生成式 AI 有没有推理能力？

孟词宗

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。

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：
我:  A
AI:  B
0 U: ?6 {5 B  }5 r4 H* ?9 o; U: E我:  B
) t8 R& @' m) ]* yAI:  C
我：X
% }* f, ?9 ~3 O4 s% {# W
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。

! 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：
我：Z
' g) x% Z& v+ S2 @
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
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：

“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。

# 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( |- \
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; ^

唐家山

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。
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。
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
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 ...

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

( 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  

; ]8 d" c- R5 F: N2 _* P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。

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
4 v- b; b' b; L8 Wyanei 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

1 [& @0 h/ `) y! Z: n# G
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

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
, 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：
第一次的回答是：
Input: ZZZZZZZZZZY
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？
/ ?" 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

孟词宗

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：
第一次的回答是：
Input: ZZZZZZZZZZY

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
yanei 刚才问: 有没有回答AA的 ？
# V7 J5 L9 B, W  g4 ~7 Q
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

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。

孟词宗

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。

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: ^
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？