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
5 M% I' m: v' \, \$ n. B$ T: a/ m5 F. _1 R, @8 h7 l; a
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( n1 I' B6 Y3 D& \/ w
! y3 H3 o" W' z
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。, r: u- P! G( Q; X4 e& X
; l: m) S/ y7 p
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。
9 s2 I  q9 B& |; T. B* N: f. v9 s; P5 k, a8 @
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 Q+ B4 N- M* u1 |( ~, I+ Y5 J* ~& v
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：( _! o& X8 Q9 i& T' \
我:  A
  l" @# `% V2 h0 T' D6 z3 p. K: cAI:  B7 T6 X; d% @& y9 k, l8 a
我:  B
! k7 w8 {1 w* y8 S0 R# f7 PAI:  C9 k3 P* g, d; ^% C9 c% U  g/ t
我：X: r3 @  e. M5 `+ m, t! v% F/ ~

3 U2 y- w9 D( r5 t. L7 w7 T( }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。
* k9 j9 h- B* z; C0 u* `- M0 Q3 [6 {
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：  F  q' F5 T1 c: W5 z
我：Z
# J' S; ^4 A6 E& {, m0 l2 y3 v0 H+ r5 D# ?
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。0 r* A5 R/ Z8 U8 e* Y
! d; ]7 ~  J% @4 D. [
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 ~9 i" e7 k4 G! P) X

, R0 s9 i' t3 t- {; h+ I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。  ?0 ~$ E5 c. R4 {- [
( _" `0 [! [  E2 K; s
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：
; Q8 Q& F" u9 U: J& ?8 s
“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。
8 ~  I" n3 A8 @9 }
* ?+ b% W) P  @2 s* G1. **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。
2 ~& ~6 e7 X. \" R. v0 y
; X8 }# {, _4 K- A+ r8 r" X2. **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。( Y4 {" i- j' P
! g# B6 A, a3 _
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 v* f; Z9 d" R/ }/ Y
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 - m2 q, z' o2 @- C- H5 Q

) n6 H$ K, ~* s. M1 q! d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。
- M( F) `' V4 b; D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。) r. S$ H1 o; z, C+ ~! M1 ]
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。
+ f2 l3 D, v1 w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% v4 m$ f' {  R. }5 E8 `# t5 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 ...

# V7 K. {/ n# J/ O) ?" Cyanei 刚才问: 有没有回答AA的 ？
/ b2 Y' \9 J/ p, `: T9 D$ `) R  X" I1 M
这在实验中已经考虑到的。输入 ZZ 得到 AA . V4 \* v' C4 {' i6 c" J1 K
; j- C' A3 T* {# R- K
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  ( {7 V. ]5 t9 l  T; S  a! r

! x& n+ \( h* W* X% j5 y/ n打乱顺序输入 NBC， 得到 OCD。
; o2 {! J+ x) P  `6 k  _- v* h3 {/ g' b  L: J
这些都是建立在只输入主贴原始规则的基础上的。0 P" H7 d- A) b# @$ x  x. _6 a
2 w+ x: o* X! _6 }& {) \) v
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 ! A& X" D* A, `8 z1 i$ Y
孟词宗 发表于 2024-10-19 09:14  n' ]5 v  _5 _8 m; V+ b
yanei 刚才问: 有没有回答AA的 ？3 t6 j( w3 i* Z# m  k

) d! p; i5 k7 X4 z$ V1 Q这在实验中已经考虑到的。输入 ZZ 得到 AA
( F3 u' G7 `. c( c+ `

# D: S0 C! B3 N4 V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。
1 |; ]2 [9 {) S, d) U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？, `( W6 m3 h6 \0 R* \6 D( a: q/ j

0 v6 n9 F( {" C4 |; n6 M7 X. W7 W, E% H% ?. n& A# E0 n
这在实验中已经考虑到的。输入 ZZ 得到 AA

7 \# Z8 F4 {* _( h" f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 10:486 k) J; T# T3 a9 s
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 ...
+ ^$ o3 U6 t: A2 e( p
用DeepSeek试了一下：3 e6 }4 D; g* }: K" j
第一次的回答是：
; S2 l; ^0 D9 `& n% VInput: ZZZZZZZZZZY
+ j8 l6 N4 f2 F0 i: ^: @) w  NOutput: AAAAAAAAAAZ
4 }2 J5 U+ a5 T3 @! y0 B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？
4 [$ s% _% Y+ q1 ^9 NDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：  _0 L" m1 b  d6 @
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。4 u! X' g# J7 T% {) {7 ^
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
& I6 D9 B- f" ]+ |用DeepSeek试了一下：
3 ?" d/ i# ?0 ^第一次的回答是：, e3 M6 {5 N, t% B* g
Input: ZZZZZZZZZZY

2 n5 j6 d" j+ o6 h5 r$ Y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 09:141 O/ l# O5 [5 V% I
yanei 刚才问: 有没有回答AA的 ？- s; X+ P! s" \. ?
+ Q5 `4 O" J- B8 z
这在实验中已经考虑到的。输入 ZZ 得到 AA

- |8 @1 N. b5 z  m& C* H6 n+ 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
0 F( w3 N. w( o  g( G: P
- Q& h5 @7 Q/ {对于当前人工智能的能力不应该苛求。
* E; ^3 u. u  r& M, n4 s人类乃至动物的智力发展也不是一蹴而就的。
+ b& v9 X% p2 a& v+ {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
- m* `4 P- w( ^7 j1 W3 V7 S3 @; c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， ...

/ h& }# [( [! H- i+ f/ q. s( H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。6 e" Q2 ]1 e# k+ ^0 x# g
2 Y4 F' W+ o. L3 H( ]8 o+ b
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。% a8 `1 l9 c5 S+ A# S% A7 L
$ I1 b3 D1 O& ]# _# h7 M% q4 L
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。
6 |, c. f5 |  [9 m
$ e1 i; u% p. ?9 _1 U" 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