LISP, ELIZA i iluzja rozmowy

🎯 Po co Ci to?

Wyobraź sobie program napisany w roku 1966, który — mimo że nie rozumie ani jednego słowa po polsku (czy angielsku) — potrafi przekonać sekretarkę swojego twórcy, że rozmawia z kimś, kto naprawdę ją słucha i rozumie jej problemy. To nie jest opowieść o oszustwie — to opowieść o tym, jak łatwo ludzki umysł projektuje zrozumienie tam, gdzie go nie ma. To jedna z najważniejszych i najbardziej niepokojących lekcji z całej historii AI — i będzie do niej wracał niejeden rozdział tej książki, aż po dzisiejsze rozmowy z chatbotami.

✅ Czego się nauczysz

Po tej lekcji potrafisz:

• wyjaśnić, czym był LISP i dlaczego stał się głównym językiem symbolicznej sztucznej inteligencji przez kolejne trzy dekady;
• opisać zasadę działania programu ELIZA i jej efekt psychologiczny na użytkownikach;
• wyjaśnić, dlaczego reakcja ludzi na ELIZĘ zaniepokoiła samego jej twórcę, Josepha Weizenbauma;
• odróżnić „symulowanie rozmowy" od „rozumienia rozmowy".

🔁 Przypomnij sobie

W poprzedniej jednostce poznałeś Physical Symbol System Hypothesis — przekonanie, że manipulacja symbolami wystarcza do inteligencji. ELIZA jest doskonałym testem tej hipotezy w praktyce: program manipulował symbolami (słowami) bez żadnego „rozumienia" w ludzkim sensie — a mimo to wywołał u ludzi silne wrażenie, że rozmawiają z kimś, kto ich rozumie.

📘 Wyjaśnienie — LISP

John McCarthy — ten sam, który w 1955 roku wymyślił nazwę „sztuczna inteligencja" — w 1958 roku stworzył język programowania LISP (skrót od LISt Processing, przetwarzanie list). Był to pierwszy język zaprojektowany z myślą o operowaniu symbolami i strukturami symbolicznymi, a nie wyłącznie liczbami — co czyniło go naturalnym narzędziem dla całej symbolicznej gałęzi AI. Nazwa LISP jest też, nieprzypadkowo, pierwszym w historii informatyki humorystycznym akronimem — otwierając tradycję żartobliwego nazewnictwa, która przetrwa w informatyce do dziś.

LISP okazał się na tyle uniwersalny i trwały, że napisano w nim kolejne pokolenia flagowych programów AI: DENDRAL i ELIZA w latach 60. (o obu przeczytasz — DENDRAL w dziale 7, ELIZA w tej właśnie jednostce), SHRDLU w latach 70., CYC w latach 80. (dział 7, jednostka 7.2). Przez kolejne trzydzieści lat LISP pozostawał domyślnym językiem symbolicznej sztucznej inteligencji — do tego stopnia, że w latach 80. powstały nawet dedykowane komputery zoptymalizowane wyłącznie pod jego wykonywanie, tzw. LISP machines (wrócisz do nich w dziale 7, jednostka 7.5).

📐 DEFINICJA — LISP: język programowania wysokiego poziomu stworzony przez Johna McCarthy'ego w 1958 roku, zaprojektowany do przetwarzania symboli i list — struktur reprezentujących pojęcia, a nie tylko liczby. Przez dekady główny język symbolicznej sztucznej inteligencji.

Po ludzku: to narzędzie, które pozwoliło programistom operować pojęciami („pies", „ma sierść", „szczeka") tak samo naturalnie, jak inne języki operują liczbami — co było warunkiem koniecznym budowy systemów rozumujących symbolicznie.

📘 Wyjaśnienie — ELIZA

W połowie lat 60. na MIT Joseph Weizenbaum napisał program o nazwie ELIZA — pierwszego w historii chatbota symulującego rozmowę z człowiekiem. Zasada działania była zaskakująco prosta: ELIZA analizowała wzorce w tekście wpisanym przez użytkownika i stosowała proste reguły przekształcania zdań, by „odbić" wypowiedź z powrotem w formie pytania — najsłynniejszy tryb pracy programu, zwany DOCTOR, naśladował styl terapeuty rogeriańskiego (nurt psychoterapii, który polega głównie na odzwierciedlaniu wypowiedzi pacjenta).

