|
$ S( f/ x- F* {# h; M* J% y
0 ]2 M/ _0 j8 ^' m3 c0 \+ A! c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 F& [, _& p8 Z* |5 W
5 b( x2 E2 K( G3 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。
$ V. @ t- {) j* A4 E4 Z
/ Q {6 V" k' ]' e$ I4 c P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.
4 y/ P0 e3 j" k, M6 }0 K. A
3 x) d4 ~/ C" H' j+ U C- F9 VAI 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:
8 Z Z2 B4 o4 m: n6 Y我: A
- E7 p1 Y4 X3 N- ]+ eAI: B
9 c) ^9 r" ~/ z3 [) f+ J2 ?2 E: |我: B+ J' r3 v1 K8 i$ x2 p7 n! I
AI: C( a/ C/ P% C( G% M; T- [8 q
我:X
% V: n5 F; b }! i8 H3 B0 }$ Q, J( P$ D
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。/ ?2 ]4 m6 M8 S9 |' T: L" W: }
3 ?/ f1 z# V x1 J9 _9 N' e# u6 J
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:$ u R* P7 v$ }3 b0 V
我:Z: P9 Q% T6 k3 T. R
; j' C( K( W2 x- |! s
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。
8 |% X, _5 ~* x6 e6 K
/ m5 g* d4 Z$ z- H0 B, H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 k8 c# | Z5 a3 U0 l5 l/ k3 J6 Q# G: S/ K4 F- x6 Y6 `5 q; s( H' 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。
5 o' {7 ]8 v4 E# q
, N/ |9 @: S! |7 J, O) e, {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:
3 s- x( ?5 y. _/ Q7 E" O“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。/ z w7 F9 f2 Q
5 X' c8 T' s& |# ~- n1. **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。
& B7 X# A0 K6 U* o4 }2 `" d; h/ w
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。
$ G* Q% ?" L( O
& q( x$ P9 K) h4 ^$ ?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。
. T0 V7 q! Q3 y5 q* v' ~ |
|