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
5 x4 a' e7 w2 ^$ Z" i8 B$ q5 [3 D6 h0 o( F: n
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
8 z3 n. A! L2 F3 `3 R0 y
, y, N: }# W: e! b* ]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。
' @% ^+ v7 _' r! T# E$ a' N6 _' {" l: n) u# W$ ~
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。$ _! ]3 B$ n: o- t* q

" p" E- k$ ]: R/ h7 J; S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.
( n9 \  |% c9 J( \) {# K3 O" \, X3 ^4 @- A* |* Z% U) c2 r
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：
, w! L9 k5 t" j我:  A
/ n$ r+ y: r- m2 ~AI:  B
8 p$ Z' w( W4 ]  y我:  B
  ?8 @6 f* M% |8 _: iAI:  C8 T: t5 b; [; D$ o4 |4 i; N
我：X
! l' |$ j+ l3 Y. S3 U- \
; {! a& X4 m: Z6 A+ H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。
  o! V1 y. x6 V: q1 C5 k" L
. A5 s/ N0 g- x6 {; _1 E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：
/ W2 f- o2 u7 V. F* x$ }5 t我：Z0 R: ~, h" B$ \# S5 a8 |
* @  ~' Y8 C8 b5 m0 k  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。
5 M8 l2 G0 l. y
' Q& H* I( x( X# s8 u; a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。- a' |4 g) r1 ^0 k% V1 b
! k9 z7 r+ X5 m! j4 V. F, G
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。
5 T; G; [  w$ |8 D! o. A# }3 B
, O% ^+ n0 C3 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：
" V' E7 H% n% W# W* H) d' W4 w' e9 \
“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。) G: o2 }. ]9 ?, s. R( g' q+ X3 Z
  y5 d5 \. D( M6 I
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。6 p3 e4 f  u% g8 k' \% K, Y' @! `! l

* G" I+ x6 _: f0 e2. **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。/ P4 P; c0 ~2 U) \2 x( n  h, `5 b" ^

# t! m$ o+ s) w: P$ C, t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。
9 [4 E) \5 [: L5 U* ^- Q
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 # w9 ]: J9 X# h9 z- i) k  g
  K# z: [6 y: r+ ^% ?9 z: D0 Y
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。
, l4 l* X" d+ ~9 o) R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( z- B" d4 J# w# |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。2 w- Y1 p0 k* p+ ]- q
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 09:020 g% R- @2 k$ e: c: y- }
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 ...

) P: H  K8 G8 K! q$ S/ o. o' ?2 t0 oyanei 刚才问: 有没有回答AA的 ？9 b( w) I- O2 ?% k1 C. O1 w

  J: a* G7 b1 ]" Y8 g5 s这在实验中已经考虑到的。输入 ZZ 得到 AA
. O) j# ?/ D) ]0 x: p  W6 B' S+ y* h6 }8 u2 d% P( 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  
. v! P; j" R$ C  {! }0 w# w. Q, f% z
打乱顺序输入 NBC， 得到 OCD。
: M5 [/ K; P( S3 D4 Q$ K% J. L3 C% o) v% N$ ^. b4 g" {
这些都是建立在只输入主贴原始规则的基础上的。
- r; |+ x8 Z, O" V2 U
" C+ ~" R3 _$ v1 t* K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 6 {0 R1 \, E8 R1 K& ^0 H( e) `. {
孟词宗 发表于 2024-10-19 09:14
9 D/ Y- D6 t  C+ f  ?0 M6 |6 U. Ayanei 刚才问: 有没有回答AA的 ？3 W2 V, g  a2 u  ]4 @2 d9 t- _( O
' Q9 T  b8 p8 o' {
这在实验中已经考虑到的。输入 ZZ 得到 AA
  Z. b' U: E8 w% h4 j" C3 N
8 e- B3 ~; Z5 z- ~' U. G
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。6 L; B4 ~, w2 i8 K8 c. J
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？3 C4 e1 H- O3 f) e2 `4 B7 h
0 G9 B5 I" [6 K0 \6 g, `& E- n% v

8 q; N- D% o. m2 K" t9 Z& h
这在实验中已经考虑到的。输入 ZZ 得到 AA

7 |8 ~7 W6 {" I% J7 l% d( t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
  b# s) @9 M' [1 r+ g$ K9 E+ 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 ...

$ ]0 I3 p% T5 W用DeepSeek试了一下：
; I% ~4 L5 [0 }4 o) F; [第一次的回答是：
" X# z% X, ?/ `3 N6 r& X5 _Input: ZZZZZZZZZZY
6 s7 y+ t% y9 w. L* L/ D8 T9 _+ MOutput: AAAAAAAAAAZ! }& M% \! d0 c" N1 ]
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 m3 {( C6 a" B; u' ~- d
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
- Z$ }3 P+ d2 U/ j! K将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。: B4 y- B/ E# A2 x
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25% l) Z' G; u& M& s
用DeepSeek试了一下：7 R* H2 r$ w5 x& _' l
第一次的回答是：# l' V1 m8 k, M  x
Input: ZZZZZZZZZZY

& U7 W+ w& h6 H6 U; W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, ~+ q9 D+ _% m; \
yanei 刚才问: 有没有回答AA的 ？8 m& q8 O% h" r6 a/ ~; ?

! D" }( ^' ^. V* ~( N- }4 ~( c5 h这在实验中已经考虑到的。输入 ZZ 得到 AA

* p. ?5 Y4 Q- l: ]( o+ C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 8 k! w2 q/ w# b0 B( m3 ?4 d
  @6 D' s# D7 l# Q
对于当前人工智能的能力不应该苛求。
& [# z! @3 ]# T9 C) ~人类乃至动物的智力发展也不是一蹴而就的。; C3 ^; l4 d, f
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, g. F- \- N6 X( Q8 \- 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， ...

' Q1 V# q" y) ?. W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。
( _% {; I! o8 t+ L% y' n* F( `# K- G3 r: e6 w5 D2 Q6 y) s
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。" J2 ?% s: Q! Q! s% s4 g+ \0 a" ]6 f& i

' P' P$ ^8 K4 _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。
4 o2 P+ M8 s7 d# j) v0 N  k( [& J  c' r9 b
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