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 , a  r$ l/ Y' M! r, R6 k
7 R8 f" Y6 R+ a; H4 S# ]
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
* e8 A, D: j! w% i0 {
. @4 Z# P8 i6 R3 i* A& t) e0 p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。
: ^7 p% @) y0 R5 }5 x; p1 f
+ m0 a5 G0 u+ {8 t, H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。! Q2 b+ w  w/ H/ J8 B) ?

9 I! G- J" m9 e  v; B4 ^# ^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.+ `. w3 P8 y% M5 D+ S- V

; D6 x/ s% Z- f; N) X$ @1 QAI 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：1 Q# M  ?& R* r) u: ]4 k4 a5 S
我:  A# A6 t0 S; t3 c; X5 Q) V
AI:  B2 G/ R- s  Q0 w; P0 g7 x8 f
我:  B
0 ]! F9 \+ s/ Y( g5 BAI:  C7 g% o* g& ]5 M1 e6 _- a4 [3 N
我：X4 t5 H) R/ x7 |- ~  {9 i& f& H0 I

9 |8 u) k$ x  j) p9 x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。
  k3 q! |7 n& S! w7 V
" G6 G! ]2 ]/ {9 x- X8 {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：
( n; c' O- z# `1 y我：Z
  f0 X( [( ~' S, @# d- [9 |# t* C% `% E: n9 |+ W# N! ]
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。
4 I. N1 U  U8 g+ N" W* m. b" r" X  j) C& t) T
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。/ v/ z. D$ u4 D: X9 Y7 ]

7 d- _1 @5 C/ z% s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。
% ]" J, x4 F" n/ B" W9 E2 J- s, A/ K+ n6 `+ P. @
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：
! z$ ]! ]2 @- G! }' l4 O
“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。
& c" X) _! M0 j0 K$ `
4 W. g% Q; J- w& f4 |. l1. **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 y8 O5 _* [* Z
+ D, p2 f- h2 o( |! |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。3 r) r$ Q% M7 L

: Q, a: O; S3 u* y& e9 a* r1 Y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。
: E% W2 G) o4 {3 Y
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 5 N( V: _7 u4 I

8 D+ h5 B+ l5 M+ b9 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。
8 W+ F, T0 _: d" Z8 ^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。/ e' q! K8 j9 z' s, R6 d
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。
( ]1 c1 _0 s. k! v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
% t* ^. o( }5 b. t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 ...
& d3 C0 s- n3 c) ~2 S% ^3 @
yanei 刚才问: 有没有回答AA的 ？8 w7 I6 C' I* j2 O$ D7 m7 ?
: m* U( L7 h) }' O+ h. y
这在实验中已经考虑到的。输入 ZZ 得到 AA
1 Q8 F* z4 m* a& l1 n$ w8 j3 K$ s% E' H9 J  r- g. g: m# H
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  
( e: J( O$ U8 F. a9 }
% Y0 K" z- y# g9 j2 }/ |3 }% T: G打乱顺序输入 NBC， 得到 OCD。
8 N) `5 d# a* f: w7 b5 d4 \
$ ]' v4 |! f! j6 h: j这些都是建立在只输入主贴原始规则的基础上的。8 ], N' o) |0 R4 N$ _3 c* C+ z

7 d2 n7 P# I% \; B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
' N; j2 {9 @- i( o( i
孟词宗 发表于 2024-10-19 09:14# Y' F, ^9 B2 ~4 D; O) g0 w, G" Z
yanei 刚才问: 有没有回答AA的 ？
5 g1 m5 _% S4 E% b  N/ ?
) o  s: l! |) R' z* o这在实验中已经考虑到的。输入 ZZ 得到 AA

8 C1 @& g  k* \0 ~
; @- {5 h/ _% {, g0 [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。
: G9 J4 e& G" y( e. {4 y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？
, c6 O& \9 h5 k
2 d# z2 n8 e( Q# o+ V
9 Y- }+ P: n4 B, W' C2 Y
这在实验中已经考虑到的。输入 ZZ 得到 AA

+ ~1 E* U/ y# Q4 t" M% e( e) z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 e6 O$ g  D# R8 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 ...

! E& y8 K  d3 t9 y) E. e用DeepSeek试了一下：3 U; L) l: l/ ~
第一次的回答是：
) W7 K% {: s6 OInput: ZZZZZZZZZZY
. E8 F* W! s% C- @1 lOutput: AAAAAAAAAAZ- y9 D  {8 k4 S( k1 {2 X* x
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？  `4 A2 O" M* T4 w8 g6 G. k
DeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
4 P: b' s, e% Y9 A/ t将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。% Z+ a0 ?( F8 W: R) z
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
; [5 G5 i4 k. o6 g, s: Q) f% J) l# [用DeepSeek试了一下：1 B9 r8 C# r5 t5 |" B, G2 c7 D
第一次的回答是：9 @, _2 z0 s8 _! m! \+ {
Input: ZZZZZZZZZZY
; b( x% [& S8 p/ ^1 c8 M0 J$ y/ R
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, W) G# u4 x0 F
yanei 刚才问: 有没有回答AA的 ？# ^/ R7 Z; [8 F4 P5 ]  w2 w

- k  Q$ F9 _. p1 a0 w+ ?  V这在实验中已经考虑到的。输入 ZZ 得到 AA

7 s8 a! y7 h8 W$ R  B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 : ~- P, {5 x& W* ]& r
9 U7 c( N0 G, T. Z
对于当前人工智能的能力不应该苛求。# i" V0 _0 U0 x1 Z2 J4 ~
人类乃至动物的智力发展也不是一蹴而就的。8 j, }( I0 }, c
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! E; V3 Z: U" T$ ]# o0 O# [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， ...
" ~, q* z0 X# u
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。8 e, [" N3 p+ ^: }* {6 y

+ p$ f8 S* i) E, r5 [9 S' N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。
; A8 ~8 W0 S0 P6 B4 a0 X9 b
- p1 G1 [0 O1 C, Z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。
1 R" I: c& y6 A& D, v6 `+ p  Y, t5 Y$ s; K* F
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