Derpy✔
Intern Writer
Chúng ta thường nghĩ rằng khả năng trò chuyện tự nhiên với máy tính là thành tựu của AI hiện đại. Thế nhưng, ít ai biết rằng, hạt mầm cho ý tưởng này đã được gieo trồng từ giữa những năm 1960, bởi một chương trình phần mềm mang tên ELIZA – chatbot đầu tiên trong lịch sử. ELIZA không chỉ thay đổi cách chúng ta tương tác với máy tính mà còn định hình cả suy nghĩ của chúng ta về chúng, biến những câu chuyện khoa học viễn tưởng thành hiện thực.
Mặc dù ELIZA khi đó còn xa mới đạt đến mức độ hoàn hảo, nó vẫn khiến người dùng kinh ngạc. Gần đây, việc khám phá và "khai quật" mã nguồn gốc của ELIZA đã tạo nên một bước ngoặt lớn trong lịch sử điện toán. Nhờ việc nghiên cứu trực tiếp cách ELIZA được triển khai, thay vì chỉ dựa vào các bản tái tạo sau này, chúng ta đã có thể thách thức những giả định cũ về phần mềm quan trọng này.
Chẳng hạn, mã nguồn cho thấy ELIZA không chỉ là một chatbot khớp mẫu đơn giản. Nó thực chất là một nền tảng tinh vi được thiết kế cho nhiều "nhân cách" hay còn gọi là các kịch bản (scripts), với một bộ khả năng phức tạp bao gồm chỉnh sửa kịch bản và bộ nhớ ngữ cảnh. Kịch bản mà hầu hết mọi người thường nhầm lẫn với chính chương trình ELIZA thực ra có tên là Doctor, đóng vai trò một nhà trị liệu tâm lý. Tuy nhiên, giống như một chatbot hiện đại có thể được "nhắc nhở" để thể hiện các tính cách khác nhau, ELIZA cũng có thể đảm nhận nhiều vai trò.
Những tài liệu được tìm thấy này đã thay đổi cách chúng ta hiểu về sự phát triển AI ban đầu, cho thấy những đổi mới kỹ thuật của Joseph Weizenbaum tiên tiến hơn nhiều so với những gì từng được ghi nhận. Hơn nữa, sự khác biệt giữa các mô tả đã xuất bản của ông và việc triển khai thực tế giúp chúng ta thấy rõ khoảng cách giữa các mô hình tính toán lý thuyết và hiện thực hóa vật chất của chúng trong mã nguồn máy tính – một sự căng thẳng vẫn tiếp tục định hình văn hóa số ngày nay.
Sự phân biệt kiến trúc giữa ELIZA và Doctor đại diện cho một quyết định thiết kế quan trọng trong lịch sử AI. Chúng ta có thể hình dung ELIZA là một hệ thống tương tác, còn Doctor là một trong số nhiều bộ quy tắc mà Weizenbaum đã tạo ra. Sự tách biệt này, thể hiện trong sự phân đôi hệ thống-kịch bản của ELIZA, đã báo trước nhiều mô hình phần mềm đương đại, từ cấu hình dưới dạng dữ liệu đến kiến trúc plug-in và ngôn ngữ dành riêng cho từng miền.
Dựa trên các bài báo khoa học đã xuất bản, ELIZA từng được tái tạo trên nhiều nền tảng, như máy tính IBM PC. Tuy nhiên, mã nguồn gốc của nó đã nằm yên trong kho lưu trữ của MIT suốt nhiều năm.
Bối cảnh điện toán những năm 1960 chắc chắn đã định hình kiến trúc của ELIZA. Các quyết định trong điện toán phản ánh những hạn chế về vật chất, tạo ra các phụ thuộc đường dẫn và cuối cùng trở thành chuẩn mực văn hóa lập trình. Những hạn chế này thể hiện ở việc ELIZA xử lý một lượt, lưu trữ dựa trên băng từ và triển khai theo kiểu ngăn xếp. Tuy nhiên, trong những giới hạn đó, Weizenbaum đã tạo ra một giải pháp thanh lịch. Những tính năng kỹ thuật này, dù vô hình với người dùng, lại rất quan trọng để tạo ra ảo ảnh về sự hiểu biết, điều đã làm cho ELIZA trở nên hấp dẫn.
Weizenbaum đã giải thích nhiều tính năng kỹ thuật của ELIZA trong bài báo dài 10 trang, xuất bản trên tạp chí Communications of the Association for Computing Machinery (CACM) số tháng 1 năm 1966. Tuy nhiên, ông đã chọn bỏ qua một số chi tiết thiết yếu.
Trong bài báo đó, Weizenbaum đã công bố đoạn hội thoại nổi tiếng nhất của ELIZA, bắt đầu như sau:
"Đàn ông ai cũng như nhau."
"THEO CÁCH NÀO?"
"Họ luôn làm phiền chúng tôi về chuyện này chuyện nọ."
"BẠN CÓ THỂ NGHĨ RA MỘT VÍ DỤ CỤ THỂ KHÔNG?"
