|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
4 G* Q y+ x/ z9 Q5 J' X4 n5 G& ]6 t& }
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' G6 S! }. T' a& v! P; ~9 F! p
9 I Z2 y8 f6 `5 O0 f: m3 ~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。
, x' m. C3 T$ h2 \; E/ l0 j) {8 N. F
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。
+ K, ?+ W8 n* ~2 z% V) o
; e/ E: k! u8 q) y: A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.
% k- ^8 x2 l3 e `1 q
% L6 G. M! \6 k) |( p& d. I1 b) PAI 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：
5 [% g' o% l' d8 A2 n我: A- S h R; G" `% p6 n
AI: B. ^' F- I) x* R% t
我: B
( e5 x4 Z) e/ |. M2 fAI: C. w/ }8 g* J: ?; w
我：X
$ s/ [% ^( _: f( T- Q! c
% B' P+ V4 A3 ]8 z. ?; K. E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。
/ _$ p) [( l& h" |6 c6 k$ I/ `# f; T, n, l
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：+ P. |9 n3 E9 a/ e! y7 v+ O0 t# ~
我：Z0 Q, P9 V9 |9 N& F1 b' @
& R9 o7 i4 k, k3 C
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。
1 f1 L4 `: T- V) A
0 y; A( E7 J- ~" w) W3 K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。
1 C9 W2 M, c6 @! u D! h+ v5 v4 @$ Y/ e4 ] X
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。
# a8 p# J( F& o- P
9 G) Q0 H E. N8 J5 n l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：
# {2 i- }( Y+ N6 D0 K" c4 p“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。
7 J: M, E* k# c
4 T& B) o5 j U% z/ x6 D3 s. 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。4 p; m$ t$ T& R& N" W
6 c( M! l9 G8 D3 n% M s* }0 |: z2. **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。
6 N: X) @/ |9 p; H, F* T* E+ L9 I4 d* X' V
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 S& l# ?* h |
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。( f4 o% ]' J1 ?4 ]6 c; y+ {