生成式 AI 有没有推理能力？

孟词宗

9 a- f7 d! D: q7 N5 {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

$ |, }9 |! l2 H6 f  Z2 ]  A, l7 E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。
6 Z/ {8 e  |8 x2 k& \/ k: A+ J
$ F5 b& m/ u" `0 b5 u8 i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 W: p! a; k9 F4 U$ j, s+ x  j' V
) D; a. y, ?2 _! [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.
: @% [9 c# T& P8 o) c0 K# L
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：
" N( E0 e% ?0 i/ V; m3 c我:  A
AI:  B
) G3 l. C, P3 Q/ [, g' L! L我:  B
AI:  C
$ d- a7 M: ]/ z( V, L, P% q$ J. c我：X
( Q: y& X$ l; z: q, l9 S
. r, i$ k% O$ G! E+ B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。
# i  S' ?, M; z; L* H* M
! L5 n. _; l& f& _3 B$ i. p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：
' n0 o4 `0 k* f3 K: b' @我：Z
0 ]3 M2 s6 {) X, O' p: e1 W& _& o
  l+ R* u. i, c( o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。
& @2 s6 f+ o, F. _8 R( V, V
4 A% P$ M8 @. {6 J2 W# Y! H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。
; p( b+ H/ k! D% |1 ~) o
: w2 m6 ], l4 t/ w7 J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。

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。
% Z# t+ U  x% e' e" y$ b( E" j1 a
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。
, \& t* A1 B, i8 b
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。

' X* {! {4 c9 ?' I1 Y4 s# k4 V/ i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。

3 w$ a! F  {4 s1 i( p; l- t

唐家山

+ I2 `6 n! ^- i) z2 Q
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。
, J- R2 i$ A9 g% ~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。
2 a+ H: O7 V: V1 o+ n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 ？

  u  M; \5 N6 X" O" E; l这在实验中已经考虑到的。输入 ZZ 得到 AA
1 y, m' |+ }. A3 e4 w4 Q: ~
( A0 I7 N( s8 R# h' x$ `9 n0 ~- R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  

& j7 Q) |3 M* A& D. N2 R打乱顺序输入 NBC， 得到 OCD。
4 G+ f2 V' G' z! ]% N& h8 q* r
这些都是建立在只输入主贴原始规则的基础上的。

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

4 A( }) C0 F! ^6 a

孟词宗 发表于 2024-10-19 09:14
( p! ?* T5 g6 W( t3 W% f" @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

% V2 F4 ]" [" o. o8 @9 g
+ @, k- }1 L& N8 Q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？

这在实验中已经考虑到的。输入 ZZ 得到 AA

. {8 c  {, O+ g* g+ x, \. {9 ?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
, w7 S+ _) P5 U) V1 J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 ...

' J1 E" N1 B3 k3 N1 [7 Z用DeepSeek试了一下：
# V8 H8 G3 ^4 h5 A: {/ v: s8 f第一次的回答是：
. p% I* ^1 q5 d( aInput: ZZZZZZZZZZY
) t2 W$ Z% x2 }! t4 R, oOutput: AAAAAAAAAAZ
; c/ E# B8 Z- d2 \0 V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？
7 y- Y+ K/ O  c5 @% XDeepSeek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
用DeepSeek试了一下：
7 u0 u' J, L( F, }第一次的回答是：
Input: ZZZZZZZZZZY

( k8 s; ^/ o7 {5 ^+ G: @# r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
9 q- b; a8 x5 k! r+ Uyanei 刚才问: 有没有回答AA的 ？

/ z4 X. G2 g0 O1 W) i$ V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

; Y" S* ?3 F; N0 P+ w
对于当前人工智能的能力不应该苛求。
, t; u2 Y$ R  T人类乃至动物的智力发展也不是一蹴而就的。
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
. E8 q0 x' g. \" S6 P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， ...

; N* m( T9 V; {. G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。

8 [6 t9 Z1 X: {. G- c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。

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。
3 q" c: p2 B+ w5 W! r. {
6 G- l  Z4 t2 ]9 c# Z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？