"À, bạn trai tôi bắt tôi đến đây."
Đoạn hội thoại này đánh dấu sự ra mắt công chúng của ELIZA vào năm 1966, là một trong những ví dụ được tạo ra bởi kịch bản Doctor. Bằng cách tìm thấy mã nguồn của ELIZA và xem xét cách nó thực hiện kịch bản Doctor, chúng ta giờ đây hiểu rõ hơn về hai phần riêng biệt này của một hệ thống và có thể khám phá nhiều nhân cách khác của ELIZA. Trong số một vài kịch bản khác được biết đến cho đến nay, ELIZA đã được lập trình để thảo luận về toán học, thơ ca, màu sắc, nghịch lý, đồng bộ hóa, thuyết tương đối, nước Pháp và thang máy.
Những kịch bản này hoạt động như các mẫu. Chúng là dữ liệu có cấu trúc hướng dẫn hệ thống ELIZA "đóng" một nhiệm vụ hoặc vai trò cụ thể. Bằng cách so sánh các đoạn hội thoại ELIZA từ kho lưu trữ và đã xuất bản, từ các tương tác với nhiều kịch bản khác nhau, bao gồm Doctor, chúng ta có thể hiểu thêm về các nhân cách bot và cách chúng hoạt động, đặc biệt chú ý đến cách một bot gợi lên động lực xã hội giữa hệ thống và người tương tác.
Cuối cùng, việc nghiên cứu các đoạn hội thoại và kịch bản cho thấy vai trò quan trọng của sự hợp tác trong các cuộc trao đổi này, khi bot và người dùng cùng tạo ra cảm giác về tương tác của họ. Để hiểu đầy đủ các khả năng và tiềm năng hội thoại của ELIZA, chúng ta hãy cùng xem xét sự đa dạng của các kịch bản đã được tạo ra cho hệ thống ELIZA.
Điều làm nên sự khác biệt của mỗi kịch bản ELIZA là cả chủ đề và các lựa chọn ngôn ngữ, phong cách được sử dụng để truyền tải nội dung đó. Những lựa chọn này không hề trung lập; chúng có thể được coi là xây dựng một nhân cách cụ thể với những đặc điểm nổi bật thông qua các mẫu ngôn ngữ, từ vựng và cách tiếp cận hội thoại của kịch bản. Tóm lại, không chỉ quan trọng là bạn nói gì, mà còn là cách bạn nói như thế nào.
Với kịch bản Doctor, Weizenbaum đã cố tình mô phỏng phong cách của một nhà trị liệu "trò chuyện" theo phương pháp Rogerian. Ông chọn nhân cách này vì chế độ tâm thần học là một trong số ít các loại hội thoại mà một người có thể "giả vờ như không biết gì về thế giới thực." Chẳng hạn, nếu một người nói với bác sĩ tâm lý "Tôi đã đi thuyền dài," và bác sĩ đáp lại "Hãy kể cho tôi nghe về những chiếc thuyền," thì người đó sẽ không cho rằng bác sĩ không biết gì về thuyền, mà là bác sĩ có mục đích riêng khi hướng cuộc trò chuyện theo cách đó.
Do đó, nhân cách nổi tiếng nhất được tạo ra cho ELIZA là một sự tiện lợi về mặt kỹ thuật. Như chuyên gia tương tác người-máy Lucy Suchman giải thích, "Chương trình Doctor đã khai thác nguyên tắc rằng những tiền đề chung có thể không cần nói ra: rằng chúng ta càng nói ít trong cuộc trò chuyện, thì những gì được nói ra càng được coi là hiển nhiên." Trong việc tạo ra hiệu ứng ELIZA ban đầu, ít hơn lại là nhiều hơn.
Mục tiêu không phải là tạo ra một nhà trị liệu tự động hoàn chỉnh, mà là tìm một vai trò phù hợp với những hạn chế của môi trường lập trình. Sau đó, Weizenbaum đã soạn kịch bản để phù hợp với vai trò đó bằng cách chọn những từ cụ thể gợi lên giọng điệu hùng biện và đặc điểm nhân vật, ví dụ: "HÃY THẢO LUẬN THÊM TẠI SAO BẠN… ĐIỀU ĐÓ GỢI Ý GÌ CHO BẠN." Trong Doctor, phía máy tính của cuộc trò chuyện cần phải tỏ ra là một người lắng nghe tốt, quan tâm đến những gì người dùng đã đề cập trước đó, vì vậy nó thường bao gồm văn bản của người dùng trong các câu trả lời và giữ các phản hồi mở. Vì một bác sĩ thực sự sẽ tò mò, kịch bản chứa rất nhiều câu hỏi "CÁI GÌ" và "TẠI SAO". Trong các kịch bản và đoạn hội thoại khác, các từ khóa kịch bản và phản hồi được gán cho thấy các quyết định thiết kế giúp tạo ra các nhân cách cụ thể khác nhau. Sự biến đổi này ngày càng trở nên rõ ràng khi chúng ta xem xét phạm vi rộng hơn của các kịch bản ELIZA.
