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
& j4 _8 F3 ^7 G8 L  A, H
- t( x7 A! H+ {* 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9 s1 w% s, h% P3 s* P

( Y% b/ n- ^4 K$ g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。6 Q, e" f5 i+ m( C* L- \( O

' i1 v6 ^+ `, ^) Z: v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。
( [$ Z1 B4 P9 w( L$ W/ K: s% i: \5 S, r0 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.$ J1 ~2 @+ r- Z7 |4 x
% Y, t  `2 X( x  ~
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：9 W, `5 b. U6 [6 D5 g$ e0 W# e  V
我:  A6 J5 p5 _2 V" [' a
AI:  B# M& x0 y9 N+ |2 H- v( M& v, V0 Y
我:  B
. a% i0 I- S( }( _. }* m, @0 m! DAI:  C6 c1 ]; S, N; o# S% ^
我：X$ g) i- ~+ v& o9 @* E' n

/ Q+ `2 [: p" U, j' W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。( C/ R) E6 }. ?- \  o% ]9 g

* s' D# r% v1 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：
7 }$ b& u3 M' V: {4 z4 h9 i2 |" N$ f我：Z
+ C, r; q8 I# p; ]. c7 L. M$ E
7 @& y2 t: k& T- 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。9 J: v, C  O* I2 x

4 j8 N. x9 K4 H, ^4 j2 H0 w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。6 v, G8 Q6 R: k/ H5 c7 T# b0 R2 Z
7 ?- k8 _5 O- |* b' s
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 x8 n) m9 l5 D
# \4 p) g% v/ \) z8 A
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：' k) m. K* W/ Z/ s  ~+ I
“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。+ G" k' s3 Q+ `  ^/ e2 A. |6 f
+ j+ A( ~* N: A  K# i( Y0 z' c8 s" H  Z
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。
/ m! Q) g9 D- b7 `, m" w. o  q/ M- k$ L, _: M
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。
; ~( \6 v/ x6 X) S5 T6 X" `$ z- Y, a* v1 b. N, U
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。
* E& N! l, N6 i/ ?3 q9 v- T; f0 x
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
5 F6 ~" k, H& e$ ?4 \& U: p9 |! s6 c
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。. `7 s9 q/ x, w8 W3 u6 G; J/ n( x
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。' Y6 d  N  f" ^, ^. V9 |
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。
6 S3 h: g+ v, Z3 T; K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( @" ]0 D) U) t9 F
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 ...
3 b  R' M. V) u1 V7 A$ L7 G0 N9 T
yanei 刚才问: 有没有回答AA的 ？
" n/ K, P/ B) _2 w* l7 G4 _! ?3 F9 W
这在实验中已经考虑到的。输入 ZZ 得到 AA
- D& @, U  m  v9 {& W9 }" A. a. s7 y% [& M- C1 w
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  
' G" o1 \8 ?( e. Q' ~: g; }9 I
3 ~! v& H8 r/ k" G+ ?打乱顺序输入 NBC， 得到 OCD。 2 H1 {# D! _9 r- M
( p5 O4 M; O  H; Y
这些都是建立在只输入主贴原始规则的基础上的。
3 S8 R6 Y2 \6 m* a8 m8 O* }& @$ ?$ z5 B! |
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
1 |# l$ h! k6 A
孟词宗 发表于 2024-10-19 09:14
" L7 g; l% l, F2 s& x7 \+ F* lyanei 刚才问: 有没有回答AA的 ？% F5 G' n; O7 `6 w
( n: q( r" o# F  [; y' U
这在实验中已经考虑到的。输入 ZZ 得到 AA
4 v) v, i) r5 ]! \/ l/ {( M/ \
# S: I$ [) d. U+ }3 x% D- g0 b3 R+ H
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 H4 n. x( \9 a0 g; b
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？
  B! n! H3 F# {
1 P* A0 U: \( k; a/ P. C4 c' m9 q
( q  ~4 N6 B* r2 D0 l4 [
这在实验中已经考虑到的。输入 ZZ 得到 AA

. C4 g. s$ t! K( @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$ v- w+ w- K- u* f2 }( B  Q* ]
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 ...
$ R+ |8 ~- G+ N( t1 s6 U; e
用DeepSeek试了一下：0 v: I& R' m/ A. {) L/ w
第一次的回答是：% V9 u2 }! z$ C! S- G5 a7 B
Input: ZZZZZZZZZZY
' U6 f; q) q% s2 N# DOutput: AAAAAAAAAAZ2 I; u4 n* G2 u9 i  ^0 U
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？: d9 y1 S7 w& Q9 e. Z5 z
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
; @! ]; P2 H' q% E$ O7 U# f/ y将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。: z! q% V' v, H
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25. O0 m" \" R" a" R- \- R' b6 v
用DeepSeek试了一下：0 y" g" R3 i0 X9 \
第一次的回答是：* X- _+ H- D* ~7 j' F$ @2 A# J
Input: ZZZZZZZZZZY

: `6 p3 D( P2 x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
9 U0 \/ l. _3 i' Zyanei 刚才问: 有没有回答AA的 ？* ?9 l( O* V- U4 O  Q; T4 j' U
( f' V7 V1 ]: @% d; Y3 U
这在实验中已经考虑到的。输入 ZZ 得到 AA
8 A& Z0 M7 [, 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，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 - J5 j& h+ m: c

+ l8 d, o8 p3 r5 ?# u2 Z7 Y对于当前人工智能的能力不应该苛求。" d: ?8 @4 H, S' C* H8 |
人类乃至动物的智力发展也不是一蹴而就的。3 ^5 d5 E; ?) j5 `; G' `
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 01:313 D' G, ]6 d' `9 s! 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， ...
3 S! u( d3 @9 L
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。* w1 o9 Q- J. |
  X: l; q/ v8 N
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。7 U( _, V3 t4 A' b: F
) Z8 l9 }. I1 T8 @4 ~) X
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。$ G. |! T7 O( X' N8 n/ L( b) L
" G1 |. @' @7 v0 W& n; U' U6 `
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