|
/ f) M3 ^7 d: ?
" }) U* q5 ~- K7 z4 B8 k/ m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。
$ e5 a# U0 ]/ U8 t+ A* B
! p* g0 `# a7 `- X4 t- E3 p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。
3 z' m: f! }) J4 T0 I+ Y J9 }2 A" i D: r* L3 e. L. I
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.8 @2 X& {9 @, m/ P9 a
0 B+ C" R2 k$ h0 V1 JAI 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:
/ E# J) x" O; f: o8 n* Y& U. M我: A
1 n6 a# F; k8 w2 @0 y1 Q% r& AAI: B
1 A' c: ?1 @, o我: B5 F2 ^' j8 R+ u0 F5 S
AI: C( `) A5 z! r: U2 h! M
我:X
- U# V) _: x& {9 U) |$ T& O$ P" m
/ p6 i6 p9 g$ f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. ^' b& K, S4 d
2 G/ K' q+ U. e; g. ` ~2 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:
( ]! T" A* q9 t我:Z. d2 h: G# O( d: N
9 l+ i; p6 o9 T) A! G
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。2 F3 E0 L0 y( ]" F
* o9 |! b; V6 ?( C% C9 N* ?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。/ @: Y/ Z' Y2 b3 w3 ]4 H7 Y; p' K% e
6 |- @6 i+ O* o7 w, t$ ~& 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。
7 T ?9 h% ~5 o- L! U6 V: s" Q i
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:5 q' n0 {% @! T; A- H( C
“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 ^! O+ c2 e8 M; G) x& p
A+ C7 P1 O- m8 Z% Q1 L* ]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。
9 {% Q+ r& q8 N4 C" J$ a4 A _& k7 L
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。 H( V% P7 A# k) {) O
) N9 J- r! a- e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。 1 p6 v' N- s9 Q, C7 e+ I3 D0 G
|
|