一、案例定位

用 ELIZA 說明：即使只是簡單的模式比對，也可能讓使用者感到互動非常像人類。

二、學習目標

• 理解「關鍵字 → 模式 → 替換 → 回應」流程。
• 區分自然互動感與真正的語意理解。

三、案例情境

Joseph Weizenbaum 於 MIT 在 1960 年代中期建立 ELIZA。原書描述其運作方式：先在使用者輸入中找出高優先順序的關鍵字，再套用對應規則與替換方式產生回答。DOCTOR 是最著名的 ELIZA 版本，用來模擬心理治療對話。

四、開始資料

五、Excel／AI 分析方法

可建立規則表：關鍵字｜優先順序｜模式｜回答範本，模擬規則式聊天機器人的基本邏輯。

六、計算結果

原書沒有提供 ELIZA 的正確率或使用者滿意度數據，因此不補造量化結果。

七、結果分析與管理解讀

ELIZA 的重要教訓是：互動像人不等於真正理解。 這個差異在今天評估大型語言模型時仍非常重要。

八、AI 提問詞

根據以下關鍵字與規則表模擬一次規則式回答；不得聲稱系統真正理解使用者情緒。

九、思考／情境變動

**題目：**ELIZA 產生令人信服的回答，是否足以證明它具有深層語意理解？

**參考解答：**不能。原書明確說明這種方法可能讓使用者產生「系統理解了我」的錯覺。