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
/ K; J* C. v* |( \, Y. ^% ?
3 \3 ]( x$ P% q5 w5 V, v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
6 ?% n8 I& B, s5 _2 @1 n: e
: O  M" t" J" J6 X6 `! {' m" c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。) i' K: {) I; L0 u% X

% [9 T4 T2 ?! K9 Q* L6 c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。
- F+ E; l8 B* q7 C: g* Y6 E) X9 O/ L" M6 J: v
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.
2 z, i* }0 S6 z3 {
# w4 O# p2 _2 X1 e* |' }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：
- Z6 ^$ M1 X+ C8 h: P我:  A" d; F* Z2 J6 ?- L" b( D! q+ G
AI:  B
, M% b" s5 B2 W- |5 I( q我:  B
! j1 Q/ k# R1 m4 sAI:  C! n( z9 ]" A' C0 M7 T0 q2 U6 H
我：X7 O/ A1 U( C7 o  p& H- o
# e8 s# h% M: B+ G( s: [8 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。
, o4 s3 r: i1 E5 \0 `# l, ^- _
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：
; j, D% w" h% {( p/ @# N我：Z0 V* s$ w3 c& W( J7 X1 ~

/ T8 G+ v& j" `" A, q- H" m2 y- A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。! ?+ P5 w; B% F8 E( B
, j$ I7 b0 q8 C8 l6 [; ]
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。* U) p: n  \6 U; _5 }' E, K
- n) I* K% z. a# @0 e! d) |) i/ l
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。6 e! K3 H+ K9 f
" ?( s0 Y; _0 Y/ i
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：
4 k( p  m* n( }0 M! i# {$ 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。
$ ~/ Z# o2 g6 D0 {9 A
6 q5 a. x3 I' V$ H1. **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。
+ ~6 p7 E; c, j% b( d! n; S) W& V) O$ ?. `& E
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。4 N6 X0 L" C2 e- C- |! Q

  X1 I  j; [" j& N& ~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。

* z3 N4 V2 S1 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 6 |4 v& u* @2 r

2 V7 x$ S# ]' }; j! D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。! _& x! N  {7 d5 Z& a! a9 K/ y% Z8 s
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。" y9 K; f: F# d4 x8 A8 M5 }) e
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。' ^3 c! l9 k! ^7 ?' d/ P
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
( v" J0 R& G; a- g3 p  R7 C* L3 z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 ...

) n& I, I5 V  {7 Uyanei 刚才问: 有没有回答AA的 ？3 v% Q" y# b) R) b* g! X6 b; n

# n- t1 w7 d& W* z. k" S这在实验中已经考虑到的。输入 ZZ 得到 AA
0 z4 J3 k$ z) I/ a; B+ l% ~4 n& b" \0 b8 a$ P# X' a% U8 H
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  
' E( Y# {2 G' D# z
1 X+ Z0 o+ E( H7 @, S' v# h. `) w打乱顺序输入 NBC， 得到 OCD。 - d3 B$ h. w& _8 v; y9 y9 j( O' N& o

, F2 _: |) O: C这些都是建立在只输入主贴原始规则的基础上的。
, K1 n$ s+ v0 f* p8 V# {- H4 D
# ]! Q% F+ T' I) w0 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
9 j( n5 X! K5 q( O9 g  X
孟词宗 发表于 2024-10-19 09:14
# n1 c( W) Z6 F' Byanei 刚才问: 有没有回答AA的 ？
/ w# ?, g; Z7 [2 h: y; F! h7 b, ]2 [
) T* y9 X% w! A# F9 j5 F) c3 R8 c; i5 X这在实验中已经考虑到的。输入 ZZ 得到 AA
. @' w" d. [+ ]; z
4 z; n5 O% P, a, a6 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。* {" o- ~5 }( {( o  e& }
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？
5 P# P& W9 b5 q+ P3 t( x; R' J: |1 F. p+ x

' ^+ h& S& r6 h( n
这在实验中已经考虑到的。输入 ZZ 得到 AA

3 k/ G+ P# a: T; c( x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
8 F3 v1 F0 s8 I7 z& W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 ...
& `4 T6 g3 l' u: o5 I! h4 \
用DeepSeek试了一下：' Q. B0 `" ]% O) s0 l8 R
第一次的回答是：
- Z/ k! m, \  p: BInput: ZZZZZZZZZZY* M  X) W, G0 a7 F8 z' f
Output: AAAAAAAAAAZ) o* A+ z; f% C8 K, ?' u/ N
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？
+ I' J4 z$ N7 R' t" N9 g8 qDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
# e$ D1 x; G; J* J' w6 M4 ]将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
" ?8 {: v9 l* A2 P# X* L
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:251 u* }  F2 k% b8 b7 A
用DeepSeek试了一下：
  s) _5 F1 W$ k! O- j/ |第一次的回答是：
$ ~8 R; R- F8 R2 Q* q9 z6 e: AInput: ZZZZZZZZZZY
( t6 }% Q2 D. }' Y$ |4 B4 w
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
+ |  ^; ^) y9 d+ K2 O; oyanei 刚才问: 有没有回答AA的 ？
/ Y. x. S% S5 ^) f- X7 B2 B
2 X3 z3 W' q, E+ T, e  f1 P9 J这在实验中已经考虑到的。输入 ZZ 得到 AA
7 x6 Y1 g3 a6 M4 X5 ]  y) G! p
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
$ }& F. X( n# A0 K! v7 e5 P/ \2 A: R
对于当前人工智能的能力不应该苛求。) b% n; L: b) ^% v1 l/ s( s- S% T
人类乃至动物的智力发展也不是一蹴而就的。( s# u2 {8 s0 c# g5 d6 N
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 01:316 }! q8 E6 [! o7 E+ |2 X
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， ...
+ {! a" y+ D% D9 @7 S; u! L; Z9 T
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。# U/ |* y  X. I: c: K; i6 l( D

# @' F% L7 J( c1 a* E. z6 P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。
3 Y  N1 O# Z1 I
1 c: q4 Y4 R0 e, Q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。
1 x# y9 H- d+ j. a6 o
  \, x- a1 m) X: w7 T7 C  j" ]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