|
5 y) _# D# r: i8 X; b5 L
6 T0 g9 I) G! g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。
, i5 C- J5 I* Z z* G- y3 `1 F, K- ]( X0 t. T1 w
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。
9 {5 A n2 u* Q. ~2 X2 {
% b0 a0 u+ s/ v( _3 l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.
, S) o5 S# s! p7 V# J% ]) T C. D4 ^: _
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:0 x. B: V' n* t% e% y& u
我: A
. k' b& f: T$ L# k. v* wAI: B
$ y8 _& v+ A; c5 a! u我: B
- o1 d3 ]: n4 zAI: C8 U# g+ W9 O: y! k* x
我:X
' C1 r( J7 K6 w2 I1 Q0 _' I0 V( B9 z, n7 n- }* @% 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。# ?4 y: @7 _. Y) s; B
9 s) I4 J& C! }" 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:; |# c3 C" C7 g- |
我:Z6 J" S# ~, E5 O6 Z* c/ |
4 F) e! p# C( i0 Y1 F3 \' |6 ^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。
# _) J) A6 E; G: M* r7 L' S! ?
& u# E0 M/ v W8 k# n, |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。: z/ l1 f) w" s9 z- ~" z; o& Z
+ a! X X- Z! H9 j" C
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。
$ g0 p. x+ R& L, B! _+ c
0 S& O6 c5 S( D2 C; N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:
/ F5 @' [+ ~: k4 A, V: F0 s! `8 Y9 ]“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。
* ]1 [" l0 S4 M, C" q+ Z5 Y
8 I, p0 D! m) d" X) p1. **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 d& e3 o& e4 ~4 F! E( z* U
$ {3 {. K9 Y& u, z' t# c2. **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。9 E4 ]* b! j# a. x, i& J0 y
m+ \, `) r% r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。 D+ g5 ~/ \4 M$ \) B0 D" ~
 |
|