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
7 @( e, P8 `% k1 G. w( t. \5 J) ^, v4 Q3 c9 y+ E5 B$ @
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( I9 }7 O' w# f
/ f' P% ?+ Q: G! s! U
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。8 n, x1 ?( W- @  M- w6 ~5 s
2 h1 J. J0 J  h4 r
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。
1 y) b7 O3 o' F" H  }5 W$ D7 E0 N1 f, e0 u. w0 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.
5 I6 m- r# Q4 k: D/ ~! s
& ]& w1 N6 v+ p. Y2 z2 h4 eAI 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：
- G& u3 S: R: q' @% y" [我:  A
) [0 \* f: \& i3 [AI:  B
5 l9 p. p8 J  B9 q: q我:  B
5 ~  t& Y0 K  ]) t8 j% XAI:  C
' {2 P0 A9 o" B2 M0 F我：X: s& C) n  V# U% J
/ F- N; o, K: b$ i" L# R8 b
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 ?( l% Q
& V4 k5 P( {. U, V
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：, i; x: b2 m, t, ~& z" ^
我：Z! t- G: C2 I6 ^( Q1 F0 x8 J) [% c
8 b7 {* j" O- Y1 N2 O
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。8 j& n! [6 i4 H  `

7 q! z$ P. x4 A+ c4 P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。* l; s# G- ^% ?+ r# E. ]" B$ X
* s# g5 E( w* ~& V0 c3 f
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。
$ u' i. B4 k8 m
- ?4 U, u1 f' `; m3 `3 A- C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% A4 \8 }) a3 {
“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。, o. S; R! n  C
/ h( S$ _4 F" ?5 c
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。
' Y* W' V( ^0 D$ [
/ V+ r& M* L# p1 q9 J* \/ k2. **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。# R. N# ^, v! x" X

  ~5 F+ L: E; J# _% ?5 g" \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。

/ u2 o" h% N4 {" V' Y+ c$ N' w
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 - i$ a. o# U$ x4 R% n6 x& A
9 A( ]% {4 U/ N% t3 F* _
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。% b, f5 X% _* h8 X9 a" v, x2 w6 G$ u
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。& R. O- m- s& o* _" `/ {2 w3 k: z
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。
8 X7 N( v9 ]% P# r+ l1 U2 V7 Y1 O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 09:027 }  ?& n+ {3 }; g
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 ...
$ s& c) T' m# {( Z; m# m9 d/ p
yanei 刚才问: 有没有回答AA的 ？
8 X$ M! |. @% d: A# x' ?" v) O+ [% a: I8 p3 g; Z2 A
这在实验中已经考虑到的。输入 ZZ 得到 AA
+ M! Z/ L* B. w8 F- B/ Y) h
2 {! ]* o4 b7 B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  
( r" y/ W, e9 P1 K( Q
% [$ @7 J/ C$ u打乱顺序输入 NBC， 得到 OCD。 . V$ n" p/ |0 _- F8 u+ L

. _* _* M0 [, S+ }1 @这些都是建立在只输入主贴原始规则的基础上的。
" D. i! a0 O5 z1 P4 e5 C' V+ O' v) J. X7 V2 x; {  ^9 q. 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。
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
. X7 l  R/ m! S/ e8 f. ~
孟词宗 发表于 2024-10-19 09:14
6 i4 j0 ^. H. e9 r; n9 Q- Eyanei 刚才问: 有没有回答AA的 ？
4 I/ L2 m& H7 T9 H4 Q" z4 j: o8 A, {, g( w
这在实验中已经考虑到的。输入 ZZ 得到 AA
* U; v  I  Y, Q$ l; Z7 s  s
# ]1 u6 |( T' }$ U; ?
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。
2 w' u' E4 c' u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( A0 l9 Y9 K; P

. y5 i8 D3 `: p. o6 n, A
& i' k7 o) Y4 K; E" u
这在实验中已经考虑到的。输入 ZZ 得到 AA
" C9 I. K( E8 k+ X
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$ |5 |# r2 \# i; d) F* j: |2 G  N% u
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 ...

0 o" O6 o+ W( ]用DeepSeek试了一下：
4 _6 O6 X" e$ s第一次的回答是：
' y5 x5 Y. k2 I1 uInput: ZZZZZZZZZZY* @5 @/ T& v( ~' t4 j
Output: AAAAAAAAAAZ; J8 V+ B# x% g& `4 F
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？9 g( O* R) r8 l9 \0 _+ Q
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
8 |3 O0 a( F' ^+ P将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
5 W& H0 F4 c% G* L) K; f; R" G
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:255 \' s, }" b' c. z$ B( E) A
用DeepSeek试了一下：
% R1 q+ Q8 k# G( v# z) p1 j  h第一次的回答是：( }* v/ v' B- i. Q# h, j
Input: ZZZZZZZZZZY
; \! c. g& O& @/ R# O# P" i( A$ F
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 09:147 ]4 C+ G* H5 j/ v$ `+ ~
yanei 刚才问: 有没有回答AA的 ？% B1 O7 r' t4 O! {4 w3 Z" i$ `
& y' w- F7 }; q+ _9 O/ h
这在实验中已经考虑到的。输入 ZZ 得到 AA
0 {( d' y% G: |5 b( r: J5 |
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 . w2 Q. [' N0 g: M) j% J% N- l

, ?, L# o0 F$ a1 o& v+ J对于当前人工智能的能力不应该苛求。. s4 h; M% M, S$ f5 [
人类乃至动物的智力发展也不是一蹴而就的。
, V3 ~! x* {! m. Y+ h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
- S0 i" K0 T" Y5 e' @/ T/ 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， ...
" |0 ~; s# [3 ^' y8 I, j
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。
; R0 w9 |+ h3 ^, Y' o
& C( G) w! P( }$ I! _, l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。
% n1 l" b! s$ H1 l4 T+ C
+ r$ L0 _' @7 ~; v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。
# |# X) l$ N- ]  |: q- O1 e% G& P8 f$ D# k$ b0 V; e
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