|
|
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 4 h' H$ c" }/ A/ B M
% a+ G5 n8 T& C5 S. f Q* T# L6 Q& Z2 r
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
2 w" X6 L7 J" T% S$ m/ d0 |& ?& U. L" o" _7 U/ w; X; j& ? x0 D/ N7 R
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 ~0 p( v4 P& K2 {$ _* y
: M+ Z: k1 a7 K$ u8 I d1 q- ~& @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 x/ y1 |9 F, r' F/ a+ n! f
# e) \4 w2 x n# c( R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.
0 m. j0 S8 N1 j# w0 x* K' e' @& C4 A
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：
" b. t5 O7 }1 i5 A; ~2 T' _$ A+ o5 m( D我: A
- n! E( S! J! G8 P3 sAI: B; {7 ^6 V9 q9 | c" |4 f4 b
我: B/ ^/ M. j( a+ R7 X
AI: C' `# p9 R2 T7 i! Q' N
我：X% R' e# C8 @9 c2 G' d
a8 \7 z7 S9 C
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。; q% x+ h1 L* n; e" c
0 V( F) m) V# n9 p; H" A6 O2 F5 ?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：
5 f- N- j. ?( f) W( v0 \我：Z
. _$ [4 k1 n! l* {$ Y
1 `, F% d! V2 C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。2 U& b4 m9 j$ {
& A1 V. P2 `: ~
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。7 o! C, T8 B/ Q% z' m
5 K# p/ R, {1 R0 D+ \
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。
) u8 @4 p1 C! |6 A( } w' c* u, B" r# c& j) w+ F* Q
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：3 j& B$ \& ~/ H, a4 M) 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。8 x$ M" I* p9 ]
5 X7 b& I& I1 X+ Y8 A1 V% p1. **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。
! u' t7 P) S7 `7 Y1 i, q$ k; B3 _' q7 |
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。
7 u1 j9 O( l/ P$ z5 v) s n: v9 E1 U2 M9 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。
|
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。