生成式 AI 有没有推理能力？

孟词宗

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

1 }# K* {" h) z' F( T: d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。
7 J* b5 U8 ^; T2 U% D6 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。

+ h/ J1 |* N& p# I8 d) }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.
/ m) u% K4 v* y& ~6 r* R* ~5 g$ Z
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 f+ v; ^5 a& k我:  A
AI:  B
0 w* c# H# H/ J1 o4 c( R0 M# R8 k' z我:  B
AI:  C
我：X

* Y4 h& {; r- N# a) ?7 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。
8 ~0 k$ B3 G/ i3 L, 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：
+ s8 P6 d: F) G# e! F: Z  O我：Z
  D* C( ]8 l! h- _
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。
& f( R3 o0 |4 z7 K8 k' G
' y' j3 O3 q4 F, q: 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。

* K- g, y9 u! i3 N; z2 ~, ]0 j* z2 i- h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。

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：

“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。

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。
/ S3 e0 _" v7 H; w  H5 N
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。
8 r& A9 d8 n7 l* b9 J4 P% F
, }( B( G8 i( E( R* G. S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。

( b+ n2 L. z' E% ^3 `* R/ N

唐家山

- H# l0 W( T) q( L: D5 i! v
) m6 @: f( L; {- }: 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。
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。
- f; O' q& g, t% Q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。
: V% O( {% T/ z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
9 B# D5 Z3 U! U: ~2 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 ...

- V. C! Z8 N3 v" P5 O( [! @6 g9 vyanei 刚才问: 有没有回答AA的 ？
8 D. h* G- w  u) J4 `$ ~' E
& X( L7 c# E3 Z- O/ b6 h- c这在实验中已经考虑到的。输入 ZZ 得到 AA
" k$ A/ C+ g! Y. s
5 z, k/ o- U, I5 p* p6 j5 {$ I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  

3 o: q5 z4 B8 Z3 a. D打乱顺序输入 NBC， 得到 OCD。

这些都是建立在只输入主贴原始规则的基础上的。

+ a3 v5 U. [1 U5 y% E0 t' o7 G1 ?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 ？

这在实验中已经考虑到的。输入 ZZ 得到 AA

# P0 X5 ~# p7 {
) t. X% M5 n& v2 K) i5 e/ k" _% R; M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。
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？
* r. F! H6 R  a0 m* ]5 q* d$ u8 _# g
8 R( Q: k% b+ ~8 c) {5 K" M
* x/ m7 {; H& u) B

这在实验中已经考虑到的。输入 ZZ 得到 AA

这个有点意思了，如果输入10个Z加一个Y，输出是什么？