|
6 E$ ~8 j. F. w1 d. x
- p" g0 {! o% H
这篇文章设计的测验很有意思。从实验结果看,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。% S9 x. | z+ n. R4 ]* _$ D- u
+ Y6 ]: _- t! r1 e$ h
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。& o( f' v8 {, t6 H: V$ m8 O
8 h8 \4 \& Z$ V8 c* S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.
2 l' {6 f' p5 x& |/ i% D& M- y& A \; t4 K- O9 w
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:# Y; Q2 k: @* H
我: A
; X* E2 p7 z& oAI: B
4 @- v; b' E. o) B7 p* z我: B
, D: }2 }% `8 z/ dAI: C
! f+ R4 ^: w i0 ]: _我:X8 M6 c+ P9 B3 f: T+ X
$ o& {5 K: ]5 Y2 S$ e& M5 a* u% 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。9 a; d( k4 t$ t! w
4 `( [ p0 b% i7 j" a, a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$ u& a4 j3 ?: r( w; [我:Z
& q- f& j5 s7 e ?# d& c7 e- U7 p9 \
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。+ O, x4 z: W5 E" F* B0 r2 o
" X: D; v G: d( r) t+ k; 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。
5 J+ D$ t; _4 \7 s+ y6 m9 D+ W, i* K) J @) {/ q- K
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 _0 e* z' n8 X2 J. a4 g
) o5 {8 A, m' f% `1 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:
3 E1 \3 Z7 V! h1 U: p; 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。
3 v* y. o* |0 e' R: b, Z1 K5 m& S
- m4 Y' a/ x' k! V5 z, u1. **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。
3 |3 V+ x" N( k0 O. u: `
. U3 I j; d4 U1 l2. **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。
- T: I4 h, v4 F
' U$ `# p' ?& R! V- G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。
) W5 C) P9 N% P% u |
|