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 ! p! B2 H# N8 Y( Q9 T
. c7 y' v8 B8 R9 `( D) o; a( z1 L7 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
" C, v$ z' l' G4 O% ]  E, q6 Z
2 s' W; y' [9 {: O' J4 x' M: {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 V: O" P% C2 K& p  b+ J

  {- s6 ?3 v% I- o, X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。# ~; A, [. x0 [$ w$ r  a

$ p1 q  [# `: K+ O8 L( b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.
  h3 K! i: n* k" q$ J% j! V3 T' x; p: o3 ^& k3 y9 g
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：
. f4 I8 Z4 k$ _0 {8 Y# |, B* o我:  A
, y$ w2 Z) b; d& N; RAI:  B. l2 n6 {9 e- U5 L. W( ?9 Z
我:  B
) n. k" g, e9 }) m# ]AI:  C
) w7 M, p, Q, z  W. q$ K$ C, U1 u我：X
# y- s* y) G5 M. n+ o
8 b8 S( J  l2 m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。
1 z$ N  p' k* @, J/ F
2 a5 e( P6 r4 ?+ 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：/ C3 g# @7 t! `: N$ w
我：Z2 ]5 V3 w5 \4 q

% W' G( ]) P9 Y3 }  n" @4 g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。
3 K( J! r& P& P  s- |& n$ }; ^$ t; S2 V5 n1 ^
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。5 b, n" v9 ?; z# c% z, V
* N2 v$ a0 ]6 s5 K+ J' X( C
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。& U" N7 L) ^' J5 k0 r$ E, s, r) R

6 I; O) P# Y# D3 d4 J) d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：. o3 r6 y5 e# c% l4 A5 {! @
“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。* L5 F( H# q  f, `

. t$ l/ q$ p. E* ]7 C1. **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。' x7 `- U% w- ?) m

( A! a5 E2 _) S7 N1 M+ k! 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。
0 H1 B( R- J  f& c3 ~6 r2 D* w/ {' n3 ^& 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。

7 W0 ^" X7 l; H* l# B
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
! ^, \: \0 t# r& g0 G' f, M
1 X( }. W% n4 |: H! R! V0 u& f, 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。
( g+ o6 M# ?% v) @  x( E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。
: u/ g' w+ f  s$ [3 H: Z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。- A" B+ P" n! g3 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。
作者: 孟词宗    时间: 2024-10-19 09:14
唐家山 发表于 2024-10-19 09:02: D2 j% b2 j3 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 ...
0 K/ p* ?6 U0 l4 W3 T
yanei 刚才问: 有没有回答AA的 ？
0 @7 R* B3 h0 S% U0 _; w2 k  c
# ?" j" l. a1 O9 k' S这在实验中已经考虑到的。输入 ZZ 得到 AA ( g: R( J0 R. {% w) `

( [& n0 B8 ]' R7 L( _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  
5 r) \7 L' K, c. v
, b7 |( ]* m1 K. b打乱顺序输入 NBC， 得到 OCD。
1 p) s  K' s, F2 F
0 }) X, M( F. w% Z这些都是建立在只输入主贴原始规则的基础上的。. k4 m. K% ?. h
# o' m8 d# C0 n1 n5 T
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 - }4 G' K, w5 X$ L4 M6 Q% |
孟词宗 发表于 2024-10-19 09:14# S0 b, C& U/ k
yanei 刚才问: 有没有回答AA的 ？3 B. r. @- c6 D' e4 p
% v8 _' p: C  R- c
这在实验中已经考虑到的。输入 ZZ 得到 AA

% Q- t, i  k+ D! o
( B& |8 L5 U+ w5 n, 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。
* K# a6 C7 i; G5 x5 H. S# g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？
% v% I  K6 p6 |  }# g- I
& A; j0 o7 p: Y/ o, J7 A( ]  R* p  j
这在实验中已经考虑到的。输入 ZZ 得到 AA
) F& A( ^9 Z7 x6 u3 Q
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
0 E0 H6 D: j* u2 q, q& j# 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 ...
: L6 j) i2 b. B. u
用DeepSeek试了一下：
4 G8 Y3 F6 ]  F3 ^. J第一次的回答是：
/ X/ X7 }5 B5 T3 }Input: ZZZZZZZZZZY
) Q$ f3 J. @( c& xOutput: AAAAAAAAAAZ
7 J0 Q2 ^4 n$ a, i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？% M( ?) C5 Y! {) O0 t
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：4 J3 ?* f! {3 V6 `- C
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。* v3 H7 U' f/ Z- R' B7 Z
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:255 U% z  Z( A8 q7 @& M' h
用DeepSeek试了一下：/ w& D8 x4 _, L
第一次的回答是：7 ~2 l8 |: l% R  C) a2 _
Input: ZZZZZZZZZZY
& [  T5 @4 E3 v6 J1 _- V$ |
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 R" M% b6 y, T0 M, B7 a. \yanei 刚才问: 有没有回答AA的 ？
: D4 E. E8 n9 P% i5 h, M7 l* I  d8 J8 H) f
这在实验中已经考虑到的。输入 ZZ 得到 AA

9 D' s# A3 C/ q  I- Y, F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
- `% k# U, P& d' I% P
! U4 @8 ~( G* D% w' D7 I对于当前人工智能的能力不应该苛求。
" J  }* J2 `) |" ^  w: a- h人类乃至动物的智力发展也不是一蹴而就的。5 r7 ~9 O& r: f' I
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 01:31
4 ?  h# H8 \! f( `9 T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， ...
) f4 Y3 S% A0 ~! f. V9 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。; n& J% l" Q1 ^" B

2 L& P1 Z2 a; w% a& e1 P' r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。
6 ~4 [! v: H  N. C) D* l1 x$ L  ?
! N) x( A( S; W$ K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。& S2 O3 w, s5 ]8 N, U! u7 {  z
: O( A( @( r4 G2 L$ Y5 Q
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