|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑
; P" N' Q% B# u. N+ v2 Q- t) e# O) u4 m; m! M6 T
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
4 A7 X. {/ j/ W+ W2 w0 K+ U$ f6 W% w8 \4 D: ~8 X) J; T6 p# Z6 c
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。$ S- }, O" G- l+ Q. I% Z7 H0 Z
7 e* z9 L2 r& T- f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。
2 z# }0 m; _4 e' j _# H% E6 y6 ^0 F) F; n( `0 \+ h( T7 L* J# f
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.
D' H- v0 {6 y6 m9 R
4 I1 t8 [9 c6 o# |, jAI 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：
% A8 d+ H* w. p/ {& X" j我: A/ ?% T3 q/ p* @9 Z5 }
AI: B, M& ]! C$ L: l( g
我: B
! i. U8 F* W5 Q0 AAI: C
1 M3 s+ [' N' U8 ~5 I- s$ E( i我：X6 I- H H4 ^$ c4 i. q2 F% U+ d/ o( H& p
% ] ~8 M7 |7 Z( d
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。
6 |/ @7 v8 ]$ g6 B( v% R+ f! {2 n; S9 S
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：2 E1 |% K$ D. o8 m5 M
我：Z
2 X0 V0 d$ F) o- D9 X$ {1 S' m; ?9 \0 {8 k: s- n# y
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。
* U! v& n& k0 O: ^" o$ O
# v3 k5 d3 C G4 r5 P9 t: @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。% v1 G1 X# U/ s* N, X2 B+ I6 _
; ?. Y8 L7 |+ A) M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。
1 q# d) i% c. e2 H" E- }+ T3 J5 H4 E1 P! Y: I# i- N n ?
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：
* |! V( M# u5 Y: r* E“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。; `% Z* V; } @) L; V
1 T: E7 D( R; o3 G" K1. **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。; j$ D+ c$ ^9 m, ~* Q, I4 l Z4 V) p
9 n& |5 `0 z* i2. **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。3 Y2 A5 ^% v. V6 ^+ w1 i8 ]0 `- y2 L
U& i! Y ^! K/ ~6 x3 N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。1 a3 I7 D- C8 D. t- p/ K! b