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 8 m+ O5 h& {) C7 w

5 |9 `' u5 O( y- E* X4 k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7 J! W+ I' g+ P; d6 [( A7 T
; u. z: {$ _# z( N# p  V9 f& s
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。+ r7 J/ c1 \+ ]0 C" c

  h5 g& u& V/ j2 l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。
- Q8 A+ W. V+ p1 n8 U7 x0 G8 F8 [# |, q; K1 X6 |" h0 o
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.0 V3 {1 I" R: l2 N' P; R, k: P5 H

3 q& c0 ?4 e2 b/ h2 g) _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：3 t" y- O; @" x! Y1 y$ t
我:  A, i6 R. i- W7 U8 w7 D2 X! I2 i
AI:  B
$ m! w: Y) r% u3 g& [8 w* n我:  B2 W% M3 ?0 l: I) M- S" \
AI:  C
; u5 ^/ I& U$ J* v1 f我：X$ X6 p0 I& s6 ]
' }5 Y+ o- q- N' B5 t" p
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。$ u) M" _8 L- F1 W4 G: e: }

1 e" q3 u! h0 \( b' @% 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：, b. x/ y4 b: a" ?
我：Z
, \! F9 y4 n- x5 G
# ?5 ^) Q' o3 f0 a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。% z. J% s2 r2 a7 g+ o( i% Z  i

3 Q; U. a. H, g4 R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。
) z" }) H5 c! v1 O$ B/ d% a  J3 m! D: P, [) E
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。
* T% x$ m2 X* ^. d; F2 ~& g
5 s! |' W/ `) l6 \+ H& U2 e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：% F. ~& m" X, ~/ A! p
“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。( r5 s. t- H1 F! ~3 Y$ O& h

! T, i2 w  Y+ g- E1 n1. **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。
6 \4 b4 g9 M- Y- {2 r2 L+ D- x/ Q1 E, I1 z  Y8 Z7 Q' S
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。0 ?. t- @1 ?$ d  m2 A+ [

$ z3 g! ]; m( G" M/ w. A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! I# b  @, q
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 / \" }) X* _( a$ F. H3 [

6 G7 z0 \6 A/ s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。
, F+ J  L0 o" [9 E+ M; x: f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。
' g# u' P8 @1 m! l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 T. v8 G% ?, |! A* n/ t
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
& x% z  X$ d0 h7 ~, V$ z; t3 H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 ...
* k# `0 M( J. O- L
yanei 刚才问: 有没有回答AA的 ？/ R% Z) A! W% {! E- n

3 Y" t2 e& t& _, ^+ h+ M这在实验中已经考虑到的。输入 ZZ 得到 AA : R8 g# n% `6 i+ d5 T' d
& ^9 }7 }: j. e: ~6 c0 }
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  & H0 `) D( N, g. Y. U
, [" J" [" h  V7 f9 C
打乱顺序输入 NBC， 得到 OCD。 4 x" @7 B$ G! t4 t% u5 e& O
- @' @2 v! u4 M$ Q
这些都是建立在只输入主贴原始规则的基础上的。; h1 B9 h$ p  w
9 C7 x7 ^9 ~1 N! ]7 D
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 2 E* I5 U) v5 Z/ w. E( @/ R
孟词宗 发表于 2024-10-19 09:14
6 e( {. a' t! x7 x$ ?& Xyanei 刚才问: 有没有回答AA的 ？
& `, ^0 i# }% Z; z( ^  V+ N0 y
  ?* d( U" @5 C! y这在实验中已经考虑到的。输入 ZZ 得到 AA

3 w  f: ]8 }* x5 m3 k9 w7 {1 l! d$ T" v8 Q% I; u' 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。8 W( |- C0 g3 I+ O" M7 i
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？
: y: s3 c% C3 ]( E
+ r. H% x% N' A; @6 z8 Z" [& g$ a3 a+ [5 t$ f+ q1 r: M2 K
这在实验中已经考虑到的。输入 ZZ 得到 AA

4 i- `) y: ]" K3 q+ e" 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* {# R' L' h: j1 n  H) e
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 ...
/ J  c2 M6 T! `& @; E9 O, \
用DeepSeek试了一下：3 u7 K% A. k/ r2 ~: G% O9 q3 T( x
第一次的回答是：
6 [' L: b1 d* n, r1 |1 Q( j3 eInput: ZZZZZZZZZZY
4 z- ?; y+ ~: N5 v0 T. [9 eOutput: AAAAAAAAAAZ
; S) a2 Q1 g- R' z* 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？* ^0 D7 \3 T- W5 n; _2 F7 A# b
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
; M6 Y4 [  Q7 X3 q% h, ~将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
& q, B7 g& d) k) ^% \6 L  F% N
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25$ C4 l" U3 k' t6 T4 `
用DeepSeek试了一下：/ Y' ]* n  x+ N
第一次的回答是：# K+ N8 P, m8 z
Input: ZZZZZZZZZZY
1 f, v5 M) b: R( s) o+ p, L0 q
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  {% B  ?. n7 S! G4 N
yanei 刚才问: 有没有回答AA的 ？
/ H, A3 _. G/ V# e6 |& H3 s6 Y- i; V: r: a
这在实验中已经考虑到的。输入 ZZ 得到 AA
6 s: G3 M+ y; ?) V
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
3 o* V9 p0 b4 ^) q, T% t& t+ j; {. z* }8 ?
对于当前人工智能的能力不应该苛求。
8 h4 l% P8 B4 o* O人类乃至动物的智力发展也不是一蹴而就的。
1 ~$ i! I. s( b& m# E( }3 ]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
: p" s; g/ X4 g% _6 V" g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， ...
; [2 x0 V$ {2 N
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。
  R2 Y+ [8 B) ]( d7 ?* x
0 {' Z9 r4 ]+ a- e5 [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。
/ C. s4 M. p5 {- W! I7 @6 A1 g+ N
% @5 X- c/ y, R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。. N- f* ^7 ^3 ?- N# W
! F& p  v$ f; H( e" o
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