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 8 v6 m+ E- k2 C4 x# |1 R/ f
2 }# F- T: G5 n4 |5 K, j
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
" w: }. ?8 S/ |6 j3 I- b. }
8 R, }, ]+ L1 V; Z  C+ J% e9 d9 {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。9 q4 T4 i* R, t0 W& c7 U# B
/ A# o7 W& I$ w. A; N
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 v# y0 A) Z& u9 W+ f6 L6 A

/ H% w. b/ y; _* {% 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.
  @  ]; v1 _* b' V& D, O( J# T. L( b: l7 a: G
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：
  H& A" g$ P- A& `- s我:  A' q$ v( [5 Z, f7 W
AI:  B
; K  p# e9 a2 ]我:  B: l& f) T+ @1 x
AI:  C6 ]7 D. V' R: s$ F, s; u; S, N
我：X" L5 f: X9 ^  D8 ~0 w
% D% m, n! B1 A+ O
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。
* N5 i8 Q# w5 i' y: w
& {+ x$ d; x4 S9 M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：& W% M. p; s4 Z+ W$ P4 ~
我：Z- M8 L+ |, c+ @& l5 g7 I9 q

. b; u( ~! @8 ~; [# o3 j% \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。
' N9 o2 X7 _5 {2 \% \( j3 T1 F
& ]% B. [) F4 \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。
  `) u- ?! z1 ?* M9 Q
0 i& ~2 W, A* S/ Y6 H% W1 k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。
% v$ f" W0 v& C- N- f
8 Y) c6 h" T' `- G1 V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 M& @1 N, L, ~$ 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。
/ k+ p! y2 a+ e7 }' h
. [( h* n8 m& N/ g5 K; Z0 h$ @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。/ n) O# n+ g6 [4 F% j' [  A2 f  Q
9 f; `6 v* n' x
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。$ Z  B- b+ r) U' A1 ^0 b  q3 T
3 Q/ ^  E- o$ }+ _: `
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。

1 {- Z! q3 |! p: d
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 C9 \% p3 x4 G% a+ l. X* J! o
, I& z/ f0 J) R, u; Q
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。
- D1 @$ u) ~! P1 z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。
( N# b6 }9 z) M8 ]' [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。/ F% D6 \" G4 Z# C' |, D5 d4 B
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
; x) ^1 y' X) L  I# t$ ^4 E# o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 ...
! B5 r6 f/ `0 I3 H" t# y8 S6 P' i8 L6 j
yanei 刚才问: 有没有回答AA的 ？! S# w! H# f! `6 `( H' D6 \
- ^- O* r$ I2 A- ^$ }
这在实验中已经考虑到的。输入 ZZ 得到 AA
  @" Q$ l: O; C( F* K2 c" p' h
5 _0 o' T+ ^/ y8 @0 G% ?- A) ~. ?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  
4 L; C$ r( x) y& h, p* k: o
) k3 N1 v; u5 g. J1 B! S打乱顺序输入 NBC， 得到 OCD。 4 X* w7 L4 l8 F; f9 r

# b: O( R1 A4 P1 Q这些都是建立在只输入主贴原始规则的基础上的。
; P9 s0 E" x6 C# a3 T, f8 j5 C. g2 n' |$ Y4 ^  d2 n
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 " V: _- B+ y5 m( I
孟词宗 发表于 2024-10-19 09:145 A0 D" z4 s7 ~  c8 I  b
yanei 刚才问: 有没有回答AA的 ？* i' B) w" F$ H) w. X* C  K

* R6 v7 G1 T5 i! Q这在实验中已经考虑到的。输入 ZZ 得到 AA
. `4 t1 h: b& {. z" H8 c
0 X# ]: v6 O' j# b& c& T1 m+ X% \4 E
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。. I% B& }6 }- Q
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？
$ a" j$ X! N! w  G6 ]
8 b& L1 n' e4 F0 ^" [' G0 j
& Z* e0 ?/ I1 Q& q
这在实验中已经考虑到的。输入 ZZ 得到 AA

' [  l2 L7 b, o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
4 y* T+ v0 L' w0 c" M- H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 ...
% R# H7 ^3 U* @
用DeepSeek试了一下：
( |0 M& y. D9 S) `# q/ \& c第一次的回答是：: H1 W# b' I5 \+ N( W! k
Input: ZZZZZZZZZZY) m9 r- P2 @; X" W2 I
Output: AAAAAAAAAAZ0 o7 s3 @+ I5 q) i
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？" L+ i  ^% j4 a$ W  j8 P# W
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
# k. b5 Z. n. [* @2 a% ?将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。& ~+ l- ]5 i  ?; W, W6 P
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:252 T9 O7 S* x2 W+ {0 `$ L5 _
用DeepSeek试了一下：& D0 m& V/ B* K1 }+ m& z
第一次的回答是：
1 r0 P4 [; _1 [0 z/ s3 H. W) y- RInput: ZZZZZZZZZZY

3 E2 F/ H1 ]% v4 y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) v9 V& q+ t! D  Z6 n8 z& n
yanei 刚才问: 有没有回答AA的 ？
0 [% x8 w9 F3 _* F: A$ H% m" |- n0 T# c  n5 B
这在实验中已经考虑到的。输入 ZZ 得到 AA
. ?4 p9 l5 X' j
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 4 R' K2 `6 J6 z* E5 c

& U- V* d' r* `6 d对于当前人工智能的能力不应该苛求。9 z9 n7 Q7 f% y: ?& }+ `
人类乃至动物的智力发展也不是一蹴而就的。* I: X' G/ v4 \: K& j: N$ t
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# }5 h, _, j: E. s6 a- C, S- z. G
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， ...

5 L8 y3 u% p7 Q0 j1 O* B  y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。
+ P5 ?1 F7 {1 f" x$ _! B. _# H! V) V/ H) R" D+ \
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。1 `. j+ O' H3 L4 V% G) O" x5 _  `
* Z7 T+ k, T" X# N1 U
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。6 J, \. ?8 d  X6 L7 D
6 s( a& ]; {  K3 J' t
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