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
( W; k) A3 i2 C2 Z4 X! X
- l. D& n" u7 ]. d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" o9 E6 v3 ?/ N) \
" N4 c8 g% ^9 z  H$ ?, I
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。
" M7 H# S, {- h3 ]( ]' ~  ?# E# o- O( a) v/ g5 t2 n- t
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。% u  b; z" z+ `0 z: C
% a/ p4 D3 p3 k2 N$ x4 U* R  T& E
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.
  U! n$ I( P& J0 u1 Z. z* e" l1 d
+ T6 \4 ]) Y- s, I$ u2 CAI 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：' K6 g9 L0 Q3 q9 T4 O, Z
我:  A
9 ^7 R5 y/ m( |( v, {" x) u$ w2 }  \' pAI:  B. [! Y6 H( C# x6 p
我:  B0 _# t6 I8 i' `3 j' ~9 ^
AI:  C
* [, u' F+ H; z) S我：X
6 R# _( i1 B+ F* h0 b3 s/ N: V% w) k# E3 _) h7 a4 G3 |. ~+ {1 ?1 s
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。
% k' A& J% Z: v* }# S7 b, i
: l3 i1 V  X+ t# a% |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: |! q: C8 d2 X6 C7 \4 Y- z我：Z2 l2 V0 A  M+ g% T0 H
  K' }; X; S2 E( _+ m" t" P8 a
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。
$ p8 x# W$ C: {( a3 k" R3 X! ^/ C8 _9 M; T; J5 K) U3 K- s
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。2 B1 r2 ^; _& G5 z+ w

2 L  P, G( E; C, j+ q/ E6 I7 b; x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。
3 ?+ w3 F- Y6 u  g
& d/ `/ ~" o" P/ u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：
" c- w6 u& d, m) ~* N' Y
“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。
- p. i$ ~' ?7 Z. \! p) s" y' e0 Q; t  }- c5 L  D) h! r6 M1 z$ f, V
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。
$ G1 z1 U, X7 T) c
! v, {" k  h, d  w0 \5 ~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。' t' [, ^- e0 U" `# p% d

6 X/ z- ~2 @3 I+ E! v1 i8 b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 u* v6 e3 M* U7 \
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 C. _* @' v+ M: i9 I4 v
8 \! G9 Z1 u- f& e+ 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 E4 `. r- U  D, S4 C
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。9 G9 h5 l, _/ N1 a% J
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。( j) {8 F9 V4 [2 G
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 p, @( }% }  U0 Z8 k( V: p
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 ...

9 ]2 j' i! Z3 j. m1 ^$ r  C6 Tyanei 刚才问: 有没有回答AA的 ？
& {+ n8 @* u. t% B/ F/ c
5 _  T  E: Y3 [这在实验中已经考虑到的。输入 ZZ 得到 AA
+ P/ h9 j" Q+ O8 H, Z
4 `! t; b5 g& y& {+ n) c4 g: d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  2 J- Q" A0 F9 v, ]5 A+ t
4 D& t  T5 W+ G2 Y
打乱顺序输入 NBC， 得到 OCD。
3 i3 w9 d" Y5 W0 K  u+ |/ y: l8 O/ Y% j$ ~
这些都是建立在只输入主贴原始规则的基础上的。/ w2 ?# j% b' t7 \$ [* Z" O4 A- A
. J6 Q3 I7 p, f; g: _1 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
; }: Y; V7 P9 d  |
孟词宗 发表于 2024-10-19 09:14
" H- I( H0 C: X6 gyanei 刚才问: 有没有回答AA的 ？0 U) j/ a; Z6 i$ G# u, E0 O! u
+ p' M1 @+ o; k# G
这在实验中已经考虑到的。输入 ZZ 得到 AA

6 @, w! E2 c' G3 P1 ?- Q, s: ]1 O$ ~! U4 D; g$ 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。/ |3 z7 J0 e1 P- L4 X; 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？/ b1 F& S% k! U; F

+ D  q3 G9 T* k8 r. M* w4 a2 Z; h4 u  F6 c
这在实验中已经考虑到的。输入 ZZ 得到 AA
# ?2 W. R6 f3 e. u+ @
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
$ S5 I: y! f+ I2 R  F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 ...

3 L; i+ J5 b! R% Z; c& v用DeepSeek试了一下：
4 P5 X* ~: Q5 x  U第一次的回答是：) a( F& l/ L) e
Input: ZZZZZZZZZZY
6 K( J2 c6 g! c9 T5 EOutput: AAAAAAAAAAZ
* J7 d* y* L9 e9 D2 z8 C$ \# U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？
% k, Y3 D. e- D" B7 x5 yDeepSeek经过了长时间的思考（用时285秒），给出了正确答案：
6 X* w% b' [. M' |; A( |  \) m3 S将 ZZZZZZZZZZY 视为 26进制数 的后继（加1后的结果）是 ZZZZZZZZZZZ。+ V& a" I( I2 q% A/ g: T- A
作者: 孟词宗    时间: 2025-2-20 14:04
唐家山 发表于 2025-2-20 10:25
' x! x1 c+ G. K5 J- k) ?用DeepSeek试了一下：! v* l% x) Z0 T% s  e8 U' e$ C
第一次的回答是：
  M: i6 ^% ^4 x" j4 i5 GInput: ZZZZZZZZZZY

3 d) E. R! C) _# j6 E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  q2 ?2 t& @9 S' p* m' j& v
yanei 刚才问: 有没有回答AA的 ？/ z4 o) K; i: h% z- S# w5 L. t
7 o) W7 A3 j4 J' a1 t( S
这在实验中已经考虑到的。输入 ZZ 得到 AA
+ s. W2 t, {6 B" E3 m% y! n
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 : J$ o: e5 @# N. m1 `8 Y! G2 V/ I/ V
4 P4 P& S1 [: P
对于当前人工智能的能力不应该苛求。5 C9 T6 |9 ?  h5 I
人类乃至动物的智力发展也不是一蹴而就的。) a+ ~3 L9 |, Z* R! g
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
+ Y) k4 e: r2 t) C7 v5 W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， ...

9 ^! X$ K1 w; k$ o* s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。
& E8 i; U5 G. l7 ^. ]0 w+ g; L6 a0 b  h' h, ~3 K, m" C
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。
" E. y, T; t# t( ^+ h! ?
. ?, z0 B2 O- t; g9 x2 [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。0 M) t# ]! ^, s6 ^/ c

# O" k5 g$ ~0 x+ 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