生成式 AI 有没有推理能力？

孟词宗

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
0 m6 H  k7 S* x8 `  z
) O/ d! u) C9 E5 l- {0 K2 }+ e9 G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。

1 d3 U9 I- ?, ?, ?6 {( Q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$ A: ]; E5 J) P- b7 f3 L6 F1 _
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.

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：
! U) t  ?7 K" E; L# u5 ^) ]我:  A
: \6 ?  t  ~/ o+ |$ O) NAI:  B
. e1 f/ x# M; O" a- ], a& w我:  B
AI:  C
, d% z3 n) p* S+ d9 y; s我：X

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。

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：
7 W" ?' u; V8 x4 w我：Z
) A4 l0 f2 u% K% m' Z0 F0 W
; n& m1 N2 Q+ P' R$ K  S4 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。

% S- U  q7 h! P; G& {! c, M" f- p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。
0 l" d' i' L. [% w: ]
# l) b5 @7 F; X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。
; m, n, ?$ d5 S3 l$ }9 O# t
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：
2 W7 ~3 s4 [3 C  w2 x0 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。
, @! M& m9 `1 i4 y: O1 X; J, A4 D. ~
2 Y4 w8 V* J# K1. **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。
1 @$ {2 L, ^9 ?% O
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。
7 \+ q- ?, m: D2 s4 N
% d  D  B4 H9 x) c* C2 x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。

0 X- Q" t1 p2 V, V0 ?1 U

唐家山

2 h$ R8 _  s4 N4 J+ t0 {' C8 z$ K. ]
9 k" g2 g: ^! o4 v推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在证明的过程中也分三种情况。第一种是直接照搬已有的证明，只在语法层进行修改，用于消解待证目标。第二种需要深入理解待证目标的语义信息，以及已有类似证明的语义信息，借鉴已有证明的构造模式，构造出符合要求的证明。第三种是还没有类似的证明，这种情况下需要从头开始，把大脑中的非形式证明，翻译成形式化的证明。
# r% _2 C3 X- \( I第一种可以认为是一种广义的模式匹配，目前大模型的水平处于这一层级。
- G$ v$ `# }4 `! R" W如果大模型能够做到第二种，那就应该认为它有一定程度的演绎推理能力。
2 ?. ?, C% h8 g+ h+ c8 P4 Q如果大模型能做到第三种，那它就已经具备了真正的演绎推理能力。

孟词宗

唐家山 发表于 2024-10-19 09:02
7 U! s' w; i$ n' s1 E: u9 y推理能力也是分层的。交互式定理证明应该是最硬核的形式演绎推理了，在完成证明的过程中也分三种情况。第一 ...

yanei 刚才问: 有没有回答AA的 ？

( u' d) H) \  ^/ N! M/ x% Q这在实验中已经考虑到的。输入 ZZ 得到 AA

甚至输入 ABC，得到 BCD。 输入 XYZ， 得到 YZA。还可以输入 ABCD 得到 BCDE。 输入 ABCDE，得到 BCDEF  
5 T$ h. D# v8 ]* R4 h6 S2 [& o
2 S7 x+ W4 _( D打乱顺序输入 NBC， 得到 OCD。
# [: ]& g* F* S$ `. x* m: @& g
这些都是建立在只输入主贴原始规则的基础上的。

! ^9 X- a* b8 y, b$ S6 t! l$ ^由此可见，在给予一定规则后，高度训练的 AI 是可以表现出类似“举一反三”的推理能力的。而这肯定不是什么模式匹配。

唐家山

' u6 g% W: @- s% F# g* J4 V/ W

孟词宗 发表于 2024-10-19 09:14
1 T" b# d: D! c  T. H- {yanei 刚才问: 有没有回答AA的 ？
+ h: `+ d/ z7 }0 Z
这在实验中已经考虑到的。输入 ZZ 得到 AA

