|
; K% h7 a% K7 H% U0 T
( | H$ `" v/ o1 T
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。/ _. c. r4 m) j7 ~- R) P/ r. ]
5 \$ s4 x6 g6 M, Q2 K4 ?7 F( o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。; D' b J4 t9 ^4 M1 b
; P) Q e; @% L( |% G
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.
9 a( y. |: v0 h1 ^: d1 l3 a$ @/ U% ^
! o$ M0 f7 r5 A4 G1 S8 U; pAI 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 w+ a' Q( d: g4 z* R我: A
. ^/ {: \+ g; |- |: S2 _; xAI: B+ e1 w. @& E7 j1 K" v" _' F
我: B
5 L% L9 S' Z( D# b1 W+ KAI: C
$ {. c* ^) d6 S, a我:X6 Q" W, D6 C- C! M# F, S
/ a/ o! M @7 [! u- @4 |9 u: U
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。5 u! _( d) H' \
2 S/ U9 h/ A% O. x1 [* I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:7 H# K, d& W9 o6 |7 d2 l& Z ]7 D3 Y
我:Z( l! a, E3 Q3 P/ X
: }- i" q5 a- x; J6 ]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。
* k* Q- K0 h3 e$ X$ H9 \9 a6 I& \5 c( Z6 c; R7 E; R$ F. I2 Q1 u! l
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。7 M& I2 l! z h- \3 \0 _8 J
. `% [* Q5 _/ G* z( o% u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。1 ?0 v/ V( n; Y9 |# p
; E5 J6 w( j8 v5 r6 p1 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:
) o- t" w9 E# S; B5 M4 c, 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。+ x' x: ~# H# u: M1 f, f. R, |) v$ b
- ?- ^# [ w# h, v: A+ m" J r% g
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。5 c4 g: X' W. k
1 n5 U" L+ @8 W, k2. **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。& N a4 l, m* |# |, w0 V0 T
5 T8 C( _4 D8 G' ]& \& k5 [/ \
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。
% w& F" Z3 I! s! N j |
|