|
|
2 u n: V8 g1 T$ E
$ a3 f( o# d1 I8 V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。
( A3 p$ H! U! }! Z: F4 A3 P" I3 T4 K) m- T
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。' o8 w/ T3 l' ?! W% e H ]) g4 g6 H' }
$ Y1 u1 Y& v- \4 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.! ^. w: P$ {1 V0 c
$ C7 b9 B+ |4 s% z' E' f
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:
1 F1 q, U! f) d) |我: A
* l" m9 k1 p2 M) ^AI: B) n- H/ Z- e8 E F- q2 N
我: B! Y% D6 n- [ \3 _5 N n
AI: C
# R2 v% {& h5 a. i0 q% ?我:X
n4 X9 G9 [ @+ s7 Q: F/ h! f ?2 o, L* x. `) 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。: r! E0 i- L& ~8 \1 [
s+ m, w* n, Y9 J4 V3 _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:
5 E* I2 V" J" x1 z* b( ~我:Z" V" \: q' c; W( a* S3 \; \* D3 Y
! f* d2 I& r$ b) b7 t- p9 R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。) @% c' L( C0 e
* _ t9 n# |* u$ ~* r. o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。+ M; s( K) A7 x, B( @) F
" _# i( q/ a% I. s
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。# b& N* W* s( j8 M
R. c" x5 n, P6 b4 h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:
7 t+ g3 q; ]) u1 r% B8 X+ A1 ]“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 ?2 Y$ }% z% \) q% f1 o I& e
/ B) _; B4 e9 Z7 t2 ^7 G. j
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 c/ o- l. h9 _# `; [9 K
4 k! s' T+ `6 S" @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。
" C2 n& Z& `" J6 n, r3 a' ?+ {3 i% K; E; X
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。 7 ^. G; @; f/ J+ m6 ^, [- r0 k% g0 m
 |
|