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
3 j" ^! b! a# m2 B: L! W( Z, [# k9 i+ c# W
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5 A, ~) U6 s3 K3 K% S6 u2 J
! j* @* h% X  v6 ^; 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。0 B7 D# A6 c# j

; [5 H& e2 J9 o6 n) e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。
! D  B  f, k8 T$ N! x
- n+ ~+ S" p: K0 f3 x( D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.+ ~. u2 M6 S4 W8 O) c/ n
+ [0 _9 g2 O( h
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：& @$ g4 s, [0 c9 ]5 ~0 ^
我:  A6 l" ~  T: D5 Z% f% l
AI:  B
( ^2 |. Y" T. X我:  B
* u' Z- A0 R; M% e5 |& F; dAI:  C
* c& Y! S. @- W/ F2 y5 |6 l我：X- B: ?% ^0 l( M/ ~. @

/ T. `6 C, \! n3 v" t4 l& z2 r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。
0 B* j% v, |1 I& \8 G3 B+ o4 n2 g; w0 l* {1 H6 Q4 Q5 q
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：! Z0 A" b$ \! O$ ]+ h3 u
我：Z( U: R- O7 u1 d
) }+ L: J0 D! r, p1 j& A5 ?
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: h5 v/ Z. D+ y) T. N' Q3 S0 a
8 N" H# N- Z. G& Z' m: k: c. U( b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。( `3 }2 ^" W3 i2 i; y4 Z7 q
6 ^* c" x. }( f& W. X+ E' l( b
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。5 F! E7 z' p, f/ t
" v5 u, A( K! H% k! p3 l" \
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：
1 U6 r9 L7 x' l  `. J  _9 H
“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。
2 E7 @' m) {$ a, s& s0 D- Q+ T1 W  c6 W6 T
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。; e5 q9 `5 p: P

" c9 k" O- R4 _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。
/ \) V2 ?" K; N: `$ X& T
4 a5 t& n$ l# X. r) S+ z1 F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。

  Y2 h: G3 M& F  l, R0 Y* s8 t4 a
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
8 l& e4 J, r! x  I6 e( a3 x8 I
9 {0 e0 s7 C! G% J  {# }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。
# [) t9 q, x/ N1 S' r+ x, e# _* q; 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。- V, t1 i' s7 i. \. ^9 \6 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。
. ^8 }: [! p  f  S* c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
( Q2 L8 G9 I- G  i" [2 X8 j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 ...

0 w- P5 y) d1 m! C+ Q8 L) H- oyanei 刚才问: 有没有回答AA的 ？
" ?4 S* Z- M6 F# r+ H$ ^1 |5 G, I9 A! c; a. p2 g& r
这在实验中已经考虑到的。输入 ZZ 得到 AA
/ `, F: S# B$ |( L! d
4 A& `) N. G, {3 F$ k) o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  + V) u% u6 t; S2 G& [3 @
, a3 I. b% u2 a
打乱顺序输入 NBC， 得到 OCD。 9 h9 G; |8 K) T1 F' u) _; z$ E+ g  z0 e

5 i. U* M' Q3 ]4 i; i4 ]这些都是建立在只输入主贴原始规则的基础上的。
4 r9 q- C+ `  c! L' N
& u5 Z0 P* Z" O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
& s1 G3 c; D1 Q# q
孟词宗 发表于 2024-10-19 09:14# x: f# A, W; \& v
yanei 刚才问: 有没有回答AA的 ？0 D, w9 @' G( D
- Z* d$ X0 ]( V7 c# j( z
这在实验中已经考虑到的。输入 ZZ 得到 AA

+ m9 _+ |! f) [2 P+ V' S) ^
% M5 _  ?! m! G. n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。
9 d4 E. e" B& L; c7 [4 x7 c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？
7 A6 w5 u2 G! S9 s* l& p* W
2 E- @# n7 o5 p  R
) N- I% O8 \! T$ C1 m7 X
这在实验中已经考虑到的。输入 ZZ 得到 AA
( f% a0 ~$ X0 ?  Y7 ~6 r6 p- Z- d/ D7 M
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 Z' ~5 f8 e) R9 k+ 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 ...

5 }7 K* C$ o* n8 j! Y用DeepSeek试了一下：, |$ {; R6 |0 p: T7 |8 B* q
第一次的回答是：
) \" Q/ t6 L* HInput: ZZZZZZZZZZY
; D' c( B: P8 v9 j9 n" d2 sOutput: AAAAAAAAAAZ
0 b- j7 [. T2 W' ~" b9 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？3 K: C. G7 |2 L# m
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：: O4 q$ r" ^- e- R( p9 ~% f
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。  L" W$ W1 R! z, d) @2 ^" c, B; }
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
" l8 t) Y( h4 @( T用DeepSeek试了一下：
$ E1 j% Y3 L; w第一次的回答是：
& d1 m- ]9 }/ w3 f7 XInput: ZZZZZZZZZZY
- S' F; V8 r: _) l: y2 y; T
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 09:144 I' ^  O1 s1 W$ W, W- G5 h
yanei 刚才问: 有没有回答AA的 ？
2 h' G5 W' D4 a2 X5 C! v2 o& o7 g5 I& d6 F$ q! W
这在实验中已经考虑到的。输入 ZZ 得到 AA
  S0 b$ L$ E5 z# _9 r
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 / G. ^! P. ~, n# K
. ~* |" T* j( M# u6 F
对于当前人工智能的能力不应该苛求。; `  \0 V* W; R6 T" `! \  p
人类乃至动物的智力发展也不是一蹴而就的。# d  o' s( c1 z" q* `
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
* R; O5 K: y- x2 S. @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， ...
# [$ V4 g( A! |/ z9 f$ h
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。. y! L/ `" k+ c1 _  n4 L

4 q; l. ], L8 y2 o- s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。# x) L' p; Z' _# p7 ~9 h
" T1 l8 B3 A% Y5 Y: 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。
' o9 `% O4 E1 s; o: [6 g# J3 w! Q5 i; E' ]
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