生成式 AI 有没有推理能力？

孟词宗

; X- e* ?$ y' Z' P/ U: v' P$ D
( W$ d7 Q' Q# r' ?+ F  _' q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
; x3 T: c; M9 h" b
' V2 u* ~( \% A2 X2 ~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。
3 K) L& p* ^. ?  c
6 i0 Y* d$ T2 ?& E7 w2 n: v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。

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.

' _2 }6 f/ l; WAI 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
; I8 `7 k9 n+ E' ^AI:  B
我:  B
4 _7 K' J/ k2 h5 J. EAI:  C
! t2 z4 |' {  c. Q+ n' j* c( T我：X
/ t/ u4 S9 d( O* [3 W' i3 k  M
* R/ `9 n+ t: ~- X( n# H1 i; w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。
5 W9 u4 i, T" c  V, W! M! P5 L
: |- z8 l5 c% C+ }; F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
5 D! ]; [+ Z* T3 j' u
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。

$ F9 [) D  E) v% 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。
" g* O- P$ m& j+ Z
- u% {2 m: K4 S( h1 M9 f0 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。
% _) C- l+ x' {4 T. v. T3 J! t
9 W; x$ |0 U& i6 p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：
' ^1 t/ p6 |' V- {- E( c7 q

“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。
3 |  @+ I' O, X/ R! j- R+ c* u% _  P
- \8 g* k5 y9 {) m) k5 T1. **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。
; l6 ]1 d9 x+ x7 d  O, J8 C
! R* O; l6 x6 R* r, r/ X8 r3 x2. **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。
$ I9 Q" _1 G  r; Y1 I- 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。

唐家山

8 o1 s# I0 A2 N, H: |4 t& G" u& `
3 `) c; j  I) E) F9 e$ J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。
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。
* T. z% y' y/ T# `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
% k/ a/ A) D* W- q' ]  ?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 ？
$ Q7 y; P. Q( x0 e( t6 c- G
/ q0 H  h# S( |% y这在实验中已经考虑到的。输入 ZZ 得到 AA
% w1 V5 r8 H. ~. r
+ E; e' T( u2 U5 }0 k2 E% C( ^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。
# }+ j, u( A& @4 N/ d' r0 w
这些都是建立在只输入主贴原始规则的基础上的。
3 W* V- F; M0 i5 c
1 Z+ Y6 K. W, ]0 y; J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

# F) x( H+ e9 Y! `" O" M& t

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
; @" ?* P# V. A" }
9 _: W) N3 j: ]* A+ |- r这在实验中已经考虑到的。输入 ZZ 得到 AA

5 S6 I9 K/ u0 m5 z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。
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？
4 P5 w7 g, P+ P. `+ A
4 `9 g  V9 _0 u/ ]
" N7 L- ?: G* b7 F$ y: {

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？