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 ( ~. @3 m6 `) J' M4 L, [

& z# R8 o) j. j9 W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
7 {) }" {7 w! W; w, _2 _- R
+ f9 Q" F* V/ p1 }7 m4 t; H$ D8 N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。
0 A9 M: l. q  l; y( z, d4 R1 \1 I& m  C  d& u- K
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。; Y9 T; R3 [5 q5 j% V; s

& x) I8 b8 o% j/ x8 P  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.0 z7 i4 i5 M5 T

- j# \3 Q1 b3 L3 gAI 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 w, q( Q, s2 `+ R! R我:  A0 }# |( E4 b& M5 y2 C2 ^
AI:  B$ Z6 u2 K, Y4 g9 \8 N$ I* q
我:  B
2 g7 w/ s3 `1 ^AI:  C
, a6 T/ m3 a6 C1 ]我：X/ s, m, U) w( X% a/ P, u

: ?, Z3 a& ?* e; |8 D. J0 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。% f5 o& G( {# P9 l# H( a7 ^

) L5 P. c4 X: p, ?3 [) w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：7 T6 t/ v7 k$ T2 z  u# G3 `
我：Z
" _/ t  N: Y% o( h
6 N4 `$ A" u* e/ Y/ g( G- F2 s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。6 H( z# }- V+ l* G9 L& J
2 R9 z5 A( ]# ]7 h+ y. `
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。( t2 }: y. @2 }6 G: ~
  r) C3 h# S8 {0 q
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。
5 O6 j( Y7 M* K: J, U- ]3 V
2 E9 Q/ d; s7 {+ N, Q: l: 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：! Q! U8 E7 I% y+ Q" y
“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 O! ~  z% Q9 {% |8 q6 q2 c4 a9 A) {9 u  N* P' u  S5 d
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。  D* [3 d6 s, e5 K. q8 f5 W

' J) ]$ L. D" d2. **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。4 h, ~/ n! O) r0 r* S6 L! E2 i
. M! f3 p" i7 T8 H; m7 F
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。

6 y& [$ R' [5 l8 _" D( I
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
; b& n$ P) T6 X$ ?# |0 u% {. C5 Y  m9 M5 [! |; `8 }$ e  M
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 o, E. e( V' I, E6 l7 w8 ^
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。
' I/ X. k* F. ]( o. r2 r8 I- M5 T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。* {% i- w2 _0 c- r
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; ^4 _# p  G; E% |2 a! l5 I7 l) |
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 ...

% Y& P  Q  Y. D; [2 w! \- [yanei 刚才问: 有没有回答AA的 ？
1 W6 e0 L9 b, m) I0 }  o" M" n
% f% T; |( k- T) T这在实验中已经考虑到的。输入 ZZ 得到 AA
1 q0 u- G% ], x& I! v, l
7 @/ R, o5 V* k( m8 w! m# i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  4 m8 {5 j, a0 b( }

( ?- k" j9 ]" g* }' a打乱顺序输入 NBC， 得到 OCD。
) D7 H9 s+ _( o1 N+ W9 t* G' F
1 g5 a3 N8 h" T1 z8 E5 h8 T这些都是建立在只输入主贴原始规则的基础上的。& ]8 H' J' M( p
. g6 T5 A, z. E, [4 v5 V( s
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 ! B* s! {( V$ ]' m, C4 _2 C
孟词宗 发表于 2024-10-19 09:14
( S2 q: M  w. O* z( Pyanei 刚才问: 有没有回答AA的 ？4 a' A% ?( y# \' B8 w: H

. |8 Y& q, [5 M这在实验中已经考虑到的。输入 ZZ 得到 AA
4 l- {# R3 Z! _6 n# [9 C# `( v
* T4 ~% ?2 r. p/ w% H# s
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。: L( p7 T" _5 s
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$ C9 @  h2 u6 r- H: ]9 G# `2 K+ W, o0 v$ a. e+ f

( ]; m% {0 p3 z" ?0 L' B7 L( }
这在实验中已经考虑到的。输入 ZZ 得到 AA

# q( |4 G+ k% o( y0 a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+ Y- T$ C$ X8 m- k. 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 ...

0 Y, d* i" P3 A0 e) l用DeepSeek试了一下：% `" i' M) w" _2 z
第一次的回答是：! ^+ @6 ^8 h0 c% D
Input: ZZZZZZZZZZY
  V- t3 C& i/ @5 q, @: EOutput: AAAAAAAAAAZ4 Q, u0 i* b  L# R3 ^: J
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？
# n3 h/ D& g5 D6 X, L5 V& |DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：% B: b% Q/ C* ~7 u+ d; b
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
1 l) O8 G! r  B9 m
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
' ?6 C/ P/ ~- t5 s1 p2 J用DeepSeek试了一下：
; F6 K8 D/ [+ E第一次的回答是：
( u, ?  J! s) @9 _& h9 S0 SInput: ZZZZZZZZZZY

6 V; s  s/ \) u+ N0 E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 09:148 P& w1 [1 t2 B/ f# _$ U
yanei 刚才问: 有没有回答AA的 ？' d& _  W" H* T, P5 @* x* V

* y9 x6 A* i7 ?: b' \2 R这在实验中已经考虑到的。输入 ZZ 得到 AA

+ t; g6 g" T# j; t3 Y; H; l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
4 \2 d' K% |; j9 Y& f" H) n1 }5 I& O# N% X5 \& w
对于当前人工智能的能力不应该苛求。
3 s3 b/ o& ]! r+ c2 K人类乃至动物的智力发展也不是一蹴而就的。
2 E, j+ d6 ^7 N& Y7 z- f0 ]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 01:310 s' U; Q5 x. t+ J" }0 I( x: V% L  @
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， ...
; O- k) h( _3 n2 L- a6 L" _
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( ]! X8 U' E. r% {1 x1 h" D8 k$ `; C0 W$ Y. a
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。
& \: x6 G; j8 z3 C/ @% i
7 \; ^; l; B! _7 u' j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。
1 r4 E) }+ M% ]( w7 _  a5 r# ^; r: f+ M$ }/ o! y
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