|
( ]7 r6 [% ^ \
. f5 M' Y$ E+ C) s6 k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。8 `! A$ G) c9 A
4 j- D- F: ?3 h$ E7 K
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。
& ~. d3 i. h3 n* O* Y/ S5 e! E: H+ r8 u+ b. ^
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.
5 E! G" N9 |& Y9 Z& W+ z! _% B5 u s8 |
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:, k7 o1 |! O. c, _1 t; B7 Z
我: A
, S# X7 v# a" g" CAI: B
5 ]( {4 @5 A" ^! i! S2 }# O$ S$ i我: B. ?- B Y% U4 y0 ]( T
AI: C
# m3 F5 K% F; t我:X
0 E+ D$ H# C0 F7 G N" L9 J% V2 k, x# I1 \2 C( 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。$ o( q! ]8 T( @/ X
: D* H# c& D1 N% L( \& E, i8 D
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:) y. _& G, r, |4 u& M5 \4 R% A1 N
我:Z
* `1 l4 J; c4 @% Q# ]5 [ x5 D3 a% q- s$ Q$ [1 S2 ?6 o
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。% m. z) q `0 L
8 |/ _5 D) h* G$ }. Y9 J8 V* V2 Q
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。
& t% S7 y( S5 ^# R* B7 P
" D' f( F, r' C" u1 |# C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。 Z, p* R" a+ H1 ~9 i
, L4 ^) x* a; y3 c! @7 r
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:+ P4 l0 p% }4 G8 G) L
“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。
, p/ I$ n# B9 T. }* d! [% v
1 v7 y9 c, O W4 T( l1 M( |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。
- a+ l1 H! c* m# q5 B
9 X% n* b/ j1 E4 j2. **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。
3 t; h) f8 A% P* K' ?3 C& T3 |+ Z
/ u3 ]9 I, P* A8 H2 ?' 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。
4 }! t, B2 X4 P1 e" X |9 c: T |
|