生成式 AI 有没有推理能力？

孟词宗

8 W+ Z& N/ ]4 @4 I, r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

  F6 ]3 N$ \. U4 i: [1 f  s- 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。

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。
. f2 ~" u# p. [; h5 v0 n/ Y
* Z# Q; O9 b  r$ t$ Q5 d7 M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.
& R, c2 h0 d& d& q; {5 ?
1 r- |5 G& B* P* k3 ~- kAI 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：
我:  A
1 s0 X- ~$ g/ Z0 f1 m6 XAI:  B
我:  B
AI:  C
我：X

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。
6 F4 k# S  R0 C, A9 R
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：
# o+ F" g( g) k# P9 b& y  I0 x我：Z

& o3 I0 V- x$ |. n5 O; {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。
) A4 g3 q, ]+ E9 ^' _4 O- 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。

$ V% m+ I' S  g8 x; c) x4 y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。

( p. ~1 c$ W- Q! 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：
' l+ u; v) |3 i+ z- L

“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。
; O+ v9 F; p' z) x4 g2 \! z( H
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。

0 d& B7 d# O! w) S8 [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。

: h; S8 j$ w* y% A) i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。

唐家山

2 C; Q1 K9 v# U: L0 m" h+ n( l
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。
+ i# @9 |/ ]) d. s  w+ F) B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。
3 b8 @4 _3 |& @& }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 M7 e4 q/ P  \6 [9 H/ a* P  W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。

孟词宗

唐家山 发表于 2024-10-19 09:02
/ E/ }) N/ Y- @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 C+ [' e* m% y; r8 Q2 _* ^yanei 刚才问: 有没有回答AA的 ？

1 L6 B2 k& U- G这在实验中已经考虑到的。输入 ZZ 得到 AA
+ p7 S& ^2 ?9 o
! j! q3 |1 M! i  U- t2 Y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  

打乱顺序输入 NBC， 得到 OCD。
3 L6 _! K+ Q- {4 L
9 N) A' A# `0 ?% b4 a: |/ Y9 B这些都是建立在只输入主贴原始规则的基础上的。
+ z7 t) m! L, I7 l$ b& i
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。

唐家山

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
/ Q' Z( L# z5 o& n4 Y
$ B7 ]% s. t5 R- l* m8 |. {这在实验中已经考虑到的。输入 ZZ 得到 AA

* K( P! G! ]/ S& B( K, J+ N( g
& @  s, f5 p1 {; L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。
+ G! }% K( S. o3 A. _! d0 J& _1 ~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？

这在实验中已经考虑到的。输入 ZZ 得到 AA

# `0 f4 g, @' M8 |5 f( c2 Q8 Q$ r这个有点意思了，如果输入10个Z加一个Y，输出是什么？

唐家山

唐家山 发表于 2024-10-19 10:48
5 @. E) A4 a/ s0 Y% H6 c3 N9 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 ...

用DeepSeek试了一下：
, U( t! {! J2 y& \1 k. K' b第一次的回答是：
$ N- j) t( G, w  VInput: ZZZZZZZZZZY
8 p! @" ~  T& ^: I$ |Output: AAAAAAAAAAZ
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？
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
: C- j, |8 f- B: u* H( Q将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
- D- I; R& l- c- U0 \9 O  `

孟词宗

唐家山 发表于 2025-2-20 10:25
  y# }5 L9 M  ]  p' J用DeepSeek试了一下：
8 @4 o) z7 D  ^第一次的回答是：
6 I& c+ a2 \2 RInput: ZZZZZZZZZZY

5 i" U% H1 U& ?, U: }/ Q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。

yanei

孟词宗 发表于 2024-10-19 09:14
& `( \2 [- O! c, @2 I8 N! hyanei 刚才问: 有没有回答AA的 ？
% g9 O2 }: r) [4 b5 F4 }- l( `
) A# O/ z  B5 U这在实验中已经考虑到的。输入 ZZ 得到 AA

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。

nanimarcus

! q/ K. d% X/ d9 I" o. `
对于当前人工智能的能力不应该苛求。
! e, O9 S4 I9 v! C' W+ A6 k$ {0 V人类乃至动物的智力发展也不是一蹴而就的。
只当现在是草履虫又如何，迭代就是了。

孟词宗

yanei 发表于 2025-2-21 01:31
: }' E  e% w  `! B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， ...

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。

% s6 I* G9 a! H; Z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。

( H3 Q5 f5 R) X) f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。

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？