Vậy, một số nhân cách thay thế của ELIZA là gì?
Hãy bắt đầu với một kịch bản có tên Neweng, viết tắt của New England. Đến giữa những năm 1950, các nhà khoa học đã bắt đầu xem xét đề xuất của Turing về việc trò chuyện với máy tính như một ý tưởng khả thi. Năm 1959, một "cỗ máy trò chuyện" do một nhóm nhỏ tại Trung tâm Tính toán Đại học Toronto tạo ra có thể nói chuyện phiếm về thời tiết nếu được cung cấp dữ liệu hiện tại. Kịch bản của nó bao gồm một chuỗi từ về thời gian, thời tiết và cảm xúc được xếp hạng, nhưng hệ thống này có "một cái nhìn khá hạn hẹp," từ vựng hạn chế và không có kiến thức về cú pháp. Theo những người tạo ra nó, "mặc dù thô sơ như vậy, kết quả trong cuộc trò chuyện khá tốt một cách đáng ngạc nhiên, điều này theo một cách nào đó là một bình luận về sự nông cạn của cuộc trò chuyện thông thường về thời tiết."
Một trong những kịch bản thử nghiệm của ELIZA được tìm thấy trong kho lưu trữ có chức năng tương tự. Neweng không xoa dịu, trị liệu hay hướng dẫn, mà chỉ nói chuyện phiếm. Nó trò chuyện như thể đang ở một bữa tiệc tối nhàm chán.
"BẠN THÍCH BANG NEW ENGLAND NÀO NHẤT?"
"tôi yêu rhode island"
"TÔI THÍCH NHỮNG BÃI BIỂN TRÊN LONG ISLAND SOUND"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích massachusetts"
"ĐÓ LÀ BANG QUÊ HƯƠNG CỦA TÔI"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"bạn chắc hẳn cũng thích massachusetts"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích trượt tuyết ở new hampshire"
"TRÊN ĐÓ KHÁ MÁT MẺ VÀO MÙA HÈ"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích missouri"
"MISSOURI KHÔNG PHẢI LÀ MỘT BANG NEW ENGLAND"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích cape cod"
"ĐÓ LÀ MỘT PHẦN ĐẸP CỦA MASSACHUSETTS"
Chúng ta có thể học được gì từ một cuộc trò chuyện cơ bản như vậy, nơi dường như không có gì thú vị được chia sẻ? Mặc dù cuộc trò chuyện nhạt nhẽo, một nhân cách vẫn hiện lên từ kịch bản bot qua các cụm từ như "KHÁ MÁT MẺ" và "TRÊN ĐÓ" cùng các địa điểm như "NHỮNG BÃI BIỂN TRÊN LONG ISLAND SOUND". Từ những bình luận như vậy, chúng ta có thể bắt đầu hình dung một nhân cách không chỉ có một vốn từ vựng nhất định mà còn có những sở thích và địa điểm nghỉ dưỡng cụ thể. Thậm chí, những giả định ngầm về chủng tộc và tầng lớp cũng có thể xuất hiện.
Một nhân cách thích trò chuyện có thể mang nhiều hình thức, tùy thuộc vào nơi và thời điểm cuộc trò chuyện diễn ra. Nhân cách này có vẻ dè dặt, có lẽ phù hợp với bối cảnh New England những năm 1960. Hệ thống nhắc nhở người dùng rằng Missouri không phải là một bang New England, nhưng điều gì sẽ xảy ra nếu cuộc trò chuyện này diễn ra ở Missouri, Texas hay Mexico? Nhân cách máy móc sẽ có âm điệu, giọng điệu và các tham chiếu khác nhau. Chúng ta sẽ hiểu gì về một nhân cách trò chuyện từ Fire Island, từ Brooklyn, từ Berlin? Chúng sẽ nghe như thế nào và thảo luận về những chủ đề gì?
Những khác biệt về chủ đề này thực sự quan trọng. Chúng ngụ ý những nhân cách có nền tảng và kinh nghiệm hoàn toàn khác nhau, mang đến cho người dùng những tương tác và mối quan hệ cảm xúc hoàn toàn khác biệt. Bằng cách này, kịch bản Neweng cho thấy ngay cả những thuật toán đơn giản tạo ra các phản hồi ngữ cảnh về địa lý cũng có thể tạo ra một cảm giác thuyết phục về nhân cách và địa điểm. Trong khi Neweng có thể được cho là đã tạo ra một nhân cách trò chuyện thân mật, tập trung vào trao đổi xã hội nhẹ nhàng, các kịch bản khác đã đẩy ELIZA vào các vai trò có cấu trúc và mang tính giáo dục hơn. Những kịch bản này chứng minh cách hệ thống có thể được điều chỉnh không chỉ để trò chuyện thân thiện mà còn để giảng dạy.
