|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
+ F1 h C( R' K7 S$ n
# r) l/ t! \ P6 s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 W X& A+ d/ X0 a1 X& n% r- l
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。- _9 s. r- R! z0 J& p' X
( d7 `/ ^ W! z3 _; ]) l5 J9 e
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。
$ s; u# Z) h. Q! f" i7 b% n, ^; e
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.6 ^, d. h: i1 n; d* v: }# c$ S
: t+ ?* J# d" m: d zAI 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 v* W! S6 I( p8 f
我: A
! K) h$ U5 |% A- g$ I w+ S7 x- QAI: B
' t/ H7 G. p: q! y+ V8 e; } b- k我: B
: e1 I3 N9 }, |( ^AI: C
" a- m' n | k. z我:X
; B! T3 b3 ^# k# Z2 t/ D3 M6 _" H) E
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。! Z; W5 ]; l" V, A
8 v! ~& c6 H; r) V$ B) Y
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:
) v I5 t! V6 ^# K% O p2 b我:Z8 A) A R: P# w& `0 j
* {' G* J' J8 x$ M4 }$ `3 P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。
1 B. k' E/ i2 }! G) q3 N4 |9 F, y1 o8 H3 p2 a7 @6 c
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。
* \; [$ R7 q1 ~# m- K7 {% s3 f8 [0 D! Q
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。' ] D0 ^, K. y) q" s' S
5 N2 C; X7 { Y8 g" a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:
% U6 U( T/ Z; _9 C5 W7 F“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。
+ I: |. f3 @9 E
% p& t" W- S6 M! B1. **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; b1 x/ p" K5 D4 N1 G
) v) e2 X; m: }( ]/ x. U6 i2. **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。$ k/ k: ?. v6 r# B" }
* l/ V* D& g, j, {" d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。 , X. G6 L- e2 _8 o! T4 |
|
评分
-
查看全部评分
|