|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 # {" H4 ]8 {& W; Q; Y+ Y
, L8 v2 u# o2 _% C+ d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 l5 m& y: R$ [; K) L, d8 {' F
, O! ?1 |) m: S$ t C' [! E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。4 T& k# i9 [$ q a2 N* s
; _7 n; o% A" t3 {5 i; x
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( d* W% z( |4 a
/ m, z0 |& g/ w/ s: ]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.
7 v8 c Z0 z# i0 V& B% O. J/ P |. u! u: ]& |( E1 @
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： L( \2 ?. r5 N- S- R3 k5 Y
我: A
- E6 m- T, u3 n) j' h6 N. SAI: B5 o- e! S. Z6 Z1 X* j
我: B' ~" p% _6 ?4 F, d7 B
AI: C
" v6 C, V5 `9 R+ U3 f8 d我：X
$ A* J- D. F- i o s
f5 G$ L& q Z1 W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。
6 b3 N3 l1 r$ P+ }
* u. W: X: K" E0 `! p" L; `5 s0 W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：0 R% L4 r& }" s( ], L8 w/ A6 O
我：Z
* @7 W5 e& c' M5 O! _
s, I0 \6 A1 ]" H- V. 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。
# g/ a5 `% V4 j
0 w2 ~; x4 V! m3 C, @5 e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。" q( [1 v! M- t6 m+ I
. ~8 h2 Z; D/ |2 S* L {8 \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。" l/ ^8 p6 A- K: E4 X e
; c- w, Z, U" t4 M5 P' A8 R1 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：) b3 F& O- g$ T) v8 z6 X! i4 r
“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。! C2 }( k/ F: ^& { A
3 C% T+ ?7 V- H! f) F6 Q* `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。
/ P0 r# b5 t0 e! t4 z0 r
- `7 g; O6 Y5 X# A! S) S2. **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。
b5 ^3 _# v6 Y5 l9 Z* l e3 @. n2 `) Q; n; Y$ u7 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。
+ y% G6 Y0 R; n( x; z/ [ |
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。3 E1 f: }' H. Q- }