در دهه ۶۰ میلادی، زمانی که جوزف وایزنباوم در دانشگاه MIT برنامه «الیزا» (ELIZA) را با شخصیت درمانی «دکتر» طراحی کرد، شاید هیچکس تصور نمیکرد که این چتبات ساده به سنگ بنای مباحث اخلاقی و فنی هوش مصنوعی در سال ۲۰۲۶ تبدیل شود. الیزا به عنوان اولین نمونه از چتباتهای گفتگومحور، با استفاده از الگوهای متنی ساده، حتی نزدیکان سازندهاش را نیز متقاعد میکرد که با یک موجود هوشمند در حال صحبت هستند.
اثر الیزا (ELIZA Effect) چیست و چرا فریب میخوریم؟
این پدیده که بعدها «اثر الیزا» نام گرفت، به تمایل ذاتی ما برای نسبت دادن درک، همدلی و هوش به برنامههای رایانهای اشاره دارد. حتی زمانی که برنامه صرفاً بر پایه بازسازی جملات ورودی و انتخاب پاسخهای از پیش تعیین شده عمل میکند، ذهن ما به طور خودکار خلأهای موجود در پاسخهای ماشین را با معنای انسانی پر میکند. این تمایل، ریشه در روانشناسی تعامل انسان و رایانه دارد و نشان میدهد که «تعامل» به تنهایی میتواند حس درک شدن را به کاربر منتقل کند.
هویت نمایشی در دنیای کدها؛ از پیگمالیون تا هوش مصنوعی
وایزنباوم با نامگذاری این برنامه به یاد «الیزا دولیتل» در نمایشنامه پیگمالیون، به ماهیت نمایشی هویت اشاره داشت؛ شخصیتی که یاد میگیرد با تغییر نحوه سخن گفتن، خود را در طبقه اجتماعی متفاوتی جای دهد. در هوش مصنوعی مدرن، مدلهای زبانی بزرگ (LLM) نیز با استفاده از تکنیکهای پیشرفته آماری، دقیقاً همین نقش را ایفا میکنند. آنها با تقلید از ساختارهای زبانی انسانی، به گونهای عمل میکنند که ما ناخودآگاه پیچیدگیهای ذهنی خود را به کدهای دیجیتالی فاقد فهم نسبت میدهیم.
تفاوتهای بنیادین مدلهای مدرن و الیزا
در حالی که الیزا تنها یک بازی با کلمات بود، سیستمهای هوش مصنوعی امروزی مانند ChatGPT پشت یک رابط کاربری مدرن، انبوهی از دادههای استخراج شده از فعالیتهای بشری را پنهان کردهاند. در ادامه به چند تفاوت کلیدی اشاره میکنیم:
- منبع دانش: الیزا مبتنی بر قواعد سختگیرانه بود، اما مدلهای کنونی بر پایه احتمالات آماری و «استخراج داده» (Data Siphoning) از میلیونها نوشتهی انسانی بدون اجازه صاحبان اثر عمل میکنند.
- انسانیتزدایی: وایزنباوم معتقد بود هر زمان که انسان به عنوان یک «ماده خام» در مهندسی اجتماعی نادیده گرفته شود، نوعی انسانیتزدایی رخ میدهد. اکنون چتباتها در نقش مشاور، همدم یا دستیار آموزشی، مرز بین بهرهوری و استثمار داده را کمرنگ کردهاند.
نتیجهگیری؛ درسهایی از تاریخ برای آینده هوش مصنوعی
بررسی تاریخچه الیزا به ما میآموزد که طراحی نرمافزار صرفاً یک امر فنی نیست، بلکه یک کنش سیاسی و اخلاقی است. سیستمهایی که برای تقلید از هوش انسانی طراحی میشوند، بیش از آنکه به «فهمیدن» نزدیک شده باشند، در «پنهان کردن عدم درک» مهارت یافتهاند. شناخت این تبارشناسی به ما کمک میکند تا در مواجهه با سیستمهای جدید، میان «هایپ» (هیاهوی تبلیغاتی) و واقعیت فنی تمایز قائل شویم. برای توسعهدهندگان و کاربران در سال ۲۰۲۶، درس بزرگ الیزا این است که تعامل با هوش مصنوعی نباید ما را از یادآوری این نکته غافل کند که زبان، ریشه در زمینههای اجتماعی دارد که هیچ الگوریتم آماری قادر به بازتولید معنای حقیقی آن نیست.
