设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1113|回复: 9
打印 上一主题 下一主题

[科研心得] 生成式 AI 有没有推理能力?

[复制链接]

该用户从未签到

跳转到指定楼层
楼主
 楼主| 发表于 2024-10-18 23:36:23 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
2 \+ D) |7 a0 V8 A
% G% D3 o, B" D4 a. e, j6 a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
! t7 e+ @- W* y. j1 Y# z
$ W4 w/ G/ \& k0 m. p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。- w4 _! x1 o( j0 y: E
( I) B! L4 ?# I2 i" S& Q
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。
4 ?. D1 S' i3 d' Z( m  R# g" K
6 L/ v# ?3 N- Y! b9 s: Q8 |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.
7 S0 D, x7 K6 T! z& L5 e
' ?- j; k& b5 dAI 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:: {% i" K7 S8 ^1 v( D& w' W
我:  A  Y9 F7 X- n6 g
AI:  B
0 U: ?6 {5 B  }5 r4 H* ?9 o; U: E我:  B
) t8 R& @' m) ]* yAI:  C0 t, a. ^/ p! j1 F3 g' N
我:X
% }* f, ?9 ~3 O4 s% {# W. g" D  k- l* j" B
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。. F" A" r$ b2 t0 K( m, W$ m

! n" P8 r2 N0 I: E3 ~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:5 a5 C7 v$ S/ `7 n# n
我:Z
' g) x% Z& v+ S2 @5 y/ l! a4 X2 I' E8 T# 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。
5 ?) v1 k) A* w3 p! {
$ x0 G# \7 I- L  G! N, z8 y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。
  \$ n0 _2 F/ c% E/ @5 i, l" Y7 U! l4 j% A5 b
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。
4 k! w' V1 t2 d0 u0 w+ v& R- Y
9 g' f. H7 P' s: \% N/ p* X7 [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:4 j% E" X$ ~! ~8 q# k+ ~
“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。9 e! ^4 L6 i7 ~# }
: ^6 x; k+ _$ g( m. r! D: 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。, m' _9 t( {* Z6 c1 P# t" |6 \

# t$ Z$ v: r9 N; i0 G7 M5 e2. **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。
  F) c9 f/ I/ m# g8 g) e/ k( |- \1 Z, f  @; o! h+ {
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。

! I# H; Y" G; N) {( r6 f, L4 R; ^

评分

参与人数 4爱元 +28 收起 理由
pcb + 4
helloworld + 10
老票 + 10 涨姿势
唐家山 + 4

查看全部评分

  • TA的每日心情
    开心
    昨天 16:36
  • 签到天数: 2947 天

    [LV.Master]无

    沙发
    发表于 2024-10-19 09:02:34 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:52 编辑 : M! Y) ~+ x2 a' B: C
    4 V/ U" i1 R' u2 K/ W
    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。
    ( E/ l3 P. G. j/ b+ r! p" O; s, n8 D+ i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。% j' S" g- b7 m  O
    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。3 w' a: P9 C: q. B! N& p) u2 j7 F
    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。

    评分

    参与人数 1爱元 +10 收起 理由
    helloworld + 10

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    板凳
     楼主| 发表于 2024-10-19 09:14:42 | 只看该作者
    唐家山 发表于 2024-10-19 09:027 ^$ l$ C! u4 c, O2 n( z
    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 ...
    " X' a7 l% @% z) o' u# U+ q
    yanei 刚才问: 有没有回答AA的 ?
    1 K& T8 {" `" c* V7 D: P
    4 T5 N. c4 L6 Q这在实验中已经考虑到的。输入 ZZ 得到 AA 6 d/ ~( A* y; E" \

    ( U1 N0 b; I+ r# @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  , p. p4 I# A6 j7 ~: B' m

    ; ]8 d" c- R5 F: N2 _* P打乱顺序输入 NBC, 得到 OCD。 " W" m* q& f0 K3 L& H7 T) `* V' y2 \
    * ?) K( L' W# H, Q" z
    这些都是建立在只输入主贴原始规则的基础上的。  X$ `( C. l9 I
    & i7 f( j* G' j, U! H0 Z
    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。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 16:36
  • 签到天数: 2947 天

