|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
' 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! s7 B# r, O0 |& F
' 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。9 o1 }* _0 `5 x$ q" l
$ S8 d/ ^4 Q. m
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; ?' K$ I- D9 l
! 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% e! `; e# [/ a; M" m
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# N! [5 k2 A3 v/ Z0 u
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. ^% W. w H) p/ c8 S
! D; u5 s" C, p9 Y& X1 h% \5 ]
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。; k0 Q* P1 _* {! M
$ f) n- W* J8 u: Q# ^2 ^1 \
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。4 `. d9 V$ @$ i0 m1 ^
5 B! Y: `" P) }% x2 x
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。- C! C* b {! O
- 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。4 O( N0 K) w- X! C6 n% y
3 K$ N/ I7 X! {: h E- Q$ F
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。+ y0 v! O+ T; {# z3 y& Q0 J
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。 ) V. O; r- X# i9 i+ ?/ p
|
评分
-
查看全部评分
|