VOICE / 声音
像真人，但连接不自然
- 专业配音录制语料
- 拆分并索引语音单元
- 预测发音、时长和韵律
- 选单元，连接成新话语
拼接式合成需要兼顾目标韵律与连接质量。生硬可能来自多个环节，不能只怪“把声音切碎”。Apple的2017年技术文档也说明了深度学习与单元选择如何结合。[7]
1966 → 2022 / 声音 · 对话 · 视觉
ChatGPT 之前，
AI 为什么显得
那么诡异？
这段稿子的好问题：为什么一种技术会让人觉得“像人，又不对劲”？
分析结论：三种体验需要分别解释。声音的接缝、对话的失配和图像的特征放大，不能统一归因于“AI精神状态异常”。这里保留怪谈的叙事感，同时让证据决定事实的写法。
案例选择限制：本页选择的是容易引起注意的体验，不代表整个早期AI时代。拿旧产品的失败片段与新产品的精选成功展示相比较，不能据此判断一代技术的总体优劣。
01 / 时间档案
不是从“笨机器”突然跳到 GPT
选取相关节点，并非完整 AI 史ChatGPT 是一次面向公众的产品节点。在它之前，规则系统、统计学习和神经网络已经并存；这些路线后来也没有互相彻底取代。
ELIZA：少量规则也能让人觉得被回应
DOCTOR 脚本按关键词拆句，再用模板重组回复。它说明“对话像在继续”与“系统理解了你”是两件事。[16]
Cleverbot：研发起点与网站上线要分开
官方把研发起点写为1988年，把Cleverbot.com上线写为2006年；来稿也提到Jabberwacky；本页不采用尚未打开原始凭证的其具体上线年份。[8]
CALO：学习与组织任务的助手研究
DARPA 的 PAL 框架下，SRI牵头开展CALO合作。Siri是其技术后续之一，不能把整个研究计划等同于Siri。[2]
Siri 从研究走向公司，再被 Apple 收购
SRI于2007年分拆Siri公司；Apple于2010年4月收购。研究、公司与手机产品是不同阶段。[1]
DeepDream：把识别网络的特征放大
Google于2015年6月发表Inceptionism文章。怪图是观察网络表征的一种方法，而非机器主观梦境的证据。[10]
Tay：输出问题还取决于交互环境
微软3月25日复盘称：上线后24小时内，有组织攻击利用了漏洞。微软也说上线前做过过滤；所以“那个年代完全没有过滤”不成立。[13]
02 / 拆开三种怪感
同样是“诡异”，故障链路不同
先区分语音助手的三个环节：识别输入 → 处理任务 → 合成声音
本页声音流程只讨论输出合成。听起来生硬，不能单独证明输入识别或任务处理失败；声音自然，也不能证明任务已经做成。这是分析框架，不是2011年Siri完整架构图。
03 / 教学互动
同一句输入，三条响应路线
输入：“我最近很焦虑。”点击切换，看系统可能怎样处理。以下回复全部由本页预写，用于解释路线，既不是历史聊天实录，也不是在线模型输出。现代系统可以组合规则、检索和生成。
互动未启用时，下面三种路线会全部展示。
规则路线 / 简化演示
“你为什么觉得焦虑？”
触发“焦虑”这个关键词，再把输入的一部分装入问题模板。表面上像追问，却不表示系统理解了情绪。这是说明规则重组的中文创作示例，不是ELIZA原文翻译。[16]
局限：未命中规则时，可能给出通用兜底句。
检索路线 / 简化演示
“哦，下辈子吧。”
如果候选库收录了不合适的回复，而匹配、排序或过滤没有拦住它，输出可能与当前情境冲突。这个演示不复刻Cleverbot内部算法。[8]
- 教学候选 A相似主题 → “我也有过这种感觉。”
- 教学候选 B · 来稿风格素材错配语境 → “哦，下辈子吧。”
生成路线 / 简化演示
“最近有什么事情让你感到压力？”
训练形成模型参数，模型在当前上下文中生成后续文本。是否接检索、工具或记忆，是额外的系统设计。单次聊天里使用上下文，不等于模型立即更新了权重。[14][15]
这句预写示例只展示表达方式，不证明心理支持能力、事实正确率或真实模型性能。
国内案例要保留身份边界
04 / 视觉解释
放大的是什么？不只是“狗”
训练数据决定网络可能学到哪些特征；输入、选层与增强目标决定这一次放大哪些特征。把原因压缩成“狗看多了”，会漏掉方法本身。[10]
概念示意 · 非模型输出 · 非真实特征图
示意图只解释“重复强化”。 图中的眼睛由本页手工绘制；不同阶段不是同一真实网络的逐层实验。
把图像链路分成三个问题
1. 网络学过什么？
训练样本会影响它容易响应的特征。某些动物图案多见，不等于所有结果都来自狗。
2. 这次增强哪里？