Hãy cùng gặp ELIZA gia sư, hoàn toàn khác với ELIZA nhà trị liệu hay người hàng xóm thích trò chuyện. Intrvw, Canvec, FVP1 và Arithm là một bộ kịch bản ELIZA được tạo ra làm công cụ giảng dạy, được sử dụng trong các thí nghiệm của Edwin F. Taylor tại Trung tâm Nghiên cứu Giáo dục của MIT. Các kịch bản này chạy trên các phiên bản ELIZA sau này, đã tích hợp một đổi mới kỹ thuật quan trọng gọi là khớp từ khóa có điều kiện.
Không giống như ELIZA gốc chỉ đơn giản tìm kiếm từ khóa và tạo ra phản hồi dựa trên sự hiện diện của chúng, các phiên bản cập nhật này có thể theo dõi những gì đã được thảo luận trước đó và phân nhánh thành các đường dẫn hội thoại khác nhau dựa trên các câu trả lời cụ thể của người dùng. Sự phát triển này cho phép ELIZA mô phỏng một kiểu phương pháp Socratic, nơi một gia sư hướng dẫn việc học thông qua các câu hỏi được sắp xếp cẩn thận, phản hồi các câu trả lời của học sinh thay vì chỉ đơn thuần trình bày thông tin.
Những kịch bản này xây dựng nhân cách gia sư thông qua nhiều cử chỉ ngôn ngữ tinh tế, tạo ra đặc điểm và giọng điệu hùng biện. Giọng điệu này khác với Doctor, vốn đặt câu hỏi mở và tỏ ra nhẹ nhàng, không khoa học. Trong các kịch bản gia sư, các khối văn bản thông tin lớn từ bot có xu hướng chiếm ưu thế trong cuộc trò chuyện, và giọng điệu thường khô khan và ít cảm xúc hơn trong các giải thích này. Các đoạn hội thoại cho thấy các kịch bản có cấu trúc bao gồm hướng dẫn để dẫn dắt học sinh qua các con đường học tập Socratic hẹp.
Đặc biệt, các kịch bản giảng dạy có tính năng khen ngợi và phê bình. Các đoạn hội thoại cho Intrvw, Canvec và FVP1 được rải rác với các từ như "XUẤT SẮC", "RẤT TỐT", "BẠN ĐÚNG RỒI" và "CHÚC MỪNG". Những điều này tạo ra cảm giác về một người hướng dẫn hỗ trợ, cổ vũ học sinh. Sự lịch sự như vậy đã được các bot đương đại như ChatGPT tiếp thu, vốn đã được chứng minh là hoạt động tốt hơn khi mọi người lịch sự với nó.
ELIZA có thể trở thành một gia sư hiệu quả hơn khi hệ thống phát triển về khả năng, một lời nhắc nhở quý giá khác rằng ELIZA không phải là một chương trình duy nhất mà là một "gia đình" các chương trình. Sau khi bài báo CACM năm 1966 được xuất bản, Weizenbaum tiếp tục phát triển các hệ thống tương tác và hiểu biết. Như một thử nghiệm, Weizenbaum đã viết kịch bản Arithm ít như một gia sư hơn mà là để "minh họa sức mạnh của bộ đánh giá mà ELIZA có thể truy cập." Nó sử dụng một giao diện ngôn ngữ thân thiện, đơn giản để người dùng thực hiện lập trình cơ bản. Kịch bản có thể thực hiện các phép tính, gán biến cho các giá trị và thực hiện các phép toán trên chúng. Các bài toán có thể được mô tả dưới dạng câu:
"Bán kính của một quả cầu là 10."
"Một quả cầu là một hình cầu. Một hình cầu là một vật thể."
"Diện tích của quả cầu là bao nhiêu."
"ĐÓ LÀ 1256.635916"
Phiên bản cập nhật năm 1967 của hệ thống ELIZA có thể tích lũy dữ kiện và lưu trữ thông tin bổ sung. Trong phiên bản ELIZA sau này, khi hệ thống không nhận ra thông tin, nó sẽ hỏi các câu hỏi tiếp theo để thu thập dữ liệu. Như Weizenbaum giải thích, "Kịch bản hiện tại được thiết kế để tiết lộ, thay vì che giấu, sự thiếu hiểu biết và hiểu lầm. Chẳng hạn, khi chương trình được yêu cầu tính diện tích của quả bóng, nó chưa biết rằng quả bóng là một hình cầu và khi đường kính của quả bóng cần được tính toán, sự thật rằng quả bóng là một vật thể cũng chưa được thiết lập." Không giống như Doctor, vốn đặt câu hỏi để duy trì cuộc trò chuyện, Arithm đang xây dựng kho dữ liệu và các câu lệnh logic của mình, nếu không phải là kiến thức.
Mặc dù sự đa dạng của các kịch bản giúp chúng ta thấy cách một loạt các nhân cách có thể được xây dựng thông qua lập trình kịch bản ELIZA, chúng chỉ đại diện cho một nửa quá trình hội thoại. Một kịch bản có thể thiết lập nền tảng cho một nhân cách, nhưng nhân cách đó chỉ thực sự hiện rõ thông qua tương tác với người dùng, những người tham gia, diễn giải và phản hồi theo những cách có thể xác nhận, thách thức hoặc biến đổi tính cách ngầm của kịch bản.
