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 Y* i  G# U: o/ p6 @9 O

( v5 q+ {' D! A. ^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" S, J  O  x6 G, ~5 w0 O
- ]1 {& u8 l  W# Y2 h: Q9 ~
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。
6 o# ?* C! D* a! Y( z
" m% B7 v+ P; n: I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。  P! K  s& `- {% h) k6 n( h1 w* B
' t( h3 N. @8 C8 e) G
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.9 z% I% u0 F% K4 z* ^
6 s9 R5 N* p7 w
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：( ^6 \7 f; f9 \, ]
我:  A
. f7 d8 u3 t+ @1 ^' B5 G. IAI:  B- K  T1 O# e5 f
我:  B1 r) H9 l+ m: D+ s2 m
AI:  C! Q2 s8 J8 V# Y6 R3 k
我：X
8 m0 V* G/ Q: b( n
4 c( i2 Z! c6 `8 h+ b9 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。& N* L  Y$ c: S( @$ R$ Z: _$ \

6 P+ i( M, T. [# q) G! H& z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：
# Q& F0 e+ Q5 [我：Z
# t2 j0 e/ Q0 r! ^; H
- _$ @6 _# J" n1 @9 t) |* U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。0 R, ~0 o2 J! O2 k& N$ N
* U" n+ _' U* y+ I9 a0 I
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。- m8 ^8 ^* d9 Z  O1 z* ^  z; V; ^% }
% ?* h4 g2 H% U
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。
1 g7 u+ B/ V' v1 I
& E9 J& [+ o  W# n' q2 ?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：: @' N/ ~9 V. n1 P% h8 e# |2 G) @
“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。
( ]: t5 N; z3 Y2 i: v( D% \9 Q
+ O1 V$ v3 r* [  ^0 I1. **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。
8 |/ K" O; i" g" g2 ]+ x
' ]% X0 Z& F. Q6 u$ ^/ ]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。. S% l0 [2 H4 O1 h, g' c& Q

0 ^# {, G8 C& ]* D% L+ {% H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。

7 V( o) ?7 b8 v3 c+ }, u
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 u  s$ p, F* g& b4 R0 b% K& ]5 h4 l

, ]" P  ~  |" f- m- W, S9 v4 ?1 y; a5 Y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。5 }# w( n0 ?7 R
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。
8 L' E0 u( X& V. 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。+ f, ^9 g) J3 [* y
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 Z2 O3 X) G7 S! [6 N% V
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 ...
/ S3 ]1 d- A" I1 f' T
yanei 刚才问: 有没有回答AA的 ？* f0 y1 `8 I9 `; u/ q" D) \2 \8 R" a
9 q, _7 D( B8 Z- r2 r
这在实验中已经考虑到的。输入 ZZ 得到 AA
: [; x6 K6 c) Q5 K8 b' O' J
: n, M# ]% Q  r! A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  
  r/ n' U7 V5 K/ K; z% S! R$ c( g& [0 V3 a. Q' a4 S
打乱顺序输入 NBC， 得到 OCD。 2 o* E, C4 |- s) n

/ y. {6 |8 R. [; Q) L& [3 ?这些都是建立在只输入主贴原始规则的基础上的。) {5 w/ d5 v4 Y0 D

; ^4 Z  i; Z- v) R4 F0 |6 l( V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
" Y- @% V- T( ?
孟词宗 发表于 2024-10-19 09:14
- A+ C9 a7 N; fyanei 刚才问: 有没有回答AA的 ？
6 ]4 B4 M5 B: ~  V1 z& e  {! K- f; X& ?9 V% L" Q
这在实验中已经考虑到的。输入 ZZ 得到 AA

3 W6 G9 o# N0 @6 z9 f
# i6 D% Z- |6 `, y# T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。
! |/ U& r  n/ B) A6 B1 Q/ `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？  U% S6 i/ b( y. z) Z
& H& G6 L7 F9 R' Q6 R) _
& B1 z" G! C( A& m) ]$ \
这在实验中已经考虑到的。输入 ZZ 得到 AA

- @! b# P: {0 v# T1 s+ |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
% Z2 O. D5 T: K0 d# K( M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 ...
; _  [( n7 ~$ T5 x# v7 }5 G1 B
用DeepSeek试了一下：. ]$ ~% y; R4 l8 F' \9 s
第一次的回答是：9 }& P+ m1 V: V7 C- |
Input: ZZZZZZZZZZY0 X( P6 M6 R$ i& g+ |
Output: AAAAAAAAAAZ
% M2 Y$ L/ a/ t7 u6 R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？  n) U& S" [0 Q7 e, b& s
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：5 k" }9 N' H( |) `. ?8 @
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。. y% ~/ ?) E: _
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
. G: _' @* {& G3 u用DeepSeek试了一下：
; m) [5 m; v! H# V# H( K$ b- [  [第一次的回答是：
5 M: v. H. _& S4 [8 h; U3 D+ |Input: ZZZZZZZZZZY
) g/ G7 I  O0 O( l: G/ @8 x+ Z
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
9 L, ^+ u5 Q0 R: g1 L: yyanei 刚才问: 有没有回答AA的 ？
( x3 U  n4 {. v$ x5 \) v. q* s- F. r7 \/ C: b$ U* M9 _" `
这在实验中已经考虑到的。输入 ZZ 得到 AA

! ^. E6 r" [- F. ]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 + ^: l, _& t8 K8 q+ b' c$ t" W

  ~9 V7 r  V$ t, B0 o1 A) {对于当前人工智能的能力不应该苛求。7 W3 U. Y9 c* s4 U, O/ d9 h
人类乃至动物的智力发展也不是一蹴而就的。9 F3 z" ^( _+ i2 m. g# q- i  X8 |* a
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
0 q5 Q0 j5 k( }! c6 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， ...

2 H* S" Q8 |$ q( \6 m+ j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。  s* O4 K" u7 Q- J

9 A0 Z# n' H7 a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。; G0 a2 o( ?+ i3 p9 \2 a$ z8 i$ M1 E
8 s! M/ f! A6 U2 c' }. M
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。& z9 K2 ?& j0 Y4 a1 h' _% r) H
4 u0 ^! F7 I4 v
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