|
# t" p0 a5 p ?8 {& p4 a8 o
( A. q5 p# ?+ e" q
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。
# I" B+ B9 i4 V; e$ h9 K# f U2 Q( ?5 }. L/ {9 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。
8 S' n9 J& u$ I+ I+ ^; @0 T7 b6 {0 @4 U- g$ K7 }
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.
( s1 y% U7 P: o3 D- j
# `$ t1 A" P5 @& D: D- p. W( ~1 @% pAI 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:4 x2 C; k: Q8 y" {
我: A6 X' C y& n8 f$ _& v8 r! \
AI: B4 A m8 X* w: x b3 _
我: B* @6 N- u2 q, C% F
AI: C
4 z+ {: O# d# N" ~% H: T" T& p7 X4 F" c我:X! ?+ n. o% r1 G" X* G
6 N' [/ t. p; O" r9 B% ^& a% 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。( Z0 F: k! ~( _( I- U
1 ~7 a3 B; B9 I2 U9 g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:+ N, a! k8 N3 g( G3 p0 o
我:Z/ O* ?. `+ @ d( y$ r
& O8 ^1 [4 v4 t- E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) r+ v* z- O
6 n! S. [) n# L$ i0 x$ Y8 ]1 X. S
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。
" c9 W- H5 C: r" O) p9 R) ^9 V5 ?0 z8 \$ K
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。5 r0 d6 b! b! u" f: M
, Q( E1 H6 o. _, d5 T, a
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:
+ t8 E |' [+ F6 e- 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。1 E5 A4 Z, l4 p. U
/ M4 [. G/ x4 W {2 \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。1 k. ]4 f7 H* Q: d/ u& O t
' ~# o1 o n# o$ X: Z$ }$ d2. **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。
; D! X( T) X s/ X! P
' I/ l1 C- n1 N; l0 t& ]% s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。 - O3 M2 ~" b; g% j% J6 V8 H6 h
|
|