生成式 AI 有没有推理能力？

孟词宗

1 [: V- o. u5 a+ t
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
- P9 {, o, t* Q. v, R- Z
+ o  G1 k9 P4 e- f1 H& U+ I4 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。

0 [  X, E% R& j( r+ \( h1 ]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。
; |# k3 X7 l3 K8 Z0 @7 [# c8 Y
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.
8 B2 |6 T! T. T( @
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：
我:  A
AI:  B
我:  B
AI:  C
我：X
, x  |. C! y( t* E# `
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。

# H. ~  _1 V: z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：
6 f8 ^* t& z8 _" E9 f我：Z
; X0 {: L' t0 x- y' w7 |/ h. i! E; `
7 U9 R8 R# j$ ]+ }6 w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。
4 {4 A* Z) V6 p7 W5 {! t* j1 q
& F. W; H1 h* _% |5 L) \; N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。
: K' g2 L, R6 R& e5 U0 d: |
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。
- d  G# R8 t6 f. _0 N
5 P5 |, l0 I# v! F, ]  x4 ?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：

“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。
- X1 u/ p: f( \9 ]
& }1 X8 y9 ^) s6 S2 y* L. O1. **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。
& K! J( G. [3 x' Q
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。

. W' ]1 y7 v0 O+ l" T! ~" l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。

: |) Q( t# m& i9 i. R

唐家山

, s# ]% G) U4 g4 {% W& c
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。
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。
. ^) Z" D# i; t# j' L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。
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
9 c+ L* V, N% D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 ...

3 b, }% g( N0 r. O& h9 X9 v, ?9 j. Byanei 刚才问: 有没有回答AA的 ？

这在实验中已经考虑到的。输入 ZZ 得到 AA

2 b7 w5 i0 Y( m( v5 j  p- I5 i$ j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  
, h6 V+ U6 H- `! `* s( S; U0 h- `
' X/ r2 w, G6 ~' R, a打乱顺序输入 NBC， 得到 OCD。
4 Y" Q1 c! y5 i2 e9 @# X1 _
这些都是建立在只输入主贴原始规则的基础上的。
% V5 X7 d( |$ L( L) b- q$ V( v
$ w7 Z5 @. C8 J/ B! x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

0 y% h9 y' ?+ p6 u) y/ N

孟词宗 发表于 2024-10-19 09:14
4 I$ i! v: t/ w* t- i- C6 @yanei 刚才问: 有没有回答AA的 ？

6 r# g3 e! d4 l这在实验中已经考虑到的。输入 ZZ 得到 AA

/ D6 c% {3 c( v; |$ u" F9 T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？

; t1 y0 a# T# r+ K) I& _8 n
$ b! m9 v' [: a. l+ S2 v

这在实验中已经考虑到的。输入 ZZ 得到 AA

( C( d% t4 Y6 N; X这个有点意思了，如果输入10个Z加一个Y，输出是什么？