生成式 AI 有没有推理能力？

孟词宗

* t. `4 {9 D: k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
5 M' w) j/ b/ [3 m& c  s4 L
& Y; u, o% S8 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。

- }& X# a3 F1 ~; f4 i: w; N) n, 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。
* g3 s+ }* V# {2 c% z. {3 _5 g
. B9 r0 C% Q4 Z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.

% k! K/ y& J8 i9 z0 LAI 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
! [* U9 \+ X  E' T3 KAI:  B
7 g$ A& M0 ]7 k! P4 l: ?3 y' t我:  B
* [/ n, R+ n/ a1 S: @AI:  C
1 R' }& z+ s7 w) Z7 p5 q  d, y$ x我：X
) u! m- U: D  r9 u0 w* H% {4 a
$ p" J  \9 x; e( u' c4 Q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。

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

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。
& ?- g  k  i8 b, J+ J5 U# X2 h
; Y0 {' J! n1 O( x2 w) U4 @+ y( C4 ?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。
# g8 C" D; S3 I/ [( \6 a
9 ?6 D2 i) f6 h5 ^4 B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 E, k! U2 {5 |1 ^1 V3 B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：
4 g, Y! @3 n# H# ]0 S

“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。
5 S3 P2 _2 H6 K: C% w) {
, m3 E, m- T' w/ g9 P; h1. **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。
2 s9 Z0 v6 h' L# k2 X- T. @3 q9 u
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。
2 w/ s# i4 D8 K2 s
" {: A& |; r. g2 w2 L1 }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

4 j. k* H  o: X' F% f0 K4 K
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。
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
; w2 E1 c2 L3 |5 e+ f* ~  I; }& N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 ？

. o8 T2 A" U8 m0 H$ V# v这在实验中已经考虑到的。输入 ZZ 得到 AA

7 U  k' ]/ [+ a9 x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  

) U# N0 _% N& c# [打乱顺序输入 NBC， 得到 OCD。

这些都是建立在只输入主贴原始规则的基础上的。
0 Y* j3 b2 q" |
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 ？
( }# X$ n" {& C, k$ n$ u
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。
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？

7 y; u  t0 J' y+ t- [, C

这在实验中已经考虑到的。输入 ZZ 得到 AA

3 q) w# ^( N; K+ j- e; C这个有点意思了，如果输入10个Z加一个Y，输出是什么？

唐家山

唐家山 发表于 2024-10-19 10:48
! Y' q; c  x" F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 ...

! G8 Y, E, y9 N8 s- s8 T, g& E用DeepSeek试了一下：
第一次的回答是：
- z5 f+ }5 t1 S9 @, |7 L8 h1 d+ `Input: ZZZZZZZZZZY
Output: AAAAAAAAAAZ
; p0 s, p! O5 U6 V( l$ l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？
% O) `6 \# |& B4 D' f/ h, }' L- CDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
/ v' P+ f$ @* l" o$ O. P

孟词宗

唐家山 发表于 2025-2-20 10:25
& d, S! x/ ?! E  Y9 T. N9 }. C用DeepSeek试了一下：
8 o* A9 u6 S* K" D7 ~# z; w第一次的回答是：
Input: ZZZZZZZZZZY

  ?! @% F' ]& @) W7 i6 {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。

yanei

孟词宗 发表于 2024-10-19 09:14
yanei 刚才问: 有没有回答AA的 ？
. d" Q8 r* X8 H9 e" g+ H
$ Q# u  x( L; q2 k3 o这在实验中已经考虑到的。输入 ZZ 得到 AA

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。

nanimarcus

7 y1 L9 O$ W9 g0 |% v% h对于当前人工智能的能力不应该苛求。
人类乃至动物的智力发展也不是一蹴而就的。
只当现在是草履虫又如何，迭代就是了。

孟词宗

yanei 发表于 2025-2-21 01:31
  E- T  @4 Y* _0 T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， ...

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。
$ ]2 \  k& W, z1 \4 W& F
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。

# t# d8 p' f/ H6 [0 A. X5 O0 [, M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。

2 d5 R# M4 p9 z+ K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？