聊天机器人系列（1）：用最早的聊天机器人 Eliza 的回复规则来创建一个 GPTs

本系列文章将主要聊「聊天机器人」的话题。

从人工智能这个话题开始出现，聊天机器人就一直是一个重要的研究领域和应用方向。最近大模型的发展，让聊天机器人朝着社交和娱乐的方向寻梦发展。

社交向的应用已经沉寂多年，伴随着ChatGPT 的横空出世与 character.ai 的超长粘性，大家仿佛又看到了社交赛道的希望，于是纷纷跟进。

目前做的比较好的，国外有 character.ai，replika，国内有 glow，在下架之后，其又上线了星野。

另外，聆心智能也推出了基于其自研的超拟人大模型的AI乌托邦。

这是一个好赛道吗，真的有足够的想象力吗？

我将用一系列文章来回答这个问题，第一篇文章，我们首先来回溯一下最早的聊天机器人'Eliza'，在早期基于规则的人工智能中，他如何做到自由对话，以假乱真。

ELIZA是早期自然语言处理（NLP）和人工智能（AI）研究的代表作，它能通过文本交互与用户进行基本的对话。

ELIZA的一个最知名的版本是名为“心理医生”的程序，它模拟了一个心理治疗师的行为，能够对用户的输入做出响应，提出问题，甚至提供一些基本的“治疗”建议。虽然它的回应通常是基于简单的文本替换和重组规则，但它却能给人以一种仿佛在与真实心理治疗师交谈的感觉。因此，ELIZA成为了研究和讨论计算机与人类交互、人工智能的自然语言理解和计算机辅助交流等领域的重要参考。

ELIZA展示了通过简单的模式匹配和响应生成技术，计算机可以在一定程度上模拟人类交流。这为后来的自然语言处理和人工智能研究奠定了基础，促使了聊天机器人和其他自然语言交互系统的发展。不过，值得注意的是，尽管ELIZA能够模拟对话，但它并不具备真正的理解能力或意识。

ELIZA通过几种简单但有效的方法和规则，创建了一种与真人交谈的体验。主要方法和规则包括：

模式匹配: ELIZA使用模式匹配技术来识别用户输入中的特定词汇或短语。例如，它可能会寻找像“我感觉”或“我想要”这样的短语。

重组和反射: 识别到特定模式之后，ELIZA会使用重组规则来生成回应。这可能包括替换代词（如将“我”换成“你”），或将用户的陈述重新组织成一个问题。例如，对于输入“I feel sad”，ELIZA可能会回应“Tell me more about feeling sad”。

预编程回应: ELIZA有一套预编程的回应，可用于常见的输入或问题。这让它能够提供看似合理的、人性化的回应，尽管它们完全是自动生成的。

非特定性回应：为了保持对话的流畅，ELIZA会使用一些非特定性的回应，如“请告诉我更多”，或“你为什么这么说？”这样的问题。这种方式能鼓励用户继续分享，同时避免了对特定主题的深入理解，因为ELIZA实际上并不理解对话的内容。

模拟倾听和反馈: 通过重复用户的词汇和短语，ELIZA模拟了倾听和反馈的过程，这是真实交流中很重要的组成部分。这也帮助创建了一种与真人交谈的感觉。

通过以上的方法和规则，ELIZA 能够模拟一个简单但看似真实的交流体验，尽管它的“理解”完全基于表面的文本处理，而非任何深层次的语义理解。

基于这些规则，我们其实都可以创建一个GPTs，来创建一个自己的聊天机器人了。大家自己来实践吧。

这个系列的下一篇文章，我将会从用户需求的角度来分析一下聊天机器人赛道的扛把子：character.ai，市面上还没有看到专门从用户角度的分析文章。社交需求和娱乐需求，哪个发展空间更大，replika为软色情付费的前车之鉴是否有借鉴意义？敬请期待。