设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1729|回复: 9
打印 上一主题 下一主题

[科研心得] 生成式 AI 有没有推理能力?

[复制链接]

该用户从未签到

跳转到指定楼层
楼主
 楼主| 发表于 2024-10-18 23:36:23 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
* a2 H& q, a0 L3 X! [) e: s9 l' E7 `, ~8 y0 Y( b6 ~* X
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# C4 i/ W; }5 g# _

% D) |# q& e) K# i' k, }* ^5 q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。
* i1 q9 a, L' [; v$ @: D3 ^4 j, _+ c4 G
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。' [% `, o3 j. c3 `7 l
; m2 Y" v2 {/ h/ g% H& C3 @
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.
3 f! X, M( E2 [1 q  U% |
8 M" h2 N0 a) N6 g* B1 K6 ?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:% a* E5 i6 ]3 L9 K+ r+ S+ T+ t
我:  A
/ U! N6 x9 r5 [; kAI:  B
1 R  q3 S6 |. P4 e) T2 F: T+ w7 y我:  B2 H* x, M; L" K  A  `
AI:  C
- [* A  y# B- M4 g+ ?9 R, x我:X( o, u7 v8 @: N3 Q) _
) c4 C5 X+ o7 R- b6 ~
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。
; V( q/ `* p9 `/ s8 z
6 |6 {7 s/ D/ 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:- C( I' I# D' j6 L
我:Z, H( I1 O# z# A+ r& k/ ]+ J% b# j
  M( K7 X8 U6 c) K* k$ P1 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。
* ?- H$ D' u, x/ p1 U# N- ]4 W) c8 ?6 @% ~( F$ x4 Z
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。
7 H* D% ?& ~. p& s7 r; x: a. h- e/ n2 J
+ ~9 g# e" T) v/ y3 \9 s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。
( Q$ u* d1 |& `3 S" O. w! u  U6 L7 P5 n% H9 e8 V6 g# H- e0 O$ P) U
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:
: a$ P1 ]) ^: U% n
“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。0 N4 U: L: z0 b0 _6 @( U2 l

! l" B! t% M! ?9 [( G1. **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。& y/ I0 W# j- y7 _! d
; ^. M( C; ^+ B" g  j
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。
- J- _, J9 e# t, {7 ~0 y% h+ S% B# f3 j0 |6 p" ~( G8 }
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。

: H6 b6 k5 S5 _, [! o: h

评分

参与人数 4爱元 +28 收起 理由
pcb + 4
helloworld + 10
老票 + 10 涨姿势
唐家山 + 4

查看全部评分

  • TA的每日心情
    开心
    17 分钟前
  • 签到天数: 3084 天

    [LV.Master]无

    沙发
    发表于 2024-10-19 09:02:34 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:52 编辑
    : o; l! u0 g; ~3 i* m1 n8 R/ D: f2 H: ~/ A5 _/ t7 t! n5 ]
    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。
    5 x" D. N) T( Y# `- p# R+ K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。+ H1 d: H& d# z7 z$ O6 C$ a; D. `; x
    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。" m( r* d6 q+ {% o
    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。

    评分

    参与人数 1爱元 +10 收起 理由
    helloworld + 10

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    板凳
     楼主| 发表于 2024-10-19 09:14:42 | 只看该作者
    唐家山 发表于 2024-10-19 09:025 t( g- e) ?6 r# {% T5 |. x  o" i7 \
    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 ...
    5 l+ q9 ^" P  R
    yanei 刚才问: 有没有回答AA的 ?" u0 D& A) V# l+ H" O% r

    2 m& U" C# V) {& i4 A这在实验中已经考虑到的。输入 ZZ 得到 AA
    # N$ p. x7 B# b: f1 ^) f5 a
    ( y. }& M  E8 M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  
    3 s! n" t2 n. R0 K% V( s. y  Q9 c2 f( J! h( E1 @) X% Z5 C
    打乱顺序输入 NBC, 得到 OCD。
    3 a+ I4 `' y- u! z. }
    . B9 m# Z/ G, i# s, H这些都是建立在只输入主贴原始规则的基础上的。; q% f" x( g: C  g
    2 Z4 c' |8 N! S- C4 h2 O
    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。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    17 分钟前
  • 签到天数: 3084 天

    [LV.Master]无

    地板
    发表于 2024-10-19 10:48:54 | 只看该作者
    本帖最后由 唐家山 于 2024-10-19 18:51 编辑
    % I0 T2 @( t* f) o1 g! Z/ ~. e* q
    孟词宗 发表于 2024-10-19 09:14
    $ ~4 }( E# {$ I! P+ s# m3 Vyanei 刚才问: 有没有回答AA的 ?
    " B- Z. G# J- G" t
    4 H# |  B8 ?, S这在实验中已经考虑到的。输入 ZZ 得到 AA

    6 \6 H# i+ E9 L0 h$ a9 L) M/ P2 |
    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。, f' `$ P: B  A7 C7 F* x
    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?! c1 c& O0 j4 Q: _2 q$ Z. T

    " t& R/ e+ d3 J2 W! k
    3 K1 F( g! a/ e* @0 l
    这在实验中已经考虑到的。输入 ZZ 得到 AA

    ; b7 |, w+ `$ Q- y这个有点意思了,如果输入10个Z加一个Y,输出是什么?
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    17 分钟前
  • 签到天数: 3084 天

    [LV.Master]无

    5#
    发表于 2025-2-20 10:25:52 | 只看该作者
    唐家山 发表于 2024-10-19 10:48
    1 W# g1 Q) H# j8 g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 ...

