生成式 AI 有没有推理能力？

孟词宗

( o# o, z* s+ D1 O- {
& i% Q" P5 |" u$ ^: \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

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。

. g3 }6 G/ h# K6 e1 [- H5 [+ _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。

4 A4 d/ X3 h8 w% @8 X2 w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.
* j$ A2 T8 S; P! N4 M5 b& ?7 f
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
& ]1 x. E* c8 KAI:  B
. i$ \3 u  Q( s9 u; [我:  B
2 `' X# f# z4 [! dAI:  C
1 V9 [( ]1 j. ^4 ?6 t+ _9 F我：X

2 ]* U8 m' |. i6 k# ?( 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。

) K0 b9 A; l& r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：
我：Z
" D) y4 T# t1 A4 y# y
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。
  c4 L( Y- R8 q
. ?, ^8 C- T+ W% \7 @( [7 o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( O7 ?! s4 S/ t- y) i
" u# \6 c1 J& q* {! w( t% z/ l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。

9 h$ }3 ]6 h. O4 p0 ~" d4 \4 l" J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。

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。
+ {/ s" M1 \- V8 O0 A
2 k; y  Q2 {9 q- K( z# ?2 g2. **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。
8 F( s+ Y) n1 ~+ H
9 N8 D/ c' L) U1 u" F: M, R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。

6 \. i- U; R* m

唐家山

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。
9 o4 G" o8 ?4 R- a" `! n7 H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。
6 m* n9 ]- O* Q+ H6 X8 M$ A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
$ m8 i6 s. H! F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 ...

yanei 刚才问: 有没有回答AA的 ？
1 Q4 L- }0 f! g+ ]. Z& [' u  W, h
这在实验中已经考虑到的。输入 ZZ 得到 AA
  c. g& f5 N: a
) @% h6 L7 g( \* F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  

打乱顺序输入 NBC， 得到 OCD。

" S- K1 A$ G0 n$ t3 n6 G这些都是建立在只输入主贴原始规则的基础上的。
- }$ ?$ P% E9 G5 b% T/ h9 E7 m8 Q
: C* {* |# A! _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

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？

5 y7 ^: V/ P  ]这在实验中已经考虑到的。输入 ZZ 得到 AA

; H2 A2 {* X2 ^! z6 z8 a7 w* L- E
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。
$ O' P! w9 a3 h0 X7 I# V1 R4 s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？
6 m' {6 X) e/ [1 {
4 i9 w, M% b7 }' ~  e3 F+ D
5 n" X8 N1 @& x4 T6 X% N' b' b0 w

这在实验中已经考虑到的。输入 ZZ 得到 AA

" i5 x0 J$ ?6 U这个有点意思了，如果输入10个Z加一个Y，输出是什么？