|
" l" r8 v# `' n4 f/ v- k+ A. u7 r w8 K* Q u5 @
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。
0 t5 D# B0 h' n' I' U4 w. f8 ^$ s5 x& C! N) X* r1 M7 d
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。
2 U1 u, W4 ~( x9 o$ E+ K
/ j! s# c( W4 W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.
' c1 M A6 ]& D; l: e8 Z% n y! o/ V" \
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:0 @5 e! A3 C3 @; W- u
我: A7 }: U" y! a6 C( E# @! U4 y
AI: B
% h4 q+ A+ X* }3 ^我: B- b, {+ m9 f- ?& l' i( X
AI: C7 V$ e. f7 u- M* E9 E/ O7 t
我:X
5 F. q& Q8 D# M4 G4 X9 q( b( u) S' s' `1 p/ z5 Z! t
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。$ w) W! P1 f( [
" N3 ?7 k* m* a( o, ]! y5 P) [9 j; v 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:
& O- Y1 U! n6 g0 i" H, I我:Z0 b) ?: _) N2 v$ h; G& S
3 p c) m1 p; C! v+ N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 I: ?' M/ d$ x" {2 I& }* r
5 V" d) [* W7 i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。2 x6 z7 q8 v( f- K5 ?- N# N# u/ j
7 d" h6 [% {! v5 {2 {$ a0 i- a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。
: P8 }( A7 b: N, W, ^$ I `8 c
) I; t; h5 v6 C' Y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:
% ^" F0 Q$ p! y/ e/ P. H“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。) @2 x+ j' Q# k, T5 h# M( S0 e
3 z; W. u! d$ T% B) W" v
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。
7 |- Y u% S( f% E0 M0 Y' q# M3 x8 h6 U
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。
) o; r0 S2 O& p* w0 S) ?/ l3 [" f) \2 x# z; ~( U
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。 + k9 {* Y) z W: e7 d
 |
|