|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 + f4 {" j, O* q9 }
5 K/ t# ^% I; S$ t% F; N$ l6 \
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1 j; g/ J% Z" `5 Q
# F3 Y0 {5 V: _3 X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。
5 r# Z' y" x5 F+ \" e: X; `+ D( l9 \' ^5 v4 ~4 o1 z
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。
0 l* O! F/ s- A3 N1 I6 n
0 G: M, m( [9 d5 g1 i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.5 t9 u# J$ t6 A
/ n, g( V2 a, `) I1 ~; D# T: G$ ]
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：6 {; y/ g* l) i: E6 x9 K
我: A/ k- [: o: `' w- u: X. b' f" S, B8 K% c
AI: B/ t: s# _( j* m# @# W# J- b
我: B
7 U* Q5 a5 R7 C5 H& Y6 F; \AI: C% d8 X; P2 }+ Z* g `8 S( f
我：X( f) Z2 ]7 n6 C$ }4 A* T
- B/ B. x% b& M5 E+ y
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。
D# }' q% G1 u8 ?8 y0 ] h+ F+ |7 e5 r1 ?
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：% Q2 ^% `, J$ p- v
我：Z
@' Z f3 t+ f, F5 R6 s) ~) S3 s/ ]! g q6 M$ W: t$ L4 z9 n* G# B
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。
; T% U; n. J( N( {: ]- J1 A* ]* h1 g. }
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。
, b' D K3 {; p" s& y/ ?# N: p& }3 y7 w1 q) s: 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。6 ~' @3 w1 L8 E; R& F" E
3 n2 S( }+ c( L( t% E7 {
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：
9 [" Y4 f5 X. o% c“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。' S' R" s# F+ B1 ?% c0 V
, I8 B' D9 @; x
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。" K' X4 \& I: {& {4 X
) E% T. I& u7 [' J* x* b6 K2 u2. **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。* k) |/ t8 R8 z$ s0 E# V
@9 x- W4 o3 X, v1 b: p; Y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。
|
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2024-10-19 09:02:34
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。