看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演绎推理。Z后面可能是A，也可能是大模型从其他语料处学来的公共知识。
一个认真的演绎推理至少是要考虑递归可枚举的。能否请你做一个实验，先给出自然数的生成规则，让大模型学习，然后问大模型一个很大的数字，比方说999999，然后问其后续？
* M0 z& q- `' k' d) U8 e8 E
0 e5 O* g$ R( O
  N" ~" n, i4 W$ R" x

这在实验中已经考虑到的。输入 ZZ 得到 AA

这个有点意思了，如果输入10个Z加一个Y，输出是什么？

唐家山

唐家山 发表于 2024-10-19 10:48
6 F8 U& P$ W9 i4 X* v看了一下你的这个实验。实验使用的符号集是有穷的。这种情况下，只是简单的枚举就可以搞定，谈不上什么演 ...

用DeepSeek试了一下：
第一次的回答是：
: o6 j+ D/ N( I' Z) KInput: ZZZZZZZZZZY
- X+ M( `3 t' [8 u* b3 r+ ^, w2 V( AOutput: AAAAAAAAAAZ
+ L6 o) E/ Y# N1 y$ @1 I7 _* R7 t9 A在我做了提示后：如果把ZZZZZZZZZZY看成一个26进制的数，那么这个数的后继是多少？
3 b& ?( o: t% u) u( uDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。

孟词宗

唐家山 发表于 2025-2-20 10:25
用DeepSeek试了一下：
第一次的回答是：
2 o5 X# \# \4 w. Y. t! k9 ^Input: ZZZZZZZZZZY

/ |1 C6 A9 _) K  V- v有意思的是，如果你不增加最后这个“把ZZZZZZZZZZY看成一个26进制的数”的条件，很多 AI 还是有一定概率回答 ZZZZZZZZZZZ 的。只不过这个回答是随机的。即使是同一个Session, 你问两次，前后结果都有可能不同。从结果的稳定性来说，DS R1 的确是目前最好的。

yanei

孟词宗 发表于 2024-10-19 09:14
6 G: W2 ]; m, ], |yanei 刚才问: 有没有回答AA的 ？
- n0 Z  [( b' Z: ?0 Z
7 y+ ^. _' }9 L这在实验中已经考虑到的。输入 ZZ 得到 AA

5 G7 X5 Z( o7 e! M: k我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA，然后AB，AC，。。。AZ， BA，BB等等。

nanimarcus

: e. I. K$ T1 M' N. {
( `2 y$ [/ b8 E; f0 c对于当前人工智能的能力不应该苛求。
4 [$ d3 g; z9 X- ~2 K6 v! @人类乃至动物的智力发展也不是一蹴而就的。
: @1 m. Y# ^, \' [/ l) N: U! H只当现在是草履虫又如何，迭代就是了。

孟词宗

yanei 发表于 2025-2-21 01:31
我的意思是我在列举事物时， 在A到Z用完之后会用AA，BB等等。如果把这个看成是26进制，Z后面也应该是AA， ...

3 D8 r4 `+ A& ?  b: X5 N初始条件中并没有“26进制”的限制。因此 AI 可以做出任何符合初始条件的推理。
; \3 V+ U+ Y4 D
另外，AI 会做出什么推理，给出什么答案主要取决于其受到的训练和训练程度。这和人类是一样的。如果你问一个不懂除了十进制以外还有其他进制的人，他的回答基本不会是 AA。
; O  P; N6 P% f& O  l7 r
有意思的地方是 AI 除了以上四种回答，还会给出一些莫名其妙的回答。例如有些 AI 会回答 "Z" 之后是 "[", 这是由于 AI 推理用的字母表是 ASCII 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。
$ V* G( D7 `, R1 {# _2 q3 [
但有些回答就莫名其妙了。例如狗屁通经常会冒出一个完全不搭的答案，好比“b！”。完全不知道从何而来。或许这是狗屁通“灵机一动”？真的像人类那样有了真正的创造力？