|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
, _# z& U4 X i/ }
0 I9 v5 @; @+ {( m" C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
2 X. p* N2 l H
P0 i4 W# d5 q" R8 l' f. N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。7 d2 _. x- ~4 _7 X; k- { k+ n2 ]
2 F$ n% m8 _- H& 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。
. i; M' J2 t$ M
2 b& n7 K& `$ n; \8 x/ F& i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.
; E5 j. [$ c) c+ y6 B
9 f3 o. A6 X$ {& h$ |6 J0 U3 ZAI 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：3 W# x- \; ~! i0 ~7 G9 n5 K$ u5 {" z) u
我: A" P5 s0 w% c) y" c3 J6 d( `9 ?
AI: B0 c$ c9 ~2 ^& L) E
我: B; r! k3 i z2 n3 b- A" ]: L
AI: C$ R+ @9 S& B: F3 {4 Q6 n; A( Y0 Z
我：X
7 c3 _9 d2 [3 e+ V8 R U0 Z/ n! N r2 @2 x- a9 M
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。5 E* L9 ~3 ^1 Y
5 u$ y3 W8 s$ `5 T6 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：: W: I% E$ U* o' ]9 ~9 c) M
我：Z
# f' k; y2 C$ E' j/ r; X; D! c8 E+ S$ D; t
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 w1 w$ V/ J) R0 B8 t
) N! T3 z& @ q, n, j7 E" y
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。7 D1 w- m, C/ ^# A: X
7 s4 w7 ]$ o" t8 g! H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。& ~# l3 ^9 y3 d9 c: g
' H% [5 i8 b/ U9 u- P: R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：
: p6 ]5 Z; b% z& O“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。8 S, p, c& s) N7 m1 @" k
! U, Q! F( ]% Y9 K
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。! Y8 Q& k2 F& {+ C
- }- y8 o+ \' \: H& a p. ` 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。
7 v) u# B6 @: E |* i, d7 \7 g2 z4 C- f5 c0 c
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。
$ h6 f/ v: p1 ^+ l" H |
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。