    [LV.Master]无

    地板
    发表于 2024-10-19 10:48:54 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:51 编辑 6 A6 o( o/ q% q9 b; h3 U+ k$ ~5 F
    孟词宗 发表于 2024-10-19 09:14
    4 v- b; b' b; L8 Wyanei 刚才问: 有没有回答AA的 ?6 t% Q. z; w& A: H  e; V9 r
    ) ?; r$ a2 J) @" [8 R. r  l: m' T
    这在实验中已经考虑到的。输入 ZZ 得到 AA

    1 [& @0 h/ `) y! Z: n# G$ o$ W+ `0 L$ d5 N, f
    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。
      ?: J- W6 A1 Y7 }" b) f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?
    8 r  d8 |/ h- |. J( |3 b6 B
    0 ?/ S2 D! [& Q% \9 }
    ; o: s( F/ ?: v
    这在实验中已经考虑到的。输入 ZZ 得到 AA
    - J: C$ o, Y. p1 P) `
    这个有点意思了,如果输入10个Z加一个Y,输出是什么?
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 16:36
  • 签到天数: 2947 天

    [LV.Master]无

    5#
    发表于 2025-2-20 10:25:52 | 只看该作者
    唐家山 发表于 2024-10-19 10:48
    , W# H6 |- K; }- y6 [. S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 ...

    8 o+ H  b2 X4 `6 m* p用DeepSeek试了一下:/ Q1 j, r; J) K* a; e: U& G
    第一次的回答是:; U) H. `$ b" x& {$ r# o  s( h! ~* Q1 `1 r# X
    Input: ZZZZZZZZZZY5 l5 x/ b: Z0 J/ h  G. S
    Output: AAAAAAAAAAZ! z7 h7 q7 a: s. F8 b  {1 ?
    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?
    / ?" y, t, ~% s' c3 {DeepSeek经过了长时间的思考(用时285秒),给出了正确答案:
    , l. x/ z5 t& u2 x  }/ U将 ZZZZZZZZZZY 视为 26进制数 的后继(加1后的结果)是 ZZZZZZZZZZZ。
      S' S$ F4 i: E8 |% `) ]4 e
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    6#
     楼主| 发表于 2025-2-20 14:04:36 | 只看该作者
    唐家山 发表于 2025-2-20 10:25
      o, H0 o+ W, A; G4 O2 i用DeepSeek试了一下:7 s/ v2 `% h" O7 N+ E
    第一次的回答是:: U" T, i, W  S7 Z6 h' u
    Input: ZZZZZZZZZZY
    & C; b1 ]  f' Q  g/ K7 x! R
    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。

    评分

    参与人数 1爱元 +4 收起 理由
    唐家山 + 4

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    7#
    发表于 2025-2-21 01:31:44 | 只看该作者
    孟词宗 发表于 2024-10-19 09:142 c. @+ K: q. m- o1 k+ J
    yanei 刚才问: 有没有回答AA的 ?
    # V7 J5 L9 B, W  g4 ~7 Q5 \5 e7 C# D- Z, P6 w4 e5 d/ r
    这在实验中已经考虑到的。输入 ZZ 得到 AA
    8 {4 w! ^3 x" B1 F0 z+ I6 b) w
    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。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    8#
    发表于 2025-2-21 02:20:02 | 只看该作者
    本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑   q) V; r3 Q# h/ H! X! \

    5 f" n* ~; I! i& q  R对于当前人工智能的能力不应该苛求。
    / I! d9 A- Q5 R1 O$ O5 K8 S人类乃至动物的智力发展也不是一蹴而就的。
    8 Q* H, j2 q& l. t( D只当现在是草履虫又如何,迭代就是了。

    点评

    给力: 5.0 不能同意更多: 5.0
    给力: 5 不能同意更多: 5
      发表于 2025-2-21 09:31
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    9#
     楼主| 发表于 2025-2-21 23:55:39 | 只看该作者
    yanei 发表于 2025-2-21 01:31
    2 H9 d7 y6 F# W0 f! @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, ...

    - A; T5 Q- ~4 H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。* o" o8 X2 _# s7 [4 r
    & i) u" ]  u- C/ j! v5 G" s0 U
    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。
    2 G( d8 k' k2 Z5 P( h) q: n: ^, m/ H  ], M" z- D+ D! u
    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。
    ) A7 K5 ^% H: f2 n7 w
    - l# t# L0 O; F& m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?
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-6-13 21:23 , Processed in 0.040744 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表