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
# f1 j$ `- }0 y5 b" ?, F- U! u7 r& m* v1 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% d0 O: a8 ?' f+ S# ^
: ~8 z! Y7 T. @! q) H
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。
, g, |# `3 Q7 v& v% }1 p
) c- X0 b9 C+ E: u' ^4 k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。
% i0 D: K) P2 e/ R0 l4 _# ~1 d- O0 \5 r& I
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 R1 o8 d% C, O: t8 t: a+ T
% x2 Q. U/ h( J2 R7 zAI 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：0 Y; G7 Q& M1 {3 I
我:  A: X( Q: N+ J7 a5 n, v3 G
AI:  B+ d8 C0 G$ A2 Q2 f" v  T
我:  B
7 u2 V( E+ k( xAI:  C
0 `  @- d& S( h: h我：X
2 d+ `4 J! ~$ u5 F/ ]/ }/ P+ x) y0 z
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。
8 H0 h) W" ~) y! \6 X* B7 k: |1 s3 _; g0 @& @
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：
7 U# A# R/ {2 o, x. X: \2 t我：Z
1 q( M. M, ?, k
; n! m: B  k$ _" i, W6 {3 P0 @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。
* W6 _) @+ p6 \: D1 l
* l! _" k3 T! r) `6 c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, j$ X) Y1 {+ ^* p; I! \
; R) @6 g& B5 D; @( D1 W
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。- b) F; Y0 j, `+ k: H
2 H% i# a8 Q. B3 t+ ?
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：- R3 m- Q% e+ j4 i% \! S
“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。
% C, {% f" H2 m2 `# H- g. u
$ L/ p# T" l3 S! w& p  w1. **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。
4 t  j. N4 }2 X3 B, i$ g6 P& V7 w+ J0 r) M3 o- P1 N8 b4 r1 [
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。+ b( U! z$ n, c8 h1 U+ g& c0 o

# |5 O% ]: V  u# b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。

; l5 I) l/ N# w4 c
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   V7 H2 r1 X# b( |3 Q

. l! ?) U. p$ N5 E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。7 {+ E% b) c. R5 A6 O/ [
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。& T9 P2 z0 o( u7 U( B
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。
  |" t. z6 N2 W$ R& 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 09:028 Z4 y9 b1 |( |) 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 ...

8 l6 c$ c* k3 [" E! T7 dyanei 刚才问: 有没有回答AA的 ？% f7 i" `# t+ M0 j  l
0 w8 |% t! ?- u+ j* ?+ I
这在实验中已经考虑到的。输入 ZZ 得到 AA
' z: w0 }  C6 Z8 J; o! |8 N
6 |$ z/ F! Z- Z2 f% t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  
; }3 b+ C* p3 O& e- d/ ^
5 |5 Q, [  I; K6 }  G0 \打乱顺序输入 NBC， 得到 OCD。
0 ?' O( u3 e, f& B8 ]* B! k( T$ N5 o6 I) c
这些都是建立在只输入主贴原始规则的基础上的。( u3 |; @- u+ u
7 w5 C* ~0 P5 q" O9 P* U: [3 |; 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
8 H8 |. O/ i8 ^
孟词宗 发表于 2024-10-19 09:14
. j  }: o  b# }* n6 K3 N- g( x+ Iyanei 刚才问: 有没有回答AA的 ？
! W( q: E" n5 e! B6 `3 p8 \8 K% Q8 K, O# [
这在实验中已经考虑到的。输入 ZZ 得到 AA
( @3 f) N- S: o
7 S7 O$ o. H6 t  }" ^; X# Y
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。% N* K6 `: ?4 P1 i$ s
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？0 Y9 I/ D" {( h" |

4 P1 O+ U+ {6 S. X$ H! D
8 U8 n" U. ]0 D, d2 K9 G% C
这在实验中已经考虑到的。输入 ZZ 得到 AA
* z: E0 k1 g8 t6 H1 x5 f
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
  P8 }+ F: v; [  G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 ...

% O5 H, R9 N' X* ^( `& D用DeepSeek试了一下：
. R3 \$ P# ^% s) e/ I: v5 `( \第一次的回答是：
& m3 Q9 N1 E# x% x. tInput: ZZZZZZZZZZY- v! k6 a1 v' k1 ?) h. s7 v
Output: AAAAAAAAAAZ+ T2 m; E% D2 j# H" m6 t7 ~+ }
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？; Z* ^. P: V+ Y4 t9 G1 |
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：  I. ?$ b. {' U1 E. {
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
. V% w, R9 B% r. u1 g, W
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:252 T' n* B% v' e3 {9 w$ ]$ O" ~1 P! N" k
用DeepSeek试了一下：
: X1 u( g9 D% O) F* D第一次的回答是：. n& G3 W3 o& D+ S3 l2 v
Input: ZZZZZZZZZZY
& P0 j# l$ T. u0 H
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
, M# Y2 n$ G2 Z# ryanei 刚才问: 有没有回答AA的 ？$ F0 n" E: q9 j8 @) g) b+ J# A
0 i, W6 J& \; d' p  ?( G
这在实验中已经考虑到的。输入 ZZ 得到 AA
" }' x: |- e. U7 `
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
+ T( E" k% v: U& T5 N' N2 j+ |5 N5 U% d" h/ f; a
对于当前人工智能的能力不应该苛求。
" j2 |- E. d" |) s0 @人类乃至动物的智力发展也不是一蹴而就的。$ j' |7 R6 y( h  ]9 Y6 S
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
8 z* K! p& ?9 N+ i: G# Y1 `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 _# L& h5 L( p; ?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。
" B1 X1 M) p! R8 n( F9 l, g
) O" B1 \( t" u0 t% y0 v6 i9 B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。4 t. z9 A; a* }- |7 p1 H3 f! z, j# R+ [/ C
: w" i- h" u' N
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。* P5 a; C2 T# _: f/ j- x7 m4 c
" V: y) v6 i" v/ z7 c
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