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
2 `/ P, b  N# K' }: j+ H8 p
$ ~  m, x' y# J, l* d  i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8 _/ R0 G, |3 P5 A# C

" c6 u. {0 t2 ]1 V5 L0 V6 j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。
8 O+ A/ b+ R/ Q$ o/ g, \# ~2 ~. e$ e8 n8 f" m8 T0 M( u
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。
+ }: X7 d. |/ k. [: `. v2 x( c# I
2 }. O0 W0 q1 g* k4 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.
( [. I: a" O( w* W
' _4 o% e" Z- F( z9 h2 AAI 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：/ a, q: B+ I1 K* I: a
我:  A2 ~! e0 q4 x5 q  w4 Z% e; c* |: B
AI:  B9 u5 Y0 y" p8 z0 d
我:  B
1 e- N' N) O2 i8 t+ fAI:  C
( }- n& {2 q) g: q我：X
* d" C! ~+ z/ v  i. u9 |0 M, s% }2 u$ L8 m" N/ T
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。. ?1 f5 `, w; N8 Y( _
7 v. v8 M4 ]# @0 w8 h& t- }* O
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 ~* f, F3 i8 q我：Z
# S* b9 N( f7 G* B9 g1 X
( o& e* c: F- l0 \; d2 ?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。) ^  P- [1 ?( W+ l

5 S( [8 J: A9 K7 r# x7 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。. q, {1 F! f; c" w

! c. C/ ], D( Z# [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。7 z0 T, P  E5 }0 D5 B& p

4 J* l. A, K8 u5 E- z8 ?5 `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：/ T# ]9 q3 n* ?1 r6 w% f
“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。! d( L! M6 r+ e( w
  D. M* V4 Z4 w  b! o% ^
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。# P  }9 I5 h8 S) Z. A
7 u# l8 `: r5 A% C2 s  T
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。
( t& l. Q3 p' x" p! \2 [) v" U
! G6 D; r1 h4 M+ Q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。

/ \5 E, j0 D, v. f( l
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 C6 u/ V7 i4 r! [
" h/ ]) ~5 C  u! c0 Z2 i
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。
6 {1 x4 X5 O2 l2 k- {( P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。
4 P, k% X( e# V, O9 f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。
# y" r7 a, _% i% n  q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
* n. F/ T1 H& B+ J$ I# C: l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 ...
5 A+ k8 X& i! o
yanei 刚才问: 有没有回答AA的 ？
4 [. p! I" _" a  ~/ i# X7 |
- U6 @' Q! `% u1 `$ }0 L0 h这在实验中已经考虑到的。输入 ZZ 得到 AA - o4 i* ^/ O# ?9 V( j

' S& R3 \6 f' O& `" n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  
0 I! W) f! c) R8 p- X: n* l% k2 e; v) i
打乱顺序输入 NBC， 得到 OCD。 * U9 m/ O2 x8 @2 H9 |0 z
6 z* ?2 @/ O* V% \" N. O; C  I3 ~
这些都是建立在只输入主贴原始规则的基础上的。
, I, N) p, j# q$ n" l8 A- p7 Y( ]* Y# Q  a5 [6 p
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 ?% \& p4 C* {$ \
孟词宗 发表于 2024-10-19 09:14# l& |" e4 t8 P1 t  J( i) T
yanei 刚才问: 有没有回答AA的 ？
* l2 N. ^5 M$ O7 E' [2 l( D# P; }" F( v$ V5 P
这在实验中已经考虑到的。输入 ZZ 得到 AA

0 F" m1 ^- H* p. Z  {- K+ G4 Z  G7 |2 Z
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。
0 q& e0 X# W$ X, d* N* D( _5 t2 ?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？% ]! \2 E# E! j! X
5 k: g& Z) Z0 l- E" H

  t7 ~, Y$ k. {% l# ?  J$ H
这在实验中已经考虑到的。输入 ZZ 得到 AA

9 V, u0 x7 A1 v# m% b4 _+ `5 |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 10:480 [, w2 e9 F( [: }! u
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 ...
0 V4 g3 T4 Z) z. l) U3 q4 s# Q
用DeepSeek试了一下：
. A: e* n) B- M) K第一次的回答是：; C" A; f. {6 t( x, d( C$ J
Input: ZZZZZZZZZZY& p9 K+ B4 z) |* o* ?- y7 A
Output: AAAAAAAAAAZ7 Q: n6 v% e' m  e9 d6 j3 {
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？
% B2 @# G; C  G# M4 v4 GDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：" g7 P$ p& [/ S- V5 i' u/ U
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
3 A7 Y: z" P, {, q# N* O7 @0 S
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25, u, X; Y7 _9 s0 g( G2 g3 r
用DeepSeek试了一下：* J4 z' P3 a- Z9 a4 R
第一次的回答是：& O' v3 N. A" e3 L0 x( ]
Input: ZZZZZZZZZZY

+ k$ y3 r# H9 ]% J$ P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& m5 l8 Y1 t5 K7 w3 l) F
yanei 刚才问: 有没有回答AA的 ？
0 j( d1 B' \3 Z8 n  H7 i
- K: j+ T& B& |( G8 Y这在实验中已经考虑到的。输入 ZZ 得到 AA
4 O& _- D# Y, ?3 s5 n
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 4 ^  a0 G# j3 `. A( }
( C4 v" q! l% M9 ]
对于当前人工智能的能力不应该苛求。9 s4 s8 O4 K& V0 H2 Z8 T4 A
人类乃至动物的智力发展也不是一蹴而就的。
* B* |1 W6 s1 U1 ^$ \7 M7 ]( @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 01:319 O) A4 q7 t# y9 @* ]# [; H4 c
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， ...
! ^( ?+ S- I# ~- F, P4 a* N) f
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。8 W  P* G  a1 i6 ?

) E9 Q3 m" @$ y7 d4 Q% {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。( B; _9 {+ F( M& K

" S" y$ a: v8 E' ^& p. U) I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。. B8 E9 R3 r' I% p  ]5 a5 R

& D# o" Q9 _6 G  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