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
6 N! ?- x  w" G/ h9 e2 i: `9 p5 H" W$ d
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/ M3 h: _( G& m2 x

' o. B2 N+ v8 e( F* A! i& Y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。4 M. y9 }. N4 W6 A+ i
7 ?# Y7 Y* D- J# N7 {5 f. s
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。% H! H0 \5 p$ M7 ^
2 U; k8 R* S1 O' [6 y
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 ^0 `( ~/ U2 r' j2 q

% N9 i$ r1 v" LAI 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:% J3 ]. s! a5 p# N* r' L
我:  A8 \: q' N1 V9 l" p: X
AI:  B. Z  ^! l/ G/ w3 G; v% w
我:  B$ O- F3 e) q7 I- G0 f
AI:  C
) Q* _. U4 D; h$ p! i' ~我:X
- e7 J2 C9 |* k2 T2 z) G$ `3 F( D, n* y9 }* S  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。7 N/ w* ^/ J: T) d4 q
- v4 s! `; r" D; d
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:
* l" E* r% z" @- ]* R6 G: \我:Z
3 L9 Y6 s. A7 i) ?+ s: K/ f% y/ C: ]" a8 s) ]
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。
( e5 C/ A  P6 T5 m: H
" x2 G: n" r8 P) Z3 ^$ \" o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。& v& G1 b/ n8 [6 Q6 B4 h1 b
2 f1 c5 [0 Q$ H. P7 M3 ~
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。9 G1 o( A* U2 U- d+ ^

) q/ ]" U0 ~0 C% }6 i0 l! W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:
- Y7 q* g' A% u
“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。% `1 {3 v4 `( x% }

1 ~" L. o# Z* a- L1. **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。
, z6 v7 i% T8 ?* J
+ I0 b- X3 J  w% x9 i0 |; {& e2. **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。
5 R; m9 g- ], z' e3 l) G7 k7 ]) a) H  e
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: p1 Y/ p( z& O& D

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 . L- B- ~- w* d9 L' T4 z

, z. Q# d9 w8 @1 x$ I# }: {. p: 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。
$ W5 F( F2 f5 V- T' f6 r3 B) z6 h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。
" {0 B+ S: J( P; h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。+ q( R- m0 O3 t+ W6 g
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' a0 p- E, F0 r$ ]- h% ]9 [1 \
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 ...

6 w: a, z2 X) o' D( I2 nyanei 刚才问: 有没有回答AA的 ?" y; g& H% A3 u) t# R4 D1 l
* J$ u2 V& s3 n
这在实验中已经考虑到的。输入 ZZ 得到 AA
/ D7 M1 t: C' P* s% ~
) m: Z. T- o3 g5 F; B  _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  
7 }( z* `$ Z; d- b& Y' J( k9 \$ e2 J. W  v! |8 Y3 ?. ?% j
打乱顺序输入 NBC, 得到 OCD。
# D) w% w  T$ s7 F& b/ d, {
! z! A& F& S- o  D0 O7 g# K* M这些都是建立在只输入主贴原始规则的基础上的。
9 j# i: ~8 k$ d9 I4 {: a. V8 C& ?$ X6 o. j1 r8 j- L
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   W1 l$ }/ E: I2 z7 p( |' w3 }' e
孟词宗 发表于 2024-10-19 09:144 S2 p, L! s8 F/ h  x
yanei 刚才问: 有没有回答AA的 ?; }( T' R. Z5 m5 W) b! F" p7 g

7 r  G3 P0 [7 T7 m( ^这在实验中已经考虑到的。输入 ZZ 得到 AA
8 @+ h" s" e+ f" V- E9 x, o- a
+ S4 K. @9 z  \# i
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。
7 X% z% D6 n1 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?
: r$ q; w( k% w. @" e9 p9 t7 G
0 R. H+ e( C' a9 J3 A0 E  d
; y, y0 F/ p2 I  O6 N: X' @8 _
这在实验中已经考虑到的。输入 ZZ 得到 AA

; }; j2 |% h5 V+ F# m! u这个有点意思了,如果输入10个Z加一个Y,输出是什么?




欢迎光临 爱吱声 (http://129.226.69.186/bbs/) Powered by Discuz! X3.2