|
% w1 d' C& x1 d. p& Q- @' U: N( f0 e6 \2 _3 R6 Z X
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。
& g5 Z! }* R$ q% t( l4 v% Y; z# U9 h8 c" ?4 b& u
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。
$ H9 e6 m0 ?7 y
' W% _- H- y$ n4 t% k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.
: U* Z9 {- W; _) @, c V0 C! l A/ D% |( o& Q/ R
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:; y5 M8 Z2 t& Y: ~1 V5 z
我: A) a" m- b2 i: w/ ?( B! P
AI: B+ v% a! Y/ g7 e7 r3 {
我: B: e4 z& J) R' B4 Y! o$ \6 U
AI: C2 y# Y, F7 `7 h0 T: O3 L. v1 ]
我:X& e+ L' X9 X6 a" ]
8 K- M- I; n/ c* G. I @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。
& T0 t7 V. Y0 R8 V% n2 T# v# f. S0 @! w9 H/ @( _
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:8 R7 W, K5 C* L: g) l
我:Z4 L" s) ^' @# w4 t% k
6 t/ ~1 y+ k) S" g: ~7 F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。9 } G0 I5 Q* d9 w/ a, L
) |+ z$ t+ d( m1 A
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。
+ Y4 ]4 v6 N) R2 U! C* C& d8 F" A, \6 B4 {- u& P- ]- G `! G, 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。
; J5 p" q% _5 Y8 H5 c. F- |2 x7 `3 L
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:
1 {# u6 U j+ Z$ Y* U, c( L2 j“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。9 F1 S1 E" I" q' K3 {2 U7 c
& @/ f" e( a+ R6 J! h( K- R% P1. **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。4 D2 {- i# N& A8 {% H/ _
9 ]$ P) u8 g. [9 l* t2. **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。
3 @+ R$ D( ~: I5 j
4 }. @6 {& O4 L+ o. u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 t6 l6 ?3 x' ?' P% f$ J- t
|
|