|
6 I' {: Z+ l4 {/ D) c, U- F/ s
. H S. O0 S. G( e; J- p+ }
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。5 T9 K: T. w" j, I5 h
/ r! u' Z, L5 ~6 b: W2 F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。
6 C8 J* ~. H% ~' O$ ?* @" ~. u( z Y, A$ a& r U1 [( E' o4 |
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.$ D* l1 e' v0 S* G, Q/ E2 f& L
7 _+ Z3 D, c( P( q+ `
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:
: y: }- j" j- g1 g/ f我: A
, [" L" u' F0 ~# H8 {$ z6 lAI: B! Y" {* E3 K3 \) ~7 m$ n( |8 t
我: B
4 V! T2 f4 v* s/ k6 p7 QAI: C
4 x1 @. G* H+ k% K7 \9 F我:X% b2 a6 a# H! t6 Z! j4 {! F) s
) L3 e/ ~, ^+ E6 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。
6 q- N( f4 K& v1 k" i! _! F$ y! q8 ?3 d* f7 X9 R; C
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 t: l; [: b& F- {7 }我:Z! w6 {6 K5 f! |9 T( V" f- K
" {8 C' y. p2 T0 ?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。
: c4 s( C) M' ?+ y1 F: H6 u# o
' L( }3 s* D& @: V$ V0 A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。
3 q: ?2 \) Z8 N, F/ ^3 r* W e
4 J) d& N! P# D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。 U1 ]2 } x q
! J4 \) n0 c' }( P* ]
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:
8 V& v* m) T$ H# G$ Y. r/ s“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 ?) M9 B9 X2 ^# J" j
/ i- |% ~* P ^% 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。
" s3 N$ h% ^2 _0 V
9 A* o- V4 Z2 D- s" i( T9 Y2. **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。4 s0 h4 N" d" S( j
7 f+ M: J4 F) t
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。
. o% l; l6 }+ ?9 g |
|