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
. L' J- G( C- @7 Y
8 l+ N2 N7 K- @) e. f' c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3 v4 ^7 c4 f  q; p& z6 ^4 A% w* a
; E9 j. H0 W1 R' G; |: A
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。
5 @) ~! [- J5 k6 H
; J( e: @# ?( K0 ~5 D1 Z" n0 l. 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。
$ {$ R5 Y3 T! |% [1 h
+ O2 I4 k6 @4 R2 B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.8 F1 t$ r/ M5 c% m; R& c

, K4 D' n+ D4 e9 Y( DAI 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：. v9 y# @6 w3 F5 i  X8 g& n
我:  A
% I$ K- B) o8 p( @2 Y* Q( ?: F6 ]AI:  B
2 x. M3 V3 Q6 G# r' \  I3 P9 ~9 J我:  B. B" w) L: N" B8 u9 u; D- n* B
AI:  C
% W* o# @+ U" |. |我：X
( M7 f6 i# S" Z  D: s
! Y5 ^2 M  q# v+ K- q5 y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。  d6 c4 X' K3 p# {! N5 T! W

* V7 b  ]7 Q  u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：
# `% R$ C( F7 U" p! H我：Z
: w+ ~/ Y, C9 I: x+ ~6 ~+ X0 f# H; `, x8 G
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。' z6 ]4 B: V0 n0 E
- o# I0 g4 E! {1 M1 E
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。
( x  K( G: I. K% l! p% N! T8 _3 v' N6 J2 l( W! h9 ~% I3 E1 u3 \
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。
! h! Q2 @  h% E2 A# M( H3 j* G
. ?/ Q- d/ \' Y4 O$ W8 f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：
/ ~) X( j; R* N+ k
“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。' ~, ?* T2 s7 b/ V- e$ a8 J& K7 s  _

4 r+ q& G  t' h  Q% V1. **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。
- P' \0 {2 y8 o/ W7 \5 j/ K3 P6 L$ ^4 x  Y, N& 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。7 i5 _7 {* X, l+ Y3 K
7 c" ]  {' ~$ e* s) a$ E  {
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。

3 m' R5 ~0 n) z6 L/ I& R- N
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 & L3 v, ]" |! ^8 K( h8 \
* k' H  g4 r/ b2 j
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。4 b* c) L& ]& b9 _
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。
1 _2 B& U" Y9 ]6 a  D( a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。) H5 u* t' T  r
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; {3 w; ]# L3 S* ~" |6 ]: I; {
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 ...
8 y% U8 ?/ G+ p/ v) \% Q2 W! J% O- G- x" E
yanei 刚才问: 有没有回答AA的 ？/ x# r6 V3 B1 [. ]/ n
9 m! s. Z3 Q; F$ s7 w
这在实验中已经考虑到的。输入 ZZ 得到 AA 0 o1 R6 s+ H1 n" B& L
+ k. E7 o; \" |2 Y9 o7 ~) m5 E
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+ j- s) }. |# R8 e

- d, D3 @& U8 P4 R* C( c打乱顺序输入 NBC， 得到 OCD。 ' w3 V. R5 o: o3 P

4 [8 ]( _3 W8 g0 m这些都是建立在只输入主贴原始规则的基础上的。
  A: M, L2 J, R. {1 z3 I
) v+ b9 E( f  t* P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
! M9 S; f3 `& Z5 ~' i$ ~$ e
孟词宗 发表于 2024-10-19 09:14
, R; Y, U6 ?! A* ]8 }2 u6 T0 Myanei 刚才问: 有没有回答AA的 ？6 s6 v- Y2 `7 N* ~1 d: Z* f
( a0 N% p$ T& x$ D
这在实验中已经考虑到的。输入 ZZ 得到 AA

8 c' ?, p# d  H8 u
" \7 Q- H6 v, a/ |, \! Q1 l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。
$ y  H, X8 S0 ]8 d% G8 E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 [5 N0 K# V5 g( w" {

' a0 e1 Z& [1 K/ Y$ a# n$ C7 B* B7 S7 _) V& q( N
这在实验中已经考虑到的。输入 ZZ 得到 AA
1 R6 s5 o# I: g% \
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
- p; O  k1 ], a) O% W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 ...
+ u6 y; M$ w' N3 f0 Q
用DeepSeek试了一下：
' z4 [, x, ]  R# K& ~7 G+ ]第一次的回答是：
- L0 Q/ u/ Y# R3 f6 C" aInput: ZZZZZZZZZZY" g8 q$ ]9 `& o
Output: AAAAAAAAAAZ
7 F" d: C0 L  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？
6 {2 w9 h* M+ R  I! H+ z1 mDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：& Z6 C+ n+ f3 G% W) F
将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。
3 j2 c" K4 ?& U3 z8 }# ]8 X
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25" E5 j' o9 q" A, z' @- |  l
用DeepSeek试了一下：- M# h; O" _& O7 ]; w6 s
第一次的回答是：
! _5 D( U& e! Z( a" HInput: ZZZZZZZZZZY

# V. l7 K* \5 p; u: F- v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
2 ?" v5 {# H* l2 [/ Xyanei 刚才问: 有没有回答AA的 ？
: o* E, U* y9 b; m' J% c/ U+ t. o) x3 {5 [  h* U6 j7 j" |
这在实验中已经考虑到的。输入 ZZ 得到 AA
2 t4 y2 {, w' \7 F
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 F" @4 @/ K2 Z; p( G
; p/ z5 O) E$ F5 }7 P+ {
对于当前人工智能的能力不应该苛求。, z2 t0 i* ^  K7 ~' b' s
人类乃至动物的智力发展也不是一蹴而就的。0 O3 g# w. R" n
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+ y0 L, I  E6 X  o" @' 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， ...
; z6 v7 J8 m! U9 {7 E
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。# B, A; A0 z0 {
3 @/ F* D4 j/ ^  |. p0 P& V* a
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。
( K" M  |8 }5 |8 ~9 g: n5 m" C+ X4 J9 F' l" K
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。/ V- U6 k7 r' \3 b4 B1 K; R6 c: ]4 B
2 @7 _( }/ k9 P7 _& m1 z  Z
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