爱吱声

标题: 生成式 AI 有没有推理能力？ [打印本页]
作者: 孟词宗    时间: 2024-10-18 23:36
标题: 生成式 AI 有没有推理能力？
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
3 _; L! Q: I1 z( N8 K- [5 ]8 y/ ?. i! r
讨论 AI 会不会产生自我意识的过程中，sleepyr 提到了这篇文章：AI推理能力大“翻车”！苹果最新论文：LLM只是复杂的模式匹配，而不是真正的逻辑推理" w1 Z$ h: d7 O; C
+ D4 J& m) T& k' s: ?6 R' V; i
这篇文章设计的测验很有意思。从实验结果看，文章认为现在的所有通用生成式 AI 都不具有真正的推理能力。也就是说，AI 并不理解抽象的概念，而推理能力恰恰依赖抽象的概念。% D, J0 c9 z& W9 Q# t* ?

! x6 A2 A' e9 N7 G最近俺也在玩 AI 推理方面的东西。下面是论文里的一个小实验，大家有兴趣的话可以玩玩。7 t. C) x+ p5 S5 H0 }, M4 Q
) s' |" O: {* r! W* P  b4 T
给 AI 的提示：Here is the rule of the game: If I enter A, then you return B; if I enter B, then you return C; so on and so forth.' |" i; `7 l* k+ t0 G/ m1 R  R9 q
6 O/ ^5 C# f0 G. m8 U( c* D
AI 回复表示理解了提示中的这个这个规则。于是有下面的实验：
% r: \2 H/ C7 _我:  A
9 V' }' ?8 d; f8 n/ x# ~AI:  B
' q5 s: I0 j, {0 q: U* F2 @我:  B; f; J" k: S  ~& _2 |" W3 z7 u
AI:  C+ X6 T; s. B! R7 e# T- A, t- J' I
我：X
) j% G! ~' v- V8 l/ L. n; s! B2 b6 `0 a: U/ s
这里，不同的 AI 模型会有不同回答。有些 AI 会回答 Y 。有些则会说这不符合规则，所以无解。  很显然，回答是后者的把提示中的 "so on, so forth" 给吃掉了。然而，这并不代表 AI 没有推理能力，而可能只是语句处理模块不好。$ m( w* [# `" |( P; i4 Y

/ h8 {5 X+ R$ N2 m, D3 v9 c7 D9 g真正的推理能力体现在后续实验。对于能够回答 Y 的AI 继续提问：0 W, Q2 J7 T: W2 }% E- @$ _
我：Z* ]) d& @4 S9 e6 C1 Q7 K
. a$ J1 w3 Q; J6 h1 E; ~) T+ i
这下大多数的 AI 模型都冒烟了，有些回答说不合规则，有些回答说序列到头了没有答案。有意思的是两种回答：一种回答说 Z， 另一种则回答说 A。$ ?: F7 y) \* m# V1 X) X7 s

; z) z9 z! u+ }% E而这四种回答，如果用来盲测人类，其实人类也会给出同样的四种答案。也就是说，就这个问题来看，如果盲测，提问者无法分别回答者是人类还是AI。换言之，能给出这四种答案的 AI 在这个小实验中通过了图灵测试。这显然不是那篇文章中说的排列组合或“复杂的模式匹配”能够做到的，而是真正的推理能力。8 T2 B$ I0 {- @

3 J; E, e2 c7 t" I' a有意思的是训练程度越高的模型，越倾向于给出这四种答案。比较 Mistral， 狗屁通，Gemma， Llama， 通义千问等等大模型的不同版本，都是如此。这类似于人类的婴孩和成人之间的区别。相比于婴孩，成人除了脑部发育完全，更储备了更多的知识。
+ z7 V0 b6 G0 o) f) z5 |) k6 ]9 \6 P: c
至于这篇文章中说到的语序问题，非相关语句问题等等，前面说过，必须分清这是语句处理模块的问题还是真的是大模型本身的问题。毕竟，即使是人类“屡战屡败”和“屡败屡战”用的字数和字完全相同，但把语序换一下，意思就完全不同了。然而，你去问一个三岁小孩这两句话有何不同，三岁小孩可能会告诉你没啥不同。而问聊天狗屁通同样的问题，狗屁通则会说：
" V/ |: ?' N: @" F4 R; N7 i
“屡战屡败”和“屡败屡战”这两句话虽然字面相似，但含义有所不同。
7 |/ Z! |! b4 n$ _6 l9 |5 V0 s/ D$ u- \* B$ @
1. **屡战屡败**：强调的是多次进行战斗，但每次都失败。这种表达往往暗示一种无奈或沮丧，强调了失败的频繁。3 F+ S8 a# V8 z6 ?8 v

