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
8 U% B7 S3 v4 v1 s" S; y  Z- E- v, _: c! \  n/ 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: Q1 E5 Y  P) k& e7 Y+ q; Z

4 b* J9 W5 j5 p, v, _% v% Y8 g# 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。
  i  b- I5 `1 `6 B; X% ?# N2 M
4 P* \8 |' t# R! o& |* v3 u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。7 O2 e0 X" S& `3 ?% h

3 i5 K, Q% Q" ^8 w6 H9 \( M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 O# W9 H0 U" s. i+ {5 x' M/ h- d% q
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：, V" Z# c# d! e) @7 o" I5 {" r
我:  A- @* Q" `- \7 ?' P
AI:  B4 A$ h& p* G* k! z; _0 Q
我:  B
3 r7 M2 y0 e. b% a( _AI:  C" l( d/ b4 {* _! j% A
我：X; q  x% X+ B9 i. B

. M3 Y+ U! N4 x! E5 |, I4 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。
" Z' ?) ]9 M9 A3 W( }* E" [. L9 }- n! J, p+ f6 [3 m
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：
: @* y% q8 M2 U- v0 A; ?; r我：Z- N9 k, m2 O6 `( d

; N) f% M' m$ C+ Y1 b, 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。) G7 C" ?1 L5 O9 l

. w6 X/ v" E* |2 r# q$ w1 F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。
) P1 @/ f- \) _5 l; M# e) V, Y7 P) R' k! w, F( Z+ p
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。
/ n1 n5 [# D' S! s# H' f: a
, _0 f6 ^8 z1 R* Y8 m& j$ X4 u! T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：
: ?2 n- x1 @* z% t% x
“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。
: n" v. l* T, O4 h7 @3 z0 y
, |  E9 [7 y; H1 ^6 Z2 c6 B1. **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。$ {8 S0 o5 R; r0 w/ ~2 r* K5 p) z+ R% ]

* j6 {' _6 ]* L' C0 w6 \- H2. **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。5 [* D& W# |) I6 D4 S

. }, Y9 d& w! P+ H: a8 I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。
% x2 d& N0 \# ^' T' }% u
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 * _. l: y% ]. m' Y/ s6 }3 l3 U
; ]# D: m' u0 m1 i( S) }
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。
- r8 l! X4 d7 i' i: h$ 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。
$ \" H' e. y9 V; D4 |. J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。* w( k( z' c7 [% ~- }$ g2 f
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
, N* a4 x2 O0 A3 g8 _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 {! h* j: v0 Q$ Z
yanei 刚才问: 有没有回答AA的 ？. I* t0 `( _7 q& [$ G
) Q: \' T" Q/ @8 l3 e
这在实验中已经考虑到的。输入 ZZ 得到 AA
( a* `' D3 N- M$ J
! O- @1 E/ N* z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  ) k. g* M8 I* C: g  g, J+ \0 m' k

! q" i' k$ E6 x8 {& k  T打乱顺序输入 NBC， 得到 OCD。
# |8 f3 H, J7 \0 M' b# A9 r9 F+ R- n, R( w/ A
这些都是建立在只输入主贴原始规则的基础上的。/ ~& ?* ~% C3 U. L8 J

5 m# y  s5 J: S+ u2 A5 U( 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
) F6 u* O, k- P# j8 x
孟词宗 发表于 2024-10-19 09:14
/ `/ V0 M& t* k% G. w8 Pyanei 刚才问: 有没有回答AA的 ？8 E+ v3 ?, z& ~8 s5 }) M
5 K, S9 N* P- N3 ~- E$ t" b
这在实验中已经考虑到的。输入 ZZ 得到 AA
' C2 F* {1 q) ?- G' f5 _  `: m# H

. E! h2 [3 Y4 n( p" 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。
0 r3 m8 b: m! n4 e. E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？9 G  }5 W, U" f! O: L. u) O9 w

" v4 j- h0 {% _8 Z# U5 ~( [' w6 O" Z4 w8 d! Y. h0 C+ s0 b3 H% h
这在实验中已经考虑到的。输入 ZZ 得到 AA

+ U6 {+ J) u2 N$ l0 G6 c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& L3 Z# ]9 A8 c
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 ...
- E9 z2 h8 t- }8 ]9 E7 |4 {3 O
用DeepSeek试了一下：
( }) i) S6 m! m* g7 a1 b第一次的回答是：9 f; Z' K( [* L2 w- B9 K
Input: ZZZZZZZZZZY
$ I! a  b4 T" l! n6 IOutput: AAAAAAAAAAZ, S  ]8 |) W! T9 x* g
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？  }0 e1 H' \! J' D7 W8 D+ ?+ d, P
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：7 X9 _  F) \6 l; X: h3 Y, [, M( i) f
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
7 N7 X' I  j2 _8 \4 Y) Y$ ?2 f# A
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
2 [2 [( u7 v3 K' r! b用DeepSeek试了一下：
4 c+ ^- t! i1 g' _1 Q) p2 P- X第一次的回答是：  a+ a3 O7 f  ?& s
Input: ZZZZZZZZZZY

+ N2 H; ^, k8 C; K, P3 l& 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
- w$ I  Y2 \8 M* z, c# K- Vyanei 刚才问: 有没有回答AA的 ？
- c, R! \# s0 P4 E" c
4 i0 R  Z" ^1 E% \, l这在实验中已经考虑到的。输入 ZZ 得到 AA

, Z& G8 Q& T0 T" 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，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 6 H# f/ ?1 s. j$ |: S! Q
: b1 C( i/ c! f$ `$ q1 z
对于当前人工智能的能力不应该苛求。
) Q! X  d( j9 o' b& s" u# _人类乃至动物的智力发展也不是一蹴而就的。3 W9 I" g; R2 z
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
- v+ i% v1 k8 m: K2 x5 w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， ...
9 v$ X1 d- M2 [+ P: F
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。+ |, V* l* `2 \+ n. A3 `3 l  ~* E
% U4 b& }* B: Y' K0 w' z
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。
( [, h( ]8 ~/ G# P, A$ V; A8 M% o6 t2 A5 d& J- \6 t( t
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。4 i- }% j! X$ v4 E1 d
4 H% d1 b. d: x) S
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