|
- [& Z1 p& `- C, R+ W; K" T
+ o3 |6 U* k! S. Q% 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。2 }- L& O( ]9 t2 z% O
6 `8 d1 F% X% t Y. U% N4 b2 j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。
' H& g. m7 E, |( F9 k* ?: d s4 o
: F, z4 J) Q% N- T$ a$ [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 ?# t% j' r7 U1 P: }! _: L) _5 B; ]5 d
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 j+ S7 i& z* k% ?5 E! a) R
我: A
1 Y6 a& k" q/ ^# A: R6 W C' e9 q) RAI: B
) B: d8 O% r- l, |+ W. |; n我: B
, ^+ E+ _/ d0 r; e, fAI: C: f) K: }1 ]0 c, M6 \: n9 c% x
我:X- z. s- a2 y% y
% n2 M: r; ~& h! V
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。
' D1 Y2 x: L' k( A G$ `" l' s4 v `4 G; e; v# m% ^) g
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 _% R1 c% R/ h我:Z
9 P! y- J2 i8 K% G# n3 m5 y- y4 {, V" k# \* g
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。
! Z7 I6 n0 o" s) v" b
- d" O( Y# Q& F0 t* ]; f7 [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。( H+ Z; u2 S, w+ d8 Y
- ]- S8 b O0 L2 q$ r* r; @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。; G7 e r1 Q2 x! \3 X
* ? k0 h' M1 K: {
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:- |1 V! o8 v8 V; a/ t
“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。
# y2 g% H! G% t6 U* X6 N6 s, O8 F) k# M2 W9 L8 b
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。
! i% W+ I/ H6 }; b" X) k6 }
2 S1 \6 e8 k3 z3 ]( a2. **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。2 }& y! `! v, k" }' w0 t
) F) ~0 h m( I1 p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。 # F$ P7 s, j$ H. t
 |
|