|
5 ~3 H! A( @4 h: z5 T8 P/ X* E% f6 e% w( W+ k+ o7 H2 \9 z5 b8 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。/ ` N5 ^ a% r* j) a, \4 C
; D+ x; u- I& {' h3 g( Z) }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。
0 r+ S! G2 Z8 C/ o1 D- H% z2 P
% }5 `0 }6 t' k0 v# }+ I V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.
7 y+ k9 K+ }5 H2 n# w2 d
' S- T5 R; |# D, F3 ]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:
9 e" G9 g- G+ w8 [我: A
6 U) l/ w" [+ ~5 W- M& V! zAI: B
: m! q' u* y2 N我: B
# Q) m5 W) m! sAI: C
: Y& i0 n5 r7 z7 D1 C我:X+ O( a% s! r. _4 N9 w/ J
8 y9 |. V& e) T# s" e& ^7 Z
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。
8 [: v$ S% X2 q% @ r! O. D/ 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:
4 h9 f- v- t0 `) P+ X我:Z
8 B2 v2 @" X9 p/ j
7 I# g$ i+ P% c' O* Y. x: q- \- j$ d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。" i; g: Z. s- [) C5 c% N3 M
( S5 ]* N' ^$ [9 N1 W" M, z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。( E/ e( o7 \9 Q4 |, i
2 M$ I0 ^9 X* g( @0 S5 L, i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。& |; [' {; w& R1 N% O7 E& r
; q, o U$ l5 k$ @7 {( y2 d
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:+ z& j3 M. P" ?, ^$ G3 q# d
“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。8 H: Q6 o/ ]( G- a9 V
4 c3 w0 q; y M2 C% o; i& @3 r1. **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。2 q" N0 e* _ ~/ A
, i; u% V j$ a) C, ~
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。3 X+ R# \* T; I
& P6 Y6 h' ]: [+ O
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。 8 `/ w% f& ~- y/ @
 |
|