    6 d2 U; ^# E/ g  t用DeepSeek试了一下:
    5 i: c4 q9 E* U' y$ J第一次的回答是:
    * B7 R. r- W5 ?  J* Y2 QInput: ZZZZZZZZZZY+ E. j3 b7 o  @- a4 ?- M- _
    Output: AAAAAAAAAAZ
    - W5 W) \, K, z; K  K$ W" v0 u9 ]0 f在我做了提示后:如果把ZZZZZZZZZZY看成一个26进制的数,那么这个数的后继是多少?
    . a. i8 ~* B; x; ?( E" j4 MDeepSeek经过了长时间的思考(用时285秒),给出了正确答案:
    0 I) F9 S4 o. \. J* h将 ZZZZZZZZZZY 视为 26进制数 的后继(加1后的结果)是 ZZZZZZZZZZZ。
    : [' J4 g( Y: g6 v- D
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    6#
     楼主| 发表于 2025-2-20 14:04:36 | 只看该作者
    唐家山 发表于 2025-2-20 10:256 ^: }- k6 r: V; j- D
    用DeepSeek试了一下:
    , K4 _* z4 ^  r( _4 ]% |) j第一次的回答是:0 _( e, @& \: y+ C( ?2 z7 y! J' O: Q; X
    Input: ZZZZZZZZZZY
    " h: a, P8 J6 b' z1 |
    有意思的是,如果你不增加最后这个“把ZZZZZZZZZZY看成一个26进制的数”的条件,很多 AI 还是有一定概率回答 ZZZZZZZZZZZ 的。只不过这个回答是随机的。即使是同一个Session, 你问两次,前后结果都有可能不同。从结果的稳定性来说,DS R1 的确是目前最好的。

    评分

    参与人数 1爱元 +4 收起 理由
    唐家山 + 4

    查看全部评分

    回复 支持 反对

    使用道具 举报

    该用户从未签到

    7#
    发表于 2025-2-21 01:31:44 | 只看该作者
    孟词宗 发表于 2024-10-19 09:146 w3 C7 x- i/ u, B! C5 c
    yanei 刚才问: 有没有回答AA的 ?
    5 O% J$ A- v$ b$ D' l
    & u" F! m7 o/ E0 o6 u这在实验中已经考虑到的。输入 ZZ 得到 AA

    . j: ?8 ?8 ^4 s5 S3 \6 c我的意思是我在列举事物时, 在A到Z用完之后会用AA,BB等等。如果把这个看成是26进制,Z后面也应该是AA,然后AB,AC,。。。AZ, BA,BB等等。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    8#
    发表于 2025-2-21 02:20:02 | 只看该作者
    本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑 . D  E0 g6 u* `# ?9 M

    , B' y0 n3 Q! d0 ~对于当前人工智能的能力不应该苛求。& R. z2 X/ H2 D3 }4 S' Z0 l
    人类乃至动物的智力发展也不是一蹴而就的。& X1 ^3 K/ J. ~/ W2 y2 m/ G( S1 {- D
    只当现在是草履虫又如何,迭代就是了。

    点评

    给力: 5.0 不能同意更多: 5.0
    给力: 5 不能同意更多: 5
      发表于 2025-2-21 09:31
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    9#
     楼主| 发表于 2025-2-21 23:55:39 | 只看该作者
    yanei 发表于 2025-2-21 01:31- o- q+ K5 U# P9 |% c7 _
    我的意思是我在列举事物时, 在A到Z用完之后会用AA,BB等等。如果把这个看成是26进制,Z后面也应该是AA, ...

    0 c; i# }! \! G3 X  R初始条件中并没有“26进制”的限制。因此 AI 可以做出任何符合初始条件的推理。6 @* H0 ^5 ]  P8 R
    1 }' s$ v2 t+ c4 O0 t7 X5 b! f' n
    另外,AI 会做出什么推理,给出什么答案主要取决于其受到的训练和训练程度。这和人类是一样的。如果你问一个不懂除了十进制以外还有其他进制的人,他的回答基本不会是 AA。7 F* |  t5 `) |  m' Q2 K% S: q" w
    7 e% i  N" ^& v7 D
    有意思的地方是 AI 除了以上四种回答,还会给出一些莫名其妙的回答。例如有些 AI 会回答 "Z" 之后是 "[", 这是由于 AI 推理用的字母表是 ASCII 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。9 ^; q: y9 s" t

    ( g3 a3 r  G7 j1 p2 D! I% p$ ~但有些回答就莫名其妙了。例如狗屁通经常会冒出一个完全不搭的答案,好比“b!”。完全不知道从何而来。或许这是狗屁通“灵机一动”?真的像人类那样有了真正的创造力?
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-11-6 09:17 , Processed in 0.035032 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表