|
7 p6 H* R/ h. v/ u
. x. X; o; Z7 Z/ \ x% _+ q+ Z
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。
0 D. m) P0 ~ ^9 f9 P- w1 ^7 R4 S0 r. |/ p- x' J" r
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。 C1 y7 t, g, {4 a" x# f# k4 [
6 R- }6 _# f0 s1 \! U
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 i0 W L3 n" I$ ?
. V$ q( C+ J+ p; K" [ 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:
1 t; [& q- d4 |6 X) Q! ^; m. c我: A4 r, {$ C0 y/ W
AI: B
3 Q, I. g$ J. f% |; m我: B, ?9 W; d* y* ~' X& Y4 @& Z$ z! O# l
AI: C
2 P7 [' i# {/ S: x. J" g我:X( g2 g! \% c1 f) G7 }
$ i! D' A$ }8 b" T/ w! o
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。% q9 }2 X/ y. \9 u( f3 W) d# S
+ r! G3 N# d) a( [- @
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:( ] I% ?5 b2 g- i: |7 ~
我:Z
' j8 t# v. d# _, R% U& U/ l$ s- T; X
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。 x( u A6 ?' D' L$ p: Y+ w M
; m, z/ P/ k6 C. S" i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。, t0 E# R/ m$ H. q* }8 G5 {
% n5 T S! M. A8 _6 |" ?
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。! f3 m' O! z% |# r& r# o
3 C$ i: E( o0 s' a$ p) f
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:
/ R3 ^& W% {8 B Z) M- W( n& 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。! d& q- E. z' Q, `' D4 l
: e7 _7 Z/ N5 h3 e1. **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。; x6 B1 }1 R( y8 q v; ?. s# `
9 n& ?0 T Y4 D; A4 F2 r
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。
5 m+ R# E" `9 ~% O: z
. R; N+ E' N% Q* t: C, H/ h3 w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 p0 T l1 E# \; P
|
|