایش شده بودند؟ چرا این سیستم تا این حد در جذب افراد موفق بود؟ Weizenbaum در کتاب خود "Computer Power and Human Reason" (۱۹۷۶) به بررسی این پدیده پرداخت و نقدهای فلسفی، اجتماعی و سیاسی را مطرح کرد. او از دلبستگی سریع و اغلب احساسی مردم به ELIZA شگفت‌زده شد و آن را "شواهدی روشن" دانست که مردم با کامپیوتر "گویی با یک شخص صحبت می‌کنند". این تمایل به نسبت دادن همدلی و سرمایه‌گذاری احساسات خصوصی در یک کامپیوتر، Weizenbaum را گیج کرد. او نگران بود که مردم تا چه حد عقلانیت را با محاسبات مرتبط می‌دانند و به سیستم‌های کامپیوتری درک و هوشی نسبت می‌دهند که وجود ندارد. این پدیده به "ELIZA effect" معروف شد. Alan Turing در مقاله "Computing Machinery and Intelligence" با طرح سوال "آیا ماشین‌ها می‌توانند فکر کنند؟" چالشی را مطرح کرد که به "Turing test" معروف شد. Weizenbaum با نام‌گذاری سیستم خود به نام Eliza Doolittle (شخصیتی از نمایشنامه Pygmalion که آموزش می‌بیند تا مانند یک زن طبقه بالا صحبت کند)، به تحریک Turing در مورد عملکرد هویت ادامه داد. Weizenbaum هرگز قصد نداشت ELIZA آزمون Turing را پشت سر بگذارد، بلکه می‌خواست عوامل روانشناختی را بررسی کند که ممکن است انسان‌ها را به اشتباه در مورد قابلیت‌های آن بیندازد. امروزه، ظهور مجدد رابط‌های چت‌بات شبیه ELIZA در مدل‌های زبان بزرگ (LLM) نشان می‌دهد که تاریخچه نرم‌افزارهای اولیه می‌تواند به ما در درک فناوری‌های جدید کمک کند. ELIZA نقطه مرجع مهمی است زیرا با بسیاری از نوآوری‌های محاسباتی بعدی تلاقی دارد، از جمله پردازش رشته، تحلیل متن، سنتز متن، تشخیص موجودیت و تحلیل احساسات. این فناوری‌ها در نهایت به حوزه پردازش زبان طبیعی (NLP) تبدیل شدند. با وجود پیشرفت‌های چشمگیر، شباهت‌های زیادی بین ELIZA و سیستم‌های مدرن مانند ChatGPT وجود دارد. رابط‌های چت‌بات فریبنده، پیچیدگی‌های داخلی این سیستم‌ها را پنهان می‌کنند که اغلب ترکیبی از پیش‌بینی‌های آماری، رویه‌های مبتنی بر قانون و کار انسانی است که به عنوان کار ماشین پنهان شده است. Weizenbaum در مورد مسائل متعددی که این پنهان‌کاری می‌تواند ایجاد کند، هشدار داد. او معتقد بود که حذف زبان از بافت اجتماعی آن و برخورد با آن به عنوان مجموعه‌ای از مفاهیم انتزاعی در یک سیستم محاسباتی می‌تواند غیرانسانی باشد و به آسیب، نقض حقوق، نقض حریم خصوصی، استثمار و تبعیض منجر شود. مدل‌های زبان بزرگ نوظهور، کلاس جدیدی از سیستم‌های مبتنی بر دانش را پشتیبانی می‌کنند. زیر سطح، رابط چت‌بات بر اساس کار اجتماعی اجرا می‌شود. ماشین‌آلات آن توسط میلیون‌ها ردپای نوشته‌ها و مکالمات انسانی پشتیبانی می‌شوند که معمولاً بدون آگاهی یا رضایت سازندگان به مجموعه‌داده‌ها سرازیر شده‌اند. این کار، تولید فرهنگی خودکار را ممکن می‌سازد که به صورت درخواستی مدیریت، کنترل، نظارت، تفکیک و تجمیع می‌شود. این امر تولید فرهنگی انسانی را از طریق نرم‌افزار انتزاعی می‌کند و آن را به عنوان یک ذخیره ثابت برای یک سیستم محاسباتی در نظر می‌گیرد. Weizenbaum منتقد اولیه "بخش فناوری" و ذهنیت شتاب‌دهنده آن بود، صرف نظر از روابط استثماری که ممکن است رمزگذاری کند و پیامدهای اجتماعی و سیاسی انتزاعی کردن سیستم‌های محاسباتی. رابطه او با فناوری تغییر کرد زیرا تأثیر ELIZA و روش‌هایی که سیستم‌های خودکار برای قدرت مقیاس‌بندی و اهرم می‌شدند را دید، روندهایی که با شیفتگی عمومی گسترده‌تر و ناراحتی از ظهور ماشین‌های "هوشمند" ادامه یافته است. منبع: Wired