Pamiętasz Turka Szachistę z jednostki 1.2? Publiczność wierzyła w myślącą maszynę, bo znała już prawdziwe automaty. ELIZA działa podobnym mechanizmem społecznym — tylko zamiast człowieka w skrzyni masz szablony językowe. Weizenbaum był zaskoczony (i zaniepokojony), gdy ludzie zaczęli traktować program jak powiernika. To ten sam stary problem: granica między iluzją inteligencji a inteligencją bywa nieuchwytna — i wraca przy każdym nowym chatbotcie.

Sama nazwa programu nie wzięła się znikąd. Eliza Doolittle to bohaterka Pigmaliona George'a Bernarda Shawa — londyńska kwiaciarka, którą profesor fonetyki uczy mówić jak dama z towarzystwa. Weizenbaum dobrał patronkę przewrotnie: jego program również „udawał kogoś, kim nie był", a najsłynniejszy z jego skryptów, DOCTOR, naśladował psychoterapeutę ze szkoły Carla Rogersa — czyli takiego, który zamiast doradzać, odbija wypowiedzi pacjenta pytaniami.

💭 Pomyśl: Oto fragment prawdziwej rozmowy z ELIZĄ: Użytkownik pisze „Czuję się smutny." ELIZA odpowiada: „Dlaczego czujesz się smutny?" Jak myślisz — jaką prostą regułę zastosował program, żeby wygenerować tę odpowiedź, nie „rozumiejąc" ani słowa o smutku?

Sprawdź odpowiedź

Reguła jest mechaniczna: program rozpoznaje wzorzec „Czuję się [X]" i przekształca go na szablon „Dlaczego czujesz się [X]?", podstawiając to samo słowo X z powrotem. ELIZA nie wie, czym jest smutek, nie odczuwa empatii, nie ma modelu psychiki człowieka — po prostu dopasowuje ciąg znaków do wzorca i generuje odpowiedź według gotowego szablonu. To właśnie ta prostota jest szokująca: reguła nie wymaga żadnego „rozumienia", a mimo to efekt na użytkowniku bywa emocjonalnie przekonujący.

Reakcja użytkowników na ELIZĘ okazała się dla Weizenbauma szokiem. Jego własna sekretarka, wiedząc doskonale, że rozmawia z programem komputerowym, poprosiła go w pewnym momencie o opuszczenie pokoju, żeby mogła „porozmawiać z ELIZĄ na osobności" — mimo świadomości, że po drugiej stronie nie ma żadnego rozumiejącego umysłu. To zjawisko — przypisywanie maszynie zrozumienia, empatii czy intencji na podstawie samej tylko powierzchownej formy jej odpowiedzi — nazywa się dziś efektem ELIZY.

📐 DEFINICJA — efekt ELIZY (iluzja rozmowy): tendencja ludzi do przypisywania programowi komputerowemu zrozumienia, świadomości lub empatii wyłącznie na podstawie tego, że jego odpowiedzi brzmią sensownie — niezależnie od tego, czy program faktycznie „rozumie" treść rozmowy.

Po ludzku: to skłonność do myślenia „skoro odpowiada mądrze, to musi rozumieć" — nawet gdy wiemy, że mechanizm generujący odpowiedź jest banalnie prosty. Czym to NIE jest: efekt ELIZY nie dowodzi, że żadna maszyna nigdy nie będzie rozumieć — pokazuje tylko, że sama poprawność i płynność odpowiedzi nie jest dowodem rozumienia. To rozróżnienie wróci w jednostce 19.1 przy argumencie chińskiego pokoju Searle'a — i towarzyszy każdej dzisiejszej rozmowie z zaawansowanym chatbotem opartym na dużych modelach językowych (Dział 17).

⚠️ Uwaga, pułapka

Weizenbaum, twórca ELIZY, stał się później jednym z najostrzejszych krytyków sztucznej inteligencji — napisał książkę Computer Power and Human Reason (1976), w której ostrzegał przed powierzaniem maszynom decyzji wymagających prawdziwej mądrości i empatii, właśnie dlatego, że widział na własne oczy, jak łatwo ludzie dają się zwieść pozorom rozumienia. To ważna lekcja: sam wynalazca może stać się największym krytykiem swojego wynalazku, gdy dostrzeże jego rzeczywisty wpływ na ludzi. Nie zakładaj automatycznie, że twórca technologii jest zawsze jej entuzjastą.

