生成式 AI 有没有推理能力？

孟词宗

- d& t; l% n: ]& u$ a4 H( X! _
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

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。
- i$ ?. Y; W: X& @& T7 v/ u6 p
+ ^/ T. z8 d$ ^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.

6 v$ S6 ]. P* Z1 D1 i2 RAI 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：
我:  A
; `/ a, O* {) q5 v/ }AI:  B
我:  B
AI:  C
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。

, \, J5 |. n. 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
: f" d( o; z, D5 P" u
, c8 x/ I7 ^5 ]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。

# C9 Q, G# X5 Y: b: D3 i# N. [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。

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。
. a3 r- }$ p$ @* 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：
* p) B" J! K( \

“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。
) A8 W' J' l% [% ~$ O8 r! w' Q
% E: l% u" p$ v: k+ Y2. **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。
9 b2 H) u; f8 B1 C) k4 s" n0 U1 ?
7 }5 ~  @( G2 p) z" R. a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。

  N! l4 D) t6 X6 T! W' w; D

唐家山

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。
8 j* z4 G) u  I! f' Y- C2 N  h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。
$ Y  S- k) g9 g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。
% y: y* S7 H& y) _. B* E4 ^; G8 Q6 A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
2 s  e/ l+ O, W6 X) \$ X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 ？

! d" f; w, n3 V/ X( m( Y这在实验中已经考虑到的。输入 ZZ 得到 AA
- x, J5 }$ b, O2 o3 e" ~" s* O3 H
  M1 [7 H( V! q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  
) p) W, ~# |* a( `$ Y
打乱顺序输入 NBC， 得到 OCD。
+ a* o9 p" C2 ]% D0 T) H7 c( J6 k
# P6 ?5 q& @1 M. K- R- K2 g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

" X" Q/ f2 X1 u5 z) O

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
% @' @* R0 m+ I% E6 l- g
6 v7 ?3 I  e$ e+ L+ o1 O* N0 s这在实验中已经考虑到的。输入 ZZ 得到 AA

, b/ i( B7 W7 E
3 s7 }$ p. I& t2 V! M# |; Z1 |; P: 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。
& ]" }& w8 B( g5 F6 C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？

( Y( ?9 @8 k, Z4 ^! w( f

这在实验中已经考虑到的。输入 ZZ 得到 AA

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：
第一次的回答是：
8 R( i' W1 B0 k9 t( s; M9 aInput: ZZZZZZZZZZY
4 ]  n& ]+ x2 Z( K3 w0 n; rOutput: AAAAAAAAAAZ
/ a4 N' i9 O" ?. B1 }' i9 R8 ]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？
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
/ L9 p4 y: u1 ~; J6 }; e6 H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：
, g3 T0 L) }4 A, W第一次的回答是：
# d3 h% `4 _9 mInput: ZZZZZZZZZZY

: v* x- n, R9 O. C: J6 [- 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
yanei 刚才问: 有没有回答AA的 ？
& E7 P1 a1 f# U, O
3 [* R/ B  {' h5 y: b+ ~1 R6 l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

( Q2 K4 O7 t: Q6 F. U
对于当前人工智能的能力不应该苛求。
% ], V$ {. P) Y2 h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
5 f. [- e' i: {& F4 U1 M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， ...

( _# U* F; O- q  @, _% Q+ l3 |) \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。
. s! a$ F+ c- D8 T8 l
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。
9 o# P; L! U8 x$ }% F; j# L2 d( Q( P  Q
- @: M9 y3 m$ l" [. L+ R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？