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
6 ?& M" R0 |. U
# M! w  m) V, @' c9 y4 ~! ^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
7 i. x! u+ |' P7 G, w% W6 t! m( ^  ~6 |4 P
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: k7 J# c2 _' |
. B$ y. b3 V2 e' S+ p: ^( M
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。
/ @) R" @/ y! u6 w5 P- M  Y
; J2 Q- f% n- s" ^; n# g; m+ H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.
, A. {0 ]0 V% x0 O& p& Z9 y0 x3 r
8 V! p1 N" f& z( r6 E8 lAI 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：
( {: _+ {& T7 \2 Q5 \) O  M我:  A  d( X" }5 M1 \2 s
AI:  B
& b( ]8 w: S0 c( u8 J0 T我:  B" m8 p: l  a" t
AI:  C
3 }% V& y7 Y8 }1 h1 O/ p2 r, A我：X
! L' ]' j6 z2 ^( [9 f9 b8 s( U1 t  G$ L% W# X
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 ~& M- h7 J8 b3 t2 }
! n1 y( [' {3 o6 E8 ?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：0 n: T4 r5 ?- F! g
我：Z
( g' L. x6 I, i( \7 U) \, J6 T1 d0 J5 e  i
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 Y# N) l& o4 h& ?- `) F0 t
3 J# o6 |  D. I% Z
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。* N# S' ^: ?' I, C: q& P. }( L( |
9 q; l( G. A" K* Q2 B2 {
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。6 J+ T& x) v4 Z

  _' I7 k  X3 X( R5 J0 E) D1 n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：
: P! p8 a3 b: c
“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。4 y+ A, F+ D- f8 f' K
; b6 O5 ~4 V6 d
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。
* c' D4 P& |! D3 R6 ^* T$ `! ~/ Q, u7 Y  j
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。
: \- O! f4 i+ u) y  |5 n( G- x" a# ?  Q6 F6 {
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 ~: o' O8 ]- Y" 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
$ [, \' T# u8 ~) f! S" G- }
) X$ v2 q; _4 j1 x+ F1 D% d1 ]+ Q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。
/ }" t# h# z0 z/ ^& T$ Q: F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。- p7 y8 j6 p4 l6 s7 G" u- G* u
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。
- K; ~$ S$ X! l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: L  M- {" p7 Q( U+ ~
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 ...

# B4 K% L6 a+ a% U2 r: u. c8 Jyanei 刚才问: 有没有回答AA的 ？
3 E. f$ @4 J4 m3 _! G
/ L0 ^2 d8 @7 O7 E' T1 k# k7 H8 U' b8 H这在实验中已经考虑到的。输入 ZZ 得到 AA 4 q6 m" ~$ s8 }" m% H

9 o  V, _5 a0 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  
) c$ B$ s- V! j( }8 s5 k8 @+ ~4 a. ]7 s" k& _7 S
打乱顺序输入 NBC， 得到 OCD。
- k: e' N. R0 e( j
7 x9 P% M" V1 d) ~! Z$ k2 G这些都是建立在只输入主贴原始规则的基础上的。
- {; @/ F8 \1 u. u' v5 z! ~( {0 D2 h# O) o- Q+ c# ?
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
2 W9 ]9 _) y0 ]
孟词宗 发表于 2024-10-19 09:14- M" D3 g, F8 v! `3 m% n4 w
yanei 刚才问: 有没有回答AA的 ？
9 {6 Z, r; F. s  |; v  q$ ?0 B: R3 G4 Q" L& J
这在实验中已经考虑到的。输入 ZZ 得到 AA
+ T5 Y/ m! ]5 j  w' A9 N$ U0 W
' D( m- F/ o% Q: G0 b% Y9 R* r+ U
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 N1 A3 T& ~, l  W; K5 ]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 {% [6 Y' Q' y  B4 x& |( _, N
' F5 L9 \( Y& @* J. Y( t, c: V0 H: L7 s
这在实验中已经考虑到的。输入 ZZ 得到 AA

! r  V8 U) x8 K4 b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 10:482 Q6 l( S! D3 I, q* g, p$ 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 ...

; z& i' @, u9 O& u用DeepSeek试了一下：
  N! H, P' W# k3 Z第一次的回答是：
4 l0 Q+ a& t2 M. u6 I% y2 h0 f( WInput: ZZZZZZZZZZY7 s- Z" r% w8 F+ e
Output: AAAAAAAAAAZ5 l$ K( ]0 M8 H5 ~! `0 C7 _$ `
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？
, ?( N$ h/ t6 c% ?DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
0 e0 j3 u, z* c将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。0 X: n! e. g( ]8 S0 t& T
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
8 _$ J) [- q2 O8 V$ {7 H5 y' g' w用DeepSeek试了一下：
; C/ q3 b9 {! B0 F! c( k8 e9 @* D第一次的回答是：
& F7 K) z! n4 j2 M6 e  SInput: ZZZZZZZZZZY

0 W( ~: u8 o8 N, @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 09:147 `' v6 o- Z  z1 i+ E( U! p
yanei 刚才问: 有没有回答AA的 ？- t" @, g+ z" t# m# P

! [7 B0 P4 C5 K  ~+ T/ ]这在实验中已经考虑到的。输入 ZZ 得到 AA
5 P7 Z" }" p5 y) m+ ?
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 4 u; v( d( [4 i. P! Z

! P+ {7 o  h) \对于当前人工智能的能力不应该苛求。
3 |# ]6 n2 c7 i; j人类乃至动物的智力发展也不是一蹴而就的。
0 b4 y" |* L$ Z9 B8 q* Q9 Y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
2 L2 s8 a$ z& f2 x8 O# a+ s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， ...
: K# j% Q" C8 X( [) b1 r
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。
- Y6 K: V3 x2 ?2 R* h
6 a: n  t0 W% o: F; t6 U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。
  z- }  b1 m4 z' n# O9 X( _( P" r0 [2 u: f  Q5 K! Q! m! H
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。, n; @# A) P- w( N$ B6 {0 W% l
, m$ [* J" a$ x/ ?. w
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