生成式 AI 有没有推理能力？

孟词宗

: f' g. b6 V8 f2 s+ H: _& m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

1 @# q  Q- S3 X6 X6 V5 l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。

0 k# Z7 ~% U/ J0 M( ^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。

( G' w! J: X3 u/ Z- o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.
# A" R8 r6 U9 |8 }- Y9 b$ R/ G
7 Y. _! S  M* l, e" L3 b8 LAI 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：
+ I% U4 S( _, x2 g9 N3 j  I我:  A
' c5 h0 M) t3 Y- @% K6 A' p6 WAI:  B
" l% b& b) p/ K& {2 v/ |我:  B
: i" k% u& j; ~! @. f, BAI:  C
( I+ n2 }7 \. q) e我：X

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。
# z9 K$ ]) s6 P" \- ^; Z, b
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：
我：Z
9 t) m1 t2 z$ V( n8 t
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。
2 |# P9 D, r6 o0 D1 R, ?; Y+ [4 `
2 L4 \! _7 b' w& n* M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。
4 P3 q" m4 e* P, \8 W  Z# z/ A
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：

“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. **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。
& C0 a5 [, t/ W$ W) P
8 H& ~- ]5 l  k2 q2. **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。
) Q( ?$ Y( N9 _/ U( M: m
# A# O$ X) _, J! z9 `3 H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。

2 H& e7 h4 e, S- f  ]/ K1 ^! i

唐家山

' [" [+ a+ C/ i5 t) E- f! G8 k8 [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。
, w) V' g: F* n% S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 ？

这在实验中已经考虑到的。输入 ZZ 得到 AA
2 ?2 ^) {: _/ I2 L/ W" N
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 k, Z: ~9 f# K! @: \
打乱顺序输入 NBC， 得到 OCD。

6 S: f. b' I+ v/ D1 w/ T/ V! r; X这些都是建立在只输入主贴原始规则的基础上的。
! A8 |1 |) n$ W/ k+ N  D
' r/ I8 y0 Z# J$ V! J0 d7 ]9 p) w0 Q& h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

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
' D. m7 h5 g( e5 T$ I. E3 l7 {; ?; I
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。
/ {0 J) A" }5 n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？
$ h8 R! y) n% T7 B* I) o5 e3 e4 Y
4 B! e# l. Q1 @, A( U: s3 P8 Q

这在实验中已经考虑到的。输入 ZZ 得到 AA

* a+ e0 H' i/ M$ e这个有点意思了，如果输入10个Z加一个Y，输出是什么？

唐家山

唐家山 发表于 2024-10-19 10:48
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 ...

用DeepSeek试了一下：
% l; T* H' C# n第一次的回答是：
# H8 y4 m1 ^" A4 \- f: ^4 AInput: ZZZZZZZZZZY
- Z/ ~6 O, G. |' ^- COutput: AAAAAAAAAAZ
/ u, A( c" {0 [  ]9 ?) y+ F2 K在我做了提示后：如果把ZZZZZZZZZZY看成一个26进制的数，那么这个数的后继是多少？
  ^8 B# o' ~; Q- ?. |DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
  A' o- D( c# y* R

孟词宗

唐家山 发表于 2025-2-20 10:25
& Z$ c: {( Y: d% W3 h; M用DeepSeek试了一下：
' }: S( i: e$ i3 T3 z9 Y第一次的回答是：
Input: ZZZZZZZZZZY

有意思的是，如果你不增加最后这个“把ZZZZZZZZZZY看成一个26进制的数”的条件，很多 AI 还是有一定概率回答 ZZZZZZZZZZZ 的。只不过这个回答是随机的。即使是同一个Session, 你问两次，前后结果都有可能不同。从结果的稳定性来说，DS R1 的确是目前最好的。

yanei

孟词宗 发表于 2024-10-19 09:14
& A! `/ z! k( Z$ J- ]8 i' n3 r  _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

4 P6 M0 X6 e, e) S( U$ D我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA，然后AB，AC，。。。AZ， BA，BB等等。

nanimarcus

对于当前人工智能的能力不应该苛求。
% R2 ~! q2 b0 s人类乃至动物的智力发展也不是一蹴而就的。
- U) l; x) B& i. S: f3 j! m  G只当现在是草履虫又如何，迭代就是了。

孟词宗

yanei 发表于 2025-2-21 01:31
2 S9 Q% q2 x8 _: t; H# h: y我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA， ...

初始条件中并没有“26进制”的限制。因此 AI 可以做出任何符合初始条件的推理。

另外，AI 会做出什么推理，给出什么答案主要取决于其受到的训练和训练程度。这和人类是一样的。如果你问一个不懂除了十进制以外还有其他进制的人，他的回答基本不会是 AA。
; ^: ?4 ~3 s6 t) d, |
% o3 n3 ?# g2 W0 j& }有意思的地方是 AI 除了以上四种回答，还会给出一些莫名其妙的回答。例如有些 AI 会回答 "Z" 之后是 "[", 这是由于 AI 推理用的字母表是 ASCII 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。
/ q- j$ ^7 ?2 _  S
但有些回答就莫名其妙了。例如狗屁通经常会冒出一个完全不搭的答案，好比“b！”。完全不知道从何而来。或许这是狗屁通“灵机一动”？真的像人类那样有了真正的创造力？