选层与目标决定增强对象。不能把“识别出狗”与“增强某层的特征”混成一个步骤。
3. 重复调整多久？
继续调整输入可能让局部模式越来越夸张。演示阶段没有量化性能或真实算法参数。
“118种狗”未核实，本页不使用。Stanford Dogs的原始论文写120类，它是用ImageNet图像与标注另行整理的数据集，不能代表DeepDream所用网络的类别口径。[17]
05 / 感受与假说
恐怖谷可以帮助提问，不能包办解释
06 / 原稿核验
15 条说法，逐条决定怎样写
以下标题是从原稿提取的主张摘要，不是逐字引文。“证据不足”表示本次未核实，并不表示已证伪。企业与本人自述都有各自范围；只有日期成立，不能推出决策动机或意识状态。
显示全部15条
可保留 · 有范围
Siri 源于 DARPA 支持的研究
保留谱系
SRI确认PAL/CALO与Siri的关系；Siri不是军用项目原样搬进手机。 [2]
证据不足
DARPA 砸了1.5亿美元
暂不使用金额
本次未厘清PAL整体、CALO与SRI合同的预算口径。研究计划总额与单个机构合同额不能互相替代。 [2]
证据不足
原本叫 Do 引擎，是超级终端
术语与能力待核实
“执行引擎”可作功能描述，但未取得“Do引擎”是正式原名的证据。叫车、订餐厅也需逐项验证当时的可用服务。 [1]
可保留 · 有范围
4S发布会次日乔布斯去世
需改写
苹果追求稳定和规模化，把 Siri 阉割了
删去确定性归因
这是原稿的产品评价。时间上的先后不能证明公司决策的动机。语音论文记录的改进仅限声音合成，无法据此裁定任务功能是否收缩。 [7]
可保留 · 有范围
Susan Bennett 2005年录音
需改写
拼接合成让语调永远平
删除“永远”
拼接质量取决于语音库、韵律预测、单元选择与连接。人工录音既提供音色，也提供自然变化。 [7]
需改写
所有早期 chatbot 都只复制粘贴
区分规则与检索
ELIZA的关键词重组和Cleverbot的历史会话匹配不同；早期AI也包含学习型视觉与语音系统。 [16]
证据不足
小i、小黄鸡都用同一种算法
不推定共同架构
小i官方历程能支持企业与产品年份，不能证明其各版本、人人网小黄鸡与Cleverbot具有相同实现。原稿对话没有原始截图或链接。 [18]
需改写
ImageNet 有118个狗品种类
取消未核实数字
必须明确数据集版本与类别定义。Stanford Dogs论文写120类，但那是另一个数据集，不能拿来替换本句。 [17]
需改写
DeepDream 的怪图只是狗太多
补上算法链路
训练数据影响偏好；选哪一层、增强什么目标、迭代方法和输入图像也会影响结果。 [10]
需改写
改为具体案例
微软称Tay上线前已有过滤，却被有组织攻击利用漏洞。不能用一个事故外推整个年代。 [13]
需改写
旧AI都在恐怖谷底
限定解释范围
森政弘原文讨论拟人外形与动作。对聊天与声音的不适，本页只把它视为可能解释。 [12]
需改写
GPT 吃透全世界，已经完美
改为可核验描述
生成能力来自训练，不等于穷尽知识；流畅、事实正确与执行可靠要分别检查。2022发布文档已明确错误风险。 [14]
需改写
现在 AI 都已经飞跃恐怖谷
保留个人感受，删普遍断言
不同用户、场景和模态会产生不同体验；本次没有横跨产品与人群的测量证据。 [12]
07 / 内容创作
一版保留叙事感的修订口播
以下是改写稿。段落顺序与语气是编辑建议；前文已给出事实依据，带个人感受的句子不作普遍结论。未查实的预算、术语和产品归属不进入口播事实。
展开 / 收起修订稿
开场：它为什么总是差一点？
你有没有想过，在ChatGPT出现之前，AI是什么样的？有的声音像真人，但断句让人愣一下；有的聊天很热闹，但上一句和下一句根本接不上；还有的把云朵加工成一片眼睛。这些画面很适合讲成赛博怪谈。不过，要解释它们，得先把三条技术路线拆开。
Siri：真人声音，机器组合
Siri并不是在苹果内部从零诞生的。它与SRI的助手研究有关，后来独立成公司，2010年被苹果收购。2011年10月4日，苹果发布带Siri的iPhone 4S。第二天，乔布斯去世了。这个时间点值得记住，但它不能用来解释此后的产品取舍。
更有意思的是声音。Susan Bennett在2013年的采访里说，美国英语初代Siri女声来自她在2005年录下的素材。那时她不知道，这些录音会在几年后进入手机。英国和澳大利亚版本另有声音，苹果也没有公开确认她的身份。
