|
|
. X* G! ~2 h0 K- N+ J
# t2 N; L9 c* P这篇文章设计的测验很有意思。从实验结果看,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 A1 V7 H" h2 X- x3 ^; Z1 M/ W4 n E: v9 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。
& D$ e1 F2 H* F5 O
4 y2 X) {# ]1 C( ]) X. Z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.. i! I7 E" z) i. Q8 K- D; i) u
, q( P& D( S- S
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:
; r% d' Z+ i+ d, R我: A
' q6 b, {% J+ E; d* ]9 S8 l8 ^AI: B9 E, n G0 y9 j* g
我: B
0 l+ n8 N8 J0 Y1 k8 `/ w% A; s) O' _AI: C" F$ m0 [0 F% i3 X- u5 ~" L
我:X- D' }; ^8 W5 e; b3 n. i" Z! W
: p8 b. J/ }1 [! }& V9 i* V
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。3 H3 ^2 `& b: L, \
% Q- h; V) p4 X4 a* z% A* S2 q
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:
/ [2 {1 ]% R. ]! p' [4 t我:Z
( L: h& Y! p |; f& G1 r; v1 e3 R; Y) V; P
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。
7 g, H( Q7 Y7 H+ f
7 S; e6 Q( a$ Z, |/ 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。
+ g* N- T2 f+ e) N. q6 P& Q: T) B$ D |2 Z; T& }7 ?, d/ M
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。6 L5 ], C; {( f: K3 w; F8 E& W
2 O8 U) ]* \+ `& 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:
2 s' v& M" 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。$ K/ |" v& P4 u+ J7 b& a$ w
6 K0 F) 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。
) P- h1 H! t7 ?6 W
4 V" o# u8 W3 w. k2. **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。" O3 Q, r" I0 y* h) p
' E+ E) j7 i E! L
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。
) W+ k& G3 w: f, [0 ?4 Y* ~& n |
|