7 S2 Z: W: B9 _; u% K! T2. **屡败屡战**：则是指经历了多次失败，但仍然继续坚持战斗。这种表达更侧重于坚持和不放弃的精神，体现了勇气和韧性。
+ E5 y  b* w8 I0 \1 O8 j1 y; s" P8 H( r" a) T
总的来说，前者更偏向于消极的失败感，而后者则传递出一种积极向上的拼搏精神。

+ L/ n9 o; \" K
作者: 唐家山    时间: 2024-10-19 09:02
本帖最后由 唐家山 于 2024-10-19 18:52 编辑
9 z( V7 x4 V# Y) q% l0 s+ C, R
推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在证明的过程中也分三种情况。第一种是直接照搬已有的证明，只在语法层进行修改，用于消解待证目标。第二种需要深入理解待证目标的语义信息，以及已有类似证明的语义信息，借鉴已有证明的构造模式，构造出符合要求的证明。第三种是还没有类似的证明，这种情况下需要从头开始，把大脑中的非形式证明，翻译成形式化的证明。
) A1 L# j- T3 _- v第一种可以认为是一种广义的模式匹配，目前大模型的水平处于这一层级。
6 b! F& [! }% P; _如果大模型能够做到第二种，那就应该认为它有一定程度的演绎推理能力。3 c. O( `: |4 r
如果大模型能做到第三种，那它就已经具备了真正的演绎推理能力。
作者: 孟词宗    时间: 2024-10-19 09:14
唐家山 发表于 2024-10-19 09:02
. d9 Z' t( m9 Q8 R推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在完成证明的过程中也分三种情况。第一 ...
1 [- h( ]$ s8 k- [2 Q9 Z1 V
yanei 刚才问: 有没有回答AA的 ？
9 [5 f  d! X7 @* w' f! V
; c3 i; }; q4 e+ o# F3 R6 G这在实验中已经考虑到的。输入 ZZ 得到 AA 7 X# ~7 A* E; m  G5 C
/ @+ M% L8 A2 Q, X% k
甚至输入 ABC，得到 BCD。 输入 XYZ， 得到 YZA。还可以输入 ABCD 得到 BCDE。 输入 ABCDE，得到 BCDEF  6 }5 }' G: b" i( l5 B' d
8 R7 o! S1 a% j
打乱顺序输入 NBC， 得到 OCD。 & g; c8 j5 s. x
* V8 V1 J- w  q1 t
这些都是建立在只输入主贴原始规则的基础上的。! S' ]- v3 p. _8 }' o

, |5 R$ G8 T# H( k9 X由此可见，在给予一定规则后，高度训练的 AI 是可以表现出类似“举一反三”的推理能力的。而这肯定不是什么模式匹配。
作者: 唐家山    时间: 2024-10-19 10:48
本帖最后由 唐家山 于 2024-10-19 18:51 编辑 ; p/ y$ k. z2 Y+ R
孟词宗 发表于 2024-10-19 09:14
& e$ Y# z& a* ?yanei 刚才问: 有没有回答AA的 ？
1 l* p* w& W% y0 j+ r" N5 M% I3 u, [8 o$ p
这在实验中已经考虑到的。输入 ZZ 得到 AA

7 y3 i) r3 ]4 V( s
9 j* Y' \, j) ~7 e$ G/ f* k0 ~看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演绎推理。Z后面可能是A，也可能是大模型从其他语料处学来的公共知识。+ z7 \' t3 i, e% d( r! N3 n
一个认真的演绎推理至少是要考虑递归可枚举的。能否请你做一个实验，先给出自然数的生成规则，让大模型学习，然后问大模型一个很大的数字，比方说999999，然后问其后续？
6 P$ T1 x& H, n- p! R
& g$ e0 M2 Z& e* @* H: S" t  {
这在实验中已经考虑到的。输入 ZZ 得到 AA

