爱吱声

标题: 生成式 AI 有没有推理能力？ [打印本页]
作者: 孟词宗    时间: 2024-10-18 23:36
标题: 生成式 AI 有没有推理能力？
本帖最后由 孟词宗 于 2024-10-18 23:37 编辑 4 s& o+ b( |; x1 _8 ^
# S+ Z! {- u; s3 t+ W; m
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- y/ S- T! h% {* X9 e/ q
' T: `- W# ~# `! Q4 j- u/ M
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 y! ^3 B( i/ |' E6 b, A

+ f7 }% u0 G' T# S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。
" L3 t  d+ ?  d! W
8 A: H- B* R! J5 p) F7 Y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.# y5 Q- m9 b) e
# |+ z% ?! v/ A5 s  x
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：
3 l# |7 V& S$ `+ a7 f- i" p我:  A
4 m* v6 v: |' L5 _AI:  B4 q: S0 o7 Z. T: Q3 {) V( ~0 G, @( _
我:  B
6 g% v) u5 {7 f6 E! U6 RAI:  C4 w  s8 J9 Z+ @
我：X
' m$ V: l$ {1 L' |
6 z3 n# [$ r: D3 S- p  G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。
0 P; k: A: X! c( ?9 F$ c: d4 p6 C! R3 s2 Y' ~& G
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：4 _# Y$ x) p2 L* e, L9 P
我：Z
0 D, _, j  |  {7 e7 Q
/ ^1 C% Q9 s3 N) r9 V* c3 h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。
6 T% b7 A( G4 e- x7 W: w1 @! A6 U4 I/ {$ N$ X: N: y
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。
, R, E' u6 [8 X( ^* \  q
2 N) q7 S* J/ x) y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。4 P# o! O& o' X2 p
* ?; h0 }$ y& Q4 h" z' w& ?
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：
" }: @' n/ c7 F3 a( J/ A
“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。( Q7 H) n- J5 s' Z6 M
: U8 n/ e2 S+ d9 P# ]- Q! b
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。! r/ s) C$ J1 d

; N1 Q1 d% r8 O2 X( \6 ~, O% R2. **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。$ j" z$ R: q/ `- v, V" i
7 o1 U2 O  I1 f6 x6 T4 m
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。

) y8 u. t$ q! G, ?# m. f) \: l  J0 ]
作者: 唐家山    时间: 2024-10-19 09:02
本帖最后由 唐家山 于 2024-10-19 18:52 编辑 2 u2 i9 q" K/ P1 X9 {" B, L7 q0 R

3 ?4 d# Y) Y0 W$ z6 P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。$ f/ Q$ v4 Z& h$ V1 a, k, D
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。
6 V( d3 x% q* ]% h: ^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。
, }0 ^/ W1 h$ _4 @- T! g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。
作者: 孟词宗    时间: 2024-10-19 09:14
唐家山 发表于 2024-10-19 09:02
) G( Y) r5 d, A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 ...
( v1 `( S% E! S( B
yanei 刚才问: 有没有回答AA的 ？
- ]& U5 `& P1 G# b9 }* x5 W1 ]( ^5 o2 \! w4 C
这在实验中已经考虑到的。输入 ZZ 得到 AA 8 W* n8 \( O5 y8 z! {4 U

! I2 `1 H0 k" ^' V2 h( 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  
2 T, }/ Q& m; W' b" x. C! {3 O6 y+ S4 L4 `3 K  g) I
打乱顺序输入 NBC， 得到 OCD。
0 b$ p$ w  A2 }  F4 q& q' l
* ^' i+ @* c6 U% R$ r这些都是建立在只输入主贴原始规则的基础上的。
8 n' M" j* ]: e! h) a( w' v5 i, _0 E0 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。
作者: 唐家山    时间: 2024-10-19 10:48
本帖最后由 唐家山 于 2024-10-19 18:51 编辑 % K6 a* L& `. q
孟词宗 发表于 2024-10-19 09:145 P# ^7 p( e' X, m( f) Q
yanei 刚才问: 有没有回答AA的 ？& V0 L  h& ~! `5 b
8 y. k% L' P, g- e. k/ @" E
这在实验中已经考虑到的。输入 ZZ 得到 AA

- I5 R7 A3 S8 @2 ~7 }" v' w9 y, ^! g* Y0 i7 g1 Y$ \
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。
+ m) f, r9 Z# X/ I; f5 Z  Z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？
6 A! Q5 U4 A, Z0 Y1 p' a
2 D4 n9 t5 ~( `+ T" ^* T% F% \0 M1 t
8 i0 B8 t# \, r$ m. q* y* H% G
这在实验中已经考虑到的。输入 ZZ 得到 AA
3 w# N; G4 d- S
这个有点意思了，如果输入10个Z加一个Y，输出是什么？
作者: 唐家山    时间: 2025-2-20 10:25
唐家山 发表于 2024-10-19 10:48
8 p! N7 {, R8 B; R- h, \$ V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 ...
  W+ b, R! [" N0 P. p% K
用DeepSeek试了一下：. E$ K! y7 O3 w9 j
第一次的回答是：
9 L2 |! [6 C) U9 ~5 mInput: ZZZZZZZZZZY
; W0 |& K4 E3 J1 N/ mOutput: AAAAAAAAAAZ
  u" N) _, ^% t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？
2 G' d( `. T+ Y6 K( gDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
* \/ F8 f5 G9 A+ `6 o& K2 p  B将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。$ e' I2 r/ `3 r, n
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
+ K& a8 {" y% V, m8 m6 _  ^: R' W用DeepSeek试了一下：* ^- }  N% G! o% x) b# H; d, r' e
第一次的回答是：
/ a7 R! Y. E" B5 z; a) FInput: ZZZZZZZZZZY
% G/ P3 u5 _$ V# D6 I
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。
作者: yanei    时间: 2025-2-21 01:31
孟词宗 发表于 2024-10-19 09:14
9 S: l. \2 h* t* dyanei 刚才问: 有没有回答AA的 ？
: D2 a$ m- o, Y
9 t( J' [& [. }( o, Q这在实验中已经考虑到的。输入 ZZ 得到 AA

0 W) O$ y! Y, c: S0 J0 `8 E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。
作者: nanimarcus    时间: 2025-2-21 02:20
本帖最后由 nanimarcus 于 2025-2-21 02:27 编辑
1 w0 }' M2 O. h8 c# a* h+ B  B) h3 T( v0 d2 F$ A6 Z
对于当前人工智能的能力不应该苛求。  d- U& I& W5 ?& W) _
人类乃至动物的智力发展也不是一蹴而就的。
  z8 d4 w' A7 J2 P只当现在是草履虫又如何，迭代就是了。
作者: 孟词宗    时间: 2025-2-21 23:55
yanei 发表于 2025-2-21 01:31  D% _1 t( ]6 R( o  P
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， ...
* p. }, E$ A9 w" f- s0 L/ b; i
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。1 D: r  n7 Q! a% n  r
) P$ b% Y: j8 X
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。# V* |0 s2 ], ]( ]( G- v6 n( ^7 w

1 m: n' v/ p6 A" Z. Z  Z# F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 P- t2 J$ \% v
, u& E) o& b; l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？



欢迎光临 爱吱声 (http://www.aswetalk.net/bbs/) Powered by Discuz! X3.2