|
, l" O& z2 q# e% d5 w
- g1 L$ R5 i/ J6 o! C5 L0 w$ E这篇文章设计的测验很有意思。从实验结果看,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。
+ t: A7 q& V7 T4 G8 N; j( T: Q- L9 ]- d% h1 N
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。
" L! n; y; N' e4 _- i& Z( Q' z0 l3 q/ g. _, L& 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.
; N: \. x# D! I# s8 @( r5 B
/ C8 B ]4 [: w) z! u) y) f: r! t: 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:8 A" l0 k' i7 r5 \
我: A
7 [+ S. ^5 }- \4 c, H9 NAI: B
0 w& ^' b% o' u! J; ^$ J我: B
/ n* t+ T0 r9 _) k: c- VAI: C% B" q% L) H' ~/ w; U8 _; }' @
我:X$ t4 Q$ B I8 p2 q1 Z% q
; f5 Q2 N( V4 V/ Y# ^) i1 y6 u2 [1 i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。6 m3 L! `1 w9 f7 L5 ^& `
5 k t l" r5 `6 T' R: O# H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:
! d& U' d6 k2 W1 a4 S! c我:Z" z- G# l4 _2 A% n- o7 ~1 K* f! n
" t3 T+ w% y4 z: | B6 c: u
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。
$ D6 x2 @- T0 M3 J) o$ W
# j8 D& z7 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。- p' x8 G; m( i5 U
8 Q( Z$ q3 M$ X$ j, ~
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。
) Q2 X0 T% l3 c) m. y0 t
" N% J- E9 [5 e/ Q/ c& v6 l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:0 J6 X! ~9 x7 C) U
“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 S2 q L6 H2 [" M& E! ?3 D- G# {0 b- {" G+ _
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。, Z8 T; H8 g- ]
' h9 W$ Z+ ]6 [! d- L2. **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。
+ U5 }( k( h! r, c6 h {' z3 |8 i; a% n) v! u T; ]) p
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 N& j) j0 s; p6 {
|
|