|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 # P( w. r) w) J% g9 o) H
0 h$ s: ]+ V$ [5 @
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
# Y9 I* y( m) { \* D* B+ y6 x2 c: o1 T4 j, [# \+ D
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。3 K) O, O* D( i
8 n V* W' ^' Y" u0 `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。
i& r! y& o( G
, g. j4 B1 S* S x& j6 H& j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.& A6 B% S3 I# t6 m! v: m7 J8 R
+ C9 Q( G. O2 W) ^7 N8 \5 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：
% }$ `( p( P) V8 X我: A k% F( ]4 A. w% u
AI: B
! l+ P; o( D3 q/ x" C/ ~6 @5 ~4 |5 O我: B
. d2 ?4 N7 I2 D% Z/ BAI: C
7 r5 H# v/ j2 ?4 x& A/ S我：X
5 ?" ?- f; Z4 j) B8 [
# F% x6 O. W! P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。
4 x0 {! W5 W. \: T9 {5 K; Y3 m! ^' M, Z. u
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：- K" i, O, n1 K5 [/ _2 r7 ?
我：Z
+ e* C* I2 ]# b% u5 ]
% _: E0 `6 B! D; 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。% [2 k0 ~) Q7 J3 G- U0 [/ s* ]0 i
8 w: D. W+ L% P; p' A6 s3 v
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 D. z. \' u5 x# n
v" F( N0 a; w& p2 F; Q* b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。 l2 F% w# K$ }, m$ {
- L6 G0 W% S% t8 c+ 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：- W& k& h7 ~4 Q- ?
“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。, s! F/ y* ?. h. a) R3 t1 M2 T" y
: B' |1 Y2 f% N* _
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。; D1 {, z& m5 r3 q+ u9 Z" C! c
% `" T4 H3 p5 ?$ h- U) `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。. A, k4 G2 M7 P
3 U+ e1 T: m- Y- y0 M+ n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 y7 X) c2 d. g5 p8 R& f |
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。