Dr. Sbaitso 是 Creative Labs 于 1992 年发布的一款基于文本的人工智能程序。它是最早面向消费者的聊天机器人之一，旨在模拟一位心理学家与用户进行打字对话。该程序因其使用数字化语音朗读回复而闻名，这一功能使其在早期个人电脑用户中令人难忘。尽管以现代标准来看较为原始，Dr. Sbaitso 仍被认为是对话式人工智能和人机交互历史上的一个里程碑。
该软件运行在基于 DOS 的个人电脑上，通常与 Creative Labs 的 Sound Blaster 声卡捆绑销售。其界面简单：用户输入文本行，Dr. Sbaitso 则以脚本化或模式匹配的回复作答，并通过声卡将回复朗读出来。该程序的名称和角色设定灵感来源于虚构的“Dr. Sbaitso”（对“S.B.I.T.S.O.”的戏仿），其设计目的是展示硬件的音频能力，而非作为严肃的治疗工具。
历史背景与发展
Dr. Sbaitso 出现于神经网络和机器学习研究主要局限于学术实验室、消费软件依赖基于规则系统的时期。该程序由 Creative Labs 开发，这家公司主要以音频硬件闻名，其目的是展示 Sound Blaster 的语音合成能力。与后来使用统计或深度学习方法的对话代理不同，Dr. Sbaitso 基于一组简单的关键词匹配规则和预编程回复运行，这是早期聊天机器人（如 ELIZA，1966 年）中常见的方法。
Creative Labs 于 1992 年发布了 Dr. Sbaitso，这一年研究环境中也出现了更先进的基于文本的系统，但商业产品寥寥无几。该程序的发布比大语言模型范式的广泛采用早了数十年，且未纳入Transformer (architecture)架构或生成式人工智能技术。相反，它依赖确定性模式匹配，这限制了其对话范围，但使其在当时的有限硬件上可靠且易于运行。
技术特点与局限性
Dr. Sbaitso 的核心功能基于一组有限的对话规则。它能识别简单短语、提出后续问题，并用预设句子回应用户输入。该程序的语音输出由文本转语音引擎生成，该引擎利用了 Sound Blaster 的数字信号处理能力，这在当时的消费软件中是一项新颖功能。这种与AMD声卡（Creative Labs 使用多家制造商的芯片）的集成凸显了多媒体在个人计算中日益增长的重要性。
尽管具有新颖性，Dr. Sbaitso 存在显著局限性。它无法记住超出几次交流的对话历史，不能处理复杂语法，且经常产生无意义或重复的回复。这些缺陷是早期聊天机器人的典型特征，它们未使用现代系统中常见的残差网络或多头注意力机制。该程序也没有学习能力；其回复完全预脚本化，这与当代强化学习方法（如Reinforcement Learning from AI Feedback (RLAIF)）形成鲜明对比。
文化影响与遗产
Dr. Sbaitso 成为早期 PC 爱好者中的小众宠儿，他们经常分享对话记录，并对会说话的电脑这一新奇事物感到惊叹。它常与 ELIZA 和 PARRY 等其他早期程序一起，在聊天机器人历史的讨论中被频繁引用。该程序的流行帮助普及了对话式界面的概念，尽管它本身并非商业成功。
此后数十年，Dr. Sbaitso 在关于人工智能历史的学术论文和早期消费软件回顾中被提及。它常被与OpenAI或Google DeepMind开发的现代助手进行比较，这些助手使用基于Transformer (architecture)的架构和庞大数据集。然而，Dr. Sbaitso 的简单性有时因其透明性而受到赞扬，因为用户可以轻松理解其工作原理，这与当今不透明的神经网络模型不同。
与现代对话式人工智能的比较
现代对话代理，例如基于大语言模型构建的代理，与 Dr. Sbaitso 有根本性差异。它们采用深度学习技术，包括编码器-解码器架构和位置编码，来处理和生成文本。它们使用损失函数和Adam 优化器等优化方法在庞大语料库上训练，并能处理上下文、细微差别和开放式对话。相比之下，Dr. Sbaitso 是一个基于规则的系统，没有训练阶段，也无法泛化超出其脚本化回复的范围。
尽管存在这些差异，Dr. Sbaitso 与现代系统有一个共同目标：模拟人类对话。其遗产在于证明了即使是初级的人工智能也能吸引用户，为更复杂的生成式人工智能工具铺平了道路。该程序还预示了 AI 中语音输出的集成，这一功能如今在苹果和三星电子等公司的虚拟助手中很常见。
评价与历史评估
对 Dr. Sbaitso 的当代评价褒贬不一，有人称赞其新颖性，也有人批评其智能有限。随着时间的推移，它已被重新评估为人机交互演变中的重要文物。计算史学家常将其引用为硬件公司使用软件展示新能力的例子，这种做法至今仍在继续，例如AWS Trainium和其他专用 AI 芯片。
截至 2020 年代，Dr. Sbaitso 已不再广泛使用，但它仍是爱好者和历史学家感兴趣的主题。模拟器和存档版本可供使用，让新一代人能够体验这种早期对话式 AI 的尝试。其故事凸显了该领域的快速进步，从简单的模式匹配到驱动当代聊天机器人的复杂Transformer (architecture)模型。