📌 Najważniejsze w pigułce

• LISP (McCarthy, 1958) to język programowania stworzony do przetwarzania symboli — przez dekady główne narzędzie symbolicznej AI (DENDRAL, ELIZA, SHRDLU, CYC).
• ELIZA (Weizenbaum, lata 60.) to pierwszy chatbot — działał na prostych regułach przekształcania wzorców tekstowych, bez żadnego rzeczywistego rozumienia.
• Efekt ELIZY: ludzie przypisują maszynie zrozumienie i empatię na podstawie samej płynności jej odpowiedzi.
• Weizenbaum, zaniepokojony reakcją ludzi na własny program, stał się później krytykiem bezrefleksyjnego zaufania do AI.
• Pytanie „czy manipulacja symbolami to to samo, co rozumienie" wraca w tej książce wielokrotnie — po raz pierwszy właśnie tutaj.

🎒 Zadania

Zadanie 6.3.1. Napisz trzy przykładowe wypowiedzi użytkownika oraz odpowiedzi ELIZY w stylu DOCTOR (odzwierciedlanie wypowiedzi w formie pytania), a następnie wyjaśnij, jaką prostą regułę zastosowałeś dla każdej pary.

Sprawdź odpowiedź

Przykład 1: „Boję się egzaminu." → „Dlaczego boisz się egzaminu?" (reguła: „Boję się [X]" → „Dlaczego boisz się [X]?"). Przykład 2: „Moja mama się ze mną nie zgadza." → „Opowiedz mi więcej o swojej mamie." (reguła: wykrycie słowa „mama" → generyczne pytanie pogłębiające o wskazaną osobę). Przykład 3: „Nie wiem, co robić." → „A co, Twoim zdaniem, powinieneś zrobić?" (reguła: odbicie niepewności pytaniem zwrotnym). Klucz do zadania: żadna z tych reguł nie wymaga zrozumienia treści problemu egzaminacyjnego, relacji z mamą czy dylematu decyzyjnego — wystarczy rozpoznanie wzorca składniowego i mechaniczne podstawienie.

Zadanie 6.3.2. Weizenbaum był zaniepokojony, że ludzie ufali ELIZIE emocjonalnie, mimo że wiedzieli, iż rozmawiają z programem. Czy Twoim zdaniem świadomość, że rozmawiasz z maszyną, powinna w ogóle wpływać na to, czy przeżywasz tę rozmowę emocjonalnie? Uzasadnij dwoma argumentami — za i przeciw.

Sprawdź odpowiedź

Argument za tym, że świadomość powinna wystarczyć do zdystansowania się emocjonalnie: skoro wiemy, że mechanizm jest ślepy na treść, racjonalnie powinniśmy traktować odpowiedzi jak przypadkowe echo, a nie jak realne zrozumienie — emocjonalne zaangażowanie byłoby błędem poznawczym. Argument przeciw: ludzka psychika reaguje na formę interakcji (bycie wysłuchanym, otrzymanie pytającej, empatycznie brzmiącej odpowiedzi) niezależnie od tego, czy po drugiej stronie jest świadomy umysł — mechanizmy emocjonalnego przywiązania i projekcji działają automatycznie, poza kontrolą świadomej wiedzy o naturze rozmówcy (podobnie jak można się wzruszyć filmem, wiedząc, że aktorzy grają). To pytanie nie ma jednej słusznej odpowiedzi — jest dziś jeszcze bardziej aktualne niż w latach 60., bo współczesne chatboty (dział 17) są nieporównanie bardziej przekonujące niż ELIZA.

🔍 Sprawdź, czy umiesz

• [ ] Wyjaśnić, czym był LISP i dlaczego stał się dominującym językiem symbolicznej AI.
• [ ] Opisać zasadę działania programu ELIZA na konkretnym przykładzie.
• [ ] Zdefiniować efekt ELIZY i wyjaśnić, dlaczego zaniepokoił samego twórcę programu.
• [ ] Odróżnić „symulowanie rozmowy" (manipulacja wzorcami tekstowymi) od „rozumienia rozmowy".

---