生成式 AI 有没有推理能力？

孟词宗

' o& N# v2 u4 P1 |
; ~! ]1 ^/ D6 W8 @  c( z! R讨论 AI 会不会产生自我意识的过程中，sleepyr 提到了这篇文章：AI推理能力大“翻车”！苹果最新论文：LLM只是复杂的模式匹配，而不是真正的逻辑推理

' N) w$ _0 f+ ]; [7 u& U7 }0 t这篇文章设计的测验很有意思。从实验结果看，文章认为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。
& P! |; I+ l1 c: |
) a' H! g9 ]9 W/ g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。

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.

! u  x" p3 M4 c8 {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：
/ M1 C) [5 r! _我:  A
( c# [& U* @# D& Q- C; IAI:  B
& a& L% K0 Q, m/ ]7 B& H我:  B
AI:  C
  h0 a1 C8 }: m  R( H我：X
7 {' B9 ?  I& Y0 a0 p3 }
8 R7 k3 L4 U: ^; P0 ^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 X- `& }" ~* L
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：
. m% f8 W* X# U, W我：Z

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。

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。

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。

- v% f- J5 J- r, p& W, F2 f5 I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：
+ ^' P4 P7 N; z5 u6 `3 ]6 Q/ j

“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。
$ x1 ?) L& q2 K- V  F
: W6 U7 c$ w1 |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。

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。

5 |* F. w! ?8 U5 R7 b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。

唐家山

1 f" g' q! U! }0 O3 q; g  {$ ^& \
推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在证明的过程中也分三种情况。第一种是直接照搬已有的证明，只在语法层进行修改，用于消解待证目标。第二种需要深入理解待证目标的语义信息，以及已有类似证明的语义信息，借鉴已有证明的构造模式，构造出符合要求的证明。第三种是还没有类似的证明，这种情况下需要从头开始，把大脑中的非形式证明，翻译成形式化的证明。
第一种可以认为是一种广义的模式匹配，目前大模型的水平处于这一层级。
如果大模型能够做到第二种，那就应该认为它有一定程度的演绎推理能力。
如果大模型能做到第三种，那它就已经具备了真正的演绎推理能力。

孟词宗

唐家山 发表于 2024-10-19 09:02
推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在完成证明的过程中也分三种情况。第一 ...

yanei 刚才问: 有没有回答AA的 ？

. w: j3 C" R! A这在实验中已经考虑到的。输入 ZZ 得到 AA

! E. ~( _( B6 [% T甚至输入 ABC，得到 BCD。 输入 XYZ， 得到 YZA。还可以输入 ABCD 得到 BCDE。 输入 ABCDE，得到 BCDEF  
1 {) z9 \# d: ^  w6 `
打乱顺序输入 NBC， 得到 OCD。
% x) G  P' y' W* `. C
/ g, S2 {" u8 R' V, k% c' c这些都是建立在只输入主贴原始规则的基础上的。
  L1 `9 n7 @& ]& }: p# @0 w
由此可见，在给予一定规则后，高度训练的 AI 是可以表现出类似“举一反三”的推理能力的。而这肯定不是什么模式匹配。

唐家山

% N# g& {% P5 B

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？

这在实验中已经考虑到的。输入 ZZ 得到 AA

看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演绎推理。Z后面可能是A，也可能是大模型从其他语料处学来的公共知识。
一个认真的演绎推理至少是要考虑递归可枚举的。能否请你做一个实验，先给出自然数的生成规则，让大模型学习，然后问大模型一个很大的数字，比方说999999，然后问其后续？
$ w$ T9 q+ E; S+ o) B; }; B+ @6 {' U

5 ~4 Y+ E& ], s7 X0 n; H6 c

这在实验中已经考虑到的。输入 ZZ 得到 AA

) H5 K' t& \% n8 j) x3 r这个有点意思了，如果输入10个Z加一个Y，输出是什么？