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
, E0 q) e( R0 `3 v- @2 L; `
, T: h% E" ~0 H6 q) E: s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( q2 ?6 x" {# D

2 i& A, f3 r8 P" z! G! t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。
: n) [" c1 o% Q; @+ N2 Z3 i* N
8 g- {1 ]1 |8 T6 }3 j4 x# 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。* x% Z. r- s# N$ j0 y
" H1 o& c* X6 f, C, \5 p& `: 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.6 [8 c- i. W9 r6 R

# J1 w; m1 ^+ x0 d5 QAI 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：( t8 @6 S* S+ I8 d6 R% k
我:  A$ U, }& J9 m6 z# P, X' G& g; k
AI:  B
, U: a5 X1 t) I我:  B
9 u5 O4 q% h; r- D% fAI:  C
- V, J* _( n& o我：X# p, i( |+ E0 X! H9 _7 `9 G8 F5 ^
$ _3 H! F3 I+ P
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。
7 e5 N$ ?. B$ E7 b" t5 D2 i; P) F" Z2 f2 s1 b5 x
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：" f: G- d0 j+ j
我：Z
: X7 V2 s4 i: Y4 T, c) F" k- {* w! x. j
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。2 i! U2 j& E# w

7 d+ w3 c8 ]1 Z" Q6 k! {! \, 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。
2 N9 c8 d* X  e5 k; a
& x# k/ Z& \. B4 m7 o+ p. `6 G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。
$ l+ ^% Z- Q. I4 Y
% j( ~$ A' W: n. ?; j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：* ?; T5 B/ K' E2 r8 H& V
“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。3 \5 a2 V$ @8 s$ K
% r8 O- r- h  E( h6 y& c
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。0 p) [- G( u0 Y7 \9 F0 M' `
2 d: k- n" x5 n: Q0 `2 C
2. **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。( V( d' H: ^2 z6 X: ^

+ F9 u6 e1 f* U4 j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。

4 S3 K* c  W4 i1 q% z
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
3 T, V1 f, s3 X' F9 }
3 h; ]8 M: I( c9 T2 _5 n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。1 n+ u2 n6 [8 t
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。+ ]( M) n0 Y) A$ m% j* I- |# M
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。" E" v* |0 S, R. d9 D5 H0 o9 Z6 n
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
2 g4 j* k7 [2 Q* {9 P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 ...

6 [7 E* D& q9 q2 T, ~' x$ w6 f% |1 nyanei 刚才问: 有没有回答AA的 ？
; z% `- M7 z) _$ O" c. q. `1 k0 a; b& F0 u/ @8 {: ]! {
这在实验中已经考虑到的。输入 ZZ 得到 AA 5 _, c  k2 X  J% k9 K
$ q6 I4 G8 {0 G
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  3 J( B6 w, c" \/ }7 |8 s

0 i3 M2 u# ~+ C. v$ V4 R打乱顺序输入 NBC， 得到 OCD。 : p5 [! V9 M- S! ?/ k% Y/ c

2 l  q! m$ s, s这些都是建立在只输入主贴原始规则的基础上的。% @1 i) g' o: }8 w& k/ |

' K) L$ k% U/ ^% }) G: a! _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 H- m7 D- F3 Q; S4 ]( _* G* r
孟词宗 发表于 2024-10-19 09:146 r4 ?. I# I! M+ A- t9 g
yanei 刚才问: 有没有回答AA的 ？1 a3 _5 i+ z  E# B# r. l: a& v2 B
* K8 R* G- y% |/ l8 {* g; T
这在实验中已经考虑到的。输入 ZZ 得到 AA
2 n$ B/ _7 p2 X* V/ G

& K$ C- u3 s8 o: S. @! z0 r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。
9 u3 C/ v3 v% X# `) T- @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？
4 N( D# Y9 F7 H* x  u& G" v% j6 S. s# ]+ ^5 N5 _: |

5 x& Q6 Q% f) C
这在实验中已经考虑到的。输入 ZZ 得到 AA

' z/ x8 y1 N4 E1 }" 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) T5 o$ u7 H8 X  e, _( y
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 ...
) |2 e1 }/ j, p8 T. |$ h) k* |4 _
用DeepSeek试了一下：
. m8 t- r$ g" i第一次的回答是：' V$ H! j( l1 n
Input: ZZZZZZZZZZY
- ]- N+ W9 Q# C( X9 z7 X; h$ aOutput: AAAAAAAAAAZ$ u' g% n3 {2 Z' c3 h! k! p" M
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？8 ]: s( ]. `" A3 c
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：" ]9 h( ~6 [% g( H- k2 H) t2 r  a# O2 V8 d
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。! d& g$ h* Y  _: y4 o  d/ P
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
9 h/ `3 [  w$ Z+ w用DeepSeek试了一下：
9 |, X' g* N' ]7 c3 v4 _& Q0 Q! L第一次的回答是：4 e& ~3 M$ l0 ^8 n% [
Input: ZZZZZZZZZZY

0 s  P" u3 |; r& P% B  ]* 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 09:14# @+ Y* ^" J; I" V7 g' ?
yanei 刚才问: 有没有回答AA的 ？8 K0 S+ O4 W- }

2 x+ W# C; K' A: \/ @) _这在实验中已经考虑到的。输入 ZZ 得到 AA
& ^! w3 R# ^! \/ ^9 W! N. U
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   W" A6 I0 ^9 m9 m, c: I6 k
0 `5 a6 N* A2 r. j; R. R; n
对于当前人工智能的能力不应该苛求。
- G$ U( P# f. p+ s/ D人类乃至动物的智力发展也不是一蹴而就的。/ B$ }, C1 {: ^' r, G* D7 c: C( m' P% a
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! F$ C  X- }/ J0 O1 j( t4 q( 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， ...

0 E; Z7 Q' P# D4 O# v/ |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。# A8 {* A% M1 i  J: y' ~
' ~1 B; P8 {$ d. W  s- g+ E# j
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。& a2 ]$ ?1 A4 [0 F* k. }
5 d2 X* p" T% k! [( d3 {
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。
7 c, K6 P$ O1 h% i! e, Z6 `1 u, u' r7 p8 [) `
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