以今天的眼光来看，ELIZA 的语言处理能力极为简陋，仅是用符合语法的方式将问题在语料库中匹配到的答案复述一遍，丝毫没有智能可言。不过当时媒体截取了一些刻意构造的人机对话，将 ELIZA 评论成一个很聪明的机器人。现在看来，与其说 ELIZA 聪明，不如说人很笨，因为 ELIZA 只存储了几十条规则，如表 2-1 所示。
由于媒体对 ELIZA 的广泛渲染，后来在人工智能领域还出现了一个名词—“伊莉莎效应”（ELIZA Effect）<sup>○一</sup>，这个词的意思是说人可以过度解读机器的结果，读出原来根本不具有的意义。
类似 ELIZA 这种人机对话的处理形式，后来还继续发展壮大，形成了所谓的“人工智能标记语言”（Artificial Intelligence Markup Language，AIML）。在大量人工语料库的支持下，基于 AIML 的聊天机器人 Alice<sup>○二</sup>号称自己甚至能够通过图灵测试。
现在来看这种依赖于堆砌语料库的机器人完全没有什么技术含量可言，但在生成式语言模型被提出以前，纯靠“人工”令机器获得“智能”的做法是建造对话机器人的主流方案，当时业内有不少号称研发对话机器人的公司靠着这种方式博取眼球来获得投资。在 BERT 和 GPT 出现后，类似于 AIML 的语料库方案迅速被扔进了历史的垃圾堆中。关于生成式人工智能的内容是近几年的重要成就，笔者将在第 8 章专门展开介绍。
本节笔者介绍了人机对弈、模式识别和自然语言处理三个领域的人工智能早期成果，在这些领域的探索刚刚开始时，大多数人工智能学者都有相似的期盼：也许实现了这些目标，机器就能算拥有智能，至少能算找到探索机器智能的路径了。在人工智能发展了 60 多年后的今日，以上问题终于获得了较为完美的回答：人机对话在 ChatGPT 出现之后进入了具有较强实用性的阶段；人机对弈方面，随着计算量最大的围棋被攻克，计算机在这个领域已经全面碾压了人类；模式识别方面，在某些特定领域，计算机已经超过了人类眼睛（具体案例在第 7 章介绍 ImageNet 比赛的时候会提到）。
第 2 章 迈向人工智能
61
○一 伊莉莎效应：https://en.wikipedia.org/wiki/ELIZA\_effect。
○二 Alice 网站：http://www.alicebot.org。