|
9 e+ G7 W0 ~/ }) }' s$ u& c
7 h; \. T! ?3 M0 Z- 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。
- T3 Q1 H, ?. |+ j
7 F O* ]; c4 E3 q4 K6 X7 X, N$ u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。
( K! `$ E3 ` u1 Y1 L, N" b$ y/ l) V+ g
0 B$ s. [& B8 o7 h6 ~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.
% P5 l! s6 {: o ~; \0 e
I, P( _& G' |. u& tAI 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 D2 f _& E! |8 C% f9 s
我: A3 z4 t( }% B$ e) i v" ]
AI: B
0 J# T5 I1 Z+ U我: B
0 ]2 L7 C2 w6 I4 R, m+ PAI: C ^/ \$ ]: S& }5 ^ v- i
我:X
1 @; V5 n$ Q7 @' A+ Y& Q; Q
8 F$ g6 s9 r2 p! ?/ D; |1 i4 C: y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。8 X* w6 U4 Q: q2 e: V3 e" Q. O
% N& [' i. t8 w' O
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:
) A: i: ]9 _, p U3 Y0 A我:Z* k/ z' B3 P7 ?0 q9 e
; | O& f J% g8 I% 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。/ o9 S& A- W% k4 L8 Q
2 N5 h; e; d7 ] \) ? ?4 W
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。
- x* h1 b. p/ P$ t
9 A( A+ s' i7 J$ `+ O/ x$ P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。( W" H, m. \+ s& @. {1 B
" o& t0 ?" A( t/ t- @ o# u. z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:, z( z& ]; {% C' ]+ v- h2 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。* j8 j% p* O) h
2 j/ u1 X7 t- N9 l! s# t1. **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。
0 F: M5 Z( R+ R- w6 S* E+ q/ K! E" G& h2 k
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。
+ J( M' q, d0 B# \5 f
0 {' p; H; W- q: A' \( o) S. C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。 ! M: ~" c- N# B" r+ ^9 f
 |
|