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 + O# M9 H. w# d4 Y
: O% X: C7 [& W4 b$ L
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* l3 k- N8 t0 p, x, Q  y
3 u( h, ~$ L- j" n
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。! P, t/ n/ Y7 m- }* l5 C& g
3 y3 ]7 j2 d  s% A
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。9 p# Z# r4 N- c4 Y- K; n
5 s6 l( \% a3 y; X' W
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.! b6 H; R# O1 a! a( y4 ^8 M

9 E& P6 p* e/ C: }( uAI 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：( K! D: m; j6 ], A. ^* u
我:  A( x4 E/ D! q6 c6 z2 K: C! y% \& p
AI:  B/ W+ h& D- q- e6 n# f! c  X
我:  B
  W- ?: R6 a/ U9 Q. w: D8 q1 tAI:  C  ]1 x+ Z# m9 C/ n/ @
我：X* v$ C+ ^4 P4 }

5 M; x2 G# D" x" S2 |/ ]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。, i3 w5 Z% G2 u! W
) l3 t/ x* l, g  r. X
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：
& n7 a% ]/ t( K我：Z6 i1 f5 T# d3 f, u, L3 {
: Q7 [0 L3 W4 r5 C& @4 I7 @" 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。
+ T9 q8 m: Q$ D5 T; r' o5 W4 e8 |+ g: T& 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。9 C9 F3 p- ^  U0 P( y

  e- O# y6 k+ w+ ^! M* T! x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。
3 n! S0 ^# H" A+ x) c& X' s) w5 V
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：
, ?& H8 H: M# k8 g0 I7 H0 R2 [, @
“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。
& y2 _2 [. z/ c0 o  b0 ~9 h3 N. U! K) t: N
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。5 l+ |: }9 f& @: w% o
- m' Q5 Y6 E3 `2 f
2. **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。
1 O+ O4 K0 V: R- W9 h
+ [6 m; X3 c& g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。

) e: u4 k* ]( B" I0 P% Q- J
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 1 k9 f( o' c' ?) Q8 A- L

* `$ X  s$ f3 w+ J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。! O) x/ _% S( q0 `8 r6 k: G" l) B- ?
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。/ }1 @/ x$ \9 K& b
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。
2 T9 a4 W, H3 a3 e2 b+ a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, H7 M6 k; J/ `8 k9 E2 ~* ~1 Q
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 ...

2 A$ ^6 o" A# O, }' z3 syanei 刚才问: 有没有回答AA的 ？" a" o- t' L+ R% ?. ?6 m! m! p* J
" V# T4 ^9 d* W& p0 N
这在实验中已经考虑到的。输入 ZZ 得到 AA
/ Y7 p+ n/ O( u2 ^+ Z. q7 ?7 s9 u1 V
- w6 t% k; L9 ^/ [5 P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  ) s5 i1 k- {. {! s. S$ q4 B

& b$ q- n  U3 \打乱顺序输入 NBC， 得到 OCD。 . L  G  G, o- }+ f2 [1 Q0 t; h) F

! U  i$ W# R8 a0 [4 }5 Y% j( I- Z这些都是建立在只输入主贴原始规则的基础上的。
# J" [8 L7 z* [8 e* T$ @- P; G/ K: S* ~6 H3 O. v9 T4 Z, U
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
$ {3 V' s0 R8 c- b
孟词宗 发表于 2024-10-19 09:14
5 N$ W1 q! b! {3 ^5 @yanei 刚才问: 有没有回答AA的 ？, T. Z4 _4 E5 b4 @% ]  P3 J

) I- ]& l  \' ~1 h- T2 |+ Q7 Z" e这在实验中已经考虑到的。输入 ZZ 得到 AA
! o! @! K, Q5 x

* s' m  ]4 s  B7 R; ~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。
2 L9 w0 o3 S- R( F8 B3 ]4 Q% x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？
% b5 U9 u- e( ^7 ?2 B3 {/ u8 w" O/ g( x% |- i) a& |

6 S! K; o& y7 G
这在实验中已经考虑到的。输入 ZZ 得到 AA
8 z- K1 Z: W$ Q# k) _# E7 z) d
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 10:48; [+ O2 h$ H/ ^: Z9 p
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 ...
5 v; W  R# h  z" ^/ \5 u6 C
用DeepSeek试了一下：, \) d9 j( F/ h
第一次的回答是：
' c& A% Z* F" Q" g# X6 NInput: ZZZZZZZZZZY9 A4 n6 S( E+ j- s) t9 C( z
Output: AAAAAAAAAAZ
% c" h: R( u6 i1 |( I; Q$ _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？
7 T  F& D3 N. i3 EDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：/ M; o7 X7 f  J
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。' s' ^  @% f2 ~3 O+ E  u* `* S3 K
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
/ Z* {& b+ k2 `: y( n8 C3 v/ g( u用DeepSeek试了一下：) b2 B/ e# x/ H3 N7 H0 g( H
第一次的回答是：9 r; A, w/ S/ N. E
Input: ZZZZZZZZZZY
( A/ I+ v) M2 k" x, n
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 09:140 r  H4 }) |' w; ^# l! y6 j5 ^0 ~
yanei 刚才问: 有没有回答AA的 ？9 _0 K" I& a# x, w4 M- e& L
. ^- N% M- v, L1 `" {
这在实验中已经考虑到的。输入 ZZ 得到 AA

6 J6 x, v5 L$ Y6 [! ]5 P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
6 B. s: }* z1 q1 @8 O4 B9 o- W, D/ [0 }; N8 O# _
对于当前人工智能的能力不应该苛求。$ X; C  K! ~8 a: B
人类乃至动物的智力发展也不是一蹴而就的。; R1 B& h  |% H5 j) t$ P7 W
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
1 f% K; w3 @6 ]  F. f& T& m3 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， ...

, A% z# h( {$ V% G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。. \- g9 S# Y4 @6 ]8 t

& t% Z$ r8 E" a& E+ t$ _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。! S: B' U; m6 X
1 R/ `( d6 Q3 x/ e8 P& b# O$ G
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。* `- e+ U; o3 ^) E

" ^, D0 z* V  i) s: u( B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