|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
/ w: \/ m. w7 x, N! a$ x. D$ Z2 }" ~( c; }
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
: W2 c& H. f5 ]% r
6 @1 \, h) {2 v/ `) g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。
+ Z# T) Q9 A6 s/ K6 @0 H8 W5 O0 ]5 C# y! e+ E3 U' B4 ]! x
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。6 h$ u9 r: M* o* e' v( F; D
) a$ c2 f9 N( x3 o' D" A& @3 k" J, o
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 B/ W5 O( j1 `% T+ o' }
j5 O. v% E; |9 w
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：
{3 K+ r; w3 [% D" D) q我: A$ R/ C; q5 A H
AI: B- ? J ]/ G/ F7 n D' |
我: B
% u1 P. K/ I& q, G" ~1 J2 l LAI: C0 \! K, z0 b5 k
我：X
8 d: _1 ^; ]4 x" H6 ~# m, a2 O7 {' |" O
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。
( Q( l4 G2 v4 @' t: r1 A g; @3 Z: A8 f0 t4 w3 [; i
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：
4 @' l6 d% f9 T我：Z% o, S( B6 D5 J( b" J5 k# c! i
2 o6 c1 N4 A/ k, 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。
9 q/ q( |4 a& G1 \. g" L
" ]7 N$ k9 S1 o% ~7 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。 ]* u$ t2 o$ s& }; j
$ S- g$ H! B- \$ s! C: v: E0 G
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。3 w$ J$ B! X! e$ m
" Y, u2 ^- r1 p4 n8 F5 s. e( V
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：
; a# x+ B8 _2 J: x* {0 Z“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。
) w% R' L4 h' j$ F: ?" c2 B
6 Y; V, H) J8 N5 G( ^2 k, [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。
1 _) M" I3 u H& A/ L% a8 d* h# {6 N# A$ x" 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。
: g- o0 n0 w5 ]5 H' A2 o' [ w ?3 e) N8 ]( G- ^
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。
5 Q7 y: M, A8 K& U$ \ |
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2024-10-19 09:02:34
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。) k$ V/ F- n; p1 t