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 v8 B$ s5 M5 z5 |; ]

: i/ H3 t# N: m, _( W$ ]. u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
$ N5 a$ i" [+ \; k. H* P7 m1 A5 O
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。" Z; Q3 k- a$ }% v$ S

& ^8 k! R) W9 v8 N3 B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。: F' ?! ?! \" X* }. `

$ C6 @: }( J, _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% V! Y; @4 I1 |( C+ |; M& H& I1 L2 i9 ], d1 c/ d/ q8 u
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：
8 H  ~1 i% O1 V) I7 z, t3 F6 n: W我:  A
+ `# F: Z  `' ]AI:  B3 K- B8 Q5 ]! e! ~1 U  z
我:  B
3 w0 [( l, x: lAI:  C
9 L0 m+ P: \0 a我：X; C6 B' R/ H! ], J  c
9 q# B  I& H; d4 {
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。" l+ `% _( S: d% ~% `
2 ^; w2 ^% G3 G+ 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：
+ R% r, q6 n9 S, G) q$ x+ M我：Z
; @# F4 ?$ G  z
% _0 ?$ j  W" W( R9 h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。: ]( X1 P+ Y$ U9 W4 g7 |. L

) l. {% V  u1 o  h# w* Q7 N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。8 Y2 |  H7 U9 U$ p& E9 a  j) u$ y
/ U0 X, \$ p% Q. p+ R# ]
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。
4 i8 s+ l0 _% [& ^$ `/ c* d6 Z$ w% s1 C6 n' 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：
! x% Z" `5 t0 s6 Y
“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。2 ~: J% X, @1 u) B# {1 h& _
# b! T9 q3 a' O1 s* @
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。! B/ y  l6 q& o+ v0 _, |! Q; F1 o
- K. c; v$ Q% a" _7 m$ ^1 H
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。! r& w7 q  N& c8 {

  Z6 ?# Q  D' `# D1 b. x5 b4 K; a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。
1 _6 \7 P  `4 F8 e8 P
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 - d: u5 q2 m3 o0 C3 W) d

) K% ^8 e- W+ j9 o# |5 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。
9 n: H4 _7 c, Q1 B1 \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。
8 }' e- J" [( \$ {8 O2 T9 Z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。8 N3 P, G) j* P2 Z5 C7 I
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 09:026 B! Y5 p4 O. c4 }0 L5 |4 ~
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 ...

* ]% x, k* `9 ?4 _7 r+ R9 Iyanei 刚才问: 有没有回答AA的 ？2 D* X3 @2 z! A# G

) N7 V4 |( t& r! b( f& L' j$ G( B这在实验中已经考虑到的。输入 ZZ 得到 AA
3 ~/ c9 S1 a) Z1 S6 i; P; d7 a8 @6 u0 n& g/ k7 a: n
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  
. M. H* m1 d$ A- y" d
/ m- _# s3 q8 l. p打乱顺序输入 NBC， 得到 OCD。 $ E5 y: Z0 w- f% i- ~

) {) ?& B! E2 v这些都是建立在只输入主贴原始规则的基础上的。0 y( q2 |- h( l9 ], X

1 W7 _" S5 \9 c4 s; R" w. u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  D( i- q3 [! L
孟词宗 发表于 2024-10-19 09:14) ^0 f7 P- i( r, M& G% B9 H2 A8 f8 l1 c
yanei 刚才问: 有没有回答AA的 ？
% m/ c7 t; o! y& A. a3 X4 B
8 B- \2 e& t% y这在实验中已经考虑到的。输入 ZZ 得到 AA

7 ]* a7 p8 l- ^0 l  R* c% ?. p( E" i4 u0 |9 L' 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。
3 e4 e: k. u" k0 Y! p/ S8 s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？
7 D$ ~" t" r5 v! G5 l1 {" b" _
" C4 M+ ?7 r7 ~8 L, F- `0 k9 c5 q
2 P, Q" I& H6 f$ U% K# H% v! c1 \
这在实验中已经考虑到的。输入 ZZ 得到 AA

4 A* U5 e5 J8 K8 W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 10:483 i5 C& Y1 Y9 o
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 ...
) I; T: u+ V7 D3 e3 E2 c9 L
用DeepSeek试了一下：5 ?8 I5 H: Z" l* Y
第一次的回答是：. q% X, D- M1 q: e/ Y
Input: ZZZZZZZZZZY  Y& d* S+ m; `: X" Y6 e
Output: AAAAAAAAAAZ0 P8 V) N5 d( T) p5 X" e
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？
$ }" f& P8 y& p! @2 K: d2 C; f, W  f0 jDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
" p8 B# N3 }1 A/ w2 T' L  D将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
% Y5 h, K/ n, b: t' y, `0 _
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25$ B  H, F& m  j* T* z5 T; x1 [
用DeepSeek试了一下：
+ |, ~2 W- [5 D1 d  H" W! J8 I第一次的回答是：2 V3 ?: v. }/ O; C, U% c) ~
Input: ZZZZZZZZZZY

8 \2 _" |# @" {3 `( U6 A/ K* n+ g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* o+ T$ `8 g9 L: B" T' Y
yanei 刚才问: 有没有回答AA的 ？
3 S" P( L% g( _, b$ t% W7 K2 q: W5 z. O' T1 Y% r: _
这在实验中已经考虑到的。输入 ZZ 得到 AA

) V0 G0 A8 h* g" J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   `2 e9 Y; m8 D0 f0 n; r3 V

7 _! t! T8 d3 O! R+ t( @对于当前人工智能的能力不应该苛求。+ M0 x" B# c2 F  q( @: ]. n/ ?1 h# Q* F
人类乃至动物的智力发展也不是一蹴而就的。' T# ~5 J! @8 [* [9 g( B8 _
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" U/ T) z; X- D# a) V( k
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， ...

/ }  e, Y9 _, V8 U- 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。3 i  `0 E( I, P  t! C

# l; M: w: m6 Q) 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。
* N% U) N7 n9 Z
/ y2 _8 ?. Q- 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。
8 S! K  q# p5 R0 o7 S" k* M: N9 Y+ Z6 v2 A. \9 V
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