拼接式合成不是把所有句子预录一遍。系统要从录音库选择合适的小单元，再组合成新的话语。连接、时长和语调如果没处理好，人就会听出哪里不自然。它不是没有任何变化，只是变化有时没有符合我们的期待。
2016年的Tay还提醒我们：问题不只来自模型。微软在复盘中说，已有过滤仍被有组织攻击利用了漏洞。机器怎样与人互动，系统怎样限制滥用，同样会决定它最后说出什么。
DeepDream：图里的模式越放越大
到了2015年，Google展示了DeepDream相关的图像：我们熟悉的景物里，冒出了不自然的结构。它背后的操作，是选取识别网络的一部分，不断调整图像，让某些特征更强。选择的网络层不同，出现的东西也会不同。训练样本有影响，但“只是看狗太多”解释不了整个过程。
结尾：流畅之后，错误还在
恐怖谷能提供一个讨论角度：一个东西越来越像人，为什么有时反而让人不舒服？但它最早讨论的是外形与动作，不能直接拿来证明所有早期AI都在谷底。
保留
怪谈式开场、三个具体场景、结尾的个人感受。这些负责让读者愿意看下去。
修改
把“永远”“全部”“吃透”“完美”改为带范围的描述。把技术能力与用户体验分开。
补充
ELIZA说明规则路线，Tay说明交互环境。避免把ChatGPT之前的AI写成只有一种实现。
08 / 可追溯来源
来源、证据范围与制作状态
18项资料在本次实际打开核对；链接可用性是本次观察，不保证永久可用。多数是研发方、发布方或作者原文；CNN内容为本人采访，ELIZA使用原稿转录存档。不同页面来自同一机构时，不算独立来源。 所有来源链接会在新标签页打开。
本次覆盖与缺口
已核对：Siri谱系与日期、Susan录音叙述、语音合成、Cleverbot自述、DeepDream、Tay、恐怖谷与ChatGPT发布资料。未核实：1.5亿美元具体口径、“Do引擎”正式命名、Jabberwacky具体上线年份、人人网小黄鸡产品归属、原稿聊天实录、现代模型整体跨越恐怖谷。未检索私人笔记或聊天历史。
检索使用内置网页搜索。补充搜索通道不可用，未取得结果；本页未取得多个搜索引擎的成功覆盖。18项正文的核验由逐项打开的资料支持。Susan个人官网超时、ACM论文站403，均未作为已打开来源。
- 01SRI：Siri 历史
2007条目；含后续历史 · 原研发机构：2007分拆、2010年4月收购、2011整合
- 02SRI：CALO 项目回顾
2020-07-30 · 原研发机构：PAL/CALO谱系与2003年起的合作
- 03Apple：iPhone 4S 发布
2011-10-04 · 发布主体：发布日期、10月14日开售与当时功能
- 04Apple 董事会：乔布斯逝世
2011-10-05 · 发布主体：逝世日期
- 05CNN：Susan Bennett 本人采访
2013-10-04 · 本人叙述：2005年7月、每天4小时、整月；未获Apple确认
- 06CNN：录音内容与语言版本
2013-10-04 · 本人叙述：发音组合；报道明确美国版本
- 07Apple：Siri 语音合成技术
2017-08-06 · 技术团队：单元选择、韵律、iOS 9至11比较；不是2011实现的完整文档
- 08Cleverbot：About
网页未标更新日期 · 开发方：1988研发起点、2006网站、模糊与上下文比较
- 09
- 10Google：Inceptionism 原文
2015-06-18 · 研究作者：选层、迭代、特征放大、不同训练数据的差异
- 11Google：DeepDream 原始代码
仓库历史；2023-12-22归档 · 原作者代码发布；本页没有运行这些代码
- 12森政弘：恐怖谷原文英译
1970原文；2012英译 · 作者原文：外形与动作的概念假说；曲线不是测量数据
- 13Microsoft：Tay 事故复盘
2016-03-25 · 运营方自述：已有过滤，遭有组织攻击；未独立取证
- 14OpenAI：Introducing ChatGPT
2022-11-30 · 发布主体：训练与发布时的局限；不作2026能力测评
- 15Transformer 原始论文
2017-06-12首次提交 · 研究作者：Transformer架构；不是所有AI的唯一架构
- 16ELIZA 原稿与 DOCTOR 脚本存档
1966原稿；现代转录 · 原始脚本转录：关键词和重组规则；ACM原站本次403
- 17Stanford Dogs 原始论文
2011 · 作者原文：120类，用ImageNet图像与标注另行整理；不是DeepDream网络类别口径
- 18