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 F) c4 C$ Y, @3 U6 O5 @  ]8 k

) V, f' j  D# K, D3 g' d, l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) e5 ~# _+ y% i3 [& ^

- _1 K5 a! C" l+ p8 R( v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。
$ O( U/ t- o9 p) h- G& v4 o0 `3 g: x. C5 ^8 E. j
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 l9 k. ?5 }# ^# h
$ M( V: X2 ^' J- X% a
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.
7 t. _: q0 t2 s/ c2 ^4 J9 w! D) E; k7 a4 v! P1 K3 C$ `) O! s: `
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：7 V, F4 `! ~. }- g
我:  A( z2 u6 N5 o/ L% s, f3 @# G3 ~- F
AI:  B
# l7 m! P1 G- F% J8 O( m& w我:  B+ T3 }( U  S/ V
AI:  C& c% e* J1 I4 C( e$ ^# N2 @9 W5 ^
我：X
$ i2 R  k& R/ L2 n* u3 o& S- |$ [4 }; _9 q( z
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。
/ n+ C3 `* i8 s9 k) c( y
7 a  _5 b) L( A9 }" r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：. E6 b2 d2 |; S% H. V  U
我：Z( B( i) t9 G; X7 S

* Z2 u# |$ W& c( }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。( F: u' H8 ~1 h
5 q& |- n+ q0 N$ C
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。3 B. A1 [2 @2 t5 ~

, I" q7 q1 v4 I# ^( l8 x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。
+ D+ u: k- y) t5 m! l
7 \: ?  |: ]% 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：: W+ ~( q% h4 L/ p" L, N. F  P
“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。
1 n4 U, q7 u# c. i: U& U3 i$ s3 s# e7 L1 f
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。
( {% I$ B; J$ u' t
" [+ o$ w4 i: R  U$ B. k2. **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。4 e' S* R  R/ t3 I0 ?

9 {+ N' B$ j; [5 x4 S' Q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。

5 R: F. F! g; z+ M) F; f
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 7 a8 T! v& N' [

; C9 y. b% F7 H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。2 t+ p  S2 P8 A5 K
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。( d/ P7 ?* D: c
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。
/ V/ m$ @" V  ]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 09:024 P$ \5 Z3 |8 Q: ]! H
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 @& P: e( q9 i, M( N. d" H! Jyanei 刚才问: 有没有回答AA的 ？# X( u- {8 c6 ^, Z
- E- ~. L1 J( {* n* b, ?, k
这在实验中已经考虑到的。输入 ZZ 得到 AA
% M7 H: ?8 f' ~: g
2 b* o3 d8 N& u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  
4 t" p7 e8 C5 [7 f' N5 K3 \1 g9 M0 g. f
打乱顺序输入 NBC， 得到 OCD。 1 P! x9 b# z( E3 F
$ q0 u0 s& h3 h
这些都是建立在只输入主贴原始规则的基础上的。% e- b; n' ~$ y. h9 Q

8 a! X3 C% U' |" F3 J1 k9 K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
! b6 h  }7 m7 B
孟词宗 发表于 2024-10-19 09:14, n- B2 S5 o) K. T
yanei 刚才问: 有没有回答AA的 ？
2 L" @6 Z$ y7 R  Z# B' Y
! F, I7 t: i8 U& c! z8 a$ F/ ^: L这在实验中已经考虑到的。输入 ZZ 得到 AA

% b  s" s' ~" e5 C6 h
' l2 [8 W5 s# v) J' D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。% t+ z- @; E7 @
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？
! A" n: j- B1 X/ @4 ^2 d: W% y. h1 C
% z% q. W3 V, D( ]3 z# q+ y
这在实验中已经考虑到的。输入 ZZ 得到 AA
" |/ [+ ]% n6 Z; K& [
这个有点意思了，如果输入10个Z加一个Y，输出是什么？



欢迎光临 爱吱声 (http://aswetalk.net/bbs/) Powered by Discuz! X3.2