! c8 u& ?; j1 h+ v这个有点意思了，如果输入10个Z加一个Y，输出是什么？
作者: 唐家山    时间: 2025-2-20 10:25
唐家山 发表于 2024-10-19 10:485 R' Y& D, ]! r( M6 x8 V
看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演 ...
, a" ?1 r2 V5 t' d' k( E( T
用DeepSeek试了一下：
7 }" K! z8 B5 q  S第一次的回答是：
4 Y0 W; D5 K4 s5 @7 I5 E* WInput: ZZZZZZZZZZY* M1 \$ G! f6 {
Output: AAAAAAAAAAZ
0 o2 g8 Y% U9 b! I! N在我做了提示后：如果把ZZZZZZZZZZY看成一个26进制的数，那么这个数的后继是多少？
+ ^6 `$ R8 h( r' r8 nDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
3 Z$ g* O9 i) }+ ]将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
, t6 U7 x1 t, Y0 E9 q; c5 |8 D  G
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25" p# I; Z: ^5 t' T
用DeepSeek试了一下：% g/ F7 \7 f- @3 S6 Z
第一次的回答是：- n) O, p6 e2 c* f$ h
Input: ZZZZZZZZZZY

" `% R" U) _8 {有意思的是，如果你不增加最后这个“把ZZZZZZZZZZY看成一个26进制的数”的条件，很多 AI 还是有一定概率回答 ZZZZZZZZZZZ 的。只不过这个回答是随机的。即使是同一个Session, 你问两次，前后结果都有可能不同。从结果的稳定性来说，DS R1 的确是目前最好的。
作者: yanei    时间: 2025-2-21 01:31
孟词宗 发表于 2024-10-19 09:14
% K* H3 Y+ S- b' Dyanei 刚才问: 有没有回答AA的 ？; _' L/ N: ]3 n
' x0 F" v5 g( b  O& h9 f0 m- q
这在实验中已经考虑到的。输入 ZZ 得到 AA

9 F3 D/ c) ~+ y8 W) e0 Q, q; e我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA，然后AB，AC，。。。AZ， BA，BB等等。
作者: nanimarcus    时间: 2025-2-21 02:20
本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑   @2 o6 V1 {4 e( O6 Y! \3 d2 F9 c
# R  y+ |% ]* {7 c: a  q
对于当前人工智能的能力不应该苛求。# V& j" E$ y( y. G8 ~7 e
人类乃至动物的智力发展也不是一蹴而就的。' x' A& e' f& N; Q9 C: p7 R
只当现在是草履虫又如何，迭代就是了。
作者: 孟词宗    时间: 2025-2-21 23:55
yanei 发表于 2025-2-21 01:31' Y$ b! j. A4 K2 N! S8 r9 y
我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA， ...

9 T/ q. v! F' u1 o3 K5 b初始条件中并没有“26进制”的限制。因此 AI 可以做出任何符合初始条件的推理。
4 S: j, n- C2 n0 [5 Q+ `# T7 g5 l: U: d* Y
另外，AI 会做出什么推理，给出什么答案主要取决于其受到的训练和训练程度。这和人类是一样的。如果你问一个不懂除了十进制以外还有其他进制的人，他的回答基本不会是 AA。
9 F& g* k6 R* j2 v
: X4 @3 v7 Z2 g! @4 b* K( \有意思的地方是 AI 除了以上四种回答，还会给出一些莫名其妙的回答。例如有些 AI 会回答 "Z" 之后是 "[", 这是由于 AI 推理用的字母表是 ASCII 如果用 DS 可以明显看到 DS 考虑了这一点。但在大多数的 DS 的“深度推理”中都否决了这项。原因是 DS 认为这是在回答人类的问题，而人类用的字母表只有26个字母。
+ |/ h  @: r+ _: N/ W& Y& c/ o7 @7 |4 {
0 H% j: q$ W  y. E但有些回答就莫名其妙了。例如狗屁通经常会冒出一个完全不搭的答案，好比“b！”。完全不知道从何而来。或许这是狗屁通“灵机一动”？真的像人类那样有了真正的创造力？



欢迎光临 爱吱声 (http://129.226.69.186/bbs/) Powered by Discuz! X3.2