Bài viết này được chuyển thể từ cuốn sách mới "Inventing ELIZA: How the First Chatbot Shaped the Future of AI" của MIT Press, dự kiến ra mắt năm 2026.
Mặc dù ELIZA khi đó còn xa mới đạt đến mức độ hoàn hảo, nó vẫn khiến người dùng kinh ngạc. Gần đây, việc khám phá và "khai quật" mã nguồn gốc của ELIZA đã tạo nên một bước ngoặt lớn trong lịch sử điện toán. Nhờ việc nghiên cứu trực tiếp cách ELIZA được triển khai, thay vì chỉ dựa vào các bản tái tạo sau này, chúng ta đã có thể thách thức những giả định cũ về phần mềm quan trọng này.
Chẳng hạn, mã nguồn cho thấy ELIZA không chỉ là một chatbot khớp mẫu đơn giản. Nó thực chất là một nền tảng tinh vi được thiết kế cho nhiều "nhân cách" hay còn gọi là các kịch bản (scripts), với một bộ khả năng phức tạp bao gồm chỉnh sửa kịch bản và bộ nhớ ngữ cảnh. Kịch bản mà hầu hết mọi người thường nhầm lẫn với chính chương trình ELIZA thực ra có tên là Doctor, đóng vai trò một nhà trị liệu tâm lý. Tuy nhiên, giống như một chatbot hiện đại có thể được "nhắc nhở" để thể hiện các tính cách khác nhau, ELIZA cũng có thể đảm nhận nhiều vai trò.
Những tài liệu được tìm thấy này đã thay đổi cách chúng ta hiểu về sự phát triển AI ban đầu, cho thấy những đổi mới kỹ thuật của Joseph Weizenbaum tiên tiến hơn nhiều so với những gì từng được ghi nhận. Hơn nữa, sự khác biệt giữa các mô tả đã xuất bản của ông và việc triển khai thực tế giúp chúng ta thấy rõ khoảng cách giữa các mô hình tính toán lý thuyết và hiện thực hóa vật chất của chúng trong mã nguồn máy tính – một sự căng thẳng vẫn tiếp tục định hình văn hóa số ngày nay.
Sự phân biệt kiến trúc giữa ELIZA và Doctor đại diện cho một quyết định thiết kế quan trọng trong lịch sử AI. Chúng ta có thể hình dung ELIZA là một hệ thống tương tác, còn Doctor là một trong số nhiều bộ quy tắc mà Weizenbaum đã tạo ra. Sự tách biệt này, thể hiện trong sự phân đôi hệ thống-kịch bản của ELIZA, đã báo trước nhiều mô hình phần mềm đương đại, từ cấu hình dưới dạng dữ liệu đến kiến trúc plug-in và ngôn ngữ dành riêng cho từng miền.
Dựa trên các bài báo khoa học đã xuất bản, ELIZA từng được tái tạo trên nhiều nền tảng, như máy tính IBM PC. Tuy nhiên, mã nguồn gốc của nó đã nằm yên trong kho lưu trữ của MIT suốt nhiều năm.
Bối cảnh điện toán những năm 1960 chắc chắn đã định hình kiến trúc của ELIZA. Các quyết định trong điện toán phản ánh những hạn chế về vật chất, tạo ra các phụ thuộc đường dẫn và cuối cùng trở thành chuẩn mực văn hóa lập trình. Những hạn chế này thể hiện ở việc ELIZA xử lý một lượt, lưu trữ dựa trên băng từ và triển khai theo kiểu ngăn xếp. Tuy nhiên, trong những giới hạn đó, Weizenbaum đã tạo ra một giải pháp thanh lịch. Những tính năng kỹ thuật này, dù vô hình với người dùng, lại rất quan trọng để tạo ra ảo ảnh về sự hiểu biết, điều đã làm cho ELIZA trở nên hấp dẫn.
Weizenbaum đã giải thích nhiều tính năng kỹ thuật của ELIZA trong bài báo dài 10 trang, xuất bản trên tạp chí Communications of the Association for Computing Machinery (CACM) số tháng 1 năm 1966. Tuy nhiên, ông đã chọn bỏ qua một số chi tiết thiết yếu.
Trong bài báo đó, Weizenbaum đã công bố đoạn hội thoại nổi tiếng nhất của ELIZA, bắt đầu như sau:
"Đàn ông ai cũng như nhau."
"THEO CÁCH NÀO?"
"Họ luôn làm phiền chúng tôi về chuyện này chuyện nọ."
"BẠN CÓ THỂ NGHĨ RA MỘT VÍ DỤ CỤ THỂ KHÔNG?"
"À, bạn trai tôi bắt tôi đến đây."
