|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
3 O1 L; j \; a( y! U% w0 c) p( L' ^' f% B' S* j
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
5 c- z3 F: b' h/ {! i4 Q0 u+ ^, V5 F+ D O
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。
@ b$ {4 `4 e! g! R. Y2 O) y& l1 ^# g8 d! d
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。
! B; p9 O& ?" U2 {1 L: g+ S. d0 e
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.+ J7 L( {, I! I
" j: t" x# n6 W$ eAI 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：. o; b+ ` I% ~( d' }
我: A. R' o* ^$ e5 m! L
AI: B8 q$ Z8 z7 ~' r" Q; z" X
我: B2 }. y) g+ ?$ ?
AI: C; w' ]: s8 j( s6 M. o
我：X6 Q2 x t& ~& M$ Z7 Q7 d* ?5 W1 q c
0 d; e* D) z2 b3 d1 _3 m0 j: s- O
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。; h/ B$ G2 m3 R! n1 I
+ \2 u0 x; o0 P2 S3 g$ Y
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：
3 H" E! e3 R, k1 \我：Z
: G! f$ O) ^ M. M4 z
: X+ b" \) S5 i$ @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。4 s; ~% r7 {: \6 Z9 Q7 ~( Z1 Q
1 O# d0 N, Q6 `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。0 b0 L+ c$ {; B- d: ~
2 w7 m% C# o3 o1 F$ Z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。
+ q1 O& z, R; e' P3 f% t6 B
) A5 L" Y2 l% q+ J0 R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：
! Q9 f _7 u) U _“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。
5 E z" P3 l( T9 e$ j
& n9 O2 w$ ~8 R1. **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。
$ Q. U8 G- H8 Y! C, t8 P, F" W& `# z. f6 a- h \, z
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。0 G4 W5 p" s0 x' V5 P* B/ F8 {
/ y5 a2 B' z4 F/ x P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。
+ [# o" R8 R. [# p- I1 Y, { F |
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2024-10-19 09:02:34
如果用 DS 可以明显看到 DS 考虑了这一点。但在大多数的 DS 的“深度推理”中都否决了这项。原因是 DS 认为这是在回答人类的问题，而人类用的字母表只有26个字母。