|
& C! @* D+ o5 C6 \: D H9 z, }! f% p5 B8 {
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。
+ o, O8 L& t9 h8 Y" I# E$ ~
. A* [5 k& y. V( o: I" C' t3 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。
3 I9 y% U& l$ S7 c: j: O
9 F# d- B; B2 W9 H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.
+ @; t8 }: I+ ^" W7 w8 E9 `- r) a& F" R/ `0 B
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:
. e' N4 y- t, I7 W2 d1 h2 t; X, ~/ Y我: A
+ V+ C* a: E. f# [4 VAI: B4 ^5 O$ }9 p8 W/ {: R; U: g! q
我: B
6 t. p1 v3 p* s( h$ y+ {2 fAI: C# y9 N+ k* j' F6 \
我:X1 [8 B* D, \* A' ?9 ~, ~, y, q
D( I2 i7 l [4 N. B% _5 C; Q1 `
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。
& @$ z& d( h8 S& j' X. x1 y2 M5 Y* A% h: P }
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:
' V* y; S s$ P' A" n我:Z
7 ~- R! T8 w+ Y8 {1 B, ^( ]9 J! X3 d/ q! l! R) _
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。
H. Q2 l+ B2 I" u. U5 F! [# G! Z, f R3 g
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。5 Q$ `4 S) Q! T! r
i, E' k4 \4 K
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。 X% e1 ~+ ]' i3 v; {' b& v" @
% R+ m8 w4 N' k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:
# c9 z1 n9 C% r! s“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。
* }6 k! ?5 @# t# m7 c- t
$ Y4 l9 Q3 C2 ?: t& U4 a1 Z1. **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。
8 R8 U! `9 a! {+ P+ p: r, {& ]# Z3 i/ W
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。
6 z% F; H7 C' a* P. b; a
& P( |. U- \- M, w( ^- Z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。
4 c y/ j, \- U3 Q5 |2 e% d5 K |
|