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 $ [1 d& B, v: M' {+ j/ \
1 k+ y9 Z) x: Y# R5 E  y. }
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
1 c' p" Z3 Z1 Y+ |6 ?$ n
2 ~# W0 j; ]+ R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。$ r& b; W4 e- z; ~+ j

  Q$ Q1 X1 O( D5 E& f- d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。
6 j* ?$ n' S# o3 U- \
# {; G1 |" `/ D2 D% \3 D/ R% Q- ^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.3 }( c% l4 R- T+ W
3 d2 e3 @% d9 W$ F5 I( |7 Y
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：2 C* O# Z  @0 {/ q4 T
我:  A; A' F' D. q3 i8 J; ^: Q' M0 q0 t
AI:  B
* u6 C3 I8 m$ K9 h我:  B' P* s/ e! R! n" E
AI:  C% D  d0 v( @: X
我：X
2 U+ j& s2 y* I7 ^" ?& g0 y
7 K( x4 w/ C, ?( n/ q2 D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。
4 H  d& M1 M; P9 ^/ P3 O
* W1 l* c; e. n3 I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：2 E  `; ?# Y! w# J1 P  B  h; N1 {
我：Z
( M- e& c0 I( h/ }" }# H' p$ K/ R, V/ \, R2 O0 ~
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 c# f# m7 j& ?' a5 E" ?
0 A- v9 n3 L. @3 [2 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。
; ~6 U. X! B! k' y, V1 n3 \( a/ h/ r. \* w
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。/ X' y6 K4 j8 u% U; G  k- I
0 K6 V1 w1 W- Z5 Y
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：0 Q, h1 B: f, N1 l4 t
“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。
' Z; B7 O) Q% g% O% h, h! i/ a8 c, V2 V0 q0 b, c5 p5 j
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。
3 }( t5 m' m+ s( |' m7 G: F
( K3 }2 \" A5 `% z( V2. **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。/ X+ c1 V4 B, i0 x' K  l4 b
0 c& F& q; J; x! y) 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。

; v3 |) L. [5 p$ C# r+ R1 g
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 ! a0 P3 Q9 e9 G/ R' \- R
5 Z9 {- z7 U1 @
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。
/ _% [: R0 Z4 ^0 ?: V3 p" J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。
# _. N: }& \8 p1 Z" l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。
% b4 ^4 m6 R9 _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
0 I9 x( X2 J- g( h' a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 i: b, B6 O. `8 n) g& t1 `
yanei 刚才问: 有没有回答AA的 ？/ |! K- ^8 @& z1 ^# Z9 X

$ L  x9 [  N  i: N这在实验中已经考虑到的。输入 ZZ 得到 AA
- F6 ]7 y) a& s- Z! a, h+ d* e: r
6 o+ Q. q6 X) A+ A* P6 `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  % N! N/ ~  f5 C: K

" Q+ d3 f) C& X9 ~$ e/ y  \打乱顺序输入 NBC， 得到 OCD。 3 X1 t& E$ R% {) d
9 s: a7 h( \+ X5 ~
这些都是建立在只输入主贴原始规则的基础上的。
) v* Q$ g0 y6 E1 w1 S# y( m
' H7 l2 D) _/ b8 [2 S) X7 e% D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
+ f, c7 `; G1 c% n( q
孟词宗 发表于 2024-10-19 09:14) q8 Z' r/ f# e3 n: n  A
yanei 刚才问: 有没有回答AA的 ？
% i! \" M" z, v0 f
0 h+ u! d/ p1 H这在实验中已经考虑到的。输入 ZZ 得到 AA

7 w- _% ^8 ?2 f, g, l/ N' q1 K# t" h" {- y, S' r/ T( Q' v2 x
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。7 O/ P* S6 @8 ^3 ^2 V. o% ]1 ?
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？, ]# n0 k$ \1 }

; ~( F7 u1 k$ G. `9 E* e- E6 x8 o* [- M% u+ ^2 D
这在实验中已经考虑到的。输入 ZZ 得到 AA

4 h7 T0 |: @8 _" E+ g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/ v! n8 \3 a5 e/ e+ _7 t
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 ...
  s1 R% g3 r" l! A; R
用DeepSeek试了一下：5 p1 j0 U" q1 H- h
第一次的回答是：
% ~5 i6 w: n; {Input: ZZZZZZZZZZY+ {% N' T$ s% {
Output: AAAAAAAAAAZ2 o% k  [9 d1 t! y6 Y
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？+ R% t2 v/ A! ~" i" W. d" P
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
4 y! `1 |% V6 [4 t2 y* `将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
( w1 J; d5 O& ^4 A2 a& w
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
8 G% z8 B& J/ j* z: A( G用DeepSeek试了一下：# V7 y7 f/ H; B5 V
第一次的回答是：
% N( |' G+ m* c  e9 tInput: ZZZZZZZZZZY
" p) R  m% }) _+ ?5 Q% l0 E9 j
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 09:142 _9 N7 P1 g0 O
yanei 刚才问: 有没有回答AA的 ？
/ O7 D$ q. ?( E1 H- Q
2 P5 x7 o$ Z( k3 u. H这在实验中已经考虑到的。输入 ZZ 得到 AA

# @- G. K. ]0 ~" I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 ) O: A+ k# ?/ H& W6 E
; A" V' s+ ^( o! U9 O+ b5 k/ v
对于当前人工智能的能力不应该苛求。, f& e- n  M9 j- K" B7 O+ ?' P; L
人类乃至动物的智力发展也不是一蹴而就的。
1 U* R; H8 U5 M; S! p* Y3 f  }. |5 S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
+ d% b" |6 Z2 R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， ...

# V5 H4 `% k4 ^) e% x/ I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。
& d0 P+ ~5 L0 B1 K
7 ~, u+ ~* A6 N' 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。5 Q- I; s0 g0 Q. q

* ]! c) q/ |& _: m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。* R! _# [/ [& `- Z

0 ]' k# `# v1 r7 g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