生成式 AI 有没有推理能力？

孟词宗

! g$ B: B. r' I3 N9 S* J
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
( N- H" L! {$ v/ `8 P
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。

$ ~/ A8 v& r) m- g# j% W2 X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。

- ^; ]. S8 Z7 l  C' K& g: K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/ w# ?. _4 _# X% V2 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：
0 i" f. f9 ~. o% x0 b# S我:  A
AI:  B
我:  B
1 z4 k# Z2 K) ]. MAI:  C
' U+ f8 y/ t8 N8 \4 @! P# Z我：X

* d  p5 Z) S% ~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。

& n) I6 q4 T2 D! _+ _$ V# J" T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：
7 R2 o7 J6 x( X% F  y3 a我：Z

" e5 Z4 z  ~' l! P- G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。

# O  b$ W! H' ]7 o5 o7 q# Z$ ^- Q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。
8 `7 P5 ]4 P+ N5 a
* D* r& v: D; P1 G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。

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。
7 |* }# j$ R7 [& w
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。

. o1 c, k' L2 ]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。

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。

1 o6 G* a4 e- W2 j

唐家山

% K- I0 Q' _+ B) z- M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。
6 v' o4 v9 L+ T/ C$ ]& ~2 l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。
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
8 J/ \) M; w6 l) ~3 i# 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 ...

5 R( V) h9 |: [( O- ~, S# M! wyanei 刚才问: 有没有回答AA的 ？
3 N- y' X: W7 I0 i
这在实验中已经考虑到的。输入 ZZ 得到 AA

( p) o5 K' P# d4 D  H# s8 w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。
8 W+ k5 H& n2 H7 E" x' C+ P
5 r6 o. K0 p! ~这些都是建立在只输入主贴原始规则的基础上的。
$ M3 ~+ ]5 F8 ^7 F% T
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 ？
" Z2 {- O2 ?; v# R
这在实验中已经考虑到的。输入 ZZ 得到 AA

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。
- l: Z5 B2 b* O0 \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？
. ?0 S) D9 c2 P* z4 G+ m
( V# |2 {9 }1 S7 R3 O+ j" \9 I1 h. s
0 H2 t% r" d* Z

这在实验中已经考虑到的。输入 ZZ 得到 AA

这个有点意思了，如果输入10个Z加一个Y，输出是什么？