爱吱声

标题: 生成式 AI 有没有推理能力？ [打印本页]
作者: 孟词宗    时间: 2024-10-18 23:36
标题: 生成式 AI 有没有推理能力？
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
2 S# @0 V% k8 n$ k" `( Y
/ d0 o9 n4 r( r/ 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, C) i- C/ L, P8 ?* s/ g% T' G
/ @" S, W* E" a1 W+ \( a
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。+ G/ n- q" W- d4 v* [5 G4 N% t( V  n7 G
% y' A" \' }1 y4 O5 \9 H; |  [
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。
5 E6 t; f' f) }8 v9 o2 n0 S/ T, s1 z9 ^1 o: C
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.# e( b: O) @# S" L: T$ k3 H
! V/ \6 D) P' v9 p' r# G) N
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：
# p4 q2 y" C9 k2 i4 f7 }, \+ c我:  A8 K  k6 H/ i$ K2 _* i: C8 J! C
AI:  B
1 p" q" G" i, C* t7 V' t我:  B
1 A) {: _5 X: R  o- nAI:  C
& {% {" D, d, }( ^9 p0 P6 u我：X% R) F- i! I1 ~7 B4 k3 U

" y' d/ n! P" d* Q5 y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。
% ]; b# z$ o' j
( E; z& }; J* X  A- `# g! O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：
) e! S6 m: n( _/ `( \6 l我：Z/ y* v+ g9 n, i& y+ K

) k" m: h9 e3 O$ k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。
0 w; g. V1 ?2 e& x* G9 U$ s  t4 Z5 l0 M6 f  L5 j" P: L
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。
& F; r- C; B1 z) s0 p+ _* S4 o: B/ e  f
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。
& |0 K! ?( g: B" c8 O! S7 a# L7 T) t# h7 E" F( e4 G6 Z
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：) w6 c4 p8 j. r9 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。
5 L1 B  q3 d2 v# B4 z' h" W1 R
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。
: {/ [' p, ]2 l
5 P2 R. {% S1 T5 v% W1 J) c2. **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。
# t9 D: }* P8 a- I& ]
* ~  D% R8 d! V) t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。
% a. E' L' U, W; V
作者: 唐家山    时间: 2024-10-19 09:02
本帖最后由 唐家山 于 2024-10-19 18:52 编辑 ( ]+ v  B+ k2 V3 W; Q2 a
& ~6 E6 S7 d& B' g: I' a8 |
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。/ x- F2 |0 n( V$ N6 J/ V: f
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。3 |. H. _$ O: X/ K0 S0 F3 }
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。
  V- B4 S/ v% \2 ?( A  v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。
作者: 孟词宗    时间: 2024-10-19 09:14
唐家山 发表于 2024-10-19 09:02! z. F8 B6 q  ^/ O
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 ...

0 E. ]! ]* a4 C# gyanei 刚才问: 有没有回答AA的 ？3 F; k  P% x0 b: w2 B1 N
  J% S- l0 C6 F, z" H7 ^9 m% {
这在实验中已经考虑到的。输入 ZZ 得到 AA 1 Z% j0 B& R1 y' S6 ^

. K0 w" k2 `8 V3 |- i& k. L, l3 v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  $ U3 S; R, i0 V) i% b* v

: z1 m% _3 K5 S打乱顺序输入 NBC， 得到 OCD。 1 w( H4 Z; B" C" o1 ?5 W
; [( t8 Y2 j% b# [$ u' r5 X/ m
这些都是建立在只输入主贴原始规则的基础上的。  }. q! v& A  y+ h1 a

, M: U' c, n9 Z2 u' T# @+ Q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。
作者: 唐家山    时间: 2024-10-19 10:48
本帖最后由 唐家山 于 2024-10-19 18:51 编辑 6 k* g' Z; @4 Y/ B9 J/ T- I
孟词宗 发表于 2024-10-19 09:142 [# C( O2 K5 z
yanei 刚才问: 有没有回答AA的 ？5 }+ |' X9 Y+ v, {+ j

! ~# m- Y$ B: c( H  R这在实验中已经考虑到的。输入 ZZ 得到 AA

$ Z5 D0 Q' ~5 F1 g# Y
8 e% e: s: C0 G$ e/ z4 m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。
( }0 H8 G7 Q9 V0 s; o$ w# f- V+ |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？
+ Q+ b  G; w0 @, g
# B: w9 l6 H+ L7 m. S0 N7 g8 D
, P6 l+ x( U  e% c1 k3 e
这在实验中已经考虑到的。输入 ZZ 得到 AA

6 D# Q5 l% f% Y, r2 X0 U这个有点意思了，如果输入10个Z加一个Y，输出是什么？
作者: 唐家山    时间: 2025-2-20 10:25
唐家山 发表于 2024-10-19 10:48
2 S  Q1 V, J# f3 @. 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 ...

- A5 d2 e/ V5 H) P9 f  e用DeepSeek试了一下：9 X( ~- X! H" m* e( k0 a3 n
第一次的回答是：. j/ {5 }4 J9 f) b6 B
Input: ZZZZZZZZZZY" G/ R0 u- s4 Z% {9 F
Output: AAAAAAAAAAZ$ P) C5 O4 K6 g% G7 F
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？# [" n! g+ ~5 B: w
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：- o" e! [* ]& s' c( k) |6 c2 S
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。0 v& C! }+ h* F5 t
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25, r* D! ~; N* @3 ^
用DeepSeek试了一下：) m9 @' X# w1 ~- e3 w
第一次的回答是：
0 O" [* @( S' g. ?. y( nInput: ZZZZZZZZZZY
) P# Y' D$ }2 A% b! f: Z: T
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。
作者: yanei    时间: 2025-2-21 01:31
孟词宗 发表于 2024-10-19 09:14
5 F2 ~' h$ |4 A% a! t2 G$ y6 Oyanei 刚才问: 有没有回答AA的 ？, m# C8 {0 T+ I( {

/ x* d: j" N4 q这在实验中已经考虑到的。输入 ZZ 得到 AA

) p% i' o3 m8 }0 q* z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。
作者: nanimarcus    时间: 2025-2-21 02:20
本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑
) b6 e  y0 U  B3 c/ v' [5 {
, J0 h' Q% F" H对于当前人工智能的能力不应该苛求。3 C! v% X7 P* n, E0 j3 X, u2 N6 P3 P
人类乃至动物的智力发展也不是一蹴而就的。
% ~: [9 u5 Y! T: ^4 X, `# t只当现在是草履虫又如何，迭代就是了。
作者: 孟词宗    时间: 2025-2-21 23:55
yanei 发表于 2025-2-21 01:317 K$ r3 j5 q) ]9 H
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， ...
2 j' k: t* L2 ?4 _( {5 o8 q4 c
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。/ N  o2 o3 X4 [8 t9 T7 k3 w; k7 s$ t
# `+ u' q0 N% g0 `3 z
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。8 h( _* Q$ L1 S( P4 Q8 f' _
5 M6 K' O* l5 e/ A
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。
; A! X' `  n) n5 P
1 W" x3 U1 f# p1 T) [' X7 f. P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？



欢迎光临 爱吱声 (http://aswetalk.net/bbs/) Powered by Discuz! X3.2