|
0 l& w( x' `6 R
( R0 }$ w- B! X. a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。
+ [. u, }; [9 e6 ?% a/ m6 q( H) g# v* }3 A4 m5 w, ?
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。! M. d' N7 ^( B5 c( Y
5 M; @. ]) k1 h! O' n
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.
. H7 t0 p' U5 ^2 x7 n0 t
) L$ B1 y9 s+ w- { |( h6 EAI 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:
- m& \9 k) j' J5 z+ Q, ~2 |我: A4 [4 F) `) U" N: L
AI: B+ I/ O& m: Y& X' l1 F) q
我: B7 h% u5 Y2 W3 F5 ^& E$ C
AI: C
+ L5 c2 A2 D ~ i. U. Q我:X: ? J' g6 {8 B( h8 B. n
( e+ W" e; w, Y/ U( f# `. N! Y
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。
1 \( Y u4 H6 n: f- B1 w6 Z2 c# `; Q9 l: x- o* R) N/ f
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 K4 f+ j" D( P6 }% _8 l; q8 f我:Z6 n- t- E* N% `9 D5 X; l- O
; P% F0 e6 F# }$ B; Z: t/ \
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。 l/ ]- c2 D. f+ r1 T
3 G7 s# G& @& e# I* k+ z9 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 V* M( z G! O+ f! l* V1 Y3 C4 E- z, }4 w
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。7 ~5 e" C2 a. r- B
' n/ N1 p+ d I. d8 @3 {8 Z9 j3 O. Y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:: n( @2 r5 r Z1 A1 }5 t: @ N
“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。
j0 N3 k. n2 E: U p2 Y( @
4 a+ `9 x1 B2 A% l1 }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。& e0 L( J# U0 Q) K/ B
. U/ @# [8 F+ f# d
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。
2 Q4 e1 Y/ W H& x
* k) q" `1 S+ b0 g/ P- u* m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。
' N. y* }$ x5 @4 I |
|