生成式 AI 有没有推理能力？

孟词宗

- a1 z; _2 N# a  P, @' V
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
& `* c2 ~6 R) Q( u3 y8 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。

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。
4 P5 f! W' _$ }9 v
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.
7 s& w2 d7 b8 v- e3 Y2 |9 A
8 Z& q/ H2 o8 _$ oAI 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 ]( r( Q% b& H8 \4 j0 k- _3 G我:  A
; W) J4 r" b; M  f: u0 qAI:  B
我:  B
AI:  C
我：X

4 {4 N4 ?% `  n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。
# z$ x3 [, ^8 ?6 V, }
5 R+ w; A' u1 S. x3 S4 f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
- }2 z' h9 ?5 ]+ b, \+ ^+ M3 j( [% [/ V
. k$ I0 {9 n; T" H% B0 X5 R0 w; F4 w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。
" l' v* |' V8 h" c
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 h) d2 n, D9 j
4 O6 K& q% Z2 E9 V2 u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。
! o& l; _0 a* Q, P
+ @0 w4 a/ A) v$ L* u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。

# D8 [8 r8 N# N. W1 M5 F1. **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。
  G+ G$ ^+ S# K% `, g( A! Z; n
' F! [5 n. F; a2. **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。

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

8 D0 F. a" ~$ Y5 ]* ?7 Y: W
' v. W  f- q, a9 [. A* b- Y9 y/ s2 U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。
' i6 h- k+ d; N  h0 G; l8 Z$ v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。
* k; L, M1 \3 |& p4 h; y4 Y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
/ B% I8 j* _  J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 ...

3 z$ m: D9 ?  _2 nyanei 刚才问: 有没有回答AA的 ？

, G% O  ?# Q5 S+ k$ j, ^  Z% l这在实验中已经考虑到的。输入 ZZ 得到 AA
5 Z8 O3 E& a, v/ ]8 C
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  
' W3 c; B8 l, k3 y: B/ Q
打乱顺序输入 NBC， 得到 OCD。
# K8 d# V( n0 g# F  d7 b
这些都是建立在只输入主贴原始规则的基础上的。
' j1 a5 S1 @2 p+ a$ _# W
8 ]) z+ f" P6 u9 y$ P4 `& ^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

! b& [" F% g# D$ H

孟词宗 发表于 2024-10-19 09:14
" X. Y2 o( c8 q! d. Y0 Kyanei 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 l" @- f: x+ k# m" h9 n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？

+ `# i" H& b8 f0 _1 ~: \8 }
1 W) ^5 j# Y7 F9 K" h

这在实验中已经考虑到的。输入 ZZ 得到 AA

7 H5 w$ \( N* q. j' `, A, M" P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
8 y- L5 N" b  h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 ...

  a3 q* ]& }& ]7 `+ G用DeepSeek试了一下：
& {0 k# x; }3 \3 i第一次的回答是：
Input: ZZZZZZZZZZY
, G' ]9 A7 B; dOutput: AAAAAAAAAAZ
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？
" C. e! H9 `0 G3 s0 tDeepSeek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。

孟词宗

唐家山 发表于 2025-2-20 10:25
, H3 j# l/ Y; d. o4 X7 W用DeepSeek试了一下：
第一次的回答是：
( i; r* n7 z+ J6 v0 P0 N! @Input: ZZZZZZZZZZY

1 R5 _/ ^6 C0 ^4 U" K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
3 I/ g. ?3 h9 F2 Lyanei 刚才问: 有没有回答AA的 ？

+ V0 U; F# z/ {9 B! z& N/ L# [$ ?9 J这在实验中已经考虑到的。输入 ZZ 得到 AA

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

2 S: x% z% n3 y- A- ^
& k- z: [7 n; U5 g4 I( \对于当前人工智能的能力不应该苛求。
人类乃至动物的智力发展也不是一蹴而就的。
- ]( b  o, B& D& w1 u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
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， ...

6 Z7 _5 Y( o1 n( {. |7 [& k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。
* |6 Z# B0 u. i7 m
2 m2 k, D! ?2 [1 Y; w5 H3 G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。
/ Z4 d0 ~- Q) h/ M0 l. R6 ~1 E
+ ^/ f  q, \3 Y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。

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？