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
: G: ^0 p6 b8 i% l7 s  _" T0 s5 q  a/ R7 Q; L2 ?
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
$ O+ d- K3 B- \1 g/ p
7 J, g3 m6 z- |: V! g0 _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。
. M! m: X- P. ?! J' G: f4 {2 c! [! l! p* ~9 M1 m
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。2 p; Q& G" I6 W3 w2 H
* C3 x4 Y# U' F0 X
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.3 n0 x& T4 h. l+ @5 m
* `+ ^0 i/ {0 B
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：
9 q/ g- P/ v/ i1 N$ X4 k, P6 b, K我:  A
8 B9 r, V7 o+ k/ HAI:  B2 z7 j$ I+ }0 c% Q
我:  B( P. H) c: d' e( h( {1 D/ [
AI:  C
6 Y% M8 y5 Q9 j. }# R" M& Z( ]我：X
4 h& X$ |: m& f/ h' Q( N3 N( {/ t( G1 h7 v) [
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。* a# k/ |$ V0 S
( F; O; b: m6 A3 `1 @7 |) g- c
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：. g4 b5 q9 \4 z3 d3 W
我：Z0 ~6 s, ]$ I3 F7 q# Z. n1 g2 Z9 o
9 y& ~" a  i+ v
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。7 ~" l: V3 |2 x. `0 O

) T7 H! C$ S" U6 p- [1 _: H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。) s# ]% A, @- M7 X" N' m
" r4 O: E" B0 @5 T9 ]5 d. }
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。6 G2 D+ l4 {* r6 Y  k8 [) A

5 s0 M: {# ~0 Z' R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：' O. }0 t# [: |( R6 a( R
“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。5 H" w* ~7 D, }2 n+ R

! f) }5 u( B8 l$ r) D& n( r2 J1. **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 ~- S; N  W5 Q& _" g
- u$ i, v' w5 D, t4 k2. **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。& x- C/ E" g& I% M* ?

! l/ E- O  E, ]7 [% k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。
/ w; t+ U, t9 K% Q* A
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
4 K, h& E) `* \% r4 A. n5 N( b: F3 o; |! M) {) A0 z
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。
4 Z5 Z0 W, A' G  e+ x, y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。
& x8 o) ]% @1 T6 ^2 ^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。
' u. O' [. v) G/ N1 T4 O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 09:029 m5 ^$ C; O7 a/ E4 Z1 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 ...
* f0 [! f; Y: Z% M
yanei 刚才问: 有没有回答AA的 ？
8 @& k2 K, Z6 A* Q0 z* l9 I0 w; b- N8 e
这在实验中已经考虑到的。输入 ZZ 得到 AA
' p3 u& W( m7 Y5 b  ^1 }2 p4 O5 v6 z+ V8 ^
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  & B3 ^9 ?5 h# K# e# l, A/ t
, [9 b+ C. b; f; z! r4 j& q
打乱顺序输入 NBC， 得到 OCD。 8 g7 I' ~, H. D5 Z/ h* \. `
/ g0 u$ q  q8 p# ~
这些都是建立在只输入主贴原始规则的基础上的。9 X; i7 e* z4 }- q. C
  e; X% ~3 |& v+ t; }
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
- E( a. f6 N0 q/ v  ]! C
孟词宗 发表于 2024-10-19 09:14
7 V) L9 g8 u4 }8 f/ ]* lyanei 刚才问: 有没有回答AA的 ？
- b, ?% ]5 B# P  c. X2 {2 P
/ }9 o* ~* g! j这在实验中已经考虑到的。输入 ZZ 得到 AA
- r0 d; s4 B! C/ b
  U# Q3 G5 u& S7 h
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。
, f5 d. {) s  R' j: a" t' T: b7 L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？/ a  L2 S, y% O: m
6 M' i8 |1 W' ]* s
6 O$ d$ W4 ]9 ^! L9 a3 _3 N
这在实验中已经考虑到的。输入 ZZ 得到 AA

2 t/ ]6 P) T; U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$ Q# r( Q! k% B  i8 T" 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 ...
; K9 h4 I" S, T: b
用DeepSeek试了一下：
7 C8 ?" d, H, w: F- r. T: [: d第一次的回答是：: K) ?/ X1 t; I: x
Input: ZZZZZZZZZZY. H+ e# S6 Y7 y3 q7 O  P0 {, r- F
Output: AAAAAAAAAAZ* a8 r  ?( ~9 I9 Z# H$ `% B( \4 L
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？
! U" b, i4 a. D  n& l! W, O) ZDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
% |- K/ d  f0 ~: T' ]将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
* s0 o2 g# f. c1 U# V$ E2 N
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25. N) i- G" w4 W. H5 a1 r  o9 s$ v* i1 O- C
用DeepSeek试了一下：2 y: w( j  {% w, l$ m7 q) n
第一次的回答是：2 b4 i% x' ^4 [% W
Input: ZZZZZZZZZZY

' ^7 a9 k! i; c+ t/ G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( G0 Q( h! P/ R/ `  z2 d
yanei 刚才问: 有没有回答AA的 ？
( h1 K4 I  u2 A  ~3 A; Z; q2 {, ?& V7 X, V5 [' g, z
这在实验中已经考虑到的。输入 ZZ 得到 AA
4 d. D) E2 V) d" G2 n6 x/ D- I
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 + }9 @1 Z+ Y6 F& ~0 \

; k* k% A9 _, z对于当前人工智能的能力不应该苛求。' z+ S, H* ^# s5 ^! [" p" x
人类乃至动物的智力发展也不是一蹴而就的。7 ?' c' |. r; b
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  W5 w3 d" ]# r3 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， ...

7 [/ z: g8 m6 i" s1 V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。
1 s2 N/ }0 I/ t( Q5 }# x* [" k4 X' K0 a8 B+ S: u% _1 p: N7 X( ?
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。
# c5 W& u  ]" I  p' n* n, N2 b7 `2 t, Z2 s# V
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。
3 c/ c4 ^, k  K3 }! b) x0 w: @5 G( X* N8 Z
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