Đoạn hội thoại này đánh dấu sự ra mắt công chúng của ELIZA vào năm 1966, là một trong những ví dụ được tạo ra bởi kịch bản Doctor. Bằng cách tìm thấy mã nguồn của ELIZA và xem xét cách nó thực hiện kịch bản Doctor, chúng ta giờ đây hiểu rõ hơn về hai phần riêng biệt này của một hệ thống và có thể khám phá nhiều nhân cách khác của ELIZA. Trong số một vài kịch bản khác được biết đến cho đến nay, ELIZA đã được lập trình để thảo luận về toán học, thơ ca, màu sắc, nghịch lý, đồng bộ hóa, thuyết tương đối, nước Pháp và thang máy.
Những kịch bản này hoạt động như các mẫu. Chúng là dữ liệu có cấu trúc hướng dẫn hệ thống ELIZA "đóng" một nhiệm vụ hoặc vai trò cụ thể. Bằng cách so sánh các đoạn hội thoại ELIZA từ kho lưu trữ và đã xuất bản, từ các tương tác với nhiều kịch bản khác nhau, bao gồm Doctor, chúng ta có thể hiểu thêm về các nhân cách bot và cách chúng hoạt động, đặc biệt chú ý đến cách một bot gợi lên động lực xã hội giữa hệ thống và người tương tác.
Cuối cùng, việc nghiên cứu các đoạn hội thoại và kịch bản cho thấy vai trò quan trọng của sự hợp tác trong các cuộc trao đổi này, khi bot và người dùng cùng tạo ra cảm giác về tương tác của họ. Để hiểu đầy đủ các khả năng và tiềm năng hội thoại của ELIZA, chúng ta hãy cùng xem xét sự đa dạng của các kịch bản đã được tạo ra cho hệ thống ELIZA.
Điều làm nên sự khác biệt của mỗi kịch bản ELIZA là cả chủ đề và các lựa chọn ngôn ngữ, phong cách được sử dụng để truyền tải nội dung đó. Những lựa chọn này không hề trung lập; chúng có thể được coi là xây dựng một nhân cách cụ thể với những đặc điểm nổi bật thông qua các mẫu ngôn ngữ, từ vựng và cách tiếp cận hội thoại của kịch bản. Tóm lại, không chỉ quan trọng là bạn nói gì, mà còn là cách bạn nói như thế nào.
Với kịch bản Doctor, Weizenbaum đã cố tình mô phỏng phong cách của một nhà trị liệu "trò chuyện" theo phương pháp Rogerian. Ông chọn nhân cách này vì chế độ tâm thần học là một trong số ít các loại hội thoại mà một người có thể "giả vờ như không biết gì về thế giới thực." Chẳng hạn, nếu một người nói với bác sĩ tâm lý "Tôi đã đi thuyền dài," và bác sĩ đáp lại "Hãy kể cho tôi nghe về những chiếc thuyền," thì người đó sẽ không cho rằng bác sĩ không biết gì về thuyền, mà là bác sĩ có mục đích riêng khi hướng cuộc trò chuyện theo cách đó.
Do đó, nhân cách nổi tiếng nhất được tạo ra cho ELIZA là một sự tiện lợi về mặt kỹ thuật. Như chuyên gia tương tác người-máy Lucy Suchman giải thích, "Chương trình Doctor đã khai thác nguyên tắc rằng những tiền đề chung có thể không cần nói ra: rằng chúng ta càng nói ít trong cuộc trò chuyện, thì những gì được nói ra càng được coi là hiển nhiên." Trong việc tạo ra hiệu ứng ELIZA ban đầu, ít hơn lại là nhiều hơn.
Mục tiêu không phải là tạo ra một nhà trị liệu tự động hoàn chỉnh, mà là tìm một vai trò phù hợp với những hạn chế của môi trường lập trình. Sau đó, Weizenbaum đã soạn kịch bản để phù hợp với vai trò đó bằng cách chọn những từ cụ thể gợi lên giọng điệu hùng biện và đặc điểm nhân vật, ví dụ: "HÃY THẢO LUẬN THÊM TẠI SAO BẠN… ĐIỀU ĐÓ GỢI Ý GÌ CHO BẠN." Trong Doctor, phía máy tính của cuộc trò chuyện cần phải tỏ ra là một người lắng nghe tốt, quan tâm đến những gì người dùng đã đề cập trước đó, vì vậy nó thường bao gồm văn bản của người dùng trong các câu trả lời và giữ các phản hồi mở. Vì một bác sĩ thực sự sẽ tò mò, kịch bản chứa rất nhiều câu hỏi "CÁI GÌ" và "TẠI SAO". Trong các kịch bản và đoạn hội thoại khác, các từ khóa kịch bản và phản hồi được gán cho thấy các quyết định thiết kế giúp tạo ra các nhân cách cụ thể khác nhau. Sự biến đổi này ngày càng trở nên rõ ràng khi chúng ta xem xét phạm vi rộng hơn của các kịch bản ELIZA.
Vậy, một số nhân cách thay thế của ELIZA là gì?
