|
& n R1 P6 Q$ ~1 {6 U3 Z' w/ q, m
7 Y- G+ C% n2 e$ k2 m8 q
这篇文章设计的测验很有意思。从实验结果看,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。; R. C( `! C0 K- p
6 x* [4 i( C1 g' _" J
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。( ?1 ~4 u4 S' a2 |
. O8 P& ~ r" C# Q+ 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.) n" w8 w$ X& b; v3 R
0 _/ C- ]# X' |9 w5 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:, ~7 z s, @& T2 Q6 f
我: A3 `% L- i9 z4 [" U
AI: B
* t% ^" n4 m% o6 b- F0 c我: B O2 t9 J: y, d# J' V
AI: C+ A2 c! }7 X- o. A, T
我:X
1 u" o% X' C2 @% g
/ K5 e+ Z" r* y$ J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。9 ?+ B" ~* ~. u/ A
0 B8 |5 I+ j; K, ~
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:
3 o: I' A, O9 R8 ]4 n* P$ d我:Z
: [! U; d) V' }0 [
- r" l9 ]! I2 |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。% D, P0 H* n+ d) M/ K+ k( @8 ^
5 a& ?% b* z' T, M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。
6 m8 k+ L& g& ]# x' W q2 r' j
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。
% M+ n; x5 Q U: v$ G& G6 V7 i9 l1 F6 p: A. `
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:
" h+ y8 E$ g7 q6 L2 U& f4 G0 K7 |; A. d: |“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。
7 P/ U0 m) A2 Q! Q5 u
5 [* @! W* I1 [1 k1. **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。; `, @' q- K# |4 X/ r1 R/ b
$ ]* C$ V' [5 y0 O5 ]
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。
" C8 l7 l; }1 S8 G/ e5 ^' ^# ^
: R) Z8 ^4 A& y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。 ) j4 X# ^9 F$ z. W- [) W
 |
|