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 / K# L* @- t0 C; F6 L# q
7 i3 p  H- F& D8 X8 [
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; ^- m4 e9 |: L) r$ E% o3 }

) z) M+ V+ ?/ K; d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。5 X" x( d3 q. a9 B

9 f: J- W' _! \& e- j$ W/ L% O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 o6 F4 B4 Z. @3 \1 J. h8 T3 O
4 p8 T4 G5 l5 z. {1 E% E
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." D1 Q( _+ s$ d% o1 Y5 l& I
4 V  B) Q" F& ~, @" K7 f/ Y8 a
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：
" h8 H( X" P) o( |4 v1 d我:  A
3 E5 l# w3 w; q( rAI:  B
2 }! r" O# E  V. A我:  B1 K; H/ h' |4 [& e0 p, `2 w" i
AI:  C
& J7 E( J1 w$ k+ d. V7 b3 ^$ E我：X2 f9 D$ ?- B# @0 o
! H. H4 k! c3 b% A
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。
! o) L$ v  H; r1 f
9 [1 m* {2 K3 F4 N' D4 }; X" J! |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：! a1 y( g; c' K- l# H. \
我：Z
" d7 W8 j5 y$ C2 A0 u4 \/ O, M' W) S- H- q# ]( ^5 b8 A
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。/ ?9 p' S1 R& c" w7 R+ E
" C" i1 F; k! {: T9 W! K
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。% ^" y2 |5 D* J% W# P" B
/ L& I5 {+ J7 I4 W$ B
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。
* i1 D- F: k. G1 T$ T' w, g, C9 C: R! L1 d% e
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：6 t( Q) X4 y+ c; a4 @8 R9 {  K7 \
“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。% x7 ], e/ v( n8 x& C7 e

& m0 b1 W" A5 p1. **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。
& O$ |1 F( Y% s  t0 g. z+ U0 N4 e5 Y5 Q) m3 H4 [4 E
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。
" l* o' m% s* O, X( p9 f) _7 I. O& x2 }4 E5 ~" w
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。
; w3 z$ d' w) n" I& 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
. e& S! v6 p0 T( B! x& r1 }1 ^8 P% T& M1 Z; E
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& y8 k- c! [1 b4 R; P/ h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。6 d$ j8 e( A( X# j2 ]; [
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。5 S  o" }& S. A% B
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
' T3 i. i' v3 ~9 N$ e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 ...
$ D6 {% y) W) b5 I
yanei 刚才问: 有没有回答AA的 ？
! F8 o% m! t, [9 l# S) u; O
5 d5 x/ `: X2 E5 g1 L, r( D8 Z* O这在实验中已经考虑到的。输入 ZZ 得到 AA
6 r" ^$ T3 j4 [$ L
" I. k" c! n4 N4 o+ P  T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  2 M* f* J( Z1 r3 d

5 T9 h7 v, d/ L& w& H0 t打乱顺序输入 NBC， 得到 OCD。
% M+ p/ m/ N3 [8 k9 C! g1 @, s# o2 u' n
这些都是建立在只输入主贴原始规则的基础上的。, M; r( Z: d3 B- V

7 \, v0 F6 x8 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 . n# B6 m6 A! s0 G# H/ `0 ?! t8 O
孟词宗 发表于 2024-10-19 09:14! |& j5 r* w8 O
yanei 刚才问: 有没有回答AA的 ？
' E  M) _- T% L0 P$ K: X* C: ~: _. T* E
, L6 v8 j3 d, p9 i这在实验中已经考虑到的。输入 ZZ 得到 AA

! K( W4 h! v' |; `4 Y' r
; s$ I/ X$ A# E5 `5 ~, e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。
! O1 H! m9 h2 R3 E4 [! R9 D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？
* ]/ S& u8 Z8 v1 }
* @% h  v9 U" d0 C" s1 F
! P/ p3 z, w% R2 z4 \/ C
这在实验中已经考虑到的。输入 ZZ 得到 AA
5 w' G, [/ X- S
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
: s+ ~: Y$ o' Y/ b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 ...
  x5 K. _+ D/ P
用DeepSeek试了一下：- x, M( p* g; x8 i
第一次的回答是：
1 z$ }1 y3 P! t) hInput: ZZZZZZZZZZY
' f' `3 z$ U) R0 b! X  _Output: AAAAAAAAAAZ# e$ _" T. A  @7 X# M8 G, k
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？5 j" q" T7 y! R
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
7 a9 U2 D( X' G3 Q, o5 I5 Q- ]将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
1 ~3 B1 L% y- o! g: E
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:258 t& Z2 S8 u! d2 h! G
用DeepSeek试了一下：$ s$ B5 J" k# \) ~/ n3 u: Y, [
第一次的回答是：% O2 G2 T6 \3 p4 \- d+ O3 s0 j
Input: ZZZZZZZZZZY
7 J; z# K0 e! W6 B( ]% t6 r; Z
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
( l) Z4 t" U6 X+ s5 fyanei 刚才问: 有没有回答AA的 ？; l' I' |0 t3 T! }5 f
: t( ]* Z9 u* Z, ]# c2 _
这在实验中已经考虑到的。输入 ZZ 得到 AA
- E  q* V* T' G. p. A
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
& i$ v# I9 l5 y
; E) z) H$ @( J! d5 T! `1 ?. ?对于当前人工智能的能力不应该苛求。4 z- \* o1 M' J2 `
人类乃至动物的智力发展也不是一蹴而就的。. Q0 E& W. x. f. x; }# c" n3 q. ]" M
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
) z  W; S) E4 E; u9 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， ...
5 A; D. A1 V9 t- Y
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。
$ U8 {/ n  B* a$ J6 N! `3 K4 D, x" R+ D
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。: v$ i7 \3 e7 Z8 u$ }

' m* @3 G) a9 W+ G& ]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。' d! g6 _5 ?: G/ J
5 V% v# X+ O0 T2 [; v$ D7 Q0 m, U
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