|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
4 G% T' }/ [1 T- _9 f e
. U. Y; W5 a: h1 L O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
+ x# X4 q7 c6 Q9 v4 `. ?# d* z: u) g" ~* n* Q9 C4 t
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。
( U$ O6 R0 w; }: X4 v1 @( ]6 d
# y2 L- J- c7 r) u: f$ b) D) I) }: O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。3 F: h/ x# p0 v3 Y8 M9 Y
. t+ [6 }$ u% H& V, s& E7 {: R% Z( l
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.& N6 q0 ?0 d, U' h5 n& v
, Q4 P& ^$ X4 X# h8 i+ P 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：
% A$ |& Z0 b1 m% S4 w/ h; T! X我: A
& R4 d2 }3 w/ j* K' R" iAI: B2 }9 B; h- i4 E
我: B
' j5 z3 S) }& h# H! L. x' z NAI: C
3 w- R' T3 Q- |+ x. N我：X
( W. A8 r7 K, Z( A: d( U1 k/ Z% Y7 o* {9 q" M- a
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。' B+ J$ V6 y+ o6 m5 J& q
1 z, @8 `6 J/ c1 p; G. f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：
Y, t5 L; h8 ]4 U我：Z& G, Y9 u& s" \7 [/ E
' J8 Q- v; P" K& q J1 m8 A2 D6 n
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。
8 }2 M9 }1 R* U0 _8 P. X4 B5 X4 U
1 p% b4 W2 g! y T3 e f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。 j2 N1 |* q# T& e; E& j1 b
/ [' t* h1 |# y3 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。
$ ~2 e# b; L) U3 t
h/ O. _! ^* G; v% N: Y8 o9 b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：
, v* I( x$ r* j“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。( \, H/ g* j8 p8 t6 ^, m
9 I* M# Z+ y/ o" ?/ x
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。0 O$ R5 s0 ^3 P- z1 a. }
( K. q5 `; e' P. h
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。- y6 j, W5 d) N
/ T. F. q# d- \) B: s9 v9 r( J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。
, [8 i2 O7 `. F* C |
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2024-10-19 09:02:34
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。