|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 9 T% a2 p9 A+ G/ g7 `
/ ]+ z5 p+ K; f* W* d, D
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0 J/ z8 o7 x7 l# N W5 S1 A& W
: E* { b0 M2 B' t0 [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。
" j. w* K+ \, N/ C' h6 V% B+ r @* x# S* h; v% j
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。0 _' ~; w' }+ K& N
1 ^3 d1 b# D' D8 S( x
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.
' n& o2 \( Q( ~) e1 k" A- T/ c0 Y P
AI 回复表示理解了提示中的这个这个规则。于是有下面的实验：9 H/ s" c* {+ F, t' o
我: A. n6 m$ a5 ?6 i7 x: S
AI: B8 |* g% V; j% `+ m# H# F2 q, i
我: B
4 {) {: ?! E' d0 }( Z2 ]AI: C
. T8 I! G9 ?' s% z我：X
9 s' b* s2 W# i) L$ n& K* s' e0 S! c; A
这里，不同的 AI 模型会有不同回答。有些 AI 会回答 Y 。有些则会说这不符合规则，所以无解。 很显然，回答是后者的把提示中的 "so on, so forth" 给吃掉了。然而，这并不代表 AI 没有推理能力，而可能只是语句处理模块不好。3 H; ^* y5 X* g0 r8 g9 K8 A
! t& E- f0 I3 K: I. x+ ^7 }% _真正的推理能力体现在后续实验。对于能够回答 Y 的AI 继续提问：% c+ G4 I% f% B5 c- _" V# x7 M }$ F
我：Z. B" `) X c7 W2 }6 z4 N: a
* `) Z( S# w! z8 L( t; k. v: r这下大多数的 AI 模型都冒烟了，有些回答说不合规则，有些回答说序列到头了没有答案。有意思的是两种回答：一种回答说 Z， 另一种则回答说 A。
5 V- p- o+ |6 E4 {$ g; d
4 }( C2 E0 r: L7 q% T: z; k8 T而这四种回答，如果用来盲测人类，其实人类也会给出同样的四种答案。也就是说，就这个问题来看，如果盲测，提问者无法分别回答者是人类还是AI。换言之，能给出这四种答案的 AI 在这个小实验中通过了图灵测试。这显然不是那篇文章中说的排列组合或“复杂的模式匹配”能够做到的，而是真正的推理能力。" [& V$ C( }) C; _/ H
3 n" l+ p+ }8 I- p
有意思的是训练程度越高的模型，越倾向于给出这四种答案。比较 Mistral， 狗屁通，Gemma， Llama， 通义千问等等大模型的不同版本，都是如此。这类似于人类的婴孩和成人之间的区别。相比于婴孩，成人除了脑部发育完全，更储备了更多的知识。
& Z2 p) I$ T$ p; z7 X! ~
. |; e! x: w+ ^; i \) q6 c' 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：
, d! d8 t! P$ v* f* v& Y# y“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。
" P7 b* H+ i a
& s& |0 K9 P0 N0 W$ `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。
1 C6 Q2 H8 n) a7 }: F# J/ c, a
+ }5 i/ }3 V- |! f2. **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。& d0 H" X# s) T$ b
) P* x% Y( p& ]& p W% l& X, g
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。
|
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。* V) j; O1 p9 y" R, I