Hãy bắt đầu với một kịch bản có tên Neweng, viết tắt của New England. Đến giữa những năm 1950, các nhà khoa học đã bắt đầu xem xét đề xuất của Turing về việc trò chuyện với máy tính như một ý tưởng khả thi. Năm 1959, một "cỗ máy trò chuyện" do một nhóm nhỏ tại Trung tâm Tính toán Đại học Toronto tạo ra có thể nói chuyện phiếm về thời tiết nếu được cung cấp dữ liệu hiện tại. Kịch bản của nó bao gồm một chuỗi từ về thời gian, thời tiết và cảm xúc được xếp hạng, nhưng hệ thống này có "một cái nhìn khá hạn hẹp," từ vựng hạn chế và không có kiến thức về cú pháp. Theo những người tạo ra nó, "mặc dù thô sơ như vậy, kết quả trong cuộc trò chuyện khá tốt một cách đáng ngạc nhiên, điều này theo một cách nào đó là một bình luận về sự nông cạn của cuộc trò chuyện thông thường về thời tiết."
Một trong những kịch bản thử nghiệm của ELIZA được tìm thấy trong kho lưu trữ có chức năng tương tự. Neweng không xoa dịu, trị liệu hay hướng dẫn, mà chỉ nói chuyện phiếm. Nó trò chuyện như thể đang ở một bữa tiệc tối nhàm chán.
"BẠN THÍCH BANG NEW ENGLAND NÀO NHẤT?"
"tôi yêu rhode island"
"TÔI THÍCH NHỮNG BÃI BIỂN TRÊN LONG ISLAND SOUND"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích massachusetts"
"ĐÓ LÀ BANG QUÊ HƯƠNG CỦA TÔI"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"bạn chắc hẳn cũng thích massachusetts"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích trượt tuyết ở new hampshire"
"TRÊN ĐÓ KHÁ MÁT MẺ VÀO MÙA HÈ"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích missouri"
"MISSOURI KHÔNG PHẢI LÀ MỘT BANG NEW ENGLAND"
"BẠN THÍCH BANG NEW ENGLAND NÀO KHÁC?"
"tôi thích cape cod"
"ĐÓ LÀ MỘT PHẦN ĐẸP CỦA MASSACHUSETTS"
Chúng ta có thể học được gì từ một cuộc trò chuyện cơ bản như vậy, nơi dường như không có gì thú vị được chia sẻ? Mặc dù cuộc trò chuyện nhạt nhẽo, một nhân cách vẫn hiện lên từ kịch bản bot qua các cụm từ như "KHÁ MÁT MẺ" và "TRÊN ĐÓ" cùng các địa điểm như "NHỮNG BÃI BIỂN TRÊN LONG ISLAND SOUND". Từ những bình luận như vậy, chúng ta có thể bắt đầu hình dung một nhân cách không chỉ có một vốn từ vựng nhất định mà còn có những sở thích và địa điểm nghỉ dưỡng cụ thể. Thậm chí, những giả định ngầm về chủng tộc và tầng lớp cũng có thể xuất hiện.
Một nhân cách thích trò chuyện có thể mang nhiều hình thức, tùy thuộc vào nơi và thời điểm cuộc trò chuyện diễn ra. Nhân cách này có vẻ dè dặt, có lẽ phù hợp với bối cảnh New England những năm 1960. Hệ thống nhắc nhở người dùng rằng Missouri không phải là một bang New England, nhưng điều gì sẽ xảy ra nếu cuộc trò chuyện này diễn ra ở Missouri, Texas hay Mexico? Nhân cách máy móc sẽ có âm điệu, giọng điệu và các tham chiếu khác nhau. Chúng ta sẽ hiểu gì về một nhân cách trò chuyện từ Fire Island, từ Brooklyn, từ Berlin? Chúng sẽ nghe như thế nào và thảo luận về những chủ đề gì?
Những khác biệt về chủ đề này thực sự quan trọng. Chúng ngụ ý những nhân cách có nền tảng và kinh nghiệm hoàn toàn khác nhau, mang đến cho người dùng những tương tác và mối quan hệ cảm xúc hoàn toàn khác biệt. Bằng cách này, kịch bản Neweng cho thấy ngay cả những thuật toán đơn giản tạo ra các phản hồi ngữ cảnh về địa lý cũng có thể tạo ra một cảm giác thuyết phục về nhân cách và địa điểm. Trong khi Neweng có thể được cho là đã tạo ra một nhân cách trò chuyện thân mật, tập trung vào trao đổi xã hội nhẹ nhàng, các kịch bản khác đã đẩy ELIZA vào các vai trò có cấu trúc và mang tính giáo dục hơn. Những kịch bản này chứng minh cách hệ thống có thể được điều chỉnh không chỉ để trò chuyện thân thiện mà còn để giảng dạy.
Hãy cùng gặp ELIZA gia sư, hoàn toàn khác với ELIZA nhà trị liệu hay người hàng xóm thích trò chuyện. Intrvw, Canvec, FVP1 và Arithm là một bộ kịch bản ELIZA được tạo ra làm công cụ giảng dạy, được sử dụng trong các thí nghiệm của Edwin F. Taylor tại Trung tâm Nghiên cứu Giáo dục của MIT. Các kịch bản này chạy trên các phiên bản ELIZA sau này, đã tích hợp một đổi mới kỹ thuật quan trọng gọi là khớp từ khóa có điều kiện.
Không giống như ELIZA gốc chỉ đơn giản tìm kiếm từ khóa và tạo ra phản hồi dựa trên sự hiện diện của chúng, các phiên bản cập nhật này có thể theo dõi những gì đã được thảo luận trước đó và phân nhánh thành các đường dẫn hội thoại khác nhau dựa trên các câu trả lời cụ thể của người dùng. Sự phát triển này cho phép ELIZA mô phỏng một kiểu phương pháp Socratic, nơi một gia sư hướng dẫn việc học thông qua các câu hỏi được sắp xếp cẩn thận, phản hồi các câu trả lời của học sinh thay vì chỉ đơn thuần trình bày thông tin.
Những kịch bản này xây dựng nhân cách gia sư thông qua nhiều cử chỉ ngôn ngữ tinh tế, tạo ra đặc điểm và giọng điệu hùng biện. Giọng điệu này khác với Doctor, vốn đặt câu hỏi mở và tỏ ra nhẹ nhàng, không khoa học. Trong các kịch bản gia sư, các khối văn bản thông tin lớn từ bot có xu hướng chiếm ưu thế trong cuộc trò chuyện, và giọng điệu thường khô khan và ít cảm xúc hơn trong các giải thích này. Các đoạn hội thoại cho thấy các kịch bản có cấu trúc bao gồm hướng dẫn để dẫn dắt học sinh qua các con đường học tập Socratic hẹp.
Đặc biệt, các kịch bản giảng dạy có tính năng khen ngợi và phê bình. Các đoạn hội thoại cho Intrvw, Canvec và FVP1 được rải rác với các từ như "XUẤT SẮC", "RẤT TỐT", "BẠN ĐÚNG RỒI" và "CHÚC MỪNG". Những điều này tạo ra cảm giác về một người hướng dẫn hỗ trợ, cổ vũ học sinh. Sự lịch sự như vậy đã được các bot đương đại như ChatGPT tiếp thu, vốn đã được chứng minh là hoạt động tốt hơn khi mọi người lịch sự với nó.
ELIZA có thể trở thành một gia sư hiệu quả hơn khi hệ thống phát triển về khả năng, một lời nhắc nhở quý giá khác rằng ELIZA không phải là một chương trình duy nhất mà là một "gia đình" các chương trình. Sau khi bài báo CACM năm 1966 được xuất bản, Weizenbaum tiếp tục phát triển các hệ thống tương tác và hiểu biết. Như một thử nghiệm, Weizenbaum đã viết kịch bản Arithm ít như một gia sư hơn mà là để "minh họa sức mạnh của bộ đánh giá mà ELIZA có thể truy cập." Nó sử dụng một giao diện ngôn ngữ thân thiện, đơn giản để người dùng thực hiện lập trình cơ bản. Kịch bản có thể thực hiện các phép tính, gán biến cho các giá trị và thực hiện các phép toán trên chúng. Các bài toán có thể được mô tả dưới dạng câu:
"Bán kính của một quả cầu là 10."
"Một quả cầu là một hình cầu. Một hình cầu là một vật thể."
"Diện tích của quả cầu là bao nhiêu."
"ĐÓ LÀ 1256.635916"
Phiên bản cập nhật năm 1967 của hệ thống ELIZA có thể tích lũy dữ kiện và lưu trữ thông tin bổ sung. Trong phiên bản ELIZA sau này, khi hệ thống không nhận ra thông tin, nó sẽ hỏi các câu hỏi tiếp theo để thu thập dữ liệu. Như Weizenbaum giải thích, "Kịch bản hiện tại được thiết kế để tiết lộ, thay vì che giấu, sự thiếu hiểu biết và hiểu lầm. Chẳng hạn, khi chương trình được yêu cầu tính diện tích của quả bóng, nó chưa biết rằng quả bóng là một hình cầu và khi đường kính của quả bóng cần được tính toán, sự thật rằng quả bóng là một vật thể cũng chưa được thiết lập." Không giống như Doctor, vốn đặt câu hỏi để duy trì cuộc trò chuyện, Arithm đang xây dựng kho dữ liệu và các câu lệnh logic của mình, nếu không phải là kiến thức.
Mặc dù sự đa dạng của các kịch bản giúp chúng ta thấy cách một loạt các nhân cách có thể được xây dựng thông qua lập trình kịch bản ELIZA, chúng chỉ đại diện cho một nửa quá trình hội thoại. Một kịch bản có thể thiết lập nền tảng cho một nhân cách, nhưng nhân cách đó chỉ thực sự hiện rõ thông qua tương tác với người dùng, những người tham gia, diễn giải và phản hồi theo những cách có thể xác nhận, thách thức hoặc biến đổi tính cách ngầm của kịch bản.
Bài viết này được chuyển thể từ cuốn sách mới "Inventing ELIZA: How the First Chatbot Shaped the Future of AI" của MIT Press, dự kiến ra mắt năm 2026.
