|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 - F' C( { y4 b* V; H- Q
7 z. R0 y; f2 Y' z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9 K2 D: J: z$ ]4 h
2 g, U4 D6 t( h1 J
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。
' `) @ B, D1 r6 _/ ?7 o, t) j4 N4 @6 [) F
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。
. f, B# `/ E! K6 O+ ^% F$ u' B$ {( ^! o) m* x/ \
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/ i& E; c1 |7 { |! {. f# s6 h& D! N. g
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:
/ z1 h# m. D# O, n* d$ p我: A
# D. F- o, g" zAI: B
3 f3 N+ U& W( t6 M0 P+ X我: B
\) } |. x$ ^ F \AI: C
. i I9 i# D' z1 C/ ?6 X7 r我:X [; u- ~' C: e# p2 ~
( N; s/ J5 C& {) d
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。
' z0 z' I4 N! ^/ q! S2 T8 I R
- B& L. K! g1 j/ f+ c! S7 u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:
- L" c# e4 q* U2 _我:Z
& K: Q/ o2 t: Q I! n i+ z3 l0 c% R5 L0 a- y
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 c' z& S# A. W) P4 `# x
. b) D3 W% ^. [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。
# e, u% U. F2 j1 g, g! t: n& a9 e 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。8 F1 W) P0 Z2 z% T4 U
: |- ?" d; H" k9 J2 T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:! z& |; x$ q- z; J, }
“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。' v7 i) s# A+ L, x p, X# w2 \; G
2 g9 I/ k# ?8 z/ ^& @/ q
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。, `6 L# K8 v* o
9 @/ q! z5 N/ G0 _- k8 |
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。
\& I: [ E2 M5 t9 a# E# H
+ z, d- v0 @1 D; a5 [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。 3 p$ o# Y: t2 T$ d
|
评分
-
查看全部评分
|