SHRDLU是一个早期的自然语言理解计算机程序，由Terry Winograd于1968年至1970年在MIT开发。它允许用户用英语与计算机对话，在一个简化的“积木世界”（一个包含积木、锥体和球的虚拟盒子）中操作对象。该程序结合了语言解析、记忆和基础物理来模拟理解，并使用Micro Planner和Lisp编写，运行在DEC PDP-6计算机上，配有DEC图形终端。后来在犹他大学的补充增加了世界的完整3D渲染。其名称源自ETAOIN SHRDLU，即Linotype机器上按英语使用频率排序的字母排列。
功能
SHRDLU的核心是一个语言解析器，处理用户关于积木世界的指令和查询。世界被刻意简化，词汇量约为50个单词：如“block”和“cone”等名词，“place on”和“move to”等动词，以及“big”和“blue”等形容词。这种简单性使程序能够可靠地解析句子并执行操作。
其关键特性是记忆，它提供了上下文。用户可以引用之前提到的对象，而无需重复完整描述。例如，在“把绿色锥体放在红色积木上”之后，后续的“把锥体拿下来”会正确识别出绿色锥体。SHRDLU还能回答关于其历史的问题，如“你在锥体之前拿起过什么吗？”
程序包含关于世界物理的基本规则，使其能够推理可能性。它可以推断积木可以堆叠，但锥体不能，基于其经验。这使它能够回答“金字塔能支撑金字塔吗？”这样的问题，答案是“我不知道”，或“堆起两个金字塔”时回答“我不能”。
SHRDLU还允许用户定义新术语。例如，可以说“尖塔是一个包含两个绿色立方体和一个金字塔的堆叠”，SHRDLU随后会理解并回答关于尖塔的问题，甚至按请求构建新的尖塔。
一个典型会话（如Winograd的工作中所述）展示了程序处理复杂指令、解析代词指代并解释其行为。例如，当被问“你为什么要清空那个立方体？”时，它回答“为了把它放在一个大的绿色立方体上”，展示了推理链。
影响
SHRDLU被认为是人工智能（AI）研究中的一个里程碑式成功，展示了自然语言理解的潜力。其表现让AI研究人员感到乐观，他们认为扩展此类系统可以实现通用智能。然而，当后来的系统面临现实世界的歧义和复杂性时，这种乐观情绪消退，而SHRDLU的控制环境避免了这些问题。
该程序影响了后续在Artificial intelligence和Natural language processing领域的工作，尽管它没有直接导致现代方法如Machine learning或Large language model。Winograd在MIT CSAIL（当时的MIT AI实验室）的工作为该领域的基础概念做出了贡献，包括上下文和世界知识在语言理解中的重要性。
技术细节
SHRDLU运行在DEC PDP-6计算机上，这是当时的大型机，并使用DEC图形终端进行显示。软件用Micro Planner（一种规划语言）和Lisp（一种在AI研究中流行的编程语言）编写。程序的架构集成了句法解析器、语义解释和操作积木世界的问题解决组件。
积木世界本身是一个模拟环境，包含积木、金字塔和球等对象，放置在桌子或盒子中。程序跟踪对象的位置、大小、颜色和关系，使其能够回答空间查询并执行操作命令。
遗产
SHRDLU仍然是早期AI的经典例子，常在教科书和历史记录中被引用。其对上下文敏感对话和规划的演示在当时是超前的，尽管其局限性也具有启发性。程序依赖手工规则和受限领域，与后来的数据驱动方法如Deep learning和Neural network形成鲜明对比。
Winograd后来转到斯坦福大学，继续研究人机交互。SHRDLU这个名称本身成为趣闻，源自Linotype机器的键序，有时在计算领域用作术语。
尽管年代久远，SHRDLU的原则，，如利用记忆提供上下文和推理物理约束，，仍与现代AI系统相关，尽管现在实现方式不同。程序的成功和随后乐观情绪的消退，凸显了实现稳健语言理解的挑战，这一